Gjennomsnitt, standardavvik, effektstørrelse og signifikans.
Statistisk analyse
Etter at du har samla inn data, må du analysere dei for å finne svar på problemstillinga di. Statistisk analyse handlar om å organisere, beskrive og tolke taldata. I treningslære bruker vi statistikk for å avgjere om ein treningsmetode har effekt, om det er forskjellar mellom grupper, eller om det finst samanhengar mellom variablar.
Du treng ikkje å bli ekspert i statistikk, men du bør forstå dei grunnleggjande omgrepa og kunne bruke dei i fordjupingsoppgåva di.
Kva kan statistikk fortelje oss?
- Kva som er typisk for ei gruppe (sentraltendens)
- Kor stor spreiing det er i dataa (variasjon)
- Om ein effekt er stor nok til å ha praktisk betydning (effektstørrelse)
- Om eit resultat sannsynlegvis er tilfeldig eller reelt (signifikans)
Utrekning av gjennomsnitt:
Formel: Gjennomsnitt = Sum av alle verdiar / Tal på verdiar
Eksempel: Fem elevar har følgjande 1RM i benkpress: 60, 65, 70, 75, 80 kg
Gjennomsnitt = (60 + 65 + 70 + 75 + 80) / 5 = 350 / 5 = 70 kg
Andre mål for sentraltendens:
- Median – den midterste verdien når dataa er sorterte. Mindre påverka av ekstremverdiar enn gjennomsnittet.
- Modus – den verdien som førekjem oftast. Mest brukt for kategoriske data.
Når bruke kva?
- Gjennomsnitt: Når dataa er normalfordelte og utan store uteliggjarar
- Median: Når dataa er skeive eller har ekstreme verdiar
- Modus: Når du vil finne den vanlegaste kategorien
Gjennomsnitt (mean) er eit sentralmål som blir rekna ut ved å summere alle verdiane i eit datasett og dele summen på talet på verdiar. Gjennomsnittet representerer den typiske verdien i datasettet.
Kvifor er standardavvik viktig i treningsforsking?
Tenk deg to grupper som begge har eit gjennomsnittleg spensthopp på 40 cm:
- Gruppe A: 38, 39, 40, 41, 42 cm → lita spreiing (SD = 1,6 cm)
- Gruppe B: 25, 32, 40, 48, 55 cm → stor spreiing (SD = 11,4 cm)
Sjølv om gjennomsnittet er likt, fortel standardavviket oss at gruppe B er mykje meir ueinsarta. Dette har betydning for korleis vi tolkar resultata og kor generaliserbare dei er.
Tommelfingerregel for normalfordeling:
- Ca. 68 % av verdiane ligg innanfor 1 standardavvik frå gjennomsnittet
- Ca. 95 % av verdiane ligg innanfor 2 standardavvik frå gjennomsnittet
- Ca. 99,7 % av verdiane ligg innanfor 3 standardavvik frå gjennomsnittet
Rapportering i treningsforsking:
Resultat blir rapporterte typisk som gjennomsnitt pluss/minus standardavvik, til dømes: VO2maks = 55,3 pluss/minus 5,2 ml/kg/min. Dette fortel lesaren både kva som er typisk og kor stor spreiing det er i gruppa.
Standardavvik (SD) er eit statistisk mål for spreiinga i eit datasett. Det angjev kor mykje dei individuelle verdiane i gjennomsnitt avvik frå gjennomsnittet. Eit lite standardavvik betyr lita spreiing, medan eit stort standardavvik betyr stor spreiing.
To klassar gjennomfører Cooper-test. Klasse A: gjennomsnitt 2450 m, SD = 180 m. Klasse B: gjennomsnitt 2480 m, SD = 350 m. Kva kan vi seie om dei to klassane?
Klasse A og B har omtrent likt gjennomsnitt (2450 vs. 2480 m), noko som betyr at den gjennomsnittlege uthaldenheita er nokså lik.
Men standardavviket avslører ein viktig forskjell:
Klasse A (SD = 180 m): Elevane er relativt jamne. Dei fleste (68 %) spring mellom 2270 m og 2630 m. Klassen er homogen i uthald.
Klasse B (SD = 350 m): Elevane er svært ujamne. Dei fleste (68 %) spring mellom 2130 m og 2830 m. Det er stor variasjon i uthaldsnivå.
Praktisk betydning: Ein kroppsøvingslærar vil trenge langt større differensiering i klasse B, der nokre elevar er svært godt trente medan andre er mykje svakare. I klasse A kan læraren i større grad gje like utfordringar til heile klassen.
Cohens d:
Det vanlegaste målet for effektstørrelse ved samanlikning av to grupper. Det blir rekna ut som forskjellen mellom to gjennomsnitt delt på det samla standardavviket.
Tolking av Cohens d:
| Verdi | Tolking | Eksempel i treningslære |
|---|---|---|
| 0,2 | Lita effekt | Minimalt betre enn kontrollgruppa |
| 0,5 | Moderat effekt | Tydeleg og merkbar forskjell |
| 0,8 | Stor effekt | Svært tydeleg og praktisk viktig forskjell |
Eksempel: Ein studie finn at HIIT-gruppa forbetrar VO2maks med 3,5 ml/kg/min meir enn kontrollgruppa. Det samla standardavviket er 5,0 ml/kg/min.
Cohens d = 3,5 / 5,0 = 0,7
Dette er ein moderat til stor effektstørrelse, noko som tyder på at HIIT har ein praktisk meiningsfull effekt på uthald.
Kvifor er effektstørrelse viktig?
Med eit stort nok utval kan sjølv svært små og ubetydelege forskjellar bli statistisk signifikante. Effektstørrelsen hjelper oss å vurdere om ein forskjell faktisk har praktisk betydning i treningssamanheng.
Effektstørrelse er eit statistisk mål som uttrykkjer kor stor den praktiske betydninga av ein forskjell eller samanheng er. Cohens d er det vanlegaste målet ved samanlikning av to grupper og blir rekna ut som forskjellen mellom gjennomsnitta delt på standardavviket.
P-verdien:
P-verdien angjev sannsynet for å observere det aktuelle resultatet (eller eit meir ekstremt resultat) dersom det i røynda ikkje er nokon forskjell. Ein låg p-verdi tyder på at resultatet neppe skuldast tilfeldigheiter.
Konvensjon:
- p < 0,05: Statistisk signifikant (det er mindre enn 5 % sjanse for at resultatet skuldast tilfeldigheiter)
- p < 0,01: Sterkt signifikant
- p > 0,05: Ikkje statistisk signifikant
Viktig å forstå:
- Statistisk signifikans betyr ikkje at resultatet nødvendigvis har praktisk betydning
- Ein stor studie kan gje signifikante resultat for svært små (ubetydelege) forskjellar
- Ein liten studie kan mangle statistisk kraft til å påvise reelle forskjellar
- P-verdien seier ingenting om storleiken på effekten – bruk effektstørrelse i tillegg
Eksempel frå treningsforsking:
Ein studie med 200 deltakarar samanliknar to treningsprogram og finn at program A gjev 0,5 kg større styrkeauke enn program B (p = 0,03). Resultatet er statistisk signifikant, men er 0,5 kg ekstra styrkeauke praktisk meiningsfull? Sannsynlegvis ikkje. Effektstørrelsen (Cohens d = 0,1) stadfestar at forskjellen er neglisjerbar. Her ser vi kor viktig det er å rapportere effektstørrelse i tillegg til p-verdi.
Statistisk signifikans angjev at eit resultat sannsynlegvis ikkje skuldast tilfeldig variasjon. Ved p < 0,05 (det vanlegaste signifikansnivået) er det mindre enn 5 % sannsyn for å observere det aktuelle resultatet dersom det i røynda ikkje er nokon forskjell.
Når du skal presentere data i rapporten din, er det viktig å velje rett format. Her er dei vanlegaste måtane å presentere data på i treningslære:
Tabell:
Best for å vise nøyaktige tal, til dømes pre- og post-testverdiar for fleire variablar.
| Variabel | Pre-test (snitt) | Post-test (snitt) | Endring |
|---|---|---|---|
| 1RM knebøy (kg) | 80,5 (SD 12,3) | 92,1 (SD 13,5) | +11,6 |
| 1RM benkpress (kg) | 62,3 (SD 9,8) | 70,8 (SD 10,2) | +8,5 |
| Vertikalt hopp (cm) | 38,2 (SD 5,4) | 41,5 (SD 5,1) | +3,3 |
Stolpediagram:
Best for å samanlikne grupper eller kategoriar visuelt.
Linjediagram:
Best for å vise endringar over tid, til dømes treningsbelastning gjennom eit program.
Spreiingsplott:
Best for å vise samanhengen mellom to variablar, til dømes samanhengen mellom treningsvolum og styrkeauke.
Tips for god datapresentasjon:
- Gje alle figurar og tabellar ein tydeleg tittel og nummerering
- Oppgje alltid gjennomsnitt og standardavvik (eller anna spreiingsmål)
- Merk aksane tydeleg i figurar
- Vis til tabellen eller figuren i teksten
- Bruk rette einingar (kg, cm, ml/kg/min, sekund)
Kva fortel standardavviket oss?
Kva betyr det at eit resultat har p < 0,05?
Fem elevar gjennomfører ein spensttest (vertikalt hopp) med følgjande resultat: 35, 38, 42, 40 og 45 cm. Rekn ut gjennomsnittet. Forklar med eigne ord kva gjennomsnittet fortel oss om denne gruppa.
Ein studie finn at eit treningsprogram gjev ei forbetring i 1RM knebøy med Cohens d = 0,3. Ein annan studie av eit anna program finn Cohens d = 0,9. Forklar kva desse tala betyr og kva program som ser ut til å ha størst effekt.
Forklar kvifor det er viktig å rapportere effektstørrelse i tillegg til p-verdi. Bruk eit konkret eksempel frå treningsforsking der ein studie kan ha statistisk signifikant resultat men låg praktisk betydning.
Du har gjennomført ein pre-post-studie med 10 deltakarar og fått følgjande resultat for vertikalt hopp: Pre-test gjennomsnitt = 38,0 cm (SD = 5,2), post-test gjennomsnitt = 41,5 cm (SD = 5,0). Lag ein tabell som presenterer desse resultata. Drøft kva resultata kan bety og kva avgrensingar studien har.
Oppsummering
I dette kapittelet har du lært:
- Sentraltendens: Gjennomsnitt, median og typetal beskriv data.
- Standardavvik: Mål på spreiing i datasettet.
- Effektstørrelse (Cohens d): Seier noko om kor stor ei endring er.
- Statistisk signifikans (p-verdi): Seier om resultatet er tilfeldig.
Viktige formlar
- Gjennomsnitt = sum av verdiar / tal på verdiar
Nøkkelomgrep
| Omgrep | Forklaring |
|---|---|
| Gjennomsnitt | Summen delt på talet på verdiar |
| Standardavvik | Mål på spreiing i data |
| Cohens d | Mål på effektstørrelse |
| P-verdi | Mål på statistisk signifikans |
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.