2.3 t-test og kjikvadratstest | Teknologi og forskningslære 2

Uavhengig og paret t-test, kjikvadratstest for uavhengighet.

30 min

6 oppgaver

t-testKjikvadratstestFridomsgrader

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 6 oppgaver

t-test og kjikvadratstest

I dette kapittelet skal du lære å bruke to av dei mest brukte statistiske testane: t-testen for å samanlikne gjennomsnitt og kjikvadratstesten for å undersøkje samanhengar mellom kategoriske variablar. Du skal lære når kvar test er eigna, korleis han vert gjennomført, og korleis resultata vert tolka.

Læringsmål:
- Utføre ein uavhengig t-test for to grupper
- Utføre ein para t-test for gjentekne målingar
- Utføre ein kjikvadratstest for uavhengigheit
- Velje rett test basert på datatype og forskingsdesign
- Tolke testresultat med fridomsgradar, teststatistikk og p-verdi

Uavhengig t-test (to utval)

Den uavhengige t-testen (òg kalla «two-sample t-test» eller «upara t-test») vert brukt når vi vil samanlikne gjennomsnitta i to uavhengige grupper. «Uavhengige» tyder at deltakarane i den eine gruppa ikkje påverkar eller er kopla til deltakarane i den andre gruppa.

Typiske bruksområde:
- Samanlikne testresultat mellom to klassar som har brukt ulike undervisningsmetodar
- Samanlikne blodtrykk mellom ei medikamentgruppe og ei placebogruppe
- Samanlikne reaksjonstid mellom kvinner og menn

Føresetnader for t-testen

1. Uavhengige observasjonar — målingane er uavhengige av kvarandre
2. Normalfordelte data — dataa i kvar gruppe er tilnærma normalfordelte (eller $n \geq 30$ per gruppe, jf. sentralgrenseteoremet)
3. Like variansar — dei to gruppene har omtrent lik spreiing (kan sjekkast med Levenes test)

Teststatistikken

For uavhengig t-test med antekne like variansar reknar vi:

$t = \frac{\bar{x}_1 - \bar{x}_2}{s_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}$

der $s_p$ er det samanslåtte (pooled) standardavviket:

$s_p = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}}$

Talet på fridomsgradar er $df = n_1 + n_2 - 2$ .

T-verdien vert samanlikna med den kritiske verdien frå t-fordelinga, eller vi reknar ut p-verdien direkte.

Uavhengig t-test

H_0: \mu_1 = \mu_2

✏️Døme: Uavhengig t-test

Ein forskar vil teste om ein ny studieteknikk gjev betre eksamensresultat. 15 elevar brukar den nye teknikken ( $\bar{x}_1 = 78$ , $s_1 = 8$ ) og 15 brukar tradisjonell teknikk ( $\bar{x}_2 = 72$ , $s_2 = 10$ ). Utfør ein tosidig t-test med $\alpha = 0{,}05$ .

Steg 1: Formuler hypotesar
-

H_0: \mu_1 = \mu_2

(ingen skilnad)
-

H_1: \mu_1 \neq \mu_2

(skilnad)

Steg 2: Rekn ut samanslått standardavvik

$s_p = \sqrt{\frac{(15-1) \cdot 8^2 + (15-1) \cdot 10^2}{15+15-2}} = \sqrt{\frac{14 \cdot 64 + 14 \cdot 100}{28}} = \sqrt{\frac{896 + 1400}{28}} = \sqrt{82} \approx 9{,}06$

Steg 3: Rekn ut t-verdien

$t = \frac{78 - 72}{9{,}06 \cdot \sqrt{\frac{1}{15}+\frac{1}{15}}} = \frac{6}{9{,}06 \cdot \sqrt{0{,}133}} = \frac{6}{9{,}06 \cdot 0{,}365} = \frac{6}{3{,}31} \approx 1{,}81$

Steg 4: Finn fridomsgradar og kritisk verdi
$df = 15 + 15 - 2 = 28$ . Kritisk t-verdi (tosidig, $\alpha = 0{,}05$ , $df = 28$ ): $t_{\text{krit}} \approx 2{,}048$ .

Steg 5: Konklusjon
$|t| = 1{,}81 < 2{,}048 = t_{\text{krit}}$ , altså $p > 0{,}05$ .

Vi forkastar ikkje $H_0$ . Dataa gjev ikkje nok evidens til å konkludere med at den nye studieteknikken gjev signifikant betre resultat ved $\alpha = 0{,}05$ .

📝Oppgave 2.3.1

Når er det rett å bruke ein uavhengig t-test?

Para t-test

Den para t-testen vert brukt når vi samanliknar to sett med målingar som er kopla — anten fordi det er dei same personane målt to gonger (før og etter), eller fordi observasjonane er parvis samankopla på ein annan måte (t.d. tvillingar, matcha kontrollar).

Typiske bruksområde:
- Måle blodtrykk før og etter behandling hos dei same pasientane
- Samanlikne testresultat for same elevar på to tidspunkt
- Måle haldningsendring hos dei same respondentane over tid

Berekning

I staden for å samanlikne gruppene direkte, reknar vi differansen $d_i = x_{i,\text{etter}} - x_{i,\text{før}}$ for kvart par. Deretter utfører vi ein éin-utvals t-test på differansane:

$t = \frac{\bar{d}}{s_d / \sqrt{n}}$

der $\bar{d}$ er gjennomsnittleg differanse, $s_d$ er standardavviket til differansane, og $n$ er talet på par.

Fridomsgradar: $df = n - 1$

Fordelen med para design er at kvar person fungerer som sin eigen kontroll. Individuelle skilnader (som ulik utgangspuls, ulik motivasjon) vert eliminerte automatisk fordi vi berre ser på endringa for kvar person.

Para t-test

H_0: \mu_d = 0

✏️Døme: Para t-test

8 pasientar får målt blodtrykk (mmHg) før og etter ei behandling. Differansane (etter $-$ før) er: $-5, -8, -3, -12, -2, -7, -6, -9$ . Test om behandlinga gjev signifikant reduksjon i blodtrykk ( $\alpha = 0{,}05$ ).

Steg 1: Hypotesar
-

H_0: \mu_d = 0

(ingen effekt)
-

H_1: \mu_d < 0

(blodtrykket søkk — einsidig test)

Steg 2: Rekn ut gjennomsnittleg differanse

$\bar{d} = \frac{-5+(-8)+(-3)+(-12)+(-2)+(-7)+(-6)+(-9)}{8} = \frac{-52}{8} = -6{,}5$

Steg 3: Rekn ut standardavviket til differansane

$s_d = \sqrt{\frac{\sum(d_i - \bar{d})^2}{n-1}}$

Avvika: $1{,}5;\; -1{,}5;\; 3{,}5;\; -5{,}5;\; 4{,}5;\; -0{,}5;\; 0{,}5;\; -2{,}5$
Kvadrat: $2{,}25 + 2{,}25 + 12{,}25 + 30{,}25 + 20{,}25 + 0{,}25 + 0{,}25 + 6{,}25 = 74{,}0$

$s_d = \sqrt{\frac{74{,}0}{7}} = \sqrt{10{,}57} \approx 3{,}25$

Steg 4: Rekn ut t-verdien

$t = \frac{-6{,}5}{3{,}25 / \sqrt{8}} = \frac{-6{,}5}{3{,}25 / 2{,}83} = \frac{-6{,}5}{1{,}149} \approx -5{,}66$

Steg 5: Konklusjon
$df = 8 - 1 = 7$ . Kritisk t-verdi (einsidig, $\alpha = 0{,}05$ , $df = 7$ ): $t_{\text{krit}} \approx -1{,}895$ .

Sidan $t = -5{,}66 < -1{,}895$ , er $p < 0{,}05$ , og vi forkastar $H_0$ . Behandlinga gjev signifikant reduksjon i blodtrykk.

📝Oppgave 2.3.2

Ein forskar måler stressnivå hos 30 tilsette før og etter eit mindfulness-kurs. Kva test bør brukast?

Kjikvadratstesten for uavhengigheit

T-testen er for kvantitative (kontinuerlege) data. Men kva om dataa er kategoriske — til dømes kjønn, ja/nei, farge, utdanningsnivå? Då brukar vi kjikvadratstesten ( $\chi^2$ -testen).

Kjikvadratstesten for uavhengigheit testar om det er ein samanheng mellom to kategoriske variablar. Han byggjer på å samanlikne observerte frekvensar (det vi faktisk ser i dataa) med forventa frekvensar (det vi ville forvente dersom det ikkje var nokon samanheng).

Teststatistikken

$\chi^2 = \sum\frac{(O - E)^2}{E}$

der $O$ er observert frekvens og $E$ er forventa frekvens for kvar celle i krysstabellen.

Forventa frekvens vert rekna ut som:

$E = \frac{\text{radtotal} \times \text{kolonnetotal}}{\text{totalt tal}}$

Fridomsgradar: $df = (r - 1)(k - 1)$ , der $r$ er talet på rader og $k$ er talet på kolonnar.

Føresetnader

- Observasjonane er uavhengige
- Forventa frekvens i kvar celle bør vere minst 5 (tommelregel)
- Kategoriane er gjensidig utelukkande og uttømmande

Kjikvadratstest for uavhengigheit

\chi^2

✏️Døme: Kjikvadratstest

Ein forskar undersøkjer om det er ein samanheng mellom kjønn og val av programfag. 200 elevar fordeler seg slik:

Realfag	Språkfag	Totalt
Gutar	60	40	100
Jenter	45	55	100
Totalt	105	95	200

Utfør ein kjikvadratstest med

\alpha = 0{,}05

Steg 1: Hypotesar
-

H_0

: Kjønn og val av programfag er uavhengige
-

H_1

: Det er ein samanheng mellom kjønn og programfagsval

Steg 2: Rekn ut forventa frekvensar

$\displaystyle E_{\text{gutar, realfag}} = \frac{100 \times 105}{200} = 52{,}5$

$\displaystyle E_{\text{gutar, språk}} = \frac{100 \times 95}{200} = 47{,}5$

$\displaystyle E_{\text{jenter, realfag}} = \frac{100 \times 105}{200} = 52{,}5$

$\displaystyle E_{\text{jenter, språk}} = \frac{100 \times 95}{200} = 47{,}5$

Steg 3: Rekn ut $\chi^2$

$\chi^2 = \frac{(60-52{,}5)^2}{52{,}5} + \frac{(40-47{,}5)^2}{47{,}5} + \frac{(45-52{,}5)^2}{52{,}5} + \frac{(55-47{,}5)^2}{47{,}5}$

$= \frac{56{,}25}{52{,}5} + \frac{56{,}25}{47{,}5} + \frac{56{,}25}{52{,}5} + \frac{56{,}25}{47{,}5} = 1{,}071 + 1{,}184 + 1{,}071 + 1{,}184 = 4{,}51$

Steg 4: Fridomsgradar og kritisk verdi
$df = (2-1)(2-1) = 1$ . Kritisk verdi ( $\alpha = 0{,}05$ , $df = 1$ ): $\chi^2_{\text{krit}} = 3{,}841$ .

Steg 5: Konklusjon
$\chi^2 = 4{,}51 > 3{,}841$ , altså $p < 0{,}05$ . Vi forkastar $H_0$ . Det er ein statistisk signifikant samanheng mellom kjønn og val av programfag.

📝Oppgave 2.3.3

I ein kjikvadratstest med ein $2 \times 3$ -krysstabell, kor mange fridomsgradar har testen?

Oppsummering

- Uavhengig t-test samanliknar gjennomsnitt i to uavhengige grupper: $\displaystyle t = \frac{\bar{x}_1 - \bar{x}_2}{s_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}$
- Para t-test samanliknar gjentekne målingar på same individ: $\displaystyle t = \frac{\bar{d}}{s_d / \sqrt{n}}$
- Kjikvadratstest testar samanheng mellom to kategoriske variablar: $\displaystyle \chi^2 = \sum\frac{(O-E)^2}{E}$
- Vel test basert på datatype: t-test for kvantitative data, kjikvadratstest for kategoriske data
- Vel mellom uavhengig og para t-test basert på om gruppene er uavhengige eller samankopla
- Fridomsgradar: uavhengig t-test: $df = n_1 + n_2 - 2$ ; para t-test: $df = n - 1$ ; kjikvadratstest: $df = (r-1)(k-1)$
- Alle testar krev at føresetnadene er oppfylte for at resultata skal vere gyldige

📝Oppgave 4

Ein idrettsforskar vil undersøkje om eit nytt oppvarmingsprogram betrar sprinttida (100 m). 12 løparar køyrer 100 m to gonger: først med vanleg oppvarming, deretter med det nye programmet. Tidene (sekund) er:

Vanleg oppvarming: 12,4 – 11,8 – 13,1 – 12,0 – 11,5 – 12,7 – 13,3 – 12,2 – 11,9 – 12,6 – 12,8 – 11,7
Nytt program: 12,1 – 11,5 – 12,8 – 11,7 – 11,3 – 12,3 – 13,0 – 12,0 – 11,6 – 12,2 – 12,5 – 11,4

(a) Grunngjev kvifor para t-test er rett her. (b) Rekn ut differansane og gjennomsnittleg differanse $\bar{d}$ . (c) Er det rimeleg å konkludere med at det nye programmet gjev kortare sprinttid?

📝Oppgave 5

Ein forskar undersøkjer om det er ein samanheng mellom treningshyppigheit (lite/moderat/mykje) og førekomst av forkjøling (ja/nei) blant 300 personar:

Forkjøling	Inga forkjøling	Totalt
Lite trening	40	60	100
Moderat trening	25	75	100
Mykje trening	20	80	100
Totalt	85	215	300

(a) Rekn ut forventa frekvensar for alle celler. (b) Rekn ut

\chi^2

. (c) Fastset fridomsgradar og konkluder med

\alpha = 0{,}05

📝Oppgave 6

Ein forskar vil samanlikne gjennomsnittleg søvnlengd mellom tre aldersgrupper (18–25, 26–40, 41–60). Kva test er mest eigna?

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.