voor iedere P heb je een t. Voor iedere P-waarde heb je een bijbehorendde twaarde. p-
waaarde zijn de oppervlaktes.
een p- waarde is niet afhnakelijk van alfa. als je bijvoorbeeld een P waarde van 86% hebt
dan is dit nier afhaneklik van de grens die je stelt in de vorm van alfta.
p-waarde en t-waarde zijn niet alfhaneklikk van alfta.
kritieke t waarde is net als alfa hetgeen wat je vooraf stelt. ze zijn dus afhaneklijj van elkaar.
tweezidige staartem is moeilijker in te komen en je roont verschil makkelijker aan. je toont
verschil (nulhypothese vrwwrpen ) makkelijker aan met een grote staar.t
je power is groter buj tweezijdig toetsen omdaf dan je alfa groter is en je beta kleijer wat
uiteindelijk resulteert im meer power.
Vergelijken van het twee gemiddeldene
Bij twee steekproeven heb je twee steekproefgemiddelde. Het verschil gemiddelde van de
twee steekproeven (steekproef 1 &2) dat is nu een schatter voor het verschil in populatie.
,N1 en N2 omdat je nu 2 steekproeven hebt. Je hebt twee groepen. Je werkt niet meeer met
1 steekproef.
ongepaard=> totaal verschillende groepen zoals controle en behandelgroep
Bij gepaarde metingen gebruik je confounders als matchers. alles wat invloed kan hebben
op de uitkomst probeer je in de twee groepen hetzelfde te hebben zodat de cofounders
uitgebalanceerd worden.
je kunt op 2 tijdstippen kijken waardoor je geen twee steekproeven hebben. bijv je dient een
medicijn in week 1 toe en week 2 placebo en je kijkt dan naar de effecten. denk aan
washout. dit is nief altijd mogelijk is. Bijv lange halfwaardetijd medicijn.
hier kun je bijvoofbeeld denken aan het mafchen van twee tachtig jarigen waardoor je
compenseert voor leeftijd als confounding. Door matching heb je minder ruis in je metingen.
Confounders zorgen voor uitschieters in je metingen. i.v.m. biologische variatie is het beste
als je je eigen controle bent.
je bepaald eerst het verschil dan pas neem je daarvan het gemiddelde.
,de twee normaalverdelimfen mogen niet een al te groot verschil in spreiding hebben.
hoe meer afwijking van een QQ plot des te minder normaal. als ze op een lijn liggen dan is
aleen bij zeer kleine populatie kan verschil in normaliteit ervoor zorgen dat je
onjuiste waarden voor de testwaarde krijgen.
, Gepaarde T-toets kan ook bij dezelfde persoon. Iedere persoon is je eigen controlegroep.
Het is eerlijker om zo te meten.
ANOVA toets ——————————————————————————————————
Tot nu toe heb je altijd met een of twee gemiddelden gewerkt. Bijvoorbeeld gepaarde en
ongepaarde T toets.
Bij ANOVA toets heb je meerdere experimenten die je met elkaar wilt vergelijken.
Bijvoorbeeld meerdere boxplots. Je hebt meerdere steekproeven met meerdere
gemiddelden.
waaarde zijn de oppervlaktes.
een p- waarde is niet afhnakelijk van alfa. als je bijvoorbeeld een P waarde van 86% hebt
dan is dit nier afhaneklik van de grens die je stelt in de vorm van alfta.
p-waarde en t-waarde zijn niet alfhaneklikk van alfta.
kritieke t waarde is net als alfa hetgeen wat je vooraf stelt. ze zijn dus afhaneklijj van elkaar.
tweezidige staartem is moeilijker in te komen en je roont verschil makkelijker aan. je toont
verschil (nulhypothese vrwwrpen ) makkelijker aan met een grote staar.t
je power is groter buj tweezijdig toetsen omdaf dan je alfa groter is en je beta kleijer wat
uiteindelijk resulteert im meer power.
Vergelijken van het twee gemiddeldene
Bij twee steekproeven heb je twee steekproefgemiddelde. Het verschil gemiddelde van de
twee steekproeven (steekproef 1 &2) dat is nu een schatter voor het verschil in populatie.
,N1 en N2 omdat je nu 2 steekproeven hebt. Je hebt twee groepen. Je werkt niet meeer met
1 steekproef.
ongepaard=> totaal verschillende groepen zoals controle en behandelgroep
Bij gepaarde metingen gebruik je confounders als matchers. alles wat invloed kan hebben
op de uitkomst probeer je in de twee groepen hetzelfde te hebben zodat de cofounders
uitgebalanceerd worden.
je kunt op 2 tijdstippen kijken waardoor je geen twee steekproeven hebben. bijv je dient een
medicijn in week 1 toe en week 2 placebo en je kijkt dan naar de effecten. denk aan
washout. dit is nief altijd mogelijk is. Bijv lange halfwaardetijd medicijn.
hier kun je bijvoofbeeld denken aan het mafchen van twee tachtig jarigen waardoor je
compenseert voor leeftijd als confounding. Door matching heb je minder ruis in je metingen.
Confounders zorgen voor uitschieters in je metingen. i.v.m. biologische variatie is het beste
als je je eigen controle bent.
je bepaald eerst het verschil dan pas neem je daarvan het gemiddelde.
,de twee normaalverdelimfen mogen niet een al te groot verschil in spreiding hebben.
hoe meer afwijking van een QQ plot des te minder normaal. als ze op een lijn liggen dan is
aleen bij zeer kleine populatie kan verschil in normaliteit ervoor zorgen dat je
onjuiste waarden voor de testwaarde krijgen.
, Gepaarde T-toets kan ook bij dezelfde persoon. Iedere persoon is je eigen controlegroep.
Het is eerlijker om zo te meten.
ANOVA toets ——————————————————————————————————
Tot nu toe heb je altijd met een of twee gemiddelden gewerkt. Bijvoorbeeld gepaarde en
ongepaarde T toets.
Bij ANOVA toets heb je meerdere experimenten die je met elkaar wilt vergelijken.
Bijvoorbeeld meerdere boxplots. Je hebt meerdere steekproeven met meerdere
gemiddelden.
