Forfatter av avsnitt: Danielle J. Navarro and David R. Foxcroft

Sammendrag

Null hypothesis testing is one of the most ubiquitous elements to statistical theory. The vast majority of scientific papers report the results of some hypothesis test or another. As a consequence it is almost impossible to get by in science without having at least a cursory understanding of what a p-value means, making this one of the most important chapters in the book. As usual, I will end the chapter with a quick recapitulation of the key ideas that we have talked about:

• Forskningshypoteser og statistiske hypoteser; Null- og alternativhypoteser

• Type-I- og type-II-feil

• Teststatistikk og utvalgsfordelinger (sampling distributions)

• Hypotesetesting som en beslutningsprosess

• *p*-verdier som «myke» beslutninger

• Skrive opp resultatene av en hypotesetest

• Utførelse av hypotesetesten i praksis

• Effektstørrelse, utvalgsstørrelse og styrke

• Noen spørsmål å ta hensyn til ved hypotesetesting

Later in the book, in chapter Bayesiansk statistikk, I will revisit the theory of null hypothesis tests from a Bayesian perspective and introduce a number of new tools that you can use if you are not particularly fond of the orthodox approach. But for now, though, we are done with the abstract statistical theory, and we can start discussing specific data analysis tools.