7. Statistik 1

Question 1

Kvalitativ variabel

Answer 1

Ej numeriskt värde

Ex. hur man mår: bra, bättre, bäst

Question 2

Kvantitativ variabel

Answer 2

Numeriskt värde

Ex. ålder

Question 3

Vad styr hur man presenterar en kvantitativ variabel?

Answer 3

Normalfördelning styr ifall vi presenterar en kvantitativ variabel med:

• Medelvärde och standardavvikelse
• eller median och kvartilavstånd

Question 4

Vilka hypotesen finns?

Answer 4

Nollhypotes (H0) = ingen signifikant skillnad

Alternativ hypotes (H1) = signifikant skillnad

Question 5

Hur relaterar signifikansnivån till nollhypotesen?

Answer 5

Om p är 0,05 eller mindre så förkastas H0 och H1 accepteras

Om p>0,05 så kvarstår H0

Question 6

Hur stort brukar signifikansnivån vara?

Answer 6

Allmänt p<0,05

I lm-branschen så är p-värdet lägre

Question 7

Om man får p-värde 0,06, hur tänker man då?

Answer 7

P = 0,06 är inte statistiskt signifikant

Man kan lyfta upp och presentera anledning i diskussionen
- Ex. för liten populationen

Question 8

Om p-värdet är lika med eller under 0,05, hur tänker man då?

Answer 8

Statistiskt signifikant resultat

Men ibland kan det kliniska värdet inte vara relevant, även om det statistiskt är signifikant

Question 9

Hur vet man om en variabel är parametrisk eller inte?

Answer 9

Kvalitativ variabel = alltid icke-parametrisk

Kvantitativ variabel:

• Ej normalfördelad = icke-parametrisk
• Normalfördelad = parametrisk

Question 10

Hur kan situationen vara olika i sin analys av en variabel, och i vilken ordning ska man analysera de?

Answer 10

1. Deskriptiv
   = endast beskrivande
2. Bivariata
   = två variabler
3. Multivariata
   = flera variabler samtidigt

Question 11

Vilka variabelanalyser är parametrisk?

Answer 11

Kvantitativ + normalfördelad = parametrisk

Question 12

Vilka variabelanalyser är icke-parametrisk?

Answer 12

Kvalitativ

eller

Kvantitativ + icke-normalfördelad

= icke-parametrisk

Question 13

Vilka icke-parametriska tester finns?

Answer 13

Mann-Whitney U

• motsvarar T-test för icke-parametrisk
• 2 grupper jämförs

X^2
- Två kvalitativa variabler mot varandra

Kruskal-Willis
- 3 eller fler grupper jämförs

Question 14

Vilka parametriska tester finns?

Answer 14

T-test
- 2 grupper som jamför om det finns skillnad

Variationsanalys/ ANOVA
- 3 eller fler grupper

Parat t-test
- 2 mättillfällen

Repeted measures
- 3 eller fler mättillfällen

Question 15

Vad innebär att ett test är icke-parametriskt?

Answer 15

Inga krav:

• Följer ingen normalfördelad kurva
• Ingen diskussion om antal

Question 16

Vad innebär att ett test är parametriskt?

Answer 16

Om man inte uppfyller dessa krav får man inte göra dessa analyser

1) Finns ingen minsta antal (n)
2) Ska vara normalfördelat

Question 17

Vilken grundregel finns för parametriska tester?

Answer 17

3 eller fler grupper, då är det inte okej att göra T-test med dessa grupper mot varandra

Börja med ANOVA

1. Om detta blir signifikant innebär det att det finns en signifikant skillnad mellan åtminstone två av grupperna
2. Gå vidare genom att ta reda på mellan vilka grupper det finns en signifikant skillnad
3. Kolla 2 och 2 i taget, och jämför

Question 18

Vad kan sägas om t-test?

Answer 18

Parametriskt test

Jämför två grupper

Kvantitativ variabel som är normalfördelad

När man ska göra ett t-test

1. Ställ upp noll- och alternativ hypotes
2. Medelvärde
3. SD och n

Reflektera över vad det betyder att jag fick signifikant data, och hur kliniskt relevant det är trots att det är signifikant

Question 19

Vad är en power analys?

Answer 19

Används för att räkna ut hur stort stickprov man behöver för studien

= Man måste vara medveten hur många individer man behöver ha

Question 20

Hur stor ska “power” vara?

Answer 20

80% eller högre
= styrkan på säkerheten hos studien

Power är med vilken sannolikhet vi kommer hitta differenser om de finns i studien

Question 21

Hur höjer man power?

Answer 21

Kräver fler individer

Question 22

Vilka tre saker bestämmer mängden individer som studien kräver? = urvalsberäkning

Answer 22

3 saker mängden individer studien kräver:

• Forskningshypotes
• Power större eller lika med 80%
• Signifikansnivå mindre eller lika med 5%

Question 23

Vad kan sägas om typ 1-fel och typ 2-fel?

Answer 23

Typ 1-fel:

• Säger att någon är sjuk, fast den är frisk
• H0 sann i verkligheten, fast H1 accepteras i studiens resultat

Typ 2-fel

• Säger att någon inte är sjuk, fast den är sjuk
• H1 sann i verkligheten, fast H0 accepteras i studiens resultat