Testmetodik Flashcards
Item
varje uppgift, frågor eller påståenden i ett test kallas item
Dimension
items används som indikatorer på den underliggande dimension som man avser mäta, homogena dimensioner innebär att de items som ingår i dimensionen mäter samma förmåga/färdighet/egenskap
Domän
flera dimensioner kan utgöra en domän
Exempel: intelligens består av flera dimensioner/faktorer t.ex. verbal, spatial och numerisk förmåga
Skattningsformulär
speglar den svarandes subjektiva upplevelse, har fasta svarsalternativ och bygger på normjämförelser
Beskrivande statistik
används för att sammanfatta/beskriva data
Inferentiell/hypotesprövande/signifikanstestande statistik
används för att dra slutsatser om egenskaper i populationen utifrån stickprovet. Är skillnaden mellan två grupper verklig, eller slumpmässig? För inferentiell statistik används sannolikhetsteorin
Variabel
allt som mäts – data, ordnas i variabler inför databearbetning, en variabel måste variera – alltså måste den anta minst två värden, variabler kan vara av olika typer beroende på vad det är för typ av egenskap/skala de representerar
Kvantitativ variabel
Diskret: Tar bara hela värden, t.ex. antal studenter i rummet
Kontinuerlig: Tar alla värden, t.ex. temperatur (+/-, decimaler)
Nominalskala
kvalitativa kategorier, kvalitativa skillnader mellan objekt. såsom ex kön, preferenser (såsom bilmärke) så ska man göra ett val
Frekvenstabeller
Testresultatet kommer att få en frekvensfördelning som kan visas grafiskt i ett histogram. För att beskriva hur fördelningen ser ut används centralmått och spridningsmått.
Ordinalskala
rangordnade kategorier, rangordnar individer och grupper där kategorier rangordnas ex: efter social klass eller ålder: Yngre 18 - 39, medelålder 40 - 64 år, Äldre 65- uppåt
Centralmått
Typvärde, median och medelvärde
Typvärde
det värde som är vanligast, dvs. oftast förekommande
Median
det värde som ligger i mitten, dvs. hälften ligger under och hälften över
Medelvärde
summan av alla värdena dividerat med antalet värden
Normalfördelad data
om värdena är normalfördelade då gäller medelvärdet=median=typvärdet
Intervallskala
mätskala med lika skalsteg, numerisk skala med jämna intervall. Avståndet mellan 0 och 1 är samma som avståndet mellan 1 och 2 osv. Temperatur är ett typiskt exempel. Man kan säga att skillnaden mellan 20 och 21 grader är samma som 30 och 31 men man kan inte säga att 20 grader är dubbelt så varmt som 10 grader. finns nollpunkt men används ej
Spridningsmått
beskriver hur mycket värdena i en variabel varierar
Variationsbredd (range)
enklaste sättet att beskriva variationen är att använda variationsbredd som talar om skillnaden mellan högsta och lägsta värdet, ej informativt vad gäller hela gruppens spridning
Percentiler
en percentil är ett värde under vilket en viss procentandel av värdena ligger
P50 = 50:e percentilen markerar gränsen under vilken hälften av värdena ligger
P10 = 10:e percentilen markerar gränsen under vilken 10 % av värdena ligger
Kvartiler
de percentiler som delar värdena i fjärdedelar kallas kvartiler
q1 = P25 = 25 % ligger under
q2 = P50 = 50 % ligger under
q3 = P75 = 75 % ligger under
Varians
variansen är lika med standardavvikelsen i kvadrat (s 2)
Kvotskala
Intervallskala med absolut nollpunkt, ex temperaturskalan Kalvin har en nollpunkt vilket gör att man kan jämföra proportioner och man kan säga att 20 är dubbelt så varmt som 10. Vikt och längd är också typiska exempel
Standardavvikelse
ett vanligt mått på spridning är standardavvikelsen (s), talar om hur mycket värdena (i genomsnitt) varierar kring medelvärdet, används vanligen tillsammans med medelvärdet
Estimat
stickprovets varians (s 2) och standardavvikelse (s)
Parametrar
populationens varians (σ2) och standardavvikelse (σ)
Stickprov vs population
Stickprovets estimat används för att skatta populationens parametrar
Stickprovets medelvärde (x) är en bra skattning på populationens medelvärde (μ)
Det betyder att vi kan använda stickprovets medelvärde för dra slutsatser om populationens medelvärde
Samplets standardavvikelse (s) är inte så bra skattning på populationens standardavvikelse (σ)
Detta därför att spridningen är känslig för hur stort stickprovet är (storleken på n)
Därför görs korrigeringen n – 1 (BILD)
Om vi tare ett litet stickprov kommer spridningen int att vara exakt som populationens. Ju större stickprov, desto mer lik blir spridningens populationens
Normalfördelning
klockformad och symmetrisk, utseende bestäms av medelvärde och spridning
Inom gränserna ± 1 s kring medelvärdet ligger 68% av observationerna
Inom gränserna ± 2 s kring medelvärdet ligger 95% av observationerna
Inom gränserna ± 3 s kring medelvärdet ligger 99% av observationerna
Normalfördelning av egenskaper
Många egenskaper som vi sysslar med är ungefär normalfördelade,
exempelvis längd, IQ, skostorlek, osv.
Detta innebär att de flesta har ett värde som ligger runt medelvärdet, och
att det finns få som har ett värde som ligger långt under/över medelvärdet
z-värde
z visar hur många standardavvikelser ett rådata är från medelvärdet (räknar om rådata), eftersom z-värdet är ett standardvärde kan vi jämföra mätvärden från olika skalor, möjliggör att jämföra olika test eller delskalor med varandra (påverkar inte fördelningen)
Fördelningsformer
Normalfördelning: symmetrisk klockformad fördelning (medelvärdet=median=typvärdet)
Biomodalfördelning: har två toppar (median=medelvärde samt två typvärden)
Positivt skev fördelning: en svans som sträcker sig mot höga värden (typvärde - lågt värde, median i mitten och medelvärde störst)
Negativt skev fördelning: en svans som sträcker sig mot låga värden (typvärde - högt värde, median i mitten och medelvärde minst)
Korrelation
Beskriver sambandet mellan två egenskaper/variabler. Säger om två egenskaper/variabler samvarierar – rör sig
tillsammans, om det sker en förändring i den ena då sker det också förändring i den
andra. Ett av de vanligaste formerna för att beskriva statistiska samband är med hjälp av korrelationer ex. vikt och längd
Enkelriktat samband
Den ena variabeln påverkar den andra ex. aktivitet påverkar hjärtfrekvens
Dubbelriktat samband
De två variablerna påverkar varandra ex. prestation och självförtroende
Saker att akta sig för vid tolkning av korrelation
Kausalitet - säger inget om det
Skensamband/bakomliggande variabel - kan se ut som att variablerna påverkar varandra men egentligen är det andra variabler
Slumpmässiga samband
Korrelationskoefficienten
Korrelation kan uttryckas i siffror för att få ett mått på hur mycket två variabler samvarierar
Korrelationskoefficienten r talar om hur starkt sambandet är
Det finns många typer av korrelationskoefficienter där den vanligaste är Pearsons korrelationskoefficienten (r - varierar mellan -1 och +1).
Beskriver linjära samband.