föreläsning 3 Flashcards
antaganden
antaganden inom statistiken menas de specifika villkor eller krav som måste vara uppfyllda för att ett test ska ge tillförlitliga resultat. När vi pratar om antaganden för parametriska test, betyder det att testet bygger på vissa förutsättningar om hur data beter sig. Om dessa antaganden inte uppfylls, kan testet ge missvisande resultat eller dra felaktiga slutsatser.
robust
att ett test eller en metod fungerar pålitligt även när dess antaganden inte är helt uppfyllda. Ett robust test ger alltså rimliga resultat även om datan inte helt följer kraven, som normalfördelning eller homogen varians.
parametriska test
statistiska tester som bygger på vissa antaganden om data, oftast att de är normalfördelade och har en viss varians. Dessa tester används för att analysera och dra slutsatser om populationen baserat på ett stickprov. Exempel på vanliga parametriska test är t-test
icke-parametriska test
metoder som inte bygger på samma strikta antaganden som parametriska tester. De är särskilt användbara när data inte uppfyller kraven för parametriska test, till exempel när data inte är normalfördelad eller när variansen mellan grupper är ojämn. Dessa tester är också lämpliga för ordinal data (där vi bara har en rangordning men inte exakta mätvärden) eller för små stickprov där normalfördelningsantagandet är svårt att uppfylla.
icke-parametriska tester, för-& nackdelar
Fördelar med icke-parametriska tester:
Färre antaganden: De kräver inte att data är normalfördelad och kan hantera ojämn varians mellan grupper.
Flexibilitet: Kan användas för både ordinala data och snedfördelade data.
Robusthet vid små stickprov: Fungerar ofta bättre för små stickprov än parametriska tester.
Nackdelar:
Mindre statistisk styrka: Icke-parametriska tester kan vara mindre kraftfulla än parametriska tester när de parametriska antagandena faktiskt är uppfyllda. Detta innebär att de kan ha en lägre förmåga att upptäcka en effekt när det faktiskt finns en.
Svårt att tolka storlek på effekt: De fokuserar på rangordning snarare än exakta mätvärden, vilket kan göra det svårare att uppskatta hur stor en skillnad faktiskt är.
experimentell design
För att undersöka orsakssamband behöver vi använda experimentell
design. Målet är att testa hypoteser på ett systematiskt sätt, där forskaren aktivt manipulerar en eller flera oberoende variabler för att undersöka deras effekt på beroende variabler, medan andra faktorer hålls konstanta eller kontrolleras.
randomiserat urval
Deltagarna fördelas slumpmässigt i experiment- och kontrollgrupper för att minska risken för snedvridningar. Detta ökar sannolikheten för att grupperna är lika vid studiens början och minskar risken för att ovidkommande variabler påverkar resultaten.
betingelser
namn på grupperingar
ovikommande variabler
variabler som påverkar resultatet i en studie men som inte är en del av den huvudsakliga frågeställningen. Dessa variabler kan förvirra (eller “blanda ihop”) tolkningen av sambandet mellan de variabler som faktiskt undersöks, eftersom de skapar en påverkan som inte är relaterad till det tänkta orsakssambandet
extremvärden
värden som avviker markant från övriga observationer och som kan påverka statistiska analyser. Beroende på orsaken till extremvärden och hur de påverkar data kan de antingen behållas, transformeras eller tas bort.
massignifikans
handlar om hur meningsfull eller viktig en observerad effekt eller skillnad är i praktiken, snarare än bara i statistisk bemärkelse. Det innebär att även om en skillnad mellan grupper eller en effekt av en behandling är statistiskt signifikant (dvs. p-värdet är under en förutbestämd signifikansnivå, ofta 0,05), så är det viktigt att också bedöma om denna skillnad har praktisk betydelse.
bonferronikorrigering
metod som används för att kontrollera typ I-fel (falskt positiva resultat) när flera hypotesprövningar genomförs samtidigt. När forskare gör flera tester ökar risken för att hitta minst en signifikant skillnad enbart av en slump, även om det inte finns någon verklig effekt. Bonferroni-korrigeringen hjälper till att minska denna risk.
