Statistik

Question 1

Parameter

Answer 1

Värde som beskriver populationen

Question 2

Estimat

Answer 2

Värde som vi mätt eller beräknat från stickprovet

Question 3

Typvärde

Answer 3

Det vanligaste värdet

Question 4

Median

Answer 4

Det mittersta värdet

Question 5

Medelvärde

Answer 5

Det genomsnittliga värdet. Väntevärdesriktigt!

Question 6

Väntevärdesriktigt

Answer 6

Stickprovsmedelvärdet förväntas motsvara populationsmedelvärdet i det långa loppet

Question 7

Variationsbredd

Answer 7

Skillnaden mellan det högsta och lägsta värdet

Question 8

Percentiler & Kvartiler

Answer 8

Värde under vilket en viss andel av fördelningen ligger

Question 9

Varians & Standardavvikelse

Answer 9

Genomsnittlig variation

Question 10

Normalfördelningen

Answer 10

Beskrivning av hur data är fördelad. Standardavvikelserna sammanfaller med vissa specifika percentiler

Question 11

Z-värden

Answer 11

Sätt att skriva om data så att varje värde beskriver hur många standardavvikelser det är från medelvärdet. Standardisering av data, förenklar att jämföra variabler med varandra

Question 12

Pearsons korrelationskoefficient

Answer 12

Standardiserat mått på samvarians. Påvisar endast linjära korrelationer. Påverkas mycket av extremvärden. Kräver tillräcklig variation i båda variablerna

Question 13

Spearmans rangkorrelationskoefficient

Answer 13

Baserad på observationers rangordning istället för deras z-värden. Används t.ex. när data är ordinalskala, inte normalfördelad eller vid förekomst av extremväden

Question 14

Regression

Answer 14

Används för att förutsäga värdet av en variabel baserat på värdet av en annan. Innefattar regressionskoefficient(er) och ett intercept. Viktigt att skilja på beroende och oberoende variabel

Question 15

Enkel linjär regressionsanalys

Answer 15

y=b0+b1x
b1 anger linjens lutning. b0 säger var linjen skär y-axeln, och kan ses som “basnivå” och b1 som ett mått på hur mycket den beroende variabeln “beror” på den oberoende variabeln

Question 16

Samplingsfördelningen

Answer 16

Uppskattning av hur mycket stickprov av en viss storlek från en viss population varierar. Variationen i samplingsfördelningen kan uppskattas m h a variationen i vårt stickprov. Ju mindre standardfel, desto närmare befinner sig stickproven populations medelvärde

Question 17

Standardfelet (SE)

Answer 17

Standardavvikelsen i samplingsfördelningen. Mått på hur mycket våra stickprov varierar

Question 18

Konfidensintervall

Answer 18

Avgränsar ett intervall inom vilket vi kan vara “ganska säkra” på att populationens medelvärde ligger (Oftast 95%). Om vi skapade 100 KI från samma population skulle ungefär 95 stycken innefatta populationens medelvärde

Question 19

Nollhypotestestning

Answer 19

Baserat på att beräkna sannolikheten att våra resultat skulle uppstå givet att nollhypotesen gäller. Ett sätt att avgöra om resultaten från ett statistiskt test är rimligt att generalisera till populationen eller inte

Question 20

T-test

Answer 20

Sätt att avgöra om medelvärdet skiljer sig från ett visst värde. Används ofta för att avgöra om två variabler skiljer sig från varandra. Statistiskt signifikant t-test betyder att observationerna vore osannolika utifall att det egentligen inte finns någon skillnad

Question 21

Oberoende t-test

Answer 21

Används för att jämföra olika grupper

Question 22

Beroende t-test

Answer 22

Används för att jämföra olika mätningar inom samma grupp. Slipper en del brus pga individuella variationer och blir därför mer kraftfulla än oberoende t-test

Question 23

Parametriska test

Answer 23

Förutsätter att data är på antingen intervall- eller kvotskala

Question 24

Antaganden - Normalfördelning

Answer 24

Många test antar att populationens värden är normalfördelade. Ofta vet vi ej säkert om populationen är normalfördelad, tillräckligt stort stickprov ger ofta en bra uppskattning

Question 25

Antaganden - Homogen populationsvarians

Answer 25

Värden i alla de variabler man jämför varierar lika mycket. Tumregel att variansen får vara max tre gånger så stor

Question 26

Icke-parametriska test

Answer 26

Går ut på att räkna på datavärdenas inbördes rank. Pga detta går det att använda icke-parametriska test när data inte uppfyller kraven på intervall-/kvotskala, normalfördelning och homogen varians

Question 27

Effektstorlek

Answer 27

Standardiserade mått på effekters storlek. Användbart då man har variabler vars tolkning inte är uppenbar. Som effektstorlek för skillnader kan vi använda Cohens d. För oberoende mätningar baseras s på den “poolade variansen”

Question 28

Statistisk power

Answer 28

Power kan tolkas som sannolikheten att få ett statistiskt signifikant resultat givet att nollhypotesen är falsk. Alfanivån, faktiska effektstorleken, stickprovets storlek, sd i populationen, och experimentell design påverkar power

Question 29

Powerberäkningar

Answer 29

Ta reda på hur stort stickprov man behöver för att nå en viss power. Använder sig av hjälpvariabeln delta.

Question 30

Extremvärden

Answer 30

Kan ofta ha en oproportionerligt stor påverkan på statistiska test. Vanlig tumregel: tre sd från medelvärdet. Möjliga lösningar - Ta bort värdena. Använda icke-parametriska test

Question 31

Massignifikans

Answer 31

Viss sannolikhet att typ-I fel är inbyggd i nollhypotestestning. Utför man många tester i samma undersökning blir sannolikheten för Typ-I fel högre. Kan kompenseras med bonferronikorrigering (proportionerligt sänka alfanivån)

Question 32

Små stickprov

Answer 32

Bara väldigt stora effekter blir statistiskt signifikanta. Kan leda till överskattning av effektstorlek

Question 33

Stora stickprov

Answer 33

Även väldigt små effekter blir statistiskt signifikanta. Innebär att man måste vara noga med att kontrollera praktisk signifikans

Question 34

Ensidig prövning

Answer 34

Vi vill veta om det finns en effekt i en viss riktning. Finns positivt/inte positivt samband mellan studietid och tentaresultat

Question 35

Tvåsidig prövning

Answer 35

Vi vill veta om det finns en effekt eller inte. Finns samband/inget samband mellan studietid och tentaresultat

Question 36

Typ I-fel

Answer 36

Att förkasta nollhypotesen trots att den gäller. Sannolikheten är lika med alfanivån. Sänkning av alfanivån gör typ I-fel mindre sannolika men Typ-II fel mer sannolika

Question 37

Typ II-fel

Answer 37

Att behålla nollhypotesen trots att alternativhypotesen gäller. Sannolikheten påverkas av stickprovsstorlek, effektstorlek, felvarians och beroende mätningar