2.6 Statistisk programvare

Statistisk programvare

Moderne statistisk analyse blir nesten alltid utført med programvare. I dette kapittelet lærer du å bruke dei tre mest relevante verktøya for VG3-elevar: Python (med biblioteket SciPy), R (eit dedikert statistikkspråk), og rekneark (Excel/Google Sheets). Du skal lære å utføre utrekningar, køyre testar og lage figurar — og forstå når kvart verktøy eignar seg best.

Læringsmål:
- Utføre beskrivande statistikk i Python, R og rekneark
- Køyre t-testar og kjikvadrattestar med programvare
- Lage statistiske figurar og diagram
- Vurdere styrkar og avgrensingar ved ulike verktøy
- Tolke programvareutdata korrekt

Python for statistisk analyse

Python har blitt det mest brukte programmeringsspråket for dataanalyse og statistikk globalt. Med biblioteka NumPy, SciPy og Pandas har Python alt som trengst for statistisk analyse.

Grunnleggjande statistikk med NumPy

import numpy as np

data = [23, 27, 31, 25, 28, 30, 22, 26, 29, 24]

# Beskrivende statistikk
gjennomsnitt = np.mean(data)        # 26.5
median = np.median(data)            # 26.5
std_avvik = np.std(data, ddof=1)    # 3.03 (utvalgsstandaravvik)
varians = np.var(data, ddof=1)      # 9.17

print(f"Gjennomsnitt: {gjennomsnitt:.1f}")
print(f"Standardavvik: {std_avvik:.2f}")

Viktig: Parameteren ddof=1 sikrar at vi bruker utvalsformelen (deler på $n-1$), ikkje populasjonsformelen (deler på $n$). I forsking bruker vi nesten alltid ddof=1.

Hypotesetesting med SciPy

from scipy import stats

# Uavhengig t-test
gruppe_a = [82, 78, 85, 90, 76, 88, 84, 79]
gruppe_b = [72, 68, 75, 80, 71, 74, 69, 73]

t_stat, p_verdi = stats.ttest_ind(gruppe_a, gruppe_b)
print(f"t = {t_stat:.3f}, p = {p_verdi:.4f}")
# t = 3.574, p = 0.0030

Konfidensintervall med SciPy

from scipy import stats
import numpy as np

data = [23, 27, 31, 25, 28, 30, 22, 26, 29, 24]
n = len(data)
gjennomsnitt = np.mean(data)
se = stats.sem(data)  # standardfeil

# 95 %-konfidensintervall med t-fordeling
ki = stats.t.interval(0.95, df=n-1, loc=gjennomsnitt, scale=se)
print(f"95 % KI: [{ki[0]:.2f}, {ki[1]:.2f}]")
# 95 % KI: [24.33, 28.67]

R for statistisk analyse

R er eit programmeringsspråk laga spesielt for statistikk og dataanalyse. Det er førstevalet i mange forskarmiljø og har innebygd støtte for dei fleste statistiske metodar.

Grunnleggjande statistikk i R

data <- c(23, 27, 31, 25, 28, 30, 22, 26, 29, 24)

# Beskrivende statistikk
mean(data)        # 26.5
median(data)      # 26.5
sd(data)          # 3.03 (bruker n-1 automatisk)
var(data)         # 9.17
summary(data)     # Min, Q1, Median, Snitt, Q3, Max

Fordel med R: Funksjonen sd() bruker automatisk utvalsformelen ($n-1$), så du treng ikkje hugse nokon ekstra parameter slik som i Python.

Hypotesetesting i R

# Uavhengig t-test
gruppe_a <- c(82, 78, 85, 90, 76, 88, 84, 79)
gruppe_b <- c(72, 68, 75, 80, 71, 74, 69, 73)

t.test(gruppe_a, gruppe_b)
# t = 3.574, df = 12.3, p-value = 0.003
# 95 % KI for forskjellen: [4.25, 18.25]

# Kjikvadratstest
tabell <- matrix(c(30, 20, 15, 35), nrow=2)
chisq.test(tabell)
# X-squared = 9.52, df = 1, p-value = 0.002

Korrelasjon og regresjon i R

x <- c(2, 4, 6, 8, 10)
y <- c(15, 22, 30, 35, 42)

# Korrelasjon
cor(x, y)                  # 0.998
cor.test(x, y)             # Med p-verdi og KI

# Lineær regresjon
modell <- lm(y ~ x)
summary(modell)
# Coefficients:
#   (Intercept)  8.20
#   x            3.40
# R-squared: 0.997

Rekneark for statistisk analyse

Rekneark som Microsoft Excel og Google Sheets er dei mest tilgjengelege verktøya for statistisk analyse. Dei er spesielt nyttige for enklare analysar og for å byggje intuisjon om statistiske metodar.

Viktige funksjonar i rekneark

t-test i rekneark

=T.TEST(A1:A10; B1:B10; 2; 2)

Resultatet er p-verdien direkte.

Konfidensintervall i rekneark

=KONFIDENS.NORM(0,05; STDAV(A1:A10); ANTALL(A1:A10))

Avgrensingar ved rekneark

- Lett å gjere uoppdaga feil i formlar

- Dårleg eigna for store datasett (> 10 000 rader)

Oppsummering

- Python (med NumPy, SciPy, Pandas) er allsidig og kraftig — bruk ddof=1 for utvalsstatistikk.
- R er laga for statistikk og gir den mest komplette støtta — sd() bruker automatisk $n-1$.
- Rekneark (Excel/Google Sheets) er mest tilgjengeleg og eignar seg for enkle analysar — bruk STDAV() (ikkje STDAVP()).
- Alle tre verktøya kan utføre beskrivande statistikk, t-testar, korrelasjon, regresjon og konfidensintervall.
- Reproduserbarheit er ein viktig fordel med kode (Python/R) over rekneark — analysen kan enkelt gjentakast og kontrollerast.
- Vel verktøy ut frå kompleksiteten i oppgåva: rekneark for kjappe utrekningar, Python/R for seriøse analysar.