Att välja statistisk metod
|
|
- Ulrika Åström
- för 5 år sedan
- Visningar:
Transkript
1 Att välja statistisk metod en översikt anpassad till kursen: Statistik och kvantitativa undersökningar 15 HP Vårterminen 2018 Lars Bohlin Innehåll Val av statistisk metod Undersökning av en variabel Jämförelse av två olika variabler i hela populationen / tester på beroende urval Att undersöka samband mellan variabler Jämförelse mellan grupper av en variabel som är mätt på nominalskala Jämförelse mellan grupper av en variabel som är mätt på ordinalskala Jämförelse mellan grupper av en variabel som är mätt på intervall eller kvotskala Att undersöka samband mellan två variabler när alla variabler har minst ordinalskala Att undersöka samband mellan många variabler... 6
2 Val av statistisk metod. Lind presenterar en stor mängd olika metoder, en i taget. Det är ett bra sätt för att lära sig om hur man utför varje enskilt test. Nackdelen med det kan vara att det kan vara svårt att få en överblick över alla olika metoder och en insikt om hur man väljer mellan dem. Syftet med den här texten är att sortera upp de olika statistiska metoder som vi går igenom i kursen efter deras användningsområde. Min förhoppning är att de kan ge en bättre överblick över de olika statistiska metoderna. Texten är inte heltäckande utan tar bara upp de metoder som vi behandlar i den hör kursen. 1. Undersökning av en variabel Om den variabel vi är intresserade av är mätt på kvot- eller intervalskala är vi oftast intresserade av dess medelvärde. Om vi i första hand är intresserade av vilket värde den har bör vi beräkna ett konfidensintervall. Om vi vill testa huruvida den har ett visst värde eller är större eller mindre än ett visst värde använder vi t-test för medelvärde. Vid t-test på medelvärde bör vårt urval vara minst 30, annars fungerar antagandet om normalfördelade urvalsmedelvärden dåligt. Ju större urval vi har desto mindre avvikelser från noll hypotesen kan vi bevisa, testet blir därför starkare om vi har större urval. Om den variabel vi är intresserade av är mätt på nominal- eller ordinalskala och vi enbart intresserar oss för ett av utfallen beräknar vi lämpligen andelen i urvalet som har detta utfall. Sedan kan vi antingen göra konfidensintervall för andel, om vi vill få en uppskattning av vilket värde den har, eller en hypotestest på andelar om vi vill testa huruvida den har ett visst värde. Om vi är intresserade av hela fördelningen över alla utfallen kan vi antingen göra konfidensintervall för ett utfall i taget eller en chi 2 test för att se om variabeln följer en viss fördelning eller ej.
3 2. Jämförelse av två variabler i hela populationen / tester på beroende urval Exempel på frågeställningar som faller in under denna rubrik kan vara följande frågeställningar 1. Är studenterna lika nöjda med kurslitteraturen som med föreläsningarna 2. Är kroppstemperaturen lika hög på morgonen som på kvällen. 3. Påverkas blodtrycket av en viss behandling. I första frågeställningen baserar vi vår analys på hela urvalet studenter som fyllt i kursvärderingen. För varje individ har vi två variabler av samma typ som vi kan jämföra individ för individ. Svaret på frågan om kurslitteraturen och svaret på frågan om föreläsningarna. I andra frågan har vi förmodligen gjort så att vi i ett urval individer bett dem att ta tempen både på morgonen och kvällen, så vi har två olika variabelvärden på en och samma individ. Här delar vi alltså inte in vårt urval i olika grupper. För den tredje frågeställningen kan det hända att vi väljer att jämföra två olika urval. Ett urval med individer som använder medicinen och ett urval med individer som inte gör det. I den typen av undersökningar är det bra att använda matchade urval. Man skapar en kontrollgrupp genom att leta upp individer som liknar var och en i det urval som testar läkemedlet. Sedan kan vi jämföra varje individ i urvalet med dess matchning i kontrollgruppen. I den meningen är kontrollgruppen och testgruppen beroende. Det andra alternativet är att ha ett urval men att för varje individ mäta blodtrycket både före och efter behandlingen. Eftersom vi kan matcha ihop värdet för en viss individ med en individens matchning i den andra gruppen kan vi använda samma metoder som när vi har två mätvärden för samma individ. Dessa metoder kallas metoder för beroende urval eftersom man kan använda dem när man jämför två lika urval men med matchade individer. I den här kursen kommer vi dock i första hand att använda dem när vi enbart har ett urval men jämför två variabelvärden för varje individ för att se vilken variabel som är störst. Här finns 3 metoder till vårt förfogande. i. Teckentest ii. Wilcoxons teckenrangtest iii. T-test på beroende urval. T-test fungerar bäst om variablerna är normalfördelade och kräver intervall eller kvotskala. Om vi har ordinalskala kan vi bara välja på någon av de två första metoderna. Om avstånden mellan observationerna inte har någon som helst tolkning kan man hävda att inte heller Wilcoxons teckenrangtest är helt tillfredställande eftersom vi då rangordnar intervallen mellan våra båda variabler. Teckentestet gör därför de minst krävande antagandena. Om man har ordinalskala är det ganska vanligt att göra både teckentest och Wilcoxons teckenrangtest. Om båda ger samma resultat är det enkelt att dra slutsatser, lite knepigare kan det bli att avgöra vilket resultat man ska tro på om de ger olika slutsatser. Om man har intervall eller kvotskala så utnyttjar t-testen mest information. Men om inte variablerna är normalfördelade och urvalsstorleken är liten kan Wilcoxons teckenrangtest ofta vara att föredra även vid intervall och kvotskala. Trots att det inte utnyttjar all information så är dess antaganden om fördelningen bättre uppfyllda.
4 3. Att undersöka samband mellan variabler I detta avsnitt ska vi studera metoder för att undersöka samband mellan variabler. Om den ena av de båda variablerna är en variabel mätt på nominalskala använder vi den för att dela in urvalet i olika grupper och ser om de grupperna skiljer sig åt i avseende på den andra variabeln. Val av metod beror av antalet grupper vi vill jämföra och skaltyp på variabeln vars värde vi vill jämföra. 3.1 Jämförelse mellan grupper av en variabel som är mätt på nominalskala. Exempel på frågeställningar som faller in under denna rubrik kan vara: 1. Är andelen pensionärer i befolkningen lika stor i Norge som i Sverige? 2. Är andelen pensionärer i befolkningen lika stor i Götaland, Svealand och Norrland? 3. Är fördelningen över olika sexuella läggningar likadan i Stockholm, Göteborg och Malmö? Denna typ av frågeställningar kan också beskrivas om att vi undersöker sambandet mellan två variabler mätta på nominalskala. Man kan då se det som att den ena variabeln används för att dela in i grupper och den andra variabeln är den som vi jämför mellan de olika grupperna. I första frågan kan vi då formulera det som att vi undersöker om det finns något samband mellan variablerna pensionär och medborgarskap. I andra frågan undersöker vi sambandet mellan pensionär och var man bor. I tredje frågan undersöker vi sambandet mellan sexuell läggning och var man bor. Chi2 analys av korstabell fungerar på samtliga dessa frågeställningar. I specialfallet att båda variablerna vi har enbart har två utfall, exempelvis som i fråga 1 ovan, kan vi också göra hypotestest på andelar från två olika populationer. 3.2 Jämförelse mellan grupper av en variabel som är mätt på ordinalskala. Exempel på frågeställningar som faller in under denna rubrik kan vara följande frågeställningar baserade på analys av kursvärderingar: 1. Är tjejer och killar lika nöjda med kurslitteraturen 2. Är studenter på olika institutioner lika nöjda med föreläsningarna. Vi jämför hur olika grupper har svarat på en fråga vars svarsalternativ ger upphov till en variabel mätt på ordinalskala. I det här fallet kan vi tala om oberoende urval eftersom vi inte kan matcha ihop en viss tjej med en viss kille. Även här är chi 2 analys av korstabell möjlig att använda. Men i så fall utnyttjar vi inte den information som ligger i att ena variabeln kan rangordnas. Vill vi utnyttja den informationen har vi två alternativ; Wilcoxons rangsummetest eller Kruskal Wallis test. Wilcoxons rangsummetest används om vi har två grupper, Kruskal Wallis om vi har tre eller fler. Chi 2 kan vara lämplig om båda variablerna har relativt få utfall. Fördelen med korstabellen är att den ger en bra deskriptiv beskrivning av urvalet, så det kan vara rimligt att kombinera både Chi 2 i korstabell och en Kruskal Wallis eller Wilcoxon rangsummetest.
5 3.3 Jämförelse mellan grupper av en variabel som är mätt på intervall eller kvotskala. Exempel på frågeställningar som faller in under denna rubrik kan vara 1. Är tjejer och killar lika långa 2. Är studenter på olika institutioner lika långa. Även här är Kruskal Wallis och Wilcoxons rangsummetest möjliga men vi utnyttjar inte hela informationen som finns i att intervallen mellan olika observationer har en meningsfull innebörd. Om vi klassindelar vår variabel kan vi även använda chi 2 analys av korstabell men då har vi kastat bort ännu mer av informationen. Oftast är därför t-test eller ANOVA test de bästa alternativen här. ANOVA testet används om vi har tre eller fler grupper, t-testet om vi bara har två grupper. Men Kruskal Wallis eller Wilcoxons rangsummetest kan vara att föredra i små urval om variabeln inte är normalfördelad. Om vi är intresserade av att se om variansen är lika stor i två olika populationer använder vi F-test. 3.4 Att undersöka samband mellan två variabler när alla variabler har minst ordinalskala. Exempel på frågeställningar som faller in under denna rubrik kan vara följande frågeställningar 1. Är studenterna som var mest nöjda med kurslitteraturen också mest nöjda med föreläsningarna? 2. Förbrukar bilar med starka motorer mer bensin än bilar med svaga motorer. Den första frågeställningen påminner lite om frågan i avsnitt 2; Är studenterna lika nöjda med kurslitteraturen som med föreläsningarna. Men nu ska vi inte undersöka vilken fråga som har de högsta svaren utan om det är samma individer som ger höga svar på båda frågorna. I båda fallen använder vi samma variabler, men eftersom vi svarar på olika typer av fråga kommer vi att använda olika metoder. Vi börjar med fallet där båda variablerna är mätta på kvotskala. Vi kan då beräkna en regressionskoefficient för att mäta hur mycket den beroende variabeln ändras om den oberoende variabeln ändras en enhet. För att kunna göra det måste vi dock utesluta att det finns några kausala samband från den beroende variabeln till den oberoende variabeln. Vi kan också beräkna en korrelationskoefficient för att beräkna styrkan i det linjära sambandet. Hur mycket av variationen i den beroende variabeln som vi kan förklara med vår oberoende variabel. Vi kan använda linjära, log linjära eller kvadratiska modeller beroende på hur vi tror att sambandet mellan variablerna ser ut.
6 Om en eller båda variablerna är mätta på ordinalskala blir den huvudsakliga metoden Spearmans rangkorrelation. Om våra variabler har få utfall är chi 2 analys av korstabell också möjlig men då utnyttjar vi inte det faktum att utfallen kan rangordnas. Fördelen med korstabellen är dock att den kan fånga vissa typer av samband som korrelationen inte fångar. Om individer med höga eller låga värden på variabel 1 har högre värden på variabel 2 än de som har medelhöga värden på variabel 1 kan det sambandet fångas i en korstabell men inte av Spearmans rangkorrelation. I de här fallen kan det därför vara bra att kombinera de bägge metoderna eftersom de delvis mäter olika typer av samband. 3.5 Att undersöka samband mellan många variabler. Om vi ska mäta samband mellan många variabler använder vi multipel regressionsanalys. Här krävs att den beroende variabeln är mätt på intervall eller kvotskala. De oberoende variablerna ska antingen vara mätta på intervall eller kvotskala eller göras om till dummyvariabler. Beroende på hur vi tror att sambandet ser ut kan vi välja mellan linjära, log linjära eller kvadratiska modeller.
Repetitionsföreläsning
Population / Urval / Inferens Repetitionsföreläsning Ett företag som tillverkar byxor gör ett experiment för att kontrollera kvalitén. Man väljer slumpmässigt ut 100 par som man utsätter för hård nötning
Läs merLaboration 3. Övningsuppgifter. Syfte: Syftet med den här laborationen är att träna på att analysera enkätundersökningar. MÄLARDALENS HÖGSKOLA
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 p Höstterminen 2016 Laboration 3 Övningsuppgifter Baserade på datasetet energibolag.rdata
Läs mer1. a) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar)
1. a) F1(Sysselsättning) F2 (Ålder) F3 (Kön) F4 (känsla av meningslöshet) F5 (okontrollerade känlsoyttringar) nominalskala kvotskala nominalskala ordinalskala ordinalskala b) En möjlighet är att beräkna
Läs merRepetitionsföreläsning
Population / Urval / Inferens Repetitionsföreläsning Ett företag som tillverkar byxor gör ett experiment för att kontrollera kvalitén. Man väljer slumpmässigt ut 100 par som man utsätter för hård nötning
Läs merInnehåll. Steg 4 Statistisk analys. Skillnader mellan grupper. Skillnader inom samma grupp över tid. Samband mellan variabler
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig steg 1 5 Steg 4 Statistiska analyser Parametriska analyser Icke-parametriska analyser 1 Hypotesprövning
Läs merordinalskala kvotskala F65A nominalskala F65B kvotskala nominalskala (motivering krävs för full poäng)
1 F1 ordinalskala F2 kvotskala F65A nominalskala F65B kvotskala F81 nominalskala (motivering krävs för full poäng) b) Variabler som används är F2 och F65b. Eftersom det är kvotskala på båda kan vi använda
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Fredagen den 9 e juni Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Fredagen den 9 e juni 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merBild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 2
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 2 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merI. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser
Läs merKursens upplägg. Roller. Läs studiehandledningen!! Examinatorn - extern granskare (se särskilt dokument)
Kursens upplägg v40 - inledande föreläsningar och börja skriva PM 19/12 - deadline PM till examinatorn 15/1- PM examinationer, grupp 1 18/1 - Forskningsetik, riktlinjer uppsatsarbetet 10/3 - deadline uppsats
Läs merFråga nr a b c d 2 D
Fråga nr a b c d 1 B 2 D 3 C 4 B 5 B 6 A 7 a) Första kvartilen: 33 b) Medelvärde: 39,29 c) Standardavvikelse: 7,80 d) Pearson measure of skewness 1,07 Beräkningar: L q1 = (7 + 1) 1 4 = 2 29-10 105,8841
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 23 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 23 e mars 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 10 e januari Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 10 e januari 2017 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merTentamen på Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 4
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Tillåtna hjälpmedel: Miniräknare (Formelsamling bifogas
Läs merLösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Lösningsförslag till tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 13 e mars 015 1 a 13 och 14
Läs merMedicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Läs merAnalytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
Läs merEXAMINATION KVANTITATIV METOD vt-11 (110319)
ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110319) Examinationen består av 10 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt
Läs merST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test?
ST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test? Mikael Eriksson Specialistläkare CIVA Karolinska Universitetssjukhuset, Solna Grund för hypotestestning 1. Definiera noll- och alternativhypotes,
Läs merimport totalt, mkr index 85,23 100,00 107,36 103,76
1. a) F1 Kvotskala (riktiga siffror. Skillnaden mellan 3 och 5 månader är lika som skillnaden mellan 5 och 7 månader. 0 betyder att man inte haft kontakt med innovations Stockholm.) F2 Nominalskala (ingen
Läs mer1b) Om denna överstiger det kritiska värdet förkastas nollhypotesen. 1c)
1a) F1 och F3 nominalskala, enbart olika saker F kvotskala, Riktiga siffror, 0 betyder att man inte finns och avståndet mellan två värden är exakt definierat F4 och F5 ordinalskala, vi kan ordna svaren
Läs merIcke parametriska metoder för variabler mätta på nominal- eller ordinalskala
Föreläsningsanteckningar till: F14 icke parametriska metoder F15 icke parametriska metoder Icke parametriska metoder för variabler mätta på nominal- eller ordinalskala Föreläsningarna baseras på kapitel
Läs merViktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik.
Viktiga dimensioner vid val av test (och även val av deskriptiv statistik) Biostatistik II - Hypotesprövning i teori och praktik Urvalsstorlek Mätnivå/skaltyp Fördelning av data Studiedesign Frida Eek
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Torsdagen den 24 e mars Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Torsdagen den 24 e mars 2016 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merLaboration 2. Omprovsuppgift MÄLARDALENS HÖGSKOLA. Akademin för ekonomi, samhälle och teknik
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik och kvantitativa undersökningar, A 15 Hp Vårterminen 2017 Laboration 2 Omprovsuppgift Regressionsanalys, baserat på Sveriges kommuner
Läs merTentamen på. Statistik och kvantitativa undersökningar STA100, 15 HP. Ten1 9 HP. 19 e augusti 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 HP Ten1 9 HP 19 e augusti 2015 Tillåtna hjälpmedel: Miniräknare
Läs merMedicinsk statistik II
Medicinsk statistik II Läkarprogrammet T5 HT 2014 Susann Ullén FoU-centrum Skåne Skånes Universitetssjukhus Hypotesprövning Man sätter upp en nollhypotes (H0) och en mothypotes (H1) H0: Ingen effekt H1:
Läs merMall och manual för granskning av interventionsstudier
Mall och manual för granskning av interventionsstudier Denna granskningsmall är modifierad efter original från SBU (5), 2002-12-12. En vetenskaplig artikel är oftast indelad i följande avsnitt: introduktion,
Läs merStatistik och epidemiologi T5
Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Dagens föreläsning Fördjupning av hypotesprövning Repetition av p-värde och konfidensintervall Tester för ytterligare situationer
Läs merLektionsanteckningar 11-12: Normalfördelningen
Lektionsanteckningar 11-12: Normalfördelningen När utfallsrummet för en slumpvariabel kan anta vilket värde som helst i ett givet intervall är variabeln kontinuerlig. Det är väsentligt att utfallsrummet
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 1
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 1 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merHöftledsdysplasi hos dansk-svensk gårdshund
Höftledsdysplasi hos dansk-svensk gårdshund Sjö A Sjö B Förekomst av parasitdrabbad öring i olika sjöar Sjö C Jämföra medelvärden hos kopplade stickprov Tio elitlöpare springer samma sträcka i en för dem
Läs mer2. Test av hypotes rörande medianen i en population.
Stat. teori gk, ht 006, JW F0 ICKE-PARAMETRISKA TEST (NCT 15.1, 15.3-15.4) Ordlista till NCT Nonparametric Sign test Rank Icke-parametrisk Teckentest Rang Teckentest Teckentestet är formellt ingenting
Läs merπ = proportionen plustecken i populationen. Det numeriska värdet på π är okänt.
Stat. teori gk, vt 006, JW F0 ICKE-PARAMETRISKA TEST (NCT 13.1, 13.3-13.4) Or dlista till NCT Nonparametric Sign test Rank Teckentest Icke-parametrisk Teckentest Rang Teckentestet är formellt ingenting
Läs merSTOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh
STOCKHOLMS UNIVERSITET VT 2009 Statistiska institutionen Jörgen Säve-Söderbergh Skriftlig tentamen på momentet Statistisk dataanalys I (SDA l), 3 högskolepoäng ingående i kursen Undersökningsmetodik och
Läs merFöreläsning 6. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 6 Statistik; teori och tillämpning i biologi 1 Analysis of Variance (ANOVA) (GB s. 202-218, BB s. 190-206) ANOVA är en metod som används när man ska undersöka skillnader mellan flera olika
Läs merVälkomna till Statistik och kvantitativa undersökningar Lars Bohlin Syfte: Lärandemål. Lärandemål forts.
Föreläsningsanteckningar till: F1 introduktion, deskriptiv statistik 1 Välkomna till Statistik och a undersökningar Lars Bohlin 021-103198 lars.bohlin@mdh.se Syfte: Att ge studenten insikter i grunderna
Läs merFöreläsning 4. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 4 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Icke-parametriska test Mann-Whitneys test (kap 8.10 8.11) Wilcoxons test (kap 9.5) o Transformationer (kap 13) o Ev. Andelar
Läs merTENTAMEN I MATEMATISK STATISTIK Statistik för lärare 7,5 hp
UMEÅ UNIVERSITET Tentamen 2016-08-24 Sid 1 TENTAMEN I MATEMATISK STATISTIK Statistik för lärare 7,5 hp Skrivtid: 16-22 Tillåtna hjälpmedel: Miniräknare. Formelblad och tabeller bifogas till tentamen. Studenterna
Läs merResidualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Läs merF22, Icke-parametriska metoder.
Icke-parametriska metoder F22, Icke-parametriska metoder. Christian Tallberg Statistiska institutionen Stockholms universitet Tidigare när vi utfört inferens, dvs utifrån stickprov gjort konfidensintervall
Läs merEXAMINATION KVANTITATIV METOD vt-11 (110204)
ÖREBRO UNIVERSITET Hälsoakademin Idrott B Vetenskaplig metod EXAMINATION KVANTITATIV METOD vt-11 (110204) Examinationen består av 11 frågor, flera med tillhörande följdfrågor. Besvara alla frågor i direkt
Läs merMälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
Läs merAgenda. Statistik Termin 11, Läkarprogrammet, VT14. Forskningsprocessen. Agenda (forts.) Data - skalnivåer. Den heliga treenigheten
Agenda Statistik Termin 11, Läkarprogrammet, VT14 I: Grundläggande begrepp och beskrivande statistik II: Exempel på typisk forskning III. Frågestund Martin Cernvall martin.cernvall@pubcare.uu.se Grundläggande
Läs merOlika typer av variabler och skalor. 1. Nominalskala 2. Ordinalskala 3. Intervallskala 4. Kvotskala. Intervallskala. Nominalskala.
Olika typer av variabler och skalor Kvalitativ variabel -variabeln antar inte numeriska värden utan bara olika kategorier. vis olika bilmärken, eller man, kvinna. Kvantitativ variabel Antar numeriska värden
Läs merAgenda. Statistik Termin 10, Läkarprogrammet, VT15. Agenda (forts.) Forskningsprocessen. Data - skalnivåer. Den heliga treenigheten
Agenda Statistik Termin 10, Läkarprogrammet, VT15 I: Grundläggande begrepp och beskrivande statistik II: Exempel på typisk forskning III. Frågestund Martin Cernvall martin.cernvall@pubcare.uu.se Grundläggande
Läs merFöreläsning 1. 732G60 Statistiska metoder
Föreläsning 1 Statistiska metoder 1 Kursens uppbyggnad o 10 föreläsningar Teori blandas med exempel Läggs ut några dagar innan på kurshemsidan o 5 räknestugor Tillfälle för individuella frågor Viktigt
Läs merTentamen på. Statistik och kvantitativa undersökningar STA101, 15 hp. Tisdagen den 12 e januari Ten 1, 9 hp
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA101, 15 hp Tisdagen den 12 e januari 2016 Ten 1, 9 hp Tillåtna hjälpmedel:
Läs merStatistik Termin 10, Läkarprogrammet, HT16
I: Grundläggande begrepp och beskrivande statistik II: Exempel på typisk forskning III. Frågestund Statistik Termin 10, Läkarprogrammet, HT16 Martin Cernvall martin.cernvall@pubcare.uu.se Måndag 29/8 -
Läs merFöreläsning 5 och 6.
Föreläsning 5 och 6. Jesper Rydén Matematiska institutionen, Uppsala universitet jesper@math.uu.se Tillämpad statistik för STS vt 2014 Icke-parametriska metoder Föreläsningarnas innehåll: Allmänt, icke-parametrisk
Läs merEn kort instruktion för arbete i SPSS
En kort instruktion för arbete i SPSS Anpassad till kursen Statistik och kvantitativa undersökningar HT14 Lars Bohlin 1 Innehåll Att lägga in data i SPSS... 3 Att skapa nya variabler... 4 Koda en ny variabel
Läs merTentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 16 e januari 2015
MÄLARDALENS HÖGSKOLA Akademin för ekonomi, samhälle och teknik Statistik Tentamen på Statistik och kvantitativa undersökningar STA100, 15 hp Fredagen den 16 e januari 2015 Tillåtna hjälpmedel: Miniräknare
Läs merSkrivning/skriftlig eksamen till statistikdelen av kursen i forskningsmetodik maj 2002
Skrivning/skriftlig eksamen till statistikdelen av kursen i forskningsmetodik maj 2002 Skriv läsligt! Utrymmet/pladsen på pappret bör räcka att svara på. Om du fortsätter på något annat ställe, ange detta
Läs merFöreläsning 12: Regression
Föreläsning 12: Regression Matematisk statistik David Bolin Chalmers University of Technology Maj 15, 2014 Binomialfördelningen Låt X Bin(n, p). Vi observerar x och vill ha information om p. p = x/n är
Läs merHypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
Läs mer34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD
6.4 Att dra slutsatser på basis av statistisk analys en kort inledning - Man har ett stickprov, men man vill med hjälp av det få veta något om hela populationen => för att kunna dra slutsatser som gäller
Läs merGamla tentor (forts) ( x. x ) ) 2 x1
016-10-10 Gamla tentor - 016 1 1 (forts) ( x ) x1 x ) ( 1 x 1 016-10-10. En liten klinisk ministudie genomförs för att undersöka huruvida kostomläggning och ett träningsprogram lyckas sänka blodsockernivån
Läs merAnalys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken
Analys av medelvärden Jenny Selander jenny.selander@ki.se 524 800 29, plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken Jenny Selander, Kvant. metoder, FHV T1 december 20111 Innehåll Normalfördelningen
Läs merFÖRELÄSNINGSMATERIAL. diff SE. SE x x. Grundläggande statistik 2: KORRELATION OCH HYPOTESTESTNING. Påbyggnadskurs T1. Odontologisk profylaktik
Grundläggande statistik Påbyggnadskurs T1 Odontologisk profylaktik FÖRELÄSNINGSMATERIAL : KORRELATION OCH HYPOTESTESTNING t diff SE x 1 diff SE x x 1 x. Analytisk statistik Regression & Korrelation Oberoende
Läs merStatistik. Det finns tre sorters lögner: lögn, förbannad lögn och statistik
Statistik Statistik betyder ungefär sifferkunskap om staten Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information. Verkligheten
Läs merAnalytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens
Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större
Läs mer, s a. , s b. personer från Alingsås och n b
Skillnader i medelvärden, väntevärden, mellan två populationer I kapitel 8 testades hypoteser typ : µ=µ 0 där µ 0 var något visst intresserant värde Då användes testfunktionen där µ hämtas från, s är populationsstandardavvikelsen
Läs merHypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Läs merFöreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna
Läs merBeskrivande statistik Kapitel 19. (totalt 12 sidor)
Beskrivande statistik Kapitel 19. (totalt 12 sidor) För att åskådliggöra insamlat material från en undersökning används mått, tabeller och diagram vid sammanställningen. Det är därför viktigt med en grundläggande
Läs merEn kort instruktion för arbete i R Commander
En kort instruktion för arbete i R Commander Anpassad till kursen Statistik och kvantitativa undersökningar VT19 Lars Bohlin 1 Innehåll Allmänt om R Commander... 4 Att öppna en R datafil... 5 Att spara
Läs merTentamen på. Statistik och kvantitativa undersökningar STA001, 15 hp. Exempeltenta 5. Poäng. Totalt 40. Betygsgränser: G 20 VG 30
MÄLARDALENS HÖGSKOLA Akademin för hållbar samhälls- och teknikutveckling Statistik Tentamen på Statistik och kvantitativa undersökningar STA001, 15 hp Exempeltenta 5 Tillåtna hjälpmedel: Miniräknare (Formelsamling
Läs merF18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Läs merStatistiska analyser C2 Bivariat analys. Wieland Wermke
+ Statistiska analyser C2 Bivariat analys Wieland Wermke + Bivariat analys n Mål: Vi vill veta något om ett samband mellan två fenomen n à inom kvantitativa strategier kan man undersöka detta genom att
Läs merKapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA
Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA 12.1 ANOVA I EN MULTIPEL REGRESSION Exempel: Tjänar man mer som egenföretagare? Nedan visas ett utdrag ur ett dataset som innehåller information
Läs merFöreläsning G70 Statistik A
Föreläsning 1 732G70 Statistik A 1 Population och stickprov Population = den samling enheter (exempelvis individer) som vi vill dra slutsatser om. Populationen definieras på logisk väg med utgångspunkt
Läs mera) Facit till räkneseminarium 3
3.1 Fig 1. Sammanlagt 30 individer rekryteras till studien. Individerna randomiseras till en av de fyra studiearmarna (1: 500 mg artemisinin i kombination med piperakin, 2: 100 mg AMP1050 i kombination
Läs merIdag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Kamratgranskning Analys Exempel: exekveringstid Hur analysera data? Hur vet man om man kan lita på skillnader och mönster som man observerar?
Läs merVi har en ursprungspopulation/-fördelning med medelvärde µ.
P-värde P=probability Sannolikhetsvärde som är resultat av en statistisk test. Anger sannolikheten för att göra den observation vi har gjort eller ett sämre / mer extremt utfall om H 0 är sann. Vi har
Läs merF19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Läs merFöreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 1 Statistik; teori och tillämpning i biologi 1 Kursens uppbyggnad 9 föreläsningar Föreläsningsunderlag läggs ut på kurshemsidan 5 lektioner Uppgifter från kursboken enligt planering 5 laborationer
Läs merStatistik och epidemiologi T5
Statistik och epidemiologi T5 Anna Axmon Biostatistiker Yrkes- och miljömedicin Biostatistik kursmål Dra slutsatser utifrån basala statistiska begrepp och analyser och själva kunna använda sådana metoder.
Läs merProvmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13
Matematisk Statistik 7,5 högskolepoäng Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling Tentamensdatum: 28 maj 2018 Tid: 9-13 Hjälpmedel: Miniräknare
Läs merSOPA62 - Kunskapsproduktion i socialt arbete
SOPA62 - Kunskapsproduktion i socialt arbete 2. Mer hypotesprövning och något om rapporten 1 Evidensbaserad behandling Behandling bygger på vetenskap och beprövad erfarenhet. "Beprövad erfarenhet" får
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 Hypotesprövning Innehåll Hypotesprövning 1 Hypotesprövning Inledande exempel Hypotesprövning Exempel. Vi är intresserade av en variabel X om vilken vi kan anta att den är (approximativt) normalfördelad
Läs merStatistik 1 för biologer, logopeder och psykologer
Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Innehåll 1 2 Diskreta observationer Kontinuerliga observationer 3 Centralmått Spridningsmått Vad är statistik?
Läs merStatistikens grunder. Mattias Nilsson Benfatto, Ph.D
Statistikens grunder Mattias Nilsson Benfatto, Ph.D Vad är statistik? Statistik är en gren inom tillämpad matematik som sysslar med insamling, utvärdering, analys och presentation av data eller information.
Läs merSänkningen av parasitnivåerna i blodet
4.1 Oberoende (x-axeln) Kön Kön Längd Ålder Dos Dos C max Parasitnivå i blodet Beroende (y-axeln) Längd Vikt Vikt Vikt C max Sänkningen av parasitnivåerna i blodet Sänkningen av parasitnivåerna i blodet
Läs merTillämpad statistik Naprapathögskolan. Henrik Källberg www.henrikkallberg.com Henrik.Kallberg@ki.se Tel. 08-5248 74 82
Tillämpad statistik Naprapathögskolan Henrik Källberg www.henrikkallberg.com Henrik.Kallberg@ki.se Tel. 08-5248 74 82 Mål! Introducera deskriptiv statistik Förklara grundläggande begrepp inom statistik
Läs merEn mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart:
En mcket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: För en mätserie som denna är det ganska klart att det finns en koppling mellan -variabeln
Läs merIdag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid
EDAA35, föreläsning 4 KVANTITATIV ANALYS Idag Kvantitativ analys Slump och slumptal Analys Boxplot Konfidensintervall Experiment och test Kamratgranskning Kursmeddelanden Analys Om laborationer: alla labbar
Läs merFöreläsning 8. Kapitel 9 och 10 sid Samband mellan kvalitativa och kvantitativa variabler
Föreläsning 8 Kapitel 9 och 10 sid 230-284 Samband mellan kvalitativa och kvantitativa variabler 2 Agenda Samband mellan kvalitativa variabler Chitvåtest för analys av frekvenstabell och korstabell Samband
Läs merTentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.
Tentamen 2014-12-05 i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder. Tillåtna hjälpmedel: Miniräknare och utdelad formelsamling med tabeller. C1. (6 poäng) Ange för
Läs merStatistiska undersökningar
Arbetsgång vid statistiska undersökningar Problemformulering, målsättning Statistiska undersökningar Arbetsgången mm Definition av målpopulation Framställning av urvalsram Urval Utformning av mätinstrument
Läs merFöreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012
Föreläsning 1 Repetition av sannolikhetsteori Patrik Zetterberg 6 december 2012 1 / 28 Viktiga statistiska begrepp För att kunna förstå mer avancerade koncept under kursens gång är det viktigt att vi förstår
Läs merOBS! Vi har nya rutiner.
KOD: Kurskod: PM2315 Kursnamn: Metoder för psykologisk forskning (15 hp) Ansvarig lärare: Leif Strömwall Tentamensdatum: 2012-03-22 Tillåtna hjälpmedel: Miniräknare samt bifogad formel- och tabellsamling
Läs merFöreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Läs merBilaga 3. Varselstatistik, bortfallsanalys och statistiska beräkningar
bilaga till granskningsrapport dnr: 31-2013-0722 rir 2014:27 Bilaga 3. Varselstatistik, bortfallsanalys och statistiska beräkningar Arbetsförmedlingens arbete vid varsel Ett bidrag till effektiva omställningsinsatser?
Läs merFöreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Binomialfördelning (kap 24.1) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test
Läs merTypvärde. Mest frekventa värdet Används framförallt vid nominalskala Ex: typvärdet. Kemi 250. Ekon 570. Psyk 120. Mate 195.
Lägesmått Det kan ibland räcka med ett lägesmått för att beskriva datamaterial Lägesmåttet kan vara bra att använda då olika datamaterial skall jämföras Vilket lägesmått som skall användas: Typvärde Median
Läs mer732G01/732G40 Grundläggande statistik (7.5hp)
732G01/732G40 Grundläggande statistik (7.5hp) 2 Grundläggande statistik, 7.5 hp Mål: Kursens mål är att den studerande ska tillägna sig en översikt över centrala begrepp och betraktelsesätt inom statistik.
Läs merAnalytisk statistik. Tony Pansell, optiker Universitetslektor
Analytisk statistik Tony Pansell, optiker Universitetslektor Analytisk statistik Att dra slutsatser från det insamlade materialet. Två metoder: 1. att generalisera från en mindre grupp mot en större grupp
Läs mer