14.1 Statistikk-regnedrill (blokk 1s svarlogikk)

Samlet drill av alle statistikk-regneprosedyrene med eksplisitte

70 min

12 oppgaver

Statistikk-regnedrill (blokk 1s svarlogikk)

Din fremgang i kapitlet

0 / 12 oppgaver

Kapitlets plass i kurset

Bygger på

4.5Anvendte metoder — flokkimmunitet, overlevelse og regresjon

Brukes videre i

14.4Øvingseksamen blokk 1 (digital, blandet + statistikk)

Hvilken eksamen trener du her? Blokk 1 — den digitale eksamenen i Inspera (UiOs digitale eksamenssystem) på rundt fem timer. Modulen har tre blokkeksamener: tre separate eksamensdager med hvert sitt format, som alle må bestås hver for seg. Dette kapitlet trener den fjerde og største seksjonen av blokk 1: statistikken, som teller 40 prosent — dobbelt så mye som hver av de tre andre seksjonene.

Hvor ofte kommer det? Alt i dette kapitlet er gjengangere. Konfidensintervall er observert i rundt 15 av de 16 lesbare sittingene av blokk 1 fra 2021 til 2026 (én «sitting» = én gjennomføring, ordinær eller utsatt), hypotesetest i rundt 15 av 16, 2×2-tabell med kji-kvadrat i rundt 12 av 16, effektmålene odds ratio, relativ risiko og prevalensratio i rundt 12 av 16, t-test i rundt 11 av 16 og utvalgsstørrelse eller styrke i rundt 10 av 16. I tillegg rullerer ett anvendt tema per sitting — Kaplan-Meier, flokkimmunitet, styrkeberegning eller regresjon — og derfor driller kapitlet alle fire.

I hvilken form? B1-STAT — statistikkoppgaven i blokk 1: en regne- og resonnementoppgave besvart i fritekst, der utregningen skal være synlig. Det er den ene sjangeren dette kapitlet handler om, fra første til siste oppgave.

Hva sensor ser etter, konkret. Ikke tallet. Føringen. To feil koster mer enn alt annet i denne seksjonen: felle E22, som er å oppgi et sluttsvar uten å vise utregningen, og felle E12, som er å levere et tall uten setningen som sier hva det betyr. Begge er feil du kan gjøre selv om du regner helt riktig — og begge er borte i det øyeblikket du automatiserer føringen i dette kapitlet.

Hjelpemidler. Enkel kalkulator (Citizen SR-270X eller Casio FX-82EX), statistiske tabeller og en utdelt formelsamling. Formlene ligger altså foran deg. Det du trenes på her, er å velge riktig test, sjekke forutsetningene, sette tallene på rett plass og formulere tolkningen — ikke å huske formler utenat.

Hvordan rettes det? Manuelt, av sensor. Ingen dokumentert minuspoengordning i blokk 1 — svar alltid, også når du bare kommer halvveis. Riktig framgangsmåte premieres over eksakt tallsvar, og en regnefeil som forplanter seg videre trekkes ikke to ganger. Vurderingen er bestått / ikke bestått.

Tid: kapitlet er delt i fire løkker på omtrent 16, 16, 20 og 18 minutter, med pausepunkter underveis. Regner du oppgavene selv med kalkulator — og det er hele poenget med kapitlet — legg på rundt halvparten.

Forkunnskaper — sist du var her

Dette kapitlet regner ikke ut noe nytt. Det samler prosedyrene fra Del 4 og fra kap. 3.1 og driller føringen av dem. Har du lest de kapitlene, er du klar; har du ikke, kan du lese dem parallelt med at du regner her.

- kap. 3.1 — testegenskaper: sensitivitet, spesifisitet, positiv og negativ prediktiv verdi.
- kap. 4.1 — konfidensintervall for andel og gjennomsnitt.
- kap. 4.2 — hypotesetesting med $z$ og $t$ .
- kap. 4.3 — 2×2-tabeller, kji-kvadrat og effektmålene.
- kap. 4.4 — utvalgsstørrelse, styrke og binomisk fordeling.
- kap. 4.5 — flokkimmunitet, overlevelseskurver og regresjon.
- kap. 0.2 — de seks kredittreglene og feilkoderegisteret.

De tre tingene alt under hviler på, friskt opp:

1. Den seksstegs føringen. Definer parameteren i ord → skriv $H_0$ og $H_a$ → velg test og sjekk forutsetningene → sett inn med tall → sammenlign med den kritiske verdien → konkluder i klartekst. Dette er selve gjenstanden for kapitlet.

2. De kritiske verdiene du kommer til å bruke hele veien. $1{,}96$ for standardnormalfordelingen ved tosidig 5 prosent nivå (faktoren $2$ godtas som tilnærming), $3{,}84$ for kji-kvadrat med én frihetsgrad på 5 prosent nivå, og $t$ -verdier fra tabellen når utvalget er lite: $2{,}145$ ved 14 frihetsgrader, $2{,}131$ ved 15, $2{,}064$ ved 24, $2{,}021$ ved 40.

3. Standardfeilen er alltid det samme grepet. For en andel: $\text{SE}(\hat p) = \sqrt{\hat p(1-\hat p)/n}$ . For et gjennomsnitt: $\text{SE}(\bar x) = s/\sqrt{n}$ . Alt annet i seksjonen er varianter over disse to.

Kapitlet forutsetter ingen ny fagkunnskap i medisin. Alle casene er oppdiktede og tallene er valgt for regningens skyld.

Nøkkelfakta- og formelliste

Slik er kapitlet bygd

Dette er ikke et kapittel som lærer deg noe nytt om statistikk. Det er et kapittel som lærer deg å skrive ned det du allerede kan, slik at det gir uttelling.

Erfaringen fra føringen er at det er her poengene forsvinner. To kandidater regner samme konfidensintervall og får samme tall. Den ene skriver tallet. Den andre bruker to minutter ekstra på fem linjer rundt tallet: hva parameteren er, hvilken formel som ble brukt, hva som ble satt inn, hva intervallet dekker, og hva det betyr for spørsmålet som ble stilt. Bare den andre har levert et ferdig svar.

Kapitlets fire løkker følger de fire familiene av statistikkoppgaver i blokk 1:

1. Estimering — konfidensintervall for andel og gjennomsnitt.
2. Testing — hypotesetest for andel, to-utvalgs og parret $t$ -test.
3. Tabeller — 2×2 med kji-kvadrat, effektmål og testegenskaper.
4. De anvendte temaene — utvalgsstørrelse, persontid, flokkimmunitet, overlevelse og regresjon.

Hver løkke har en gjennomgått eksamenscase med sensor-margnotater i margen: små merknader som sier hvor delpoengene faktisk sitter. Deretter kommer oppgavene, og de er alle på eksamensnivå.

— naturlig pausepunkt —

📜Løsningsoppskrift: føringen som gjelder alle statistikkoppgaver i blokk 1

Kjør disse seks stegene på hver eneste B1-STAT-oppgave, også når oppgaven ser triviell ut. Under tidspress er det den automatiserte rutinen som redder deg, ikke improvisasjonen.

1. Definer parameteren i ord. «La $p$ være andelen i hele befolkningen som …», «La $\mu_1-\mu_2$ være forskjellen i gjennomsnittlig måleverdi mellom gruppe 1 og gruppe 2.» Én linje. Uten den vet ikke sensor hva hypotesen din handler om.
2. Skriv $H_0$ og $H_a$ eksplisitt, symbolsk og i ord. Dette er det enkeltkravet som går igjen sterkest i blokk 1. Skal du bare lage et konfidensintervall, hopper du over steg 2 — men da sier du det: «her skal ingen hypotese testes, bare estimeres».
3. Velg test og sjekk forutsetningene. Skriv hvilken test du bruker, og én linje om hvorfor den er lovlig: er utvalget stort nok, er observasjonene uavhengige, er de forventede celletallene minst 5?
4. Sett inn med tall. Skriv formelen først, så samme formel med tallene i, så resultatet. Det er dette leddet som gjør at du beholder uttellingen selv om kalkulatoren gir deg noe rart.
5. Sammenlign med den kritiske verdien, og si hva sammenligningen betyr teknisk: forkastes $H_0$ eller ikke? For et intervall: dekker det nullverdien eller ikke?
6. Konkluder i klartekst. Én setning på vanlig norsk om hva dette betyr for spørsmålet oppgaven stilte. Uten den er svaret ikke ferdig.

To praktiske tillegg. Alle tallsvar har enhet eller benevning — en andel som andel eller prosent, en forskjell i samme enhet som det som måles, en rate med tidsenhet. Og bruk 2–3 gjeldende siffer i sluttsvaret, gjerne ett mer i mellomregningen.

Hvor lang tid tar det? Steg 1, 2, 3 og 6 tar til sammen under to minutter når de sitter. Det er den billigste uttellingen i hele modulen.

Vist utregning

Vist utregning betyr at formelen står der med tallene satt inn, slik at sensor kan følge veien fra oppgitte tall til svar. Det holder ikke å skrive resultatet, og det holder ikke å skrive formelen tom. Kravet er ikke pynt. Det er det som gjør regelen om at det ikke trekkes for følgefeil brukbar for deg: en sensor kan bare se at en feil var en følgefeil hvis det står hvor den oppsto. En besvarelse som består av ett tall, gir ingen slik mulighet — er tallet galt, er det bare galt. Å oppgi sluttsvar uten synlig utregning er felle E22, og det er den dyreste vanen i statistikkseksjonen fordi den fjerner hele delpoengmuligheten på en oppgave du kanskje kunne nesten alt av.

Parameterdefinisjonen

p

Forutsetningssjekk

n\hat p

✏️Eksempel 1: Konfidensintervall for en andel, ført for full pott (B1-STAT)

I en oppdiktet spørreundersøkelse i en kommune svarer 625 tilfeldig trukne voksne. 175 av dem oppgir at de har en bestemt egenskap.

Anslå hvor stor andelen er i hele den voksne befolkningen i kommunen, med et 95 prosent konfidensintervall. Vis utregningen.

Steg 1 — parameteren. La

p

være andelen av alle voksne i kommunen som har egenskapen. Utvalget er trukket tilfeldig, så

\hat p

estimerer

p

Sensor-margnotat: denne ene linjen er ofte verdt et delpoeng i seg selv, og den tar ti sekunder å skrive.

Steg 2 — hypoteser. Ingen. Oppgaven ber om et estimat, ikke en test. Det sies eksplisitt, slik at sensor ser at det er et valg og ikke en forglemmelse.

Steg 3 — metode og forutsetninger. Normaltilnærming til andelen. Kontroll: $n\hat p = 175$ og $n(1-\hat p) = 450$ , begge langt over 5. Tilnærmingen er lovlig.

Steg 4 — innsetting.

$\hat p = \frac{175}{625} = 0{,}28$

$\text{SE}(\hat p) = \sqrt{\frac{\hat p(1-\hat p)}{n}} = \sqrt{\frac{0{,}28 \cdot 0{,}72}{625}} = \sqrt{0{,}000323} = 0{,}0180$

$\hat p \pm 1{,}96 \cdot \text{SE} = 0{,}28 \pm 1{,}96 \cdot 0{,}0180 = 0{,}28 \pm 0{,}0352$

Sensor-margnotat: her ligger tyngdepunktet av delpoengene. Formel, innsetting og resultat på tre linjer.

Steg 5 — resultatet.

$\text{KI}_{95} = [\,0{,}245,\ 0{,}315\,] \quad \text{altså fra } 24{,}5\ \text{til } 31{,}5 \text{ prosent}$

Steg 6 — klartekst-tolkning. Andelen med egenskapen blant voksne i kommunen anslås til 28 prosent, og tallene er forenlige med at den sanne andelen ligger et sted mellom rundt 24,5 og 31,5 prosent. Presisjonen er altså på rundt tre prosentpoeng hver vei.

Kontroll med den godtatte tilnærmingen. Bruker du faktoren $2$ i stedet for $1{,}96$ , blir marginen $0{,}0359$ og intervallet $[0{,}244,\ 0{,}316]$ . Forskjellen er i tredje desimal. Begge veier godtas, og faktor 2 er raskere under tidspress.

Sensor-margnotat: sensorveiledningen i blokk 1-settene fra høsten 2025 og våren 2026 sier at det ikke skal trekkes for følgefeil. Hadde standardfeilen blitt regnet litt feil her, men resten av føringen vært riktig, ville det meste av uttellingen stått.

Hva som IKKE kreves: at du diskuterer valget mellom ulike intervallmetoder for andeler, eller at du kommenterer at intervallet er symmetrisk. Det er tid brukt et sted den ikke gir uttelling.

📝Oppgave 1

(Innsteg, B1-STAT — statistikkoppgaven i blokk 1.) En kandidat leverer dette som hele svaret på en oppgave som ba om et 95 prosent konfidensintervall for en andel:

« $0{,}34 \pm 0{,}05$ , altså fra 0,29 til 0,39.»

Tallene er riktige.

a) Hvilke av de seks stegene i føringen mangler?

b) Skriv om svaret slik at det er komplett. Bruk $n = 350$ og $\hat p = 0{,}34$ , og oppgi at egenskapen gjelder voksne i et oppdiktet utvalg.

📝Oppgave 2

Eksamensnivå, B1-STAT

I en oppdiktet studie måles en kontinuerlig blodprøveverdi hos 25 friske frivillige. Gjennomsnittet er $\bar x = 7{,}20\ \text{mmol/L}$ og standardavviket i utvalget er $s = 1{,}50\ \text{mmol/L}$ .

a) Lag et 95 prosent konfidensintervall for forventningen i populasjonen. Bruk $t_{24} = 2{,}064$ .

b) En kollega foreslår å bruke $1{,}96$ i stedet. Hvor mye endrer det intervallet, og er forslaget forsvarlig her?

Løkke 2 — testing: fra hypotese til konklusjon (rundt 16 min)

En hypotesetest er den samme seksstegs føringen, men nå med steg 2 og 5 som tyngdepunkt. To ting avgjør uttellingen.

Det første er hypotesene. De skal stå der, symbolsk og i ord, før du regner. En test uten uttalt nullhypotese er som en dom uten tiltale — sensor kan ikke se hva du faktisk avviste.

Det andre er valget av kritisk verdi. Her ligger den vanligste tekniske feilen i hele seksjonen: å bruke $1{,}96$ når $t$ -tabellen kreves. Det er felle E6, og eksempelet under er konstruert nettopp for å vise at den kan snu konklusjonen — ikke bare flytte en desimal.

En tredje ting er verdt en advarsel allerede nå: hva som er én observasjon. Fire målinger på samme person er ikke fire uavhengige observasjoner. To målinger på samme person før og etter noe er ett par, ikke to grupper. Å behandle avhengige observasjoner som uavhengige er felle E5, og den gjør teststørrelsen for stor — altså konklusjonen for skråsikker.

Når

t

erstatter 1,96

t

Faktor 2 i den tosidige p-verdien

En tosidig p-verdi er sannsynligheten for å observere noe minst så ekstremt som det du så, i begge retninger . Derfor er den dobbelt så stor som halesannsynligheten du leser rett ut av tabellen. Den skiller seg fra den ensidige p-verdien ved hva slags spørsmål den svarer på. Ensidig spør «er den større?»; tosidig spør «er den forskjellig?». Nesten alle oppgaver i blokk 1 er tosidige, med mindre noe annet står eksplisitt. Å glemme doblingen er felle E11, og den er lumsk fordi den bare gjør feil i grensetilfellene: en ensidig p på 0,04 blir tosidig 0,08, og konklusjonen snur fra «signifikant» til «ikke signifikant».

✏️Eksempel 2: To-utvalgs $t$-test der valget av kritisk verdi snur konklusjonen (B1-STAT)

To oppdiktede grupper på 8 personer hver får målt samme kontinuerlige laboratorieverdi.

Gruppe	$n$	$\bar x$ (enheter)	$s$ (enheter)
A	8	5,40	0,62
B	8	4,80	0,55

Test på 5 prosent nivå om gjennomsnittene er forskjellige. Vis utregningen og konkluder.

Steg 1 — parameteren. La

\mu_A

\mu_B

være forventet måleverdi i de to populasjonene gruppene er trukket fra.

Steg 2 — hypotesene.

$H_0:\ \mu_A = \mu_B \qquad \text{(ingen forskjell i forventet verdi mellom gruppene)}$
$H_a:\ \mu_A \neq \mu_B \qquad \text{(det er en forskjell, i en av retningene)}$

Testen er tosidig, siden oppgaven spør om gruppene er forskjellige, ikke om A er større.

Steg 3 — test og forutsetninger. To-utvalgs $t$ -test med felles varians. Gruppene er uavhengige (ulike personer), utvalgsstandardavvikene er nesten like ( $0{,}62$ og $0{,}55$ ), så felles varians er forsvarlig. Frihetsgrader: $\text{df} = 8 + 8 - 2 = 14$ .

Sensor-margnotat: frihetsgradene er ikke en formalitet. De bestemmer hvilken terskel du sammenligner mot, og i denne oppgaven er det de som avgjør svaret.

Steg 4 — innsetting.

$s_p^2 = \frac{(8-1)\cdot 0{,}62^2 + (8-1)\cdot 0{,}55^2}{14} = \frac{7 \cdot 0{,}3844 + 7 \cdot 0{,}3025}{14} = \frac{4{,}808}{14} = 0{,}3435$

$s_p = \sqrt{0{,}3435} = 0{,}586$

$\text{SE} = s_p\sqrt{\tfrac18 + \tfrac18} = 0{,}586 \cdot \sqrt{0{,}25} = 0{,}586 \cdot 0{,}5 = 0{,}293$

$t = \frac{5{,}40 - 4{,}80}{0{,}293} = \frac{0{,}60}{0{,}293} = 2{,}05$

Steg 5 — sammenligningen. Kritisk verdi fra $t$ -tabellen ved 14 frihetsgrader og tosidig 5 prosent nivå: $2{,}145$ .

$|t| = 2{,}05 < 2{,}145 \quad \Rightarrow \quad H_0 \text{ beholdes}$

Her er hele poenget med eksempelet. Hadde du sammenlignet med $1{,}96$ , ville du fått $2{,}05 > 1{,}96$ og forkastet $H_0$ — motsatt konklusjon. Det er felle E6 i renkultur: ikke en unøyaktighet, men et annet svar.

Steg 6 — klartekst-tolkning. Forskjellen på $0{,}60$ enheter mellom gruppene er ikke statistisk signifikant på 5 prosent nivå. Med bare åtte personer i hver gruppe kan en forskjell av denne størrelsen godt skyldes tilfeldig variasjon.

Presiseringen som skiller et ferdig svar fra et halvferdig: dette betyr ikke at gruppene er like. Punktestimatet er en forskjell på $0{,}60$ enheter, og testen er svært nær grensen. Å lese resultatet som «ingen effekt» er felle E4. Riktig formulering er at studien er for liten til å avgjøre spørsmålet — et konfidensintervall for differansen ville vist hvor bredt spennet av forenlige verdier er.

Sensor-margnotat: nettopp denne presiseringen er det som premieres i blokk 1. Den koster én setning og viser at kandidaten forstår hva en test kan og ikke kan si.

📝Oppgave 3

Eksamensnivå, B1-STAT

I en oppdiktet undersøkelse testes 400 personer uavhengig av hverandre. En tidligere, større kartlegging i samme befolkning fant at andelen med et gitt utfall var 20 prosent. I det nye utvalget har 104 personer utfallet.

Test på 5 prosent nivå om andelen har endret seg. Vis hele føringen.

📝Oppgave 4

Eksamensnivå, B1-STAT

I en oppdiktet studie måles samme kontinuerlige verdi hos 16 personer ved to anledninger, med et mellomrom på seks måneder. For hver person regnes differansen mellom de to målingene. Gjennomsnittlig differanse er $\bar d = 0{,}45$ enheter, med standardavvik $s_d = 0{,}80$ enheter.

a) Forklar hvorfor en to-utvalgs $t$ -test ville vært feil her.

b) Utfør riktig test på 5 prosent nivå. Bruk $t_{15} = 2{,}131$ .

Løkke 3 — tabeller: effektmål, kji-kvadrat og testegenskaper (rundt 20 min)

Dette er den tyngste løkka, og den som gir flest poeng per minutt hvis oppsettet sitter.

Alle 2×2-oppgaver begynner likt: tegn tabellen, med eksponering i radene og utfall i kolonnene, og skriv på marginalsummene med én gang. Halvparten av feilene i denne sjangeren er ikke regnefeil, men at et tall er havnet i feil celle.

Deretter er det tre spørsmål oppgaven kan stille, og de krever ulikt svar:

1. Hvor stor er sammenhengen? → et effektmål: relativ risiko, odds ratio, prevalensratio eller risikodifferanse.
2. Er sammenhengen statistisk sikker? → kji-kvadrattesten, eller en $z$ -test på andelsforskjellen. Begge godtas.
3. Hvor godt klassifiserer testen? → sensitivitet og spesifisitet, eller prediktive verdier.

Den siste er sitt eget landskap. Sensitivitet og spesifisitet er egenskaper ved testen og endrer seg ikke når forekomsten endrer seg. Positiv og negativ prediktiv verdi er egenskaper ved testen brukt i en bestemt gruppe, og de flytter seg dramatisk med forekomsten. Å blande dem er den mest gjentatte begrepsfeilen i hele samfunnsmedisin-delen.

— naturlig pausepunkt —

✏️Eksempel 3: 2×2 med kji-kvadrat og alle effektmålene (B1-STAT, eksamensnivå)

En oppdiktet oppfølgingsstudie følger 300 eksponerte og 300 ikke-eksponerte i like lang tid. Utfallet inntreffer hos 90 eksponerte og 60 ikke-eksponerte.

a) Sett opp tabellen og regn ut relativ risiko, odds ratio og risikodifferanse.

b) Test på 5 prosent nivå om det er en sammenheng.

c) Tolk resultatet i klartekst, og si når odds ratio kunne vært brukt som tilnærming til relativ risiko.

a) Tabell og effektmål.

Utfall til stede	Utfall fraværende	Sum rad
Eksponert	90	210	300
Ikke eksponert	60	240	300
Sum kolonne	150	450	600

Sensor-margnotat: marginalsummene er skrevet på med én gang. De brukes i alle tre utregningene under, og de avslører umiddelbart hvis et tall er plassert galt.

Designet følger folk over tid, så risiko er et lovlig mål:

R_1 = \frac{90}{300} = 0{,}30, \qquad R_0 = \frac{60}{300} = 0{,}20

\text{RR} = \frac{0{,}30}{0{,}20} = 1{,}50

$\text{OR} = \frac{ad}{bc} = \frac{90 \cdot 240}{210 \cdot 60} = \frac{21\,600}{12\,600} = 1{,}71$

$\text{RD} = 0{,}30 - 0{,}20 = 0{,}10 = 10\ \text{prosentpoeng}$

b) Kji-kvadrattest.

$H_0:\ \text{ingen sammenheng mellom eksponering og utfall} \qquad H_a:\ \text{det er en sammenheng}$

Forutsetning: minste forventede celletall er $300 \cdot 150/600 = 75$ , altså langt over 5.

$ad - bc = 90 \cdot 240 - 210 \cdot 60 = 21\,600 - 12\,600 = 9\,000$

$\chi^2 = \frac{600 \cdot 9\,000^2}{300 \cdot 300 \cdot 150 \cdot 450} = \frac{600 \cdot 81\,000\,000}{6\,075\,000\,000} = \frac{48\,600\,000\,000}{6\,075\,000\,000} = 8{,}00$

$8{,}00 > 3{,}84 \quad \Rightarrow \quad H_0 \text{ forkastes på 5 prosent nivå}$

Kontroll med den andre lovlige veien: $z = \sqrt{8{,}00} = 2{,}83$ , som skal sammenlignes med $1{,}96$ . Samme konklusjon, som seg hør og bør — en $z$ -test på to andeler og kji-kvadrat på en 2×2 er samme test skrevet på to måter.

Sensor-margnotat: begge veier godtas. Å vise at de gir samme svar tar ti sekunder og er en billig kvalitetssikring av egen regning.

c) Klartekst-tolkning.

Risikoen for utfallet er 50 prosent høyere blant de eksponerte enn blant de ikke-eksponerte ( $\text{RR} = 1{,}50$ ). I absolutte tall er forskjellen 10 prosentpoeng: 30 mot 20 prosent. Sammenhengen er statistisk signifikant på 5 prosent nivå.

Om odds ratio som tilnærming. Her er $\text{OR} = 1{,}71$ mot $\text{RR} = 1{,}50$ — en overestimering på 14 prosent. Utfallet er altfor vanlig (20–30 prosent) til at tilnærmingen holder. Regelen er at odds ratio bare tilnærmer relativ risiko når utfallet er sjeldent, i praksis under noen få prosent. Å bruke tilnærmingen ved høy forekomst er felle E2, og å omtale en odds ratio som om den var en relativ risiko er felle E1.

Riktig verb til hvert mål: odds ratio omtales som «oddsen er 1,71 ganger så høy», relativ risiko som «risikoen er 1,5 ganger så høy», risikodifferansen som «10 flere per 100 personer».

📝Oppgave 5

Eksamensnivå, B1-STAT

En oppdiktet tverrsnittsundersøkelse blant 800 voksne finner følgende:

Egenskap til stede	Egenskap fraværende	Sum rad
Eksponert	96	304	400
Ikke eksponert	64	336	400

a) Hvilket effektmål er lovlig i dette designet, og hvilket er det ikke? Begrunn.
b) Regn ut det lovlige forholdsmålet og odds ratio, og kommenter forskjellen.
c) Test sammenhengen på 5 prosent nivå og konkluder i klartekst.

Typiske feil i denne sjangeren

De feilene som faktisk koster i statistikkseksjonen, i den rekkefølgen de er lettest å unngå.

E22 — sluttsvar uten vist utregning. Den dyreste, fordi den fjerner alle delpoeng. En kandidat som skriver « $\text{OR}=1{,}71$ » og ingenting mer, har levert et tall sensor må godta eller forkaste i sin helhet. Løsningen koster to linjer: formel, innsetting, resultat.

E12 — å levere et tall uten tolkning. Å svare på et lavere nivå enn oppgaven ba om. Etter hver test og hvert intervall skal det stå én setning på norsk om hva det betyr. Dette er den enkleste feilen i modulen å slutte med.

E6 — å bruke $1{,}96$ der $t$ -tabellen kreves. Ved lite utvalg er $t$ merkbart større, og som Eksempel 2 viste, kan valget snu konklusjonen. Regel: $n$ under rundt 30 → slå opp $t$ .

E11 — å glemme faktor 2 i den tosidige p-verdien. Halesannsynligheten fra tabellen er halve svaret. Feilen halverer p-verdien og gjør deg for skråsikker.

E5 — å behandle avhengige observasjoner som uavhengige. Flere målinger på samme person, eller personer som kan smitte hverandre, er ikke uavhengige. Bruk personen som enhet, eller regn på differanser.

E1 og E2 — feil effektmål og feil bruk av tilnærmingen. Relativ risiko krever oppfølging over tid; tverrsnitt gir prevalensratio. Og odds ratio tilnærmer de andre målene bare når utfallet er sjeldent.

E4 — å lese «ikke signifikant» som «ingen effekt». En liten studie kan ikke skille en reell forskjell fra tilfeldig variasjon. Riktig formulering er at spørsmålet er uavklart.

E3 — å lese «signifikant» som «viktig». Ved svært store utvalg blir også ubetydelige forskjeller signifikante. Se på effektstørrelsen, ikke bare p-verdien.

Regelen som fanger alle åtte: skriv føringen ut. Sju av de åtte feilene over er synlige for deg selv i det øyeblikket de seks stegene står på arket.

✏️Eksempel 4: Hvorfor en test som «nesten aldri tar feil» likevel gir flest falske alarmer (B1-STAT)

Tenk deg at det finnes en test med sensitivitet 92 prosent og spesifisitet 95 prosent. Det høres nesten uangripelig ut.

a) Bruk en oppdiktet gruppe på 10 000 personer og regn ut positiv og negativ prediktiv verdi når forekomsten er 2 prosent.

b) Gjenta med forekomst 20 prosent, og forklar hvorfor svaret endrer seg så mye.

Hverdagsankeret først. Du får svar på en test, og det er positivt. Det naturlige spørsmålet er: hvor sannsynlig er det at jeg faktisk har det testen leter etter? Mange antar at svaret er «95 prosent, siden testen er 95 prosent sikker». Regnestykket under viser hvorfor det er feil — og hvorfor det er feil på en måte som betyr enormt mye i praksis.

a) Forekomst 2 prosent.

Av 10 000 personer har $10\,000 \cdot 0{,}02 = 200$ egenskapen, og $9\,800$ har den ikke.

- Sanne positive: $200 \cdot 0{,}92 = 184$
- Falske negative: $200 - 184 = 16$
- Sanne negative: $9\,800 \cdot 0{,}95 = 9\,310$
- Falske positive: $9\,800 - 9\,310 = 490$

Egenskap til stede	Egenskap fraværende	Sum
Test positiv	184	490	674
Test negativ	16	9 310	9 326
Sum	200	9 800	10 000

\text{PPV} = \frac{184}{184+490} = \frac{184}{674} = 0{,}273 \approx 27\ \text{prosent}

\text{NPV} = \frac{9\,310}{9\,310+16} = \frac{9\,310}{9\,326} = 0{,}998 \approx 99{,}8\ \text{prosent}

Klartekst: blant dem som får positivt svar, har bare rundt én av fire faktisk egenskapen. Nesten tre av fire positive svar er falske alarmer — selv med en test som treffer 92 av 100 med egenskapen og 95 av 100 uten.

Sensor-margnotat: det er nettopp denne kontraintuitive konklusjonen oppgaven er ute etter. Tallet alene er ikke svaret; setningen om hva det betyr, er det.

b) Forekomst 20 prosent.

Nå har $2\,000$ egenskapen og $8\,000$ ikke.

- Sanne positive: $2\,000 \cdot 0{,}92 = 1\,840$

- Falske positive: $8\,000 \cdot 0{,}05 = 400$

- Sanne negative: $8\,000 \cdot 0{,}95 = 7\,600$

- Falske negative: $2\,000 - 1\,840 = 160$

$\text{PPV} = \frac{1\,840}{1\,840+400} = \frac{1\,840}{2\,240} = 0{,}821 \approx 82\ \text{prosent}$
$\text{NPV} = \frac{7\,600}{7\,600+160} = \frac{7\,600}{7\,760} = 0{,}979 \approx 98\ \text{prosent}$
Forklaringen. Testen er nøyaktig den samme i begge regnestykkene: sensitiviteten er 92 prosent og spesifisiteten 95 prosent hele veien. Det som endret seg, er hvem som ble testet.
Ved lav forekomst er gruppen uten egenskapen enorm, og selv en lav feilrate på en enorm gruppe gir mange falske positive: 5 prosent av 9 800 er 490, mot bare 184 sanne positive. Ved høy forekomst snur forholdet: 5 prosent av 8 000 er 400, mot 1 840 sanne positive.

Regelen å ta med seg: sensitivitet og spesifisitet er egenskaper ved testen. Positiv og negativ prediktiv verdi er egenskaper ved testen brukt i en bestemt gruppe. Å bruke en god test i en gruppe med lav forekomst gir alltid mange falske positive — det er aritmetikk, ikke en svakhet ved testen.

Merk også at PPV og NPV beveger seg i motsatt retning: når forekomsten stiger, stiger PPV og synker NPV.

📝Oppgave 6

Eksamensnivå, B1-STAT

En oppdiktet test har sensitivitet 85 prosent og spesifisitet 90 prosent. Den brukes i en gruppe på 20 000 personer der forekomsten av egenskapen er 5 prosent.

a) Sett opp tabellen og regn ut positiv og negativ prediktiv verdi.

b) Forekomsten i en annen gruppe er 20 prosent. Uten å regne hele tabellen på nytt: hvilken vei beveger PPV og NPV seg, og hvorfor?

c) Regn ut PPV i den andre gruppen og kontroller svaret ditt i b).

Løkke 4 — de anvendte temaene som rullerer (rundt 18 min)

Én statistikkoppgave per sitting er hentet fra en mindre familie som rullerer: utvalgsstørrelse og styrke, persontid og insidensrate, flokkimmunitet, overlevelseskurve, eller regresjon. Du vet ikke hvilken som kommer, og derfor må alle fem sitte — men de er hver for seg korte, og de belønner ryddighet mer enn innsikt.

Fellesnevneren: alle fem har én formel og ett vanlig fallgruvepunkt.

Tema	Formelen	Fallgruven
Utvalgsstørrelse	$n = 2(\sigma/\Delta)^2 k$ per gruppe	å runde ned, eller å legge på frafall før opprunding
Persontid	rate $=$ hendelser $/$ summert persontid	å bruke antall personer i stedet for persontid
Flokkimmunitet	dekning $= 1 - 1/R_0$	å blande $R_0$ og $R_{\text{eff}}$
Kaplan-Meier	produkt av $(1-1/r_i)$	å la sensurerte gi en egen faktor
Regresjon	koeffisienten er endring i $Y$ per enhet $X$	å lese korrelasjonen som stigningstall

Om avrunding i utvalgsberegning: man kan ikke inkludere 48,4 personer. Svaret rundes alltid opp til nærmeste hele person, og et eventuelt påslag for frafall legges på etter opprundingen. Rekkefølgen er ikke pedanteri — den motsatte veien gir systematisk for få deltakere.

Avhengige observasjoner

Avhengige observasjoner er målinger som bærer informasjon om hverandre: to målinger på samme person, flere målinger fra samme familie eller samme avdeling, eller personer som kan påvirke hverandre. De skiller seg fra uavhengige observasjoner ved at hver ny måling da tilfører mindre ny informasjon enn en helt ny person ville gjort. Regner du som om de var uavhengige, later du som om utvalget er større enn det egentlig er. Konsekvensen er alltid samme retning: standardfeilen blir for liten, teststørrelsen for stor, og p-verdien for lav. Du blir altså for skråsikker. Dette er felle E5, og løsningen er enten å bruke personen som enhet — for eksempel ved å regne et gjennomsnitt per person først — eller å bruke en parret analyse på differansene.

Oppslagskortet: de kritiske verdiene

1{,}96

Rimelighetssjekk av eget tallsvar

\chi^2

📝Oppgave 7

Eksamensnivå, B1-STAT

En oppdiktet studie skal sammenligne en kontinuerlig måling mellom to like store grupper. Fra tidligere data antas standardavviket å være $\sigma = 1{,}4$ enheter, og forskerne ønsker å kunne oppdage en forskjell på $\Delta = 0{,}8$ enheter.

a) Hvor mange deltakere trengs per gruppe ved 80 prosent styrke ( $k \approx 7{,}9$ )?

b) Hvor mange ved 90 prosent styrke ( $k \approx 10{,}5$ )?

c) Legg på et forventet frafall på 15 prosent i beregningen fra a), og forklar hvorfor rekkefølgen på opprunding og frafallspåslag betyr noe.

📝Oppgave 8

Eksamensnivå, B1-STAT

I en oppdiktet oppfølgingsstudie følges 120 personer i 4 år hver og 25 personer i 1,5 år hver før studien avsluttes. I løpet av perioden inntreffer utfallet 23 ganger.

a) Regn ut summert persontid og insidensraten, med benevning.

b) En kollega regner i stedet $23/145 = 0{,}159$ og kaller det «insidensen». Hva er galt, og når ville det tallet vært riktig?

📝Oppgave 9

Eksamensnivå, B1-STAT

Et oppdiktet smittsomt agens har $R_0 = 4$ i en befolkning der alle er mottakelige.

a) Hva er kritisk vaksinasjonsdekning?

b) Andelen mottakelige er $S = 0{,}40$ . Regn ut $R_{\text{eff}}$ og tolk tallet.

c) Et tiltak reduserer kontaktraten med en firedel, slik at $R_0$ faller til 3. Hvordan endrer kravet til dekning seg?

📝Oppgave 10

Eksamensnivå, B1-STAT

Tolv personer følges i en oppdiktet studie. Utfallet inntreffer ved 4, 9, 15 og 22 måneder. To personer sensureres, ved 7 og 18 måneder. De øvrige følges ut studieperioden.

a) Sett opp levetidstabellen og regn ut Kaplan-Meier-estimatet for overlevelse ved 24 måneder.

b) Forklar hva sensurering er, og hvorfor de sensurerte ikke gir noen egen faktor i produktet.

📝Oppgave 11

Eksamensnivå, B1-STAT

I et oppdiktet datasett med 180 personer regnes en lineær regresjon av en måleverdi $Y$ på alder $X$ (i år). Koeffisienten er $b = 0{,}24$ enheter per år, med 95 prosent konfidensintervall $[\,0{,}08,\ 0{,}40\,]$ . Korrelasjonen er $r = 0{,}42$ .

a) Tolk koeffisienten i klartekst, og si hva konfidensintervallet forteller.

b) Hva sier $r = 0{,}42$ , og hva sier den ikke?

c) En annen studie på samme sammenheng rapporterer $b = 0{,}24$ og $r = 0{,}80$ . Hvordan kan begge stemme?

📝Oppgave 12

Eksamensnivå, B1-STAT

En oppdiktet artikkel rapporterer: «I en tverrsnittsundersøkelse av 12 400 personer fant vi en odds ratio på 1,08 for sammenhengen mellom eksponering og egenskap ( $p = 0{,}03$ ). Funnet bekrefter at eksponeringen øker risikoen.»

Forekomsten av egenskapen i materialet var 22 prosent.

Gå gjennom setningen og pek ut alt som er galt eller upresist. Skriv deretter en korrekt versjon.

Repetisjon — sjekk deg selv før du går videre

Dette kapitlet er skrevet av Anthropics toppmodeller (Claude Opus og Claude Fable) og er foreløpig ikke manuelt gjennomgått — kvalitetskontrollen gjøres av uavhengige KI-agenter, og innmeldte feil rettes fortløpende. Funnet en feil? Meld fra, så retter vi den. Les mer om hvordan innholdet lages.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Innholdet er læringsstoff, ikke helse- eller medisinske råd. Les mer.