föreläsning 2 Flashcards
samplingsfördelningen
en fördelning som visar alla möjliga medelvärden (eller andra statistiska mått) man kan få om man upprepade gånger drar stickprov från en population och räknar ut medelvärdet för varje stickprov.
T-fördelning
T-fördelning är en viktig statistisk fördelning som hjälper oss att analysera små datamängder och göra tester för skillnader mellan medelvärden när vi inte vet populationens standardavvikelse
statistiskt signifikans
används för att avgöra om resultaten från en studie eller ett experiment är tillräckligt starka för att inte vara en slump.
Nollhypotestestning
en metod för att avgöra om det finns tillräcklig evidens i datan för att förkasta en nollhypotes, som påstår att det inte finns någon skillnad eller effekt. Avgör ifall resultatet går att använda till population eller ej.
alternativhypotes
hävdar att det finns en effekt, skillnad eller samband.
Till exempel kan den alternativa hypotesen påstå att det finns en skillnad mellan medelvärdena i två grupper.
nollhypotes
hävdar att det inte finns någon effekt, skillnad eller samband mellan de undersökta variablerna.
Till exempel kan nollhypotesen säga att det inte finns någon skillnad mellan medelvärdena i två grupper.
alfa-nivå
(0.05) en tröskel för att avgöra om våra resultat är tillräckligt starka för att säga att det finns en skillnad eller effekt. Om p-värdet är mindre än eller lika med alfanivån, så säger vi att resultaten är statistiskt signifikanta och förkastar nollhypotesen.
Om p-värdet är större än alfanivån, kan vi inte förkasta nollhypotesen
p-värde
När du gör ett statistiskt test, beräknar du p-värdet för att avgöra om resultaten är statistiskt signifikanta.
Om p-värdet är lågt (ofta under 0,05) betyder det att resultaten är osannolika att ha inträffat av en slump om nollhypotesen är sann, och du kan överväga att förkasta nollhypotesen. Låga p-värden tyder på signifikanta resultat, medan höga p-värden tyder på att det inte finns tillräcklig evidens för att påstå att det finns en verklig effekt eller skillnad.
Nackdelar med nollhypotestester
● Bakvänd logik: Vi vet bara hur (o)sannolika våra resultat är givet att H0 gäller, men
vi vet inte hur sannolika vare sig H1 eller H0 är
● Binärt tänkande: Fokus är på om resultat är statistiskt signifikanta eller inte, vilket
kan göra tvetydiga resultat svåra att tolka
● Metodologiska begränsningar: För att nollhypotestestning ska fungera som det är
tänkt måste man egentligen bestämma alfanivå, stickprovsstorlek etc. innan man
samlar in data och får inte samla in mer data efter att man utfört sin analys (detta
efterlevs ofta inte)
T-test
en metod för att jämföra medelvärden mellan två grupper för att se om skillnaden är statistiskt signifikant och inte bara beror på slumpen
oberoende t-test
Jämför medelvärden från två olika grupper, till exempel höjden hos män och kvinnor.
beroende t-test
Jämför medelvärden från samma grupp vid två olika tillfällen, som att mäta deltagarnas vikt före och efter en diet
tolkning av t-test
Ett statistiskt signifikant t-test visar att en skillnad är osannolik om ingen verklig skillnad finns, men det säger inget om att en verklig skillnad faktiskt finns eller om skillnaden är praktiskt viktig. Därför är det viktigt att även kolla på skillnadens storlek
effektstorlek
ett mått på hur stor en observerad skillnad eller relation är, oberoende av om den är statistiskt signifikant. Den hjälper oss att förstå om en skillnad är praktiskt meningsfull, inte bara om den är osannolik av en slump. Vanliga mått på effektstorlek är:
Cohen’s d: Mäter skillnaden mellan två gruppers medelvärden.
Pearson’s r: Mäter styrkan i samband mellan två variabler
