Diplomski sveučilišni studij Sestrinstvo

Katarina Bušić, Valentina Grbeš, Daria Ivanković, Ivan Ivanković

HIPOTEZE, TESTIRANJE HIPOTEZA, p VRIJEDNOSTI I

INTERVALI POUZDANOSTI

Seminarska radnja za kolegij: Istraživanje i metodologija istraživanja

 UVOD

• Hipoteza: nulta i alternativna

•Testiranje hipoteze - statistički postupak kojim se

određuje da li i koliko pouzdano raspoloživi podaci
podupiru postavljenu pretpostavku

•P vrijednost

• Interval pouzdanosti
POSTUPCI

 Mrežne baza podataka (PubMed, Hrčak, Google

Scholar...)

 Zdravstvene i stručne knjige

 Ključneriječi: hipoteza, testiranje hipoteze, p

vrijednost, interval pouzdanosti
STATISTIČKA HIPOTEZA

 Izvodi se iz znanstvene hipoteze, odnosno hipoteze

istraživača (koja je u pravilu afirmativna)

 Matematički je izraz koji predstavlja polaznu

osnovu na kojoj se temelji kalkulacija statističkog
testa
Nul hipoteza

 H0

 Pretpostavka o izostanku efekta

 Ne postoji razlika među uzorcima u populaciji od

interesa

 Odbacuje se ili prihvaća

Alternativna hipoteza

 H1

 Vrijedi ako nul-hipoteza nije istinita

 Direktno se odnosi na teorijsku pretpostavku koja se

želi istražiti
TESTIRANJE HIPOTEZE

 Je postupak koji uključuje formuliranje statističke

hipoteze i upotreba podataka iz uzorka kako bi se
moglo odlučiti o ispravnosti formulirane statističke
hipoteze.

 Detaljitestiranja mogu varirati od testa do testa, za

svako testiranje hipoteza možemo koristiti ovaj
postupak u četiri koraka.
Četiri koraka pri testiranju hipoteze:

1. Postaviti nultu hipotezu i alternativne hipoteze

2. Definirati postupak testiranja uključujući odabir

razine statističke značajnosti i snage testa

3. Izračunati test statistiku i pripadajuću P vrijednost

4. Zaključiti jesu li podatci u skladu s nultom

hipotezom
 Postupak kod biranja ispravnog statističkog testa može biti
problematičan zadatak

 Potrebno je znati s kojim tipom podataka raspolažemo, kako su ti

podaci organizirani, koliko skupina/ uzoraka imamo i jesu li podaci
parni (zavisni) ili neparni (nezavisni)
slijede li podatci iz populacije Gaussovu raspodjelu ili ne te hoćemo li
odabrati

 Jednosmjerni test – primjenjuje se kada je smjer efekta specificiran u

alternativnoj hipotezi / dvosmjerni test – kada se unaprijed nemože sa
sigurnošću odrediti smjer neke razlike

 T-test- primjenjiv kada isključivo imamo dva uzorka

 Analiza varijance – test koji se primjenjuje kada imamo više uzoraka,

moguća je ako je mjerena varijabla normalno distribuirana i ako su
varijance svih promatranih uzoraka jednake.
Razina značajnosti (α)
 Odluka o tome koje vrijednosti pripadaju u područje
odbacivanja, a koje u područje prihvaćanja donosi
se na temelju razine značajnosti koja određuje
površinu ispod distribucijske krivulje vrijednosti
statističkog testa koja je iznad vrijednosti na
horizontalnoj osi u području odbacivanja H0

 Predstavlja graničnu vjerojatnost uz koju još uvijek

valja prihvatiti eventualno istinitu nul-hipotezu
P-vrijednost

 Površinaispod oba (ili u posebnim slučajevima

jednog) kraja distribucije vjerojatnosti od izračunate
vrijednosti statističkog testa

 Ako je dobivena vrijednost P manja od razine

značajnosti α, istraživač može odbaciti nultu
hipotezu
Pravo značenje P vrijednosti

 Vjerojatnost opažanja podataka kakvi su na

promatranom uzorku (ili ekstremnijih podataka)
kada je nulta hipoteza istinita
Pogreške pri testiranju hipoteze

 Postavljenehipoteze provjeravaju se pomoću

odgovarajućih statističkih testova

 Odluka o prihvaćanju ili neprihvaćanju

nulte/alternativne hipoteze donosi se uz određenu
pogrešku
Pogreška tipa 1

 Događa se u slučaju kada „vidimo” učinak kojeg

zapravo nema

 Vjerojatnost da će se napraviti pogreška tipa I

naziva se alfa (α), njena se vrijednost određuje prije
testiranja statističke hipoteze

 Alfa je ono što nazivamo „razinom značajnosti”

(0,05 ili 0,01)
Pogreška tipa II
 Događa se kada ne „vidimo” razliku, a ona je
zapravo prisutna

 Vjerojatnost da će se napraviti pogreška tipa II

naziva se beta (β)

 Vrijednost koja se izvodi iz β naziva se snaga

statističkog testiranja (sposobnost istraživanja kako
bi se otkrio stvarni učinak, tj. stvarna razlika)

 0,01 i 0,2
INTERVAL POUZDANOSTI

 Prikazuje procjenu vrijednosti cijele populacije

 Definira granice unutar kojih s 95% se može

očekivati prava vrijednost

 Pruža dodatnu informaciju o uzorku i rezultatima

koji su dobiveni
INTERVAL POUZDANOSTI

 Omeđen granicama

 Najčešćekorišteni intervali pouzdanosti u

biomedicinskoj literaturi su 90%-tni, 95%-tni,
99%-tni i nešto rjeđe 99,9%-tni interval pouzdanosti

 Što
su granice intervala uže, preciznost procjene je
veća
INTERVAL POUZDANOSTI

• Interval pouzdanosti najčešće računamo pomoću

standardne greške (standandna devijacija srednjih
vrijednosti niza uzoraka)

•P vrijednost i interval pouzdanosti- dva statistička

pokazatelja koja se međusobno nadopunjuju
ZAKLJUČAK

Testiranje statističkih hipoteza kao metoda statističkog zaključivanja

široko je rasprostranjeno

Prikaz intervala pouzdanosti pruža dodatnu informaciju o uzorku i

rezultatima koji su dobiveni te je vrlo korisna nadopuna klasičnom
testiranju hipoteze i P vrijednosti

Bitno je razumjeti osnovnu ideju postupka testiranja statističke

hipoteze kako bi se mogle donijeti ispravne odluke i zaključci o
rezultatima istraživanja
HVALA NA POZORNOSTI