Testmetodik

Question 1

Item

Answer 1

varje uppgift, frågor eller påståenden i ett test kallas item

Question 2

Dimension

Answer 2

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

Question 3

Domän

Answer 3

flera dimensioner kan utgöra en domän
Exempel: intelligens består av flera dimensioner/faktorer t.ex. verbal, spatial och numerisk förmåga

Question 4

Skattningsformulär

Answer 4

speglar den svarandes subjektiva upplevelse, har fasta svarsalternativ och bygger på normjämförelser

Question 5

Beskrivande statistik

Answer 5

används för att sammanfatta/beskriva data

Question 6

Inferentiell/hypotesprövande/signifikanstestande statistik

Answer 6

används för att dra slutsatser om egenskaper i populationen utifrån stickprovet. Är skillnaden mellan två grupper verklig, eller slumpmässig? För inferentiell statistik används sannolikhetsteorin

Question 7

Variabel

Answer 7

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

Question 8

Kvantitativ variabel

Answer 8

Diskret: Tar bara hela värden, t.ex. antal studenter i rummet
Kontinuerlig: Tar alla värden, t.ex. temperatur (+/-, decimaler)

Question 9

Nominalskala

Answer 9

kvalitativa kategorier, kvalitativa skillnader mellan objekt. såsom ex kön, preferenser (såsom bilmärke) så ska man göra ett val

Question 10

Frekvenstabeller

Answer 10

Testresultatet kommer att få en frekvensfördelning som kan visas grafiskt i ett histogram. För att beskriva hur fördelningen ser ut används centralmått och spridningsmått.

Question 11

Ordinalskala

Answer 11

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

Question 12

Centralmått

Answer 12

Typvärde, median och medelvärde

Question 13

Typvärde

Answer 13

det värde som är vanligast, dvs. oftast förekommande

Question 14

Median

Answer 14

det värde som ligger i mitten, dvs. hälften ligger under och hälften över

Question 15

Medelvärde

Answer 15

summan av alla värdena dividerat med antalet värden

Question 16

Normalfördelad data

Answer 16

om värdena är normalfördelade då gäller medelvärdet=median=typvärdet

Question 17

Intervallskala

Answer 17

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

Question 18

Spridningsmått

Answer 18

beskriver hur mycket värdena i en variabel varierar

Question 19

Variationsbredd (range)

Answer 19

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

Question 20

Percentiler

Answer 20

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

Question 21

Kvartiler

Answer 21

de percentiler som delar värdena i fjärdedelar kallas kvartiler
q1 = P25 = 25 % ligger under
q2 = P50 = 50 % ligger under
q3 = P75 = 75 % ligger under

Question 22

Varians

Answer 22

variansen är lika med standardavvikelsen i kvadrat (s 2)

Question 23

Kvotskala

Answer 23

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

Question 24

Standardavvikelse

Answer 24

ett vanligt mått på spridning är standardavvikelsen (s), talar om hur mycket värdena (i genomsnitt) varierar kring medelvärdet, används vanligen tillsammans med medelvärdet

Question 25

Estimat

Answer 25

stickprovets varians (s 2) och standardavvikelse (s)

Question 26

Parametrar

Answer 26

populationens varians (σ2) och standardavvikelse (σ)

Question 28

Stickprov vs population

Answer 28

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

Question 29

Normalfördelning

Answer 29

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

Question 30

z-värde

Answer 30

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)

Question 31

Fördelningsformer

Answer 31

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)

Question 32

Korrelation

Answer 32

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

Question 33

Enkelriktat samband

Answer 33

Den ena variabeln påverkar den andra ex. aktivitet påverkar hjärtfrekvens

Question 34

Dubbelriktat samband

Answer 34

De två variablerna påverkar varandra ex. prestation och självförtroende

Question 35

Saker att akta sig för vid tolkning av korrelation

Answer 35

Kausalitet - säger inget om det Skensamband/bakomliggande variabel - kan se ut som att variablerna påverkar varandra men egentligen är det andra variabler Slumpmässiga samband

Question 36

Korrelationskoefficienten

Answer 36

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.