Hoe visualiseer je een tweezijdige hypothesetoets met een normaalkromme?

Hoe visualiseer je een tweezijdige hypothesetoets met een normaalkromme?

Wiskunde BWiskunde B

Hoe visualiseer je een tweezijdige hypothesetoets met een normaalkromme?

Hoe visualiseer je een tweezijdige hypothesetoets met een normaalkromme, en hoe gebruik je daarbij een significantieniveau van α=0,10\alpha = 0,10 en een berekende overschrijdingskans van P(Xˉ244)0,065P(\bar{X} \leq 244) \approx 0,065 bij een nulhypothese van μX=250\mu_X = 250?

Antwoord van Ainstein

Bij een tweezijdige hypothesetoets onderzoek je of een parameter (zoals een gemiddelde) verandert ten opzichte van een bepaalde waarde, zonder een specifieke richting (groter of kleiner) te verwachten. De alternatieve hypothese (H1H_1) wordt dan geformuleerd als H1:μwaardeH_1: \mu \neq \text{waarde}.

Visualisatie met een normaalkromme: Een normaalkromme, ook wel klokvormige curve genoemd, is symmetrisch rond het gemiddelde. Bij een tweezijdige toets verdeel je het significantieniveau (α\alpha) over twee 'staarten' aan de uiteinden van deze kromme. Dit zijn de kritieke gebieden.

  1. Verdeling van het significantieniveau: Als je een significantieniveau van α=0,10\alpha = 0,10 hebt, verdeel je dit over de twee staarten. Elke staart krijgt dan α2=0,102=0,05\frac{\alpha}{2} = \frac{0,10}{2} = 0,05 van het totale oppervlak onder de kromme.
  2. Middengebied: Het gebied tussen de twee kritieke staarten is 1α=10,10=0,901 - \alpha = 1 - 0,10 = 0,90, oftewel 90%90\%. Dit is het acceptatiegebied voor de nulhypothese (H0H_0).
  3. Tekening: Je tekent een klokvormige curve met:
    • Het gemiddelde van de nulhypothese (in dit voorbeeld μX=250\mu_X = 250) precies in het midden.
    • Een linker kritiek gebied aan de linkerkant, dat 5%5\% van het totale oppervlak beslaat.
    • Een rechter kritiek gebied aan de rechterkant, dat ook 5%5\% van het totale oppervlak beslaat.
    • Het gebied tussen deze twee kritieke gebieden is 90%90\%.

Voorbeeld met de gegeven waarden: Stel, de nulhypothese is H0:μX=250H_0: \mu_X = 250 en de alternatieve hypothese is H1:μX250H_1: \mu_X \neq 250. Het significantieniveau is α=0,10\alpha = 0,10.

  • Je verdeelt α\alpha over de twee staarten, dus elke staart heeft een kritiek significantieniveau van 0,050,05.
  • Je hebt een steekproefgemiddelde van Xˉ=244\bar{X} = 244 gevonden, met een berekende overschrijdingskans van P(Xˉ244)0,065P(\bar{X} \leq 244) \approx 0,065. Dit is de kans dat je een steekproefgemiddelde van 244244 of lager vindt, áls de nulhypothese waar zou zijn.
  • Om te bepalen of de nulhypothese verworpen moet worden, vergelijk je de berekende overschrijdingskans (0,0650,065) met het kritieke significantieniveau van de betreffende staart (0,050,05).
  • Omdat 0,065>0,050,065 > 0,05, valt het steekproefgemiddelde van 244244 niet in het kritieke gebied van de linker staart.
  • Daarom wordt de nulhypothese (H0H_0) niet verworpen. Je kunt dus niet concluderen dat het gemiddelde van de actieradius anders is dan 250250.

De visualisatie helpt je te zien dat de waargenomen waarde van 244244 (met zijn bijbehorende kans van 0,0650,065) nog binnen het 90%90\% middengebied valt, en dus niet 'extreem' genoeg is om de nulhypothese te verwerpen.

Wil je betere cijfers halen?
  • Extra uitleg en oefenen voor elk boek op school
  • Stel vragen en krijg direct antwoord
  • Video's, samenvattingen, oefenen, AI-tutor, woordjes leren en examentraining