Tilbake
2.2
Hypotesetesting og p-verdier

2.2 Hypotesetesting og p-verdier

Alle fag for VG3

Nullhypotese, alternativ hypotese, signifikansnivå og type I/II-feil.

30 min
6 oppgaver
HypotesetestingP-verdiSignifikansType I/II-feil
Du leser den tradisjonelle versjonen
Din fremgang i kapitlet
0 / 6 oppgaver

Hypotesetesting og p-verdiar

Hypotesetesting er det mest sentrale verktøyet i statistisk analyse. Det gjev oss ein systematisk metode for å avgjere om eit observert resultat er «ekte» eller berre kan skuldast tilfeldigheiter.

Læringsmål:
- Formulere nullhypotese og alternativ hypotese
- Forstå og tolke p-verdiar korrekt
- Forklare signifikansnivå og rolla det har
- Skilje mellom type I-feil og type II-feil
- Gjennomføre ein enkel hypotesetest steg for steg

Nullhypotese og alternativ hypotese

Hypotesetesting byrjar alltid med to motstridande påstandar:

Nullhypotesen H0H_0 er utgangspunktet — han representerer «status quo» eller antakinga om at det ikkje er nokon effekt, skilnad eller samanheng. Nullhypotesen er den påstanden vi prøver å motbevise.

Alternativhypotesen H1H_1 (eller HaH_a) er påstanden til forskaren — at det er ein effekt, skilnad eller samanheng. Det er denne vi ønskjer å finne støtte for.

Logikken bak hypotesetesting

Hypotesetesting følgjer ein indirekte logikk som liknar reductio ad absurdum (bevis ved sjølvmotseiing):

1. Anta at H0H_0 er sann (ingen effekt)
2. Rekn ut sannsynet for å observere eit resultat like ekstremt eller meir ekstremt enn det vi faktisk observerte, gjeve at H0H_0 er sann
3. Konkluder: Dersom dette sannsynet er veldig lite, er det usannsynleg at H0H_0 er sann → vi forkastar H0H_0 til fordel for H1H_1

Vi beviser aldri H1H_1 direkte. I staden argumenterer vi for at dataa er så usannsynlege under H0H_0 at vi vel å forkaste han.

Nullhypotese og alternativhypotese
Nullhypotesen H0H_0: Ein påstand om at det ikkje er nokon effekt, skilnad eller samanheng. Vert vanlegvis formulert med likskapsteikn:
- H0:μ=μ0H_0: \mu = \mu_0 (gjennomsnittet er lik ein bestemt verdi)
- H0:μ1=μ2H_0: \mu_1 = \mu_2 (ingen skilnad mellom grupper)
- H0:ρ=0H_0: \rho = 0 (ingen korrelasjon)

Alternativhypotesen H1H_1: Den motstridande påstanden — at det er ein effekt. Kan vere:
- Tosidig: H1:μ≠μ0H_1: \mu \neq \mu_0 (skilnad i begge retningar)
- Einsidig: H1:μ>μ0H_1: \mu > \mu_0 eller H1:μ<μ0H_1: \mu < \mu_0 (skilnad i éi bestemt retning)

✏️Døme: Formulere hypotesar

Ein bilprodusent hevdar at ein ny motortype gjev gjennomsnittleg drivstofforbruk på μ0=0,50\mu_0 = 0{,}50 liter per mil. Ein forbrukarorganisasjon mistenkjer at forbruket er høgare. Formuler passande hypotesar.

Sidan forbrukarorganisasjonen mistenkjer at forbruket er høgare enn påstått, brukar vi ein einsidig test:

H0:μ=0,50 l/milH_0: \mu = 0{,}50 \text{ l/mil}
H1:μ>0,50 l/milH_1: \mu > 0{,}50 \text{ l/mil}

H0H_0 seier at påstanden til produsenten stemmer. H1H_1 seier at det sanne forbruket er høgare.

Hadde vi ikkje hatt nokon spesifikk retning på mistanken — berre at forbruket er annleis enn oppgjeve — ville vi brukt ein tosidig test:

H0:μ=0,50H_0: \mu = 0{,}50
H1:μ≠0,50H_1: \mu \neq 0{,}50

Valet mellom einsidig og tosidig test må gjerast før dataa vert analyserte.

📝Oppgave 2.2.1

Ein forskar vil teste om eit nytt medikament senkar blodtrykket samanlikna med placebo. Kva er rett nullhypotese?

P-verdiar og signifikansnivå

P-verdien er nøkkeltalet i hypotesetesting. Han svarar på spørsmålet: «Dersom nullhypotesen er sann, kva er sannsynet for å observere eit resultat like ekstremt eller meir ekstremt enn det vi faktisk observerte?»

Ein liten p-verdi tyder at resultatet er usannsynleg under H0H_0, noko som tyder på at H0H_0 kanskje ikkje er sann.

Signifikansnivå α\alpha

Før vi utfører testen, vel vi eit signifikansnivå α\alpha — den grensa vi brukar for å avgjere om p-verdien er «liten nok». Det vanlegaste valet er α=0,05\alpha = 0{,}05 (5 %).

Avgjerdsregel:
- Dersom p≤αp \leq \alpha: Vi forkastar H0H_0. Resultatet er statistisk signifikant.
- Dersom p>αp > \alpha: Vi forkastar ikkje H0H_0. Vi har ikkje nok evidens til å konkludere med at det er ein effekt.

Vanlege misforståingar om p-verdiar

P-verdien er eit av dei mest misforståtte omgrepa i vitskap:

- P-verdien er IKKJE sannsynet for at H0H_0 er sann
- P-verdien er IKKJE sannsynet for at resultatet skuldast tilfeldigheiter
- P-verdien seier IKKJE noko om storleiken på effekten
- Statistisk signifikans tyder IKKJE nødvendigvis praktisk betydning

P-verdien er berre sannsynet for dataa (eller meir ekstreme data) gjeve at H0H_0 er sann. Det er eit vilkårsbunde sannsyn: P(data∣H0)P(\text{data} \mid H_0).

P-verdi
P-verdien er sannsynet for å observere ein teststatistikk like ekstrem eller meir ekstrem enn den observerte, gjeve at nullhypotesen H0H_0 er sann.

p=P(observert eller meir ekstremt∣H0 er sann)p = P(\text{observert eller meir ekstremt} \mid H_0 \text{ er sann})

Signifikansnivå α\alpha er den førehandsbestemte grensa for å forkaste H0H_0. Vanlege val:
- α=0,05\alpha = 0{,}05 (5 %) — standard i dei fleste fagfelt
- α=0,01\alpha = 0{,}01 (1 %) — strengare, brukt i medisin og partikkelfysikk
- α=0,10\alpha = 0{,}10 (10 %) — meir liberal, brukt i pilotstudiar

✏️Døme: Tolking av p-verdi

Ein forskar testar om eit treningsprogram betrar løpstida på 3000 m. Utvalet er n=25n = 25 deltakarar. Etter programmet er gjennomsnittleg forbetring xˉ=18\bar{x} = 18 sekund med standardavvik s=30s = 30 sekund. Forskaren utfører ein t-test og får p=0,004p = 0{,}004. Tolk resultatet med α=0,05\alpha = 0{,}05.

Hypotesar:
- H0H_0: Treningsprogrammet gjev ingen forbetring (μ=0\mu = 0)
- H1H_1: Treningsprogrammet gjev forbetring (μ>0\mu > 0)

P-verdi: p=0,004p = 0{,}004

Tolking: Dersom treningsprogrammet ikkje hadde nokon effekt (H0H_0 sann), er sannsynet for å observere ei forbetring på 18 sekund eller meir berre 0,4 %. Dette er svært usannsynleg.

Konklusjon: Sidan p=0,004<α=0,05p = 0{,}004 < \alpha = 0{,}05, forkastar vi H0H_0. Resultatet er statistisk signifikant — det tyder på at treningsprogrammet gjev ei reell forbetring i løpstid.

Viktig: Vi seier ikkje at det er 99,6 % sannsyn for at programmet verkar. Vi seier berre at dataa er svært usannsynlege dersom programmet ikkje verkar.

📝Oppgave 2.2.2

Ein forskar utfører ein hypotesetest med α=0,05\alpha = 0{,}05 og får p=0,03p = 0{,}03. Kva konklusjon er korrekt?

Type I-feil og type II-feil

Kvar statistisk avgjerd kan vere feil. Det finst to typar feil:

Type I-feil (falsk positiv): Vi forkastar H0H_0 sjølv om han faktisk er sann. Vi konkluderer feilaktig med at det er ein effekt når det ikkje er det. Sannsynet for type I-feil er lik signifikansnivået α\alpha.

Type II-feil (falsk negativ): Vi forkastar ikkje H0H_0 sjølv om han faktisk er usann. Vi overser ein reell effekt. Sannsynet for type II-feil vert kalla β\beta.

H0H_0 er sannH0H_0 er usann
Forkastar H0H_0Type I-feil (α\alpha)Rett avgjerd (styrke = 1−β1-\beta)
Forkastar ikkje H0H_0Rett avgjerdType II-feil (β\beta)

Teststyrke (power)


Teststyrken er sannsynet for å forkaste H0H_0 når han faktisk er usann — altså sannsynet for å oppdage ein reell effekt:
Styrke=1−β\text{Styrke} = 1 - \beta

Teststyrken aukar med:

- Større utvalsstorleik nn — meir data gjev meir presis statistikk

- Større effektstorleik — jo større den sanne effekten er, desto lettare er han å oppdage

- Høgare signifikansnivå α\alpha — men dette aukar òg risikoen for type I-feil
- Mindre variasjon i dataa — mindre «støy» gjer det lettare å sjå «signalet»
Ein vanleg tommelregel er at teststyrken bør vere minst 0,80 (80 %). Det tyder at vi aksepterer ein 20 % risiko for å oversjå ein reell effekt.

Type I-feil og type II-feil
Type I-feil (α\alpha-feil): Forkaste ein sann nullhypotese. Sannsyn: P(type I-feil)=αP(\text{type I-feil}) = \alpha.

Type II-feil (β\beta-feil): Ikkje forkaste ein usann nullhypotese. Sannsyn: P(type II-feil)=βP(\text{type II-feil}) = \beta.

Teststyrke (power): 1−β1 - \beta — sannsynet for å oppdage ein reell effekt.

Dei to feiltypane står i eit spenningsforhold: Å redusere α\alpha (strengare krav for å forkaste H0H_0) aukar β\beta (større risiko for å oversjå reelle effektar), og omvendt. Den einaste måten å redusere begge samstundes er å auke utvalsstorleiken.

✏️Døme: Type I- og type II-feil i praksis

Eit legemiddelfirma testar eit nytt smertestillande medikament. H0H_0: Medikamentet har ingen effekt. H1H_1: Medikamentet reduserer smerte. Forklar kva type I-feil og type II-feil tyder i denne konteksten, og drøft kva feil som har dei mest alvorlege konsekvensane.

Type I-feil (falsk positiv): Vi konkluderer med at medikamentet verkar, men det gjer det eigentleg ikkje. Konsekvens: Eit uverksamt medikament vert marknadsført. Pasientar får inga reell smertelindring men trur dei er behandla. Potensielt farleg dersom pasientar erstattar effektiv behandling med dette medikamentet. Økonomisk tap for helsetenesta.

Type II-feil (falsk negativ): Vi konkluderer med at medikamentet ikkje verkar, men det gjer det eigentleg. Konsekvens: Eit effektivt medikament vert forkasta. Pasientar går glipp av ei behandling som kunne ha hjelpt dei.

Kva er verst? Det er avhengig av konteksten. I medisin vert type I-feil ofte rekna som mest alvorleg fordi det kan føre til at uverksame (eller farlege) medikament vert tekne i bruk. Difor vert ofte α=0,01\alpha = 0{,}01 brukt i medisinsk forsking. Men type II-feil er òg alvorleg — mange potensielt livreddande medikament kan bli forkasta fordi studiane var for små til å oppdage effekten.

📝Oppgave 2.2.3

Ein forskar brukar signifikansnivå α=0,05\alpha = 0{,}05. Kva er sannsynet for å gjere ein type I-feil?

Oppsummering

- Nullhypotesen H0H_0 representerer «ingen effekt» og er utgangspunktet for kvar hypotesetest.
- Alternativhypotesen H1H_1 er påstanden til forskaren om at det er ein effekt. Han kan vere tosidig eller einsidig.
- P-verdien er sannsynet for å observere data like ekstreme eller meir ekstreme enn dei observerte, gjeve at H0H_0 er sann.
- Vi forkastar H0H_0 dersom p≤αp \leq \alpha. Standard signifikansnivå er α=0,05\alpha = 0{,}05.
- Type I-feil (falsk positiv) er å forkaste ein sann H0H_0 — sannsyn lik α\alpha.
- Type II-feil (falsk negativ) er å ikkje forkaste ein usann H0H_0 — sannsyn lik β\beta.
- Teststyrken 1−β1 - \beta bør vere minst 0,80 og aukar med utvalsstorleik, effektstorleik og signifikansnivå.
- P-verdien seier ikkje noko om sannsynet for at H0H_0 er sann, og heller ikkje om den praktiske betydninga av effekten.

📝Oppgave 4

Ein skule vil teste om ein ny undervisningsmetode gjev betre resultat enn den tradisjonelle. 40 elevar vert testa: 20 med ny metode (gjennomsnitt 74 poeng, s=10s = 10) og 20 med tradisjonell metode (gjennomsnitt 68 poeng, s=12s = 12). (a) Formuler H0H_0 og H1H_1. (b) Skilnaden er 6 poeng med p=0,07p = 0{,}07. Er resultatet signifikant ved α=0,05\alpha = 0{,}05? (c) Kva kan forklare at vi ikkje finn signifikant skilnad sjølv om skilnaden verkar «stor»?

📝Oppgave 5

Forklar med eit dagleglivsdøme (t.d. brannalarm, covid-test, rettssak) kva type I-feil og type II-feil tyder. Drøft kva feil som er verst i ditt døme, og korleis ein kan redusere risikoen for begge.

📝Oppgave 6

Ein forskar finn p=0,048p = 0{,}048 med α=0,05\alpha = 0{,}05. Kva påstand er MEST korrekt?

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.