Enveis ANOVA

Question 1

Sikkert ikke så viktig

Hva står ANOVA for?

Answer 1

ANOVA står for “Analysis of Variance” og er en statistisk metode for å sammenligne flere grupper for å se om det er signifikante forskjeller mellom dem

Question 2

Hva brukes enveis ANOVA til?

Answer 2

Enveis ANOVA sammenligner gjennomsnittene mellom tre eller flere grupper basert på én faktor eller uavhengig variabel

Question 3

Gi et eksempel på når enveis ANOVA kan brukes

Answer 3

Hvis du ønsker å undersøke effekten av én faktor, som forskjellige dietter (UV), på vekttap (AV), kan du bruke enveis ANOVA for å se om gjennomsnittlig vekttap er forskjellig mellom de ulike diettene

Question 4

Hva er nullhypotesen i en enveis ANOVA?

Answer 4

Nullhypotesen (H0) er at alle gruppene har samme gjennomsnitt, uttrykt som μ1 = μ2 = μ3

Question 5

Hva er alternativhypotesen i en enveis ANOVA?

Answer 5

Alternativhypotesen (H1) er at det er en forskjell mellom gruppene, som kan uttrykkes på flere måter, for eksempel μ1 ≠ μ2 ≠ μ3 eller μ1 = μ2 ≠ μ3

Question 6

Hva forteller F-verdien i en ANOVA?

Answer 6

F-verdien sammenligner variasjon knyttet til modellen med “feilvariasjon”. Jo høyere F-verdi, jo mindre tror vi på nullhypotesen og jo mer sannsynlig er det at det er en forskjell mellom gruppene

Question 7

Hva er forholdet mellom F-verdi og p-verdi i en ANOVA?

Answer 7

Når F-verdien går opp, går p-verdien ned. En høyere F-verdi indikerer en større forskjell mellom gruppene og en lavere p-verdi

Question 8

Hva forteller en signifikant ANOVA oss?

Answer 8

En signifikant ANOVA forteller at minst ett gjennomsnitt er forskjellig fra minst ett annet, men sier ikke hvilke gjennomsnitt som er forskjellige

Question 9

Hva er post hoc-tester i ANOVA?

Answer 9

Post hoc-tester er tester som utføres etter en signifikant ANOVA for å finne ut hvilke spesifikke grupper som er forskjellige fra hverandre

Question 10

Hva er problemet med å gjøre mange separate sammenligninger i post hoc-tester?

Answer 10

Mange separate sammenligninger øker sjansen for Type I-feil, altså å feilaktig konkludere med at det er en forskjell når det egentlig ikke er det

Question 11

Hva er Bonferroni-korreksjon i forbindelse med post hoc-tester?

Answer 11

Bonferroni-korreksjon er en metode for å redusere sjansen for Type I-feil ved å dele alfa-nivået på antall tester. For eksempel, hvis du gjør 3 tester, blir det nye alfa-nivået 0.05/3 = 0.0166