H10.3

Question 1

wat is het belangrijkste doel van de resultaten van onderzoeken?

Answer 1

hoe goed de resultaten vertaald kunnen worden naar de populatie

Question 2

wat houdt ‘echt verschil’ in?

Answer 2

verschil in de populatie

Question 3

kan er een p-waarde uit het onderzoek rollen zonder een nulhypothese?

Answer 3

nee!

Question 4

wat betekent standaardfout?

Answer 4

de spreiding die verwacht wordt in alle mogelijke steekproefeven

Question 5

welke vragen worden beantwoord bij het toetsen van de hypothese?

Answer 5

of de uitkomst een echt verschil is of dat het is gebasseerd op toeval

Question 6

wanneer klopt de nulhypothese niet en moet het verworpen worden? bij welke waardes klopt het wel en niet bij een BI van 95%?

Answer 6

als de kans om een extreem resultaat te vinden in een steekproef kleiner dan 5% is

bij p<0,05 -> nulhypothese klopt niet
bij p>/=0,05 -> nulhyptohese klopt

Question 7

waarom is de uitkomst statistisch significant niet altijd boeiend?

Answer 7

de uitkomst moet namelijk ook klinisch relevant zijn, waar dus kritisch naar gekeken moet worden

Question 8

waarvan is de breedte van de spreiding van het gemiddeld verschil van een steekproef in de nulhypthese afhankelijk?

Answer 8

van de standaardfout

Question 9

waarom wordt er bij een p> 0,05 niet gesproken van een statistisch significant?

Answer 9

er is geen reden om aan te nemen dat de nulhypthese niet waar is

Question 10

welke 3 factoren kunnen misgaan bij het toetsen van de hypothese?

Answer 10

1. resultaat is niet valide -> bijv geen randomisatie en representatieve steekproef
2. verkeerde analyse of toetstechniek
3. onzekerheid bij toetsen -> toevallige fouten zijn niet te vermijden (steekproefvariatie)

Question 11

wanneer is er sprake van een type 1 fout?

Answer 11

als de nulhypothese klopt maar de uitkomst van de steekproef is statistisch significant

dus geen verschil in de populatie maar wel in onderzoek

Question 12

wat is hetzelfde als type 1 fout? geef vb

Answer 12

significantie niveau oftwel alfa, dus als de significantie 1% is dan is de type 1 fout ook 1% en dan moet de p-waarde < 0,01 zijn om een significant verschil constateren

Question 13

wanneer is er sprake van een type 2 fout?

Answer 13

als de alternatieve hypothese klopt maar de uitkomst van de steekproef is niet statistisch significant

dus in de populatie is er wel verschil maar niet gevonden in het onderzoek

Question 14

wat is een alternatieve hypothese?

Answer 14

dat er wel een verschil is tussen de 2 groepen

Question 15

van welke 2 factoren is de kans van de type 2 fout afhankelijk?

Answer 15

1. steekproefgrootte -> hoe groter de steekproef, hoe kleiner de kans op type 2 fout
2. de echte waarheid -> weten we niet dat is reden van onderzoek, maar als het verschil in de populatie klein is dan is er een kleine kans dat dat verschil gevonden wordt in de studie en hetzelfde met een groot verschil in populatie

Question 16

wanneer heeft de studie veel ‘power’?

Answer 16

als de kans op type 2 fout klein is

Question 17

met welke waarde kan er een beslissing worden gemaakt of de p-waarde statistisch significant is of niet?

Answer 17

met het BI, dit gebeurt ook andersom

Question 18

wanneer is de p-waarde niet statisctisch significant als we kijken naar de BI?

Answer 18

als het cijfer 0 in de BI zit