Statistiek Type 1 2 Fout Grafische Rekenmachine

Inleiding tot Statistische Fouten

Bij statistische toetsing met grafische rekenmachines (zoals de TI-84 of Casio fx-CG50) zijn Type I en Type II fouten fundamentele concepten die de betrouwbaarheid van je conclusies bepalen. Deze gids verkent diepgaand hoe je deze fouten kunt berekenen, minimaliseren en interpreteren in onderzoekscontexten.

Wat zijn Type I en Type II Fouten?

• Type I Fout (α): Ten onrechte de nulhypothese (H₀) afwijzen wanneer deze waar is. Dit wordt ook wel het valse positief genoemd.
• Type II Fout (β): Ten onrechte de nulhypothese niet afwijzen wanneer deze onwaar is (vals negatief).

Besluit	H₀ is Waar	H₀ is Onwaar
Afwijzen H₀	Type I Fout (α)	Correcte Afwijzing
Niet Afwijzen H₀	Correcte Acceptatie	Type II Fout (β)

Hoe Bereken Je Deze Fouten op een Grafische Rekenmachine?

Moderne grafische rekenmachines zoals de TI-Nspire CX II of Casio ClassPad hebben ingebouwde functies voor statistische toetsing. Hier is een stapsgewijze handleiding:

1. Stel je hypothesen op:
   • Nulhypothese (H₀): Bijv. “μ = 50”
   • Alternatieve hypothese (H₁): Bijv. “μ ≠ 50” (tweezijdig) of “μ > 50” (eenstaartig)
2. Kies je significantieniveau (α):

   Standaardwaarden zijn 0.05 (5%), 0.01 (1%), of 0.10 (10%). Op de TI-84: ga naar STAT > TESTS > selecteer je toets.

3. Voer je gegevens in:

   Gebruik L1 voor je dataset. Voor een z-toets: STAT > EDIT.

4. Voer de toets uit:

   Bijv. voor een z-toets: selecteer Z-Test, vul μ₀ en σ in, en kies je alternatieve hypothese.

5. Interpreteer de p-waarde:

   Als p ≤ α, wijs H₀ af. De rekenmachine geeft ook de toetsstatistiek (bijv. z-score).

Praktijkvoorbeeld: TI-84 Plus CE

Stel je wilt testen of een nieuwe studiemethode de gemiddelde score (μ) verhoogt ten opzichte van het oude gemiddelde van 75 (σ = 10, n = 30, x̄ = 78):

1. Druk op STAT > TESTS > 1: Z-Test.
2. Selecteer “Data” als input-type.
3. Vul in: μ₀ = 75, σ = 10, x̄ = 78, n = 30.
4. Kies “μ > μ₀” (eenstaartig).
5. Druk op Calculate.

Als p = 0.035 < α = 0.05, wijs je H₀ af. De kans op een Type I fout is hier 5%.

Het Verband tussen Steekproefgrootte, Effectgrootte en Fouten

Drie sleutelfactoren beïnvloeden Type I en II fouten:

1. Steekproefgrootte (n): Grotere steekproeven reduceren zowel Type I als Type II fouten. Een vuistregel: n ≥ 30 voor de Centrale Limietstelling.
2. Effectgrootte: Kleinere effecten (bijv. Cohen’s d = 0.2) vereisen grotere steekproeven om gedetecteerd te worden.
3. Significantieniveau (α): Lagere α (bijv. 0.01) reduceert Type I fouten maar verhoogt Type II fouten.

Benodigde Steekproefgrootte voor 80% Vermogen (α = 0.05, Tweezijdig)

Effectgrootte (Cohen’s d)	Kleine (0.2)	Gemiddelde (0.5)	Grote (0.8)
Benodigde n	393	64	26

Gebruik de power-analysis functie op je grafische rekenmachine om n te bepalen. Op de TI-84:

1. Ga naar STAT > TESTS > S: ZInt (voor vertrouwensintervallen) of gebruik een online tool.
2. Vul de gewenste power (1 – β), α, en effectgrootte in.

Geavanceerde Technieken voor Foutreductie

1. Bayesiaanse Statistiek

Grafische rekenmachines zoals de Casio ClassPad ondersteunen Bayesiaanse analyses, die prior-kansen incorporeren om Type I/II fouten te contextualiseren. Bijv.:

• Stel een prior-verdeling in voor θ (bijv. Beta(1,1) voor uniforme prior).
• Update met je data om een posterior-verdeling te krijgen.
• Gebruik BayesInterval om beslissingsdrempels te zetten.

2. Sequentiële Toetsing

Voor grote datasets kun je sequentiële toetsing toepassen om vroegtijdig te stoppen als de conclusie duidelijk is. Op de TI-84:

1. Gebruik STAT > TESTS > 7: Z-Test herhaaldelijk na elke nieuwe datapunt.
2. Stop als p < α of p > 1 – β.

3. Equivalentietoetsing

Toon aan dat het effect binnen een equivalentiemarge ligt (bijv. [-0.5, 0.5]). Dit reduceert Type I fouten voor “geen effect”-conclusies. Gebruik:

STAT > TESTS > 8: TInterval (voor equivalente t-toets)
        

Veelgemaakte Fouten en Hoe Ze te Vermijden

Waarschuwing van de American Statistical Association (ASA)

De ASA benadrukt (ASA Statement on p-Values, 2016):

• “p-waarden kunnen de grootte van een effect niet meten.”
• “Een p-waarde geeft niet de kans dat de hypothese waar is.”

1. p-Hacking: Herhaaldelijk toetsen tot p < 0.05. Oplossing: Preregistreer je analyseplan.
2. Laag Statistisch Vermogen: β > 0.2 is vaak onacceptabel. Oplossing: Voer een power-analyse uit vooraf.
3. Verkeerde Toets Keuze: Bijv. een z-toets gebruiken bij kleine n. Oplossing: Gebruik t-toetsen als n < 30.
4. Meervoudige Vergelijkingen: Bij 20 toetsen is de kans op ≥1 Type I fout 64% (α = 0.05). Oplossing: Pas Bonferroni-correctie toe (α_new = α/20).

Praktische Toepassingen in Onderzoek

Case Study: Medisch Onderzoek

In een klinische trial voor een nieuw medicijn (n = 100 per groep, α = 0.05, β = 0.2):

• Type I Fout: Ten onrechte concluderen dat het medicijn werkt (5% kans).
• Type II Fout: Ten onrechte concluderen dat het medicijn niet werkt (20% kans).

Gebruik de 2-PropZTest op je TI-84 om de proporties te vergelijken:

STAT > TESTS > 6: 2-PropZTest
x₁ = 60 (succes groep 1), n₁ = 100
x₂ = 45 (succes groep 2), n₂ = 100
        

Case Study: Onderwijspsychologie

Bij het vergelijken van twee leermethoden (Cohen’s d = 0.4, α = 0.05):

Vermogensanalyse voor Onderwijsstudie

Steekproefgrootte (n)	Statistisch Vermogen (1 – β)	Type II Fout (β)
50	0.55 (55%)	0.45 (45%)
100	0.85 (85%)	0.15 (15%)
150	0.96 (96%)	0.04 (4%)

Gebruik de PowerZ functie op je rekenmachine om dit te simuleren.

Grafische Rekenmachine-Specifieke Tips

TI-84 Plus CE

• Gebruik DRAW > 7: ShadeNorm om Type I/II fouten visueel te maken.
• Voor t-toetsen: STAT > TESTS > 2: T-Test.
• Sla datasets op in L1, L2, etc. voor hergebruik.

Casio fx-CG50

• Gebruik het Statistics-menu voor regressie en toetsing.
• De Distribution-functie biedt visuele weergave van kritieke gebieden.
• Exporteer resultaten naar een spreadsheet met DATA > Save/Load.

NumWorks

• De Statistics-app heeft ingebouwde power-analyse tools.
• Gebruik Python-scripting voor complexe simulaties.

Conclusie en Aanbevelingen

Het begrijpen van Type I en II fouten is essentieel voor betrouwbare statistische analyses met grafische rekenmachines. Hier zijn de kernpunten:

• Kies α en β vooraf gebaseerd op de ernst van fouten in je context.
• Gebruik altijd een power-analyse om n te bepalen.
• Visualiseer fouten met de ShadeNorm of ShadeT functies.
• Documenteer je toetsprocedure om p-hacking te voorkomen.

Aanbevolen Bronnen

NIST/Sematech e-Handbook of Statistical Methods UC Berkeley Statistics Department (Coursematerial) FDA Biostatistics Resources