8.2 Dataanalyse og feilkilder

Fra rådata til innsikt

Når eksperimentet er gjennomført og dataene samlet inn, begynner det virkelige arbeidet: å analysere dem for å trekke meningsfulle konklusjoner. Tall i en tabell forteller lite før vi bearbeider dem. Vi må organisere dataene, regne ut gjennomsnitt og usikkerhet, fremstille dem grafisk, tilpasse en matematisk modell, vurdere hvor godt den passer, og identifisere feilkilder og avvik. I dette kapittelet skal vi lære hele dataanalyseprosessen — grafer, lineær regresjon, R²-verdien, linearisering av ikke-lineære sammenhenger, og hvordan vi håndterer outliers og vurderer reproduserbarhet.

Tabeller, grafer og lineær regresjon

Første steg er å organisere dataene i en ryddig tabell med kolonner for uavhengig og avhengig variabel, gjentatte målinger, gjennomsnitt, enheter og usikkerhet. Deretter lager vi en graf — kanskje dataanalysens viktigste verktøy, fordi den avslører mønstre og avvik som tallene skjuler. En god graf har tittel, aksetitler med enhet, passende skala, tydelige datapunkter, feilstaver som viser usikkerheten, og en best-tilpasset kurve. Den uavhengige variabelen går langs x-aksen, den avhengige langs y-aksen. Du skal aldri koble datapunktene med rette linjer mellom hvert punkt — det er ikke en kurvetilpasning.

For å finne den beste rette linjen gjennom datapunktene bruker vi lineær regresjon med formen $y = ax + b$, der $a$ er stigningstallet og $b$ konstantleddet. Den vanligste metoden er minste kvadraters metode, som finner $a$ og $b$ ved å minimere summen av de kvadrerte avstandene mellom punktene og linjen, $S = \sum(y_i - (ax_i + b))^2$. I praksis bruker vi digitale verktøy som GeoGebra, Excel eller Python, som også gir usikkerhetene i $a$ og $b$. Et eksempel: måler vi strømmen gjennom en motstand ved ulike spenninger og plotter $I$ mot $U$, gir stigningstallet $1/R$ ifølge Ohms lov — slik bestemmer vi motstanden.

R²-verdien og linearisering

Hvor godt passer modellen? Det forteller R²-verdien (bestemmelseskoeffisienten), et tall mellom $0$ og $1$ som angir hvor stor andel av variasjonen i dataene modellen forklarer: $\displaystyle R^2 = 1 - \frac{\sum(y_i - \hat{y}_i)^2}{\sum(y_i - \bar{y})^2}$. En $R^2 > 0{,}99$ er en utmerket tilpasning, $0{,}95$–$0{,}99$ god, og under $0{,}90$ svak — da bør du vurdere om modellen passer. Men pass på: en høy $R^2$ betyr ikke automatisk at den lineære modellen er riktig, så sjekk alltid residualene (avvikene) visuelt. For en lineær modell er $R^2 = r^2$, der $r$ er korrelasjonskoeffisienten.

Mange fysiske sammenhenger er ikke-lineære, men vi kan ofte linearisere dem ved å transformere variablene. En potenssammenheng $y = ax^n$ blir lineær hvis vi tar logaritmen: $\ln y = \ln a + n\ln x$, så et log-log-plot av $\ln y$ mot $\ln x$ gir en rett linje med stigningstall $n$. En eksponentiell sammenheng $y = ae^{bx}$ gir $\ln y = \ln a + bx$, så $\ln y$ mot $x$ gir stigningstall $b$. En invers sammenheng $y = a/x + b$ lineariseres ved å plotte $y$ mot $1/x$. Det klassiske eksempelet er pendelen: $T = 2\pi\sqrt{L/g}$ blir $T^2 = (4\pi^2/g)L$, så et plot av $T^2$ mot $L$ gir en rett linje gjennom origo med stigningstall $4\pi^2/g$ — og dermed kan vi bestemme tyngdeakselerasjonen $g$ fra stigningstallet.

Feilkilder, outliers og reproduserbarhet

En viktig del av analysen er å identifisere feilkilder. Systematiske feil — feilkalibrerte instrumenter, parallaksefeil, uberegnet friksjon, reaksjonstid ved manuell tidtaking — avsløres gjerne ved at resultatet konsekvent avviker fra en tabellverdi, eller ved å måle med ulike metoder. Tilfeldige feil — vibrasjoner, variasjoner i startbetingelser, elektronisk støy — reduseres ved å gjenta målinger.

Noen ganger dukker det opp en outlier: et datapunkt som avviker markant fra de andre, ofte mer enn $2s$ eller $3s$ fra gjennomsnittet. Det kan skyldes en avlesingsfeil, en forstyrrelse eller et ekte fenomen. Regelen er streng: undersøk alltid årsaken, og hvis du fjerner en outlier, må du begrunne hvorfor — fjern aldri data bare fordi de «ser feil ut». Gjør gjerne regresjonen både med og uten for å vise at konklusjonen holder. Chauvenet-kriteriet gir en statistisk test.

Til slutt: et grunnprinsipp i all vitenskap er reproduserbarhet. Vi skiller mellom repeterbarhet (samme person, samme utstyr) og reproduserbarhet (andre forskere, annet utstyr, annet sted). To resultater er forenlige hvis usikkerhetsintervallene overlapper — mer presist hvis $|x_1 - x_2| \leq 2\sqrt{\Delta x_1^2 + \Delta x_2^2}$. God reproduserbarhet krever grundig dokumentasjon av oppsett, instrumenter, omgivelser og analysemetoder.

Oppsummering

Dataanalyse går fra rådata til innsikt: organiser i tabeller, lag grafer med feilstaver, og finn den beste linjen med lineær regresjon ($y = ax + b$, minste kvadraters metode). R²-verdien måler hvor godt modellen passer (1 = perfekt). Ikke-lineære sammenhenger lineariseres — log-log for potenser, semilog for eksponentialer, $T^2$ mot $L$ for pendelen for å finne $g$. Vi identifiserer systematiske og tilfeldige feilkilder, håndterer outliers med begrunnelse, og sikrer reproduserbarhet gjennom grundig dokumentasjon. To resultater er forenlige når usikkerhetsintervallene overlapper.