1
Q
Vad är kvantitativa metoder?
A
Metoder som bygger på statistik och används för att samla in, analysera och presentera data.
2
Q
Vad är syftet med kvantitativa metoder?
A
Att dra generella slutsatser om populationer utifrån stickprov.
3
Q
Vad innebär en statistisk modell?
A
En förenklad representation av verkligheten som hjälper oss att dra slutsatser.
4
Q
Vad innebär det att modeller innehåller osäkerhet?
A
De är aldrig perfekta och innehåller alltid viss variation eller slump.
5
Q
Vad är syftet med en statistisk analys?
A
Att dra slutsatser med hjälp av data, ofta kopplat till en forskningsfråga eller hypotes.
6
Q
Varför är ett tydligt syfte viktigt i analys?
A
Ju tydligare syfte, desto tydligare blir tolkningen av resultaten.
7
Q
Vad är deskriptiv statistik?
A
Statistik som beskriver och sammanfattar data, t.ex. medelvärde och standardavvikelse.
8
Q
Vad är inferentiell statistik?
A
Statistik som används för att dra slutsatser om en population utifrån ett stickprov.
9
Q
Vad menas med tolkning av resultat?
A
Att förstå både den tekniska och den praktiska betydelsen av statistiska resultat.
10
Q
Vad betyder “Lies, damn lies and statistics”?
A
Att statistik kan misstolkas om man inte förstår hur resultaten ska tolkas.
11
Q
Skalnivåer
A
12
Q
Vad är en skalnivå?
A
Ett sätt att kategorisera data som påverkar vilka statistiska metoder som kan användas.
13
Q
Vilka är de fyra skalnivåerna?
A
Nominalskala, ordinalskala, intervallskala och kvotskala.
14
Q
Skillnad mellan nominal- och ordinalskala
A
Nominal har ingen rangordning, ordinal har rangordning men inte jämna avstånd.
15
Q
Skillnad mellan intervall- och kvotskala
A
Båda har lika stora skalsteg men bara kvotskalan har absolut nollpunkt.
16
Q
Vad är nominalskala?
A
Data delas in i kategorier utan inbördes ordning, t.ex. kön eller ögonfärg.
17
Q
Vad är ordinalskala?
A
Data kan rangordnas men avstånden mellan skalstegen saknar mening, t.ex. betyg eller enkätsvar 1–5.
18
Q
Vad är intervallskala?
A
Rangordnad skala med lika stora steg men utan absolut nollpunkt, t.ex. temperatur i Celsius.
19
Q
Vad är kvotskala?
A
Rangordnad skala med lika stora steg och absolut nollpunkt, t.ex. längd eller vikt.
20
Q
Viktiga begrepp
A
21
Q
Vad är population?
A
Den teoretiska grupp vi är intresserade av att undersöka.
22
Q
Vad är ett stickprov?
A
Den del av populationen vi faktiskt mäter.
23
Q
Vad är data?
A
De värden eller observationer vi samlar in.
24
Q
Vad är en variabel?
A
Ett mått som varierar mellan observationer, t.ex. stressnivå.
25
Vad är en observation?
En enskild mätning eller datapunkt i studien.Vad är centralmått?
26
Vilka tre centralmått finns det?
Typvärde, median och medelvärde.
27
Vad är typvärde?
Det värde som förekommer oftast i datamängden.
28
Vad är median?
Det mittersta värdet när observationerna rangordnas.
29
Vad är medelvärde?
Summan av alla värden dividerat med antalet värden.
30
När är typvärde, median och medelvärde ungefär lika?
När fördelningen är symmetrisk.
31
Vad händer med centralmåtten vid skev fördelning?
De blir olika och kan ge en missvisande bild av datan.
32
Vad betyder att medelvärdet är väntevärdesriktigt?
Att med ett tillräckligt stort stickprov närmar sig stickprovsmedelvärdet populationsmedelvärdet.
33
Vad är spridningsmått?
Mått på hur mycket värdena varierar kring medelvärdet.
34
Vilka spridningsmått finns?
Variationsbredd, MAD, varians och standardavvikelse.
35
Vad är variationsbredd?
Skillnaden mellan det högsta och lägsta värdet.
36
Vad är MAD (mean average deviation)?
Den genomsnittliga avvikelsen från medelvärdet.
37
Vad är varians?
Ett mått på den genomsnittliga kvadrerade avvikelsen från medelvärdet.
38
Vad är standardavvikelse?
Roten ur variansen, visar hur mycket värdena i genomsnitt avviker från medelvärdet.
39
Varför är standardavvikelse viktigt?
Det används i många statistiska tester och visar datans spridning.
40
Vad är en normalfördelning?
En klockformad sannolikhetsfördelning där de flesta värden ligger nära medelvärdet.
41
Vad innebär det att data är normalfördelad?
Att värdena fördelas symmetriskt kring medelvärdet.
42
Vilken typ av data är ofta normalfördelad?
Exempelvis längd, IQ och reaktionshastighet.
43
Varför är normalfördelningen viktig i statistik?
Många statistiska tester bygger på att data är (ungefär) normalfördelad.
44
Vad säger normalfördelningen?
Den beskriver hur värden är fördelade, inte vilka värden de har.
45
Hur hänger normalfördelning ihop med standardavvikelse?
Standardavvikelserna motsvarar specifika percentiler i normalfördelningen.
46
Vad är korrelation?
Ett mått på samvariation mellan två variabler.
47
Vad betyder positiv korrelation?
När den ena variabeln ökar tenderar även den andra att öka.
48
Vad betyder negativ korrelation?
När den ena variabeln ökar tenderar den andra att minska.
49
Innebär korrelation alltid orsakssamband?
Nej, korrelation betyder inte nödvändigtvis att det finns ett orsakssamband.
50
Vad är sambandet mellan korrelation och kausalitet?
Korrelation beskriver samvariation, kausalitet beskriver orsakssamband.
51
Vad är Pearsons produktmomentkorrelationskoefficient (r)?
Ett mått på linjär korrelation mellan två variabler på intervall- eller kvotskala.
52
Vilket intervall har Pearsons r?
Mellan -1 och +1.
53
Vad betyder r = 1?
Perfekt positiv korrelation.
54
Vad betyder r = -1?
Perfekt negativ korrelation.
55
Vad betyder r = 0?
Ingen linjär korrelation.
56
Vad påverkar Pearsons r?
Extremvärden och för liten variation i variablerna.
57
När används Pearsons r?
När data är på intervall- eller kvotskala och (ungefär) normalfördelad.
58
Hur tolkar man Pearsons r enligt Cohen?
r = 0.1 svag, r = 0.3 medelstark, r = 0.5 stark korrelation.
59
Vad avgör den praktiska betydelsen av en korrelation?
Vilka variabler som mäts och i vilket sammanhang.
60
Vad är Spearmans rangkorrelationskoefficient (rs)?
Ett icke-parametriskt mått på korrelation baserat på observationernas rangordning.
61
När används Spearmans rs?
När data är på ordinalskala, inte normalfördelad eller innehåller extremvärden.
62
Vad är skillnaden mellan Pearsons r och Spearmans rs?
Pearsons mäter linjära samband, Spearmans mäter rangbaserade (monotona) samband.
63
Vad är en sannolikhetsfördelning?
En modell som visar hur sannolika olika värden är i en population.
64
Vad beskriver en sannolikhetsfördelning?
Hur ofta olika värden förväntas uppstå.
65
Varför används sannolikhetsfördelningar?
För att förstå hur data är spridd i en population.
66
Vad är en normalfördelning?
En symmetrisk klockformad fördelning där de flesta värden ligger nära medelvärdet.
67
Vilken typ av data är ofta normalfördelad?
Exempelvis längd, vikt, IQ och reaktionshastighet.
68
Varför är normalfördelningen viktig?
För att många statistiska tester bygger på antagandet om normalfördelning.
69
Vad är ett stickprov i förhållande till en population?
Ett urval av observationer från populationen.
70
Hur relaterar stickprov till sannolikhetsfördelningar?
Stickprovsmedelvärden följer en fördelning som liknar populationens.
71
Vad är ett konfidensintervall?
Ett intervall inom vilket man med viss säkerhet tror att populationens medelvärde ligger.
72
Vad innebär 95 % konfidensnivå?
Att 95 % av alla sådana intervall från upprepade stickprov skulle innehålla populationsmedelvärdet.
73
Innebär 95 % konfidensnivå att vi är 95 % säkra på just vårt intervall?
Nej, det gäller för många stickprov, inte ett enskilt.
74
Vad påverkar konfidensintervallens bredd?
Stickprovsstorlek och variation – större stickprov ger smalare intervall.
75
Vad är nollhypotestestning?
En metod för att avgöra om resultat kan generaliseras till populationen.
76
Vad är nollhypotesen (H0)?
Antagandet att det inte finns någon effekt eller skillnad.
77
Vad är alternativhypotesen (H1)?
Antagandet att det finns en effekt eller skillnad.
78
Vad innebär det att förkasta H0?
Att resultaten är tillräckligt osannolika givet H0, så vi antar att H0 inte gäller.
79
Vad är alfanivån?
Den gräns för sannolikhet som krävs för att förkasta H0, ofta 0,05.
80
Vad betyder ett p-värde?
Sannolikheten att få våra resultat givet att H0 är sann.
81
När är ett resultat statistiskt signifikant?
När p-värdet är mindre än alfanivån (ofta < 0,05).
82
Vad betyder p < 0,05?
Att resultatet är statistiskt signifikant.
83
Vad betyder p > 0,05?
Att resultatet inte är statistiskt signifikant.
84
Vilka är nackdelarna med nollhypotestestning?
Bakvänd logik, binärt tänkande och metodologiska begränsningar.
85
Vad innebär bakvänd logik i nollhypotestestning?
Att vi bara vet hur sannolika resultaten är givet H0, inte hur sannolika H0 eller H1 är.
86
Vad innebär binärt tänkande?
Att man fokuserar på “signifikant” eller “inte signifikant” utan nyanser.
87
Vad kan vara ett alternativ till nollhypotestestning?
Bayesiansk statistik.
88
Vad är syftet med ett t-test?
Att avgöra om två medelvärden skiljer sig signifikant åt.
89
När används t-test för oberoende mätningar?
När man jämför två olika grupper.
90
När används t-test för beroende mätningar?
När man jämför samma grupp vid två olika tillfällen.
91
Vad är H0 vid ett t-test?
Att det inte finns någon skillnad mellan gruppernas medelvärden.
92
Vad är H1 vid ett t-test?
Att det finns en skillnad mellan gruppernas medelvärden.
93
Hur avgör man om t-testet är signifikant?
Genom att jämföra p-värdet med alfanivån.
94
Vad betyder ett signifikant t-test?
Att skillnaden mellan grupperna är osannolik om H0 vore sann.
95
Betyder signifikant skillnad att den är praktiskt viktig?
Nej, man måste även bedöma skillnadens storlek (effektstorlek).
96
Vad är effektstorlek?
Ett mått på hur stor skillnaden är, t.ex. Cohens d.
97
Varför är effektstorlek viktig?
För att visa den praktiska betydelsen av resultatet, inte bara den statistiska.
98
Vad är statistiska antaganden?
Förutsättningar som test bygger på för att resultaten ska vara tillförlitliga.
99
Vad händer om antaganden bryts?
Resultaten kan bli missvisande, men många test är relativt robusta.
100
Vilka skalnivåer kräver parametriska test?
Intervall- eller kvotskala.
101
Kan parametriska test användas på ordinaldata?
Ja, om det finns många skalsteg och man antar att stegen är ungefär lika stora.
102
Vilket antagande gör många test om normalfördelning?
Att populationens värden är (ungefär) normalfördelade.
103
Är det alltid nödvändigt att data är exakt normalfördelad?
Nej, många test är robusta mot avvikelser om stickproven är tillräckligt stora.
104
Vad är icke-parametriska test?
Test som inte kräver antaganden om skalnivå eller normalfördelning.
105
Vilka är exempel på icke-parametriska test?
Spearmans rs, Mann-Whitney U, Wilcoxon.
106
Hur fungerar icke-parametriska test?
De baseras ofta på rangordning av data.
107
Fördelar med icke-parametriska test?
Högre power när data inte är normalfördelad.
108
Nackdelar med icke-parametriska test?
Lägre power när data är normalfördelad.
109
Vad är kausalitet?
Orsakssamband mellan variabler.
110
Kan statistiska test ensamma påvisa kausalitet?
Nej, de kan bara visa samband.
111
Vad är syftet med experimentell design?
Att isolera orsakssamband och kontrollera för ovidkommande variabler.
112
Hur uppnås detta i experimentell design?
Genom slumpmässigt urval och olika betingelser (t.ex. experiment- och kontrollgrupp).
113
Vad är slumpmässigt urval?
Att deltagare väljs slumpmässigt för att undvika snedvridning.
114
Varför är slumpmässigt urval viktigt?
För att resultaten ska kunna generaliseras och inte påverkas av urvalsfel.
115
Vad är betingelser i ett experiment?
Olika grupper eller situationer som deltagarna utsätts för, t.ex. experimentgrupp vs kontrollgrupp.
116
Varför används betingelser?
För att isolera effekter och kunna jämföra resultat mellan grupper.
117
Vad betyder att samband inte är samma som kausalitet?
Att ett samband inte nödvändigtvis innebär att den ena variabeln orsakar den andra.
118
Hur kan extremvärden påverka statistik?
De kan påverka resultatet oproportionerligt mycket.
119
Hur hanterar man extremvärden?
Ta bort dem eller använd icke-parametriska test.
120
Vad är massignifikans?
Ökad risk för falska positiva resultat vid många statistiska tester.
121
Hur kan man kompensera för massignifikans?
Genom t.ex. Bonferroni-korrigering.
122
Hur påverkar stickprovsstorlek resultaten?
Små stickprov ger bara stora effekter signifikans, stora stickprov kan göra även små effekter signifikanta.
123
Varför är praktisk signifikans viktigt?
För att avgöra om resultaten är meningsfulla, inte bara statistiskt signifikanta.
Psykologi A
flashcards
Decks in class (5)
# Cards
