Hypothese

De reden om statistiek te bedrijven binnen online adverteren, is vanwege statistische toetsingstheorie: We hebben een bepaalde theorie, en die willen we statistisch toetsen. Hierbij wordt uitgegaan van één of meer hypothesen of veronderstellingen ten aanzien van een onderliggende kansverdeling. Qua hypothesen maken we daarbij onderscheid tussen de nulhypothese H₀ en de alternatieve hypothese H₁ of H_A. De nulhypothese gaat ervan uit dat het vermoede verband of effect niet bestaat. H_A gaat er van uit dat het gezochte effect wél bestaat. Met behulp van statistische toetsing proberen we theorie H_A te bewijzen.

Voorbeeld: Verkoudheid bij mannen en vrouwen

• Theorie: Vrouwen zijn vaker verkouden dan mannen
• H₀: Vrouwen zijn niet vaker verkouden dan mannen
• H_A: Vrouwen zijn vaker verkouden dan mannen

Toetsing:

• Een steekproef wordt genomen van 1.000 willekeurige mannen en 1.000 willekeurige vrouwen. Hen wordt gevraagd hoe vaak zij het afgelopen jaar verkouden waren.
• Naarmate het aantal vrouwen dat vaker verkouden was dan mannen stijgt, wordt de nulhypothese minder aannemelijk. Uiteindelijk wordt de nulhypothese verworpen
• De kans dat de nulhypothese ten onrechte wordt verworden, is de onbetrouwbaarheid \alpha van de toets
• Het kan gebeuren dat de nulhypothese niet wordt verworpen, terwijl er wel degelijk een effectie is. De kans hierop wordt het onderscheidend vermogen \gamma genoemd
• Om iets zinnigs te zeggen over \alpha en \gamma, is het oa. nodig iets te weten over de onderliggende kansverdeling.

Bronnen

• http://nl.wikipedia.org/wiki/Verwachte_nutshypothese
• http://en.wikipedia.org/wiki/Expected_utility_hypothesis
• https://en.wikipedia.org/wiki/Null_hypothesis
• https://nl.wikipedia.org/wiki/Hypothese_%28statistiek%29
• https://nl.wikipedia.org/wiki/Statistische_toets