Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Hoe moet ik figuur 4.6.5 lezen in het kader van verwerpen dan wel aannemen van 0-hypothese

0 leuk 0 niet-leuks

Ik probeer tabel 4.6.5. te begrijpen. Mijn vraag is: 

Waarom zou je, als je uitgaat van een steekproefcorrelatie van .3 en een (fictieve) populatie-correlatie van .4 de 0-hypothese verwerpen? En waarom valt .3 dan nog steeds in het rode kritieke gebied vallen? Is dat omdat je nog steeds uitgaat van de verdeling van de steekproef of hoe moet ik dat zien? Ook de uitleg die gegeven wordt spreekt mijn gevoel tegen: als we de conventie van een alpha van .05 zouden volgen, zou onze steekprvefcorrelatie van .3 in het rode kritieke gebied vallen (waarom?). We zouden dan de 0-hypothese verwerpen en concluderen dat er in de populatie een verband is. Dit zou dan correct zijn nu we even alwetend zijn weten we dat de correlatie in de populatie eigenlijk -4 is.

Ik zou juist zeggen dat die 0-hypothese dan dus niet verworpen dient te worden. 

Hopelijk kan het iets simpeler uitgelegd worden want ik vind het enigszins verwarrend. Dank alvast

gevraagd 3 mei 2017 in Inleiding Data Analyse (IDA) door 852012467 (490 punten)

1 Antwoord

0 leuk 0 niet-leuks

Als je NHST toepast, werk je altijd binnen de steekproevenverdeling volgens de nulhypothese. De nulhypothese stelt dat de populatiecorrelatie 0 is, dus je werkt binnen de linker verdeling.

De rode gebieden geven aan welke correlaties in deze nulhypothese steekproevenverdeling zo extreem zijn dat ze maar in 5% van de gevallen voorkomen (het linker rode gebied bevat 2.5% van de steekproevenverdeling, en het rechter rode gebied bevat ook 2.5% van de steekproevenverdeling).

Alle correlaties die in de rode gebieden liggen zijn dus, aangenomen dat ze uit de nulhypothese steekproevenverdeling komen, zo zeldzaam dat ze maar in maximaal 5% van de gevallen voorkomen. Als je nulhypothese toetsing toepast, en je alpha is 5% (p < .05; en dat issie bijna altijd), dan betekent het dat je de nulhypothese verwerpt als je een steekproefcorrelatie vindt die je maar in 5% van de gevallen kunt vinden, aangenomen dat de nulhypothese klopt.

Dit is het moeilijke aan nulhypothesetoetsing (en tegelijkertijd de grote zwakheid, de reden dat deze manier van werken tegenwoordig wordt afgeraden): je moet 'conditioneel' denken. Je denkt altijd vanuit de nulhypothese. Je gaat er vanuit dat die nulhypothese waar is. En dan bereken je de kans op je steekproefcorrelatie.

Overigens zou je dit niet kunnen doen op basis van de populatiecorrelatie - die ken je in het echt nooit. Als je die wel zou kennen hoef je gelijk geen steekproef meer te nemen - de enige reden dat je een steekproef neemt, is immers om over je populatie te leren.

Als dit niet helder is, voeg gerust een opmerking toe om extra informatie te vragen!

beantwoord 5 mei 2017 door gjp (65,600 punten)
Dag Ghalt-Jorn Peters. Jouw uitleg is me super duidelijk. Maar de plaatjes in het boek zijn voor mij verwarrend. Is het dus voldoende als ik dit snap en kan ik de uitleg m.b.v. de plaatjes links laten liggen?

Um. Dat is een moeilijke vraag :-)

Als je het begrijpt, en dus ook echt begrijpt, dan is dat prima. Tekst en afbeeldingen zijn beiden slechts middelen om begrip te faciliteren, tenslotte.

Maar :-)

Het is wel belangrijk dat je kun redeneren in termen van steekproevenverdelingen, omdat die bij alle statistische analyses terugkomen. Als je die niet goed onder de knie hebt, verval je in toepassing van regeltjes, als een soort recepten zeg maar. Niet alleen is dat fout, je moet ook veel meer uit je hoofd leren, en je bent niet flexibel (elke nieuwe situatie is dan ook echt anders, in plaats van een variant op een bekend thema).

De afbeeldingen visualiseren die steekproevenverdelingen. Dat je die verwarrend vindt kan dus denk ik twee dingen betekenen:

  1. Je beheerst de stof, en kunt denken in termen van steekproevenverdelingen, maar bent heel 'onvisueel' ingesteld.
  2. Je begrip is erg oppervlakkig, waardoor je de informatie in de afbeeldingen niet goed kunt plaatsen.

In het eerste geval is alles ok - in het tweede geval niet. Ik weet natuurlijk niet wat het geval is. Het kan handig zijn om nog wat meer te spelen met de interactieve visualisaties (e.g. de apps in deze cursus, maar als je die niet prettig vindt kun je er nog veel meer vinden als je even online zoekt). Als je goed begrijpt wat daar gebeurt denk ik dat de kans dat situatie 1) van toepassing is, groter is.

(maar als je die interactieve visualisaties goed begrijpt, begrijpt je neem ik aan de 'statische afbeeldingen' ook . . .)

Kun je hier iets mee?

Hoi, ik heb alle oefeningen bij 4.8 gemaakt en deze begrijp ik allemaal. Ik raak alleen verward als er ineens in een tekening een ' populatiecorrelatie' wordt toegevoegd terwijl je deze eigenlijk niet kunt weten. Vandaar mijn vraag.
Ah, zo. Ja, dat is 'didactisch' zeg maar, in de hoop dat het duidelijkheid verschaft over de onderliggende theoretische processen :-)
...