5.6 Statistisk prosjektarbeid

Planlegging, hypoteseformulering, datainnsamling, GDPR og rapportering.

50 min

8 oppgaver

Statistisk prosjektHypoteseformuleringGDPRRapportering

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 8 oppgaver

Kapitlets plass i kurset

Bygger på

5.1Estimering

Den statistiske syklusen

Statistisk prosjektarbeid følger en syklus med fem faser:

$\text{Problem} \rightarrow \text{Plan} \rightarrow \text{Data} \rightarrow \text{Analyse} \rightarrow \text{Konklusjon}$

1. Problem: Formuler en klar, avgrenset problemstilling. En god problemstilling er:
- Spesifikk og målbar
- Gjennomførbar med tilgjengelige ressurser
- Statistisk interessant (det er genuint usikkerhet involvert)

2. Plan: Velg datainnsamlingsmetode, utvalgsmetode og statistisk analysemetode.

3. Data: Samle inn data systematisk og dokumenter prosessen.

4. Analyse: Bruk relevante statistiske metoder: deskriptiv statistikk, konfidensintervaller, hypotesetester, korrelasjon, regresjon.

5. Konklusjon: Tolk resultatene, svar på problemstillingen, og diskuter begrensninger og usikkerhet.

Hypoteseformulering i statistiske prosjekter

H_0

Datainnsamlingsmetoder

Valg av datainnsamlingsmetode har stor betydning for gyldigheten av konklusjonene.

Spørreundersøkelse (Survey)

- Fordeler: Kan nå mange, relativt billig, kan anonymiseres enkelt
- Ulemper: Lav svarprosent, svar kan være unøyaktige (respons-bias), kan ikke kontrollere andre variabler
- Utvalgsmetoder: Tilfeldig utvalg (gull-standard), kvoteutvalg, bekvemmelighetsutvalg
- Feilkilder: Spørsmålsformulering kan lede svar, manglende svar (bortfall)

Eksperiment

- Fordeler: Kan etablere kausalitet (årsak-virkning), kontroll over variabler
- Ulemper: Dyrt, tidkrevende, etiske begrensninger
- Viktig: Randomisering til behandlings- og kontrollgruppe eliminerer systematisk skjevhet

Observasjonsstudie

- Fordeler: Studerer virkeligheten uten inngrep
- Ulemper: Kan bare påvise korrelasjon, ikke kausalitet; konfunderende variabler

Sekundærdata (f.eks. SSB, WHO, Folkehelseinstituttet)

- Fordeler: Tilgjengelig, stort omfang, ferdig samlet
- Ulemper: Ikke skreddersydd til problemstillingen, mulig feil i data

GDPR (General Data Protection Regulation) er EUs personvernforordning, gjeldende i Norge via EØS.

Grunnleggende krav ved innsamling av persondata:
1. Lovlig grunnlag: Vanligvis informert samtykke fra deltakerne
2. Formålsbegrensning: Data samles kun inn til det spesifiserte formålet
3. Dataminimering: Samle inn kun det som er nødvendig
4. Lagringstid: Data skal slettes når de ikke lenger trengs
5. Informasjonsplikt: Deltakerne skal informeres om hvem som behandler dataene og til hva

I praksis for skoleprosjekter:
- Bruk anonyme spørreskjemaer der mulig (unngå navn, e-post, personnummer)
- Dersom du bruker navn: hent inn skriftlig samtykke
- Vurder om det er mulig å bruke aggregerte offentlige data (SSB, NSD) i stedet - da unngår du GDPR-problematikk
- Slett rådata etter analysen er ferdig

Sårbare grupper: Ekstra forsiktighet ved data om mindreårige eller sensitive kategorier (helse, etnisitet, religion).

Analyse og rapportering

Valg av statistisk metode

Problemstilling	Data	Metode
Gjennomsnitt $\mu$ ukjent	Numerisk, én gruppe	Konfidensintervall for $\mu$ , $t$ -test
Sammenligne to gjennomsnitt	Numerisk, to grupper	To-utvalgs $t$ -test
Andel $p$ ukjent	Kategorisk	Konfidensintervall for $p$ , $z$ -test
Sammenheng mellom to variabler	Numerisk × numerisk	Korrelasjonskoeffisient $r$ , regresjon
Fordeling lik en gitt?	Kategorisk	$\chi^2$ -test

Kritisk tolkning av resultater

- Statistisk signifikans $\neq$ praktisk betydning: En svært stor studie kan gi signifikant

p < 0{,}05

for en effekt som er praktisk ubetydelig.
- Korrelasjon $\neq$ kausalitet: En sterk

r

mellom

X

Y

kan skyldes en konfunderende variabel

Z

.
- Konfidensintervall gir mer informasjon enn $p$ -verdier: Et smalt KI sier noe om presisjonen i estimatet.
- Bortfallsanalyse: Hvem svarte ikke? Kan de som ikke svarte systematisk skille seg fra de som svarte?

Struktur i en statistisk rapport

1. Innledning: Problemstilling og bakgrunn

2. Metode: Datainnsamling, utvalg, analysemetoder
3. Resultater: Tabeller, figurer, beregninger med tolkninger
4. Diskusjon: Begrensninger, konfunderende variabler, generaliserbarhet
5. Konklusjon: Svar på problemstillingen

✏️Eksempel på et fullstendig statistisk prosjekt

En gruppe elever ønsker å undersøke om det er forskjell i gjennomsnittlig tid brukt på lekser per uke mellom elever på VG1 og VG3. Beskriv alle faser i prosjektet.

Problem:
Problemstilling: «Er gjennomsnittlig ukentlig leksetid forskjellig for VG1- og VG3-elever ved vår skole?»
Hypoteser:

H_0: \mu_1 = \mu_3

mot

H_1: \mu_1 \neq \mu_3

(tosidig,

\alpha = 0{,}05

)

Plan:
Spørreundersøkelse via anonymt elektronisk skjema. Tilfeldig utvalg av 40 elever fra hvert trinn (totalt 80). Variabel: antall timer lekser per uke (numerisk). Metode: To-utvalgs $t$ -test.

Data:
Innsamlet via anonymt Google Forms-skjema i én uke. GDPR: ingen personopplysninger samlet inn; kun trinn og timer.

Analyse:
Deskriptiv statistikk: $\bar{x}_1 = 4{,}2$ t, $s_1 = 1{,}8$ t; $\bar{x}_3 = 5{,}7$ t, $s_3 = 2{,}1$ t.
To-utvalgs $t$ -test: $\displaystyle t = \frac{4{,}2 - 5{,}7}{\sqrt{\frac{1{,}8^2}{40} + \frac{2{,}1^2}{40}}} \approx -3{,}6$ , $p < 0{,}001$ .

Konklusjon:
Vi forkaster $H_0$ . Det er statistisk signifikant mer leksetid for VG3-elever enn VG1-elever ved vår skole. Studien gjelder kun vår skole og kan ikke generaliseres til alle norske skoler. Mulig konfunderende variabel: ulike fag på de to trinnene.

📝Oppgave 1

Løs oppgavene:

En undersøkelse viser korrelasjon $r = 0{,}82$ mellom antall is-butikker på stranden og antall druknede per dag. Kan vi konkludere at is-salg forårsaker drukning? Forklar.

Forklar forskjellen mellom et eksperiment og en observasjonsstudie. Gi ett eksempel på hva slags konklusjoner man kan trekke fra hvert.

📝Oppgave 2

Løs oppgavene:

Du vil undersøke om gjennomsnittlig pendlertid er forskjellig mellom Oslo og Bergen. Formuler problemstilling og statistisk hypotesetest, og beskriv hvilket utvalg og hvilken metode du ville brukt.

Beskriv tre konkrete tiltak du ville gjort for å overholde GDPR i spørreundersøkelsen fra a).

Et konfidensintervall for differansen $\mu_{\text{Oslo}} - \mu_{\text{Bergen}}$ er $[3, 18]$ minutter med 95 % konfidensgrad. Tolk dette resultatet.

📝Oppgave 3

Gjennomfør et miniprosjekt:

Gå til SSB (ssb.no) og finn et datasett med to numeriske variabler for norske kommuner eller fylker (f.eks. inntekt og andel med høyere utdanning). Beskriv datasettet: variabeltyper, antall observasjoner og kilde.

Beregn korrelasjonskoeffisienten $r$ og gjennomfør en enkel lineær regresjon. Tolk $r^2$ , stigningskoeffisienten og gi et 95 % konfidensintervall for gjennomsnittet i en valgt kommune dersom du bruker SSB-data.

Skriv en konklusjon på 4-6 setninger med kritisk vurdering. Diskuter kausalitet, konfunderende variabler og generalisering.

Oppsummering

Den statistiske syklusen: Problem → Plan → Data → Analyse → Konklusjon

En god problemstilling er spesifikk, målbar og statistisk interessant.

Metodevalg avhenger av datatype og problemstilling:
- Numeriske data, én gruppe → $t$ -test, konfidensintervall for $\mu$
- Numeriske data, to grupper → to-utvalgs $t$ -test
- Kategoriske data → KI for $p$ , $\chi^2$ -test
- Sammenheng → korrelasjon $r$ , lineær regresjon

GDPR: Anonymiser data, hent informert samtykke, slett rådata etter bruk.

Viktige prinsipper:
- Korrelasjon $\neq$ kausalitet - vurder alltid konfunderende variabler
- Statistisk signifikans $\neq$ praktisk betydning
- Vær ærlig om begrensninger, bortfall og generaliserbarhet

Tips til eksamen: Statistisk prosjektarbeid kan komme som vurdering av et opplegg, tolkning av resultater, eller identifisering av feilkilder. Øv deg på å skille mellom korrelasjon og kausalitet, og å foreslå konfunderende variabler.

Repetisjonsoppgaver

Din fremgang

0deloppgaver0 / 5 oppgaver

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.