1
Q
stickprovsmedelvärden egenskaper
A
- väntesvärdesriktiga mått: större stickprov desto närmre kommer man populationens medelvärde och standardavvikelse
- större stickprov desto bättre
-inferentiell statistik går ut på att uppskatta hur nära vi är populationens medelvärde
2
Q
Nollhypotestestning
A
- används för att avgöra om resultaten från ett statistiskt test är rimligt att generalisera till den statistiska populationen eller inte
3
Q
Nollhypotes H0
A
- det finns ingen effekt i populationen
- brist på evidens antar vi detta
4
Q
alternativhypotes
A
- det finns effekt i populationen
5
Q
Statistisk signifikans och H0
A
- antingen finns det en effekt eller så finns den inte, i brist på evidens förutsätter vi att nollhypotesen gäller.
- Vi kan beräkna hur sannolikt det är att våra resultat uppstått givet att nollhypotesen stämmer.
- om våra resultat är tillräckligt osannolika givet H0, är våra resultat STATISTISKT SIGNIFIKANTA och vi förkastar H0
6
Q
Alfanivå
A
- Gränsen för hur osannolika vårt resultat är utifrån nollhypotesen. Är p-värde under alfanivån är effekten statistisk signifikant.
- vanligast är 0,05
7
Q
P-värde
A
- beräkning på sannolikheten att vårt resultat gäller givet att H0 gäller.
- Är vårt p-värde lägre än alfanivån är vårt resultat statistiskt signifikant.
8
Q
Nackdelar med nollhypotestestning
A
- vi vet bara sannolikhet givet H0 gäller, men inte hur sannolika H1 eller H0 ät
- fokus är endast på statistisk signifikans, tvetydiga svar att tolka
- måste bestämma stickrpovsstorlek och aöfanivå innan datainsamling vilket oftast inte följs.
9
Q
T-test
A
- beräkna om ett medelvärde skiljer sig från ett visst värde (eller annat medelvärde mellan två grupper)
10
Q
oberoende t-test
A
- jämföra värden mellan olika grupper
- utifrån T-test kan vi ej säga hur sannolikt det är att det faktiskt finns en skillnad
- effekten behöver inte heller vara praktiskt signifikant
- kompensera med att detektera effektstorlek (Cohens d) eller jämföra siffrorna
11
Q
beroende t-test
A
jämföra olika mätningar inom samma grupp/ samma individ
- kan förkasta H0 utifrån detta
12
Q
Konfidensintervall
A
- Det intervall inom vi kan vara tillräckligt säkra på att populationens medelvärde ligger
- består av “lower bound” och “higher bound”
- vi kan inte säkert veta om vårt medelvärd ligger inom intervallet
- vi kan däremot beräkna hur brett intervallet behöver vara för att de intervall vi skapar ska innefatta populationens medelvärde tillräckligt ofta
13
Q
Logik konfidensintervall
A
- Om vi skulle dra ett stort antal stickprov från samma population och skapa konfidensintervall med 50% konfidensnivå för varje stickprov, så skulle 50% av de intervallen innefatta populationens medelvärde.
- det betyder inte att det är 50% sannolikhet att ett enskilt konfidensintervall innefattar populationens medelvärde
- vanligaste konfidensnivån är 95%
14
Q
Konfidensintervall i praktiken
A
- används för att visa hur pålitligt ett stickprovsmedelvärde är
- smalt konfidensintervall-> relativt pålitligt stickprovsmedelvärde
- NOLLHYPOTESTESTNING : om ett intervall inte överlappar så är skillnaden statistiskt signifikant
- ALTERNATIV TILL T-TEST
Kvantitativa metoder 1 2 3
flashcards
Decks in class (4)
# Cards
