Kapittel 10

Question 1

De to måtene å andvende statistikk på

Answer 1

Beskrivende (beskrive resultater fra et utvalg, karakterisere det “typiske” ved en rekke enkeltskårer) og slutningsstatistikk (trekke konklusjoner om en populasjon på grunnlag av data fra et utvalg fra denne populasjonen)

Question 2

Når brukes stolpediagram

Answer 2

Hvis grafen viser kategoriske data på x-aksen (histogram - karakterskala på x-aksen og antall elever på y-aksen)

Question 3

Når brukes linje

Answer 3

Hvis x-aksen har kontinuerlige data (eksempel med årstall fra 1930-1980 på x-aksen, penger i dollar på y-aksen)

Question 4

Diskret og kontinuerlig variabel

Answer 4

Diskret: karakterer for eksempel, mellomverdier er ikke mulig. Kontinuerlig: 1,2,3, mellomverdier kan angis med desimaler. (diktom er en type diskret der kun to variabler er mulig)

Question 5

Hvordan beskrive diskrete vs kontinuerlige variabler?

Answer 5

Diskret: frekvens - hvor ofte oppstod karakteren A, B, C osv. Kontinuerlig: gjennomsnitt, variasjon, skjevhet (eks gjennomsnittlig karakternivå på en skala fra 1-6 i en klasse)

Question 6

Når er det meningsfullt å bruke gjennomsnitt som mål på sentraltendens?

Answer 6

Når utvalget har ganske mange skårer, når skårene er tilnærmet normalfordelt og når det ikke er svært avvikende skårer i utvalget. (ellers er median og modus mulig - median deler skåren i to, modus er skåren som inntreffer hyppigst)

Question 7

Variasjonsbredde

Answer 7

Når skårer i kontinuerlig variabel beskrives er det informativt å angi hvor mye de varierer - forskjell mellom høyest og lavest skåre (et bedre mål på variabilitet er standardavviket)

Question 8

Standardavvik

Answer 8

Mål på variabilitet i et sett skårer - det er det gjennomsnittlige avviket fra gjennomsnittet. Jo større gjennomsnittlig avvik, desto større variabilitet.

Question 9

Avvik fra normalfordeling

Answer 9

For eksempel om en avlagt eksamen var veldig vanskelig kan vi finne opphopning av dårlige karakterer og færre gode. Dette fører til en (positiv) skjev fordeling

Question 10

Bimodal og unimodal fordeling

Answer 10

Bimodal: en fordeling med to topper - eks røyking. Unimodal: normalfordelingskurve med én topp

Question 11

Persentiler

Answer 11

Angir en rangorden i et sett skårer. For å få mer informasjon om skårer i et utvalg kan man bruke persentiler - hvor mange prosent fikk lik skåre eller lavere, og hvor mange prosent fikk bedre?

Question 12

Konfidensintervall

Answer 12

Angir et slingringsmonn når vi beregner gjennomsnittet for et utvalg, hensikten er å si noe om populasjonens gjennomsnitt.

Question 13

Korrelasjon

Answer 13

Statistisk mål på samvariasjon mellom to variabler for å beskrive relasjonen mellom dem.

Question 14

P-verdi

Answer 14

Probabilitet eller sannsynlighet - hvor sannsynlig er det at resultatene har oppstått tilfeldig? Er den 0 er den observerte samvariasjonen reliabel, og vil høyst sannsynlig vises på nytt med nytt utvalg fra populasjonen

Question 15

Viktige momenter i korrelasjon (r) 6 stk

Answer 15

Krav til målenivå: variablene er på intervall- eller rationivå pga beregning av r.
Linær relasjon mellom variablene: r gir et misvisende uttrykk for samvariasjon hvis relasjonen ikke kan fremstilles lineært
Effektstørrelse (OBS to definisjoner, én i gruppegjennomsnitt og avvik, en i korrelasjon): i hvilken grad to variabler samvarierer. 0.10= liten. 0.30=medium 0.50=stor effektstørrelse
Uttrykk: r uttrykker styrken av samvariasjon, verdier på ordinalnivå (0.60 er IKKE dobbelt så stor som 0.30)
Er sterk korrelasjon kausalitet? NEI, måler samvariasjon, forskeren må tolke.
Delt varians: kvadrert r - hvor mye varians i en variabel er assosiert med varians i den andre variabelen?

Question 16

Grafikk uten kontekst (feil og misbruk i resultatbeskrivelser)

Answer 16

Trafikkulykker (tar du bare med årene 1955 og 1956 og ser drastisk nedgang etter tiltak kan det skyldes regresjon mot gjennomsnittet - ikke tiltaket. Ta heller med tall fra årene før og etter for å få helhetlig bilde).

Question 17

Lie factor (feil og misbruk i resultatbeskrivelser)

Answer 17

Grafisk fremstilling av data kan overdrive effekten. Ofte ser vi avvik - og overdrivelsen uttrykkes i løgnfaktoren (effektstørrelse fremstilt grafisk/effektstørrelse i data) Ideelt bør forholdet være rundt 1:1

Question 18

Manipulasjon av skalaen (feil og misbruk i resultatbeskrivelser)

Answer 18

Manipulasjon kan skape et villedende inntrykk av hva dataene egentlig viser. Eks: legelønn i forhold til andre hvis du tar med noen tilfeldige årstall vs hele utviklingen

Question 19

Korrelasjon som “bevis” på enighet

Answer 19

En korrelasjon mellom sensorer som vurderer eksamen kan være nesten perfekt (.99), men nivåforskjellene kan være høye og av betydning