2.7 Drill: det komplette test-ritualet (sjanger E)

Ritualet skrevet ut i full detalj, om og om igjen, over alle testtypene — inkludert den eksplisitte utledningen av at nivået blir α og den verbalt korrekte P-verdi-definisjonen sensor krever.

80 min

12 oppgaver

Drilldet komplette test-ritualet (sjanger E)

Din fremgang i kapitlet

0 / 12 oppgaver

Kapitlets plass i kurset

Bygger på

2.2Hypotesetestens rituale: nivå, P-verdi og dualitet 2.3To-utvalg, parvise data og andeler

Brukes videre i

2.PPrøver til del 2: Hypotesetesting og konfidensintervall 4.1Sjangerguiden A–P og den kjededelte tredelingens anatomi

Dette kapitlet ER sensorkravet. Testritualet er hjertet i Oppgave 2, som opptrer i omtrent 20 av 22 sett (91 %). Løsningsforslagene skriver ut hele ritualet — særlig nivå-utledningen

P(\text{forkast } H_0\mid H_0)=\alpha

og den verbale P-verdi-definisjonen. Å bare «sette inn i formel» gir ikke full uttelling.

- Sjanger E = hypotesetest-oppgaven i full pakke. Her drilles ALLE underartene: ett-utvalgs t, to-utvalgs pooled t, parvis t, andels-z, Poisson-test, F-test for varianser, ANOVA-F og rangtest.
- Poenget med drillen: samme fem trinn hver gang — bare observatoren og frihetsgradene bytter. Når malen sitter i fingrene, koker enhver testoppgave ned til «hvilken observator, hvilken fordeling, hvilke frihetsgrader?».

Sensorens krav (§4.5): de fem trinnene MÅ være med, nivået MÅ utledes, og P-verdien MÅ defineres i ord. Prioritet: høyeste prioritet — dette er det tydeligste enkeltkravet i emnet.

Tidsbruk: ~80 min. Del gjerne over to økter: én for malen + de fire t-baserte testene, én for andeler/Poisson/F/ANOVA/rang. Anslaget er lesetid; regner du for hånd, gang med ca. 1,5.

Forkunnskaper: Dette drillkapitlet samler hele Del 2. Du bør ha vært innom testritualet i kap. 2.2 (de fem trinnene, P-verdi, dualitet), konfidensintervallene i kap. 2.1 (t-, z-, andels- og

\chi^2

-intervall, kvantiler, frihetsgrader), sammenligningstestene i kap. 2.3 (to-utvalgs pooled t, parvis t, andels-z), styrke/dimensjonering i kap. 2.4, F-testen og eksakt pivot i kap. 2.5, og ANOVA/rangtest i kap. 2.6.

Alt du trenger av fordelingsteori er allerede etablert der; her handler alt om å utføre ritualet raskt og fullstendig. Nødvendige kvantiler ( $z$ , $t$ , $F$ , $\chi^2$ ) legges — som på eksamen — rett i oppgaveteksten.

Sist du var her (nøkkelformlene du drar veksel på nå):

$\text{Ett utvalg: } T=\frac{\bar X-\mu_0}{S/\sqrt n}\sim t_{n-1};\qquad \text{To utvalg: } T=\frac{\bar Y_1-\bar Y_2}{S_p\sqrt{1/m+1/n}}\sim t_{m+n-2};$
$\text{Parvis: } T=\frac{\bar D}{S_D/\sqrt n}\sim t_{n-1};\qquad \text{Andeler: } Z=\frac{\hat p_1-\hat p_2}{\sqrt{\hat p(1-\hat p)(1/n_1+1/n_2)}}\sim N(0,1).$

Legg merke til at alle har samme form: (estimat − nullverdi) delt på standardfeil. Det er malen — resten er å velge riktig standardfeil og riktig fordeling.

Løsningsoppskrift: den obligatoriske femtrinnsmalen

Hver eneste testoppgave løses med de samme fem trinnene. Lær dem som en fast kjede — sensor forventer å se alle fem.

Trinn 1 — Hypoteser med begrunnet retning. Skriv $H_0$ (en likhet, «status quo») og $H_a$ . Begrunn om $H_a$ er ensidig eller tosidig: skal du påvise en bestemt retning (øker/synker), er den ensidig; skal du bare påvise endring, er den tosidig. Retningen følger av spørsmålet og bestemmes FØR du ser dataene.

Trinn 2 — Testobservator og fordeling under $H_0$ . Skriv opp observatoren (estimat minus nullverdi, delt på standardfeil) og oppgi fordelingen den har når $H_0$ er sann — riktig type OG riktige frihetsgrader. Dette er der de fleste feilene skjer.

Trinn 3 — Utled at nivået blir $\alpha$ . Regn eksplisitt
$P(\text{forkast } H_0\mid H_0\text{ sann})=\alpha.$
For en høyresidig test: $P(T>t_{\nu,\alpha}\mid H_0)=\alpha$ per definisjon av kvantilen. For tosidig: $\alpha/2$ i hver hale summerer til $\alpha$ . Skriv sannsynligheten ut — ikke bare «vi bruker 5 %». Dette er A-kravet (§4.5).

Trinn 4 — Tallfest, sammenlign og oppgi P-verdien. Sett inn tallene, sammenlign observatoren med den kritiske verdien, og oppgi P-verdien. Definer den i ord: «sannsynligheten under $H_0$ for et minst like ekstremt utfall som det observerte.» Forkast når P-verdi $<\alpha$ .

Trinn 5 — Konkluder i ord i kontekst + dualitet. Oversett «forkast/behold» til situasjonens språk, med P-verdi og nivå. Bruk CI↔test-dualiteten som kryssjekk: en tosidig test forkaster $H_0:\theta=\theta_0$ hvis og bare hvis $\theta_0$ ligger utenfor det $(1-\alpha)$ -KI-et (for en ensidig test: utenfor det ensidige intervallet).

Observator- og frihetsgrad-velgeren (trinn 2, alle testtypene):

Situasjon	Observator	Fordeling under $H_0$
Ett utvalg, ukjent $\sigma$	$T=\dfrac{\bar X-\mu_0}{S/\sqrt n}$	$t_{n-1}$
Ett utvalg, kjent $\sigma$	$Z=\dfrac{\bar X-\mu_0}{\sigma/\sqrt n}$	$N(0,1)$
To uavhengige utvalg, lik varians	$T=\dfrac{\bar Y_1-\bar Y_2}{S_p\sqrt{1/m+1/n}}$	$t_{m+n-2}$
Parvise data	$T=\dfrac{\bar D}{S_D/\sqrt n}$ ( $n$ = par)	$t_{n-1}$
To andeler	$Z=\dfrac{\hat p_1-\hat p_2}{\sqrt{\hat p(1-\hat p)(1/n_1+1/n_2)}}$	$N(0,1)$
Poisson-antall (stor $\mu$ )	$Z=\dfrac{X-\mu_0}{\sqrt{\mu_0}}$	$N(0,1)$ (CLT)
To varianser	$F=\dfrac{S_1^2}{S_2^2}$	$F_{m-1,\,n-1}$
$k$ gruppers forventning	$F=\dfrac{\text{MSB}}{\text{MSW}}$	$F_{k-1,\,N-k}$

Velg raden, og de fire andre trinnene er identiske. Feil frihetsgrader straffes hardt — dobbeltsjekk alltid nevneren.

✏️Gjennomregnet eksamenscase: ett-utvalgs t med sensor-margnotater

Et renseanlegg skal holde forventet utslipp under grenseverdien 25 mg/l. Tilsynet mistenker overskridelse og tar $n=20$ uavhengige prøver: $\bar x=27{,}2$ mg/l og $s=4{,}5$ mg/l (normale data, ukjent $\sigma$ ). Test på 5 %-nivå om forventet utslipp overstiger 25 mg/l. Bruk $t_{19,\,0{,}05}=1{,}729$ og $t_{19,\,0{,}025}=2{,}093$ , og opplys at $P(T_{19}>2{,}19)\approx 0{,}021$ .

Trinn 1 — hypoteser med begrunnet retning: Tilsynet vil påvise overskridelse, altså en økning i én bestemt retning

\Rightarrow

ensidig (høyresidig):

H_0:\mu=25\qquad\text{mot}\qquad H_a:\mu>25.

Sensor-margnotat: full uttelling krever at retningen begrunnes ut fra ordet «overskridelse» — ikke velges etter at man har sett at $\bar x>25$ .

Trinn 2 — observator + fordeling under $H_0$ : $T=\dfrac{\bar X-25}{S/\sqrt n}$ . Ukjent $\sigma$ og normale data gir under $H_0$ :
$T\sim t_{n-1}=t_{19}.$
Sensor-margnotat: her sitter poenget for $t$ (ikke $z$ ) og for $n-1=19$ frihetsgrader — feil df koster.

Trinn 3 — utled at nivået blir 5 %: Vi forkaster når $T>t_{19,\,0{,}05}=1{,}729$ . Under $H_0$ er $T\sim t_{19}$ , så
$P(\text{forkast } H_0\mid H_0)=P(T>1{,}729\mid H_0)=0{,}05,$
nettopp fordi $t_{19,\,0{,}05}$ per definisjon skjærer av arealet 0,05 i øvre hale. Sensor-margnotat: dette trinnet — sannsynligheten skrevet ut — er det hyppigst glemte og et rent A-krav (§4.5).

Trinn 4 — tallfest + P-verdi: Standardfeil $S/\sqrt n=4{,}5/\sqrt{20}=1{,}006$ .
$T=\frac{27{,}2-25}{1{,}006}=\frac{2{,}2}{1{,}006}=2{,}19>1{,}729,$
så vi forkaster. P-verdien er sannsynligheten under $H_0$ for et minst like ekstremt (stort) utfall som det observerte: $P\text{-verdi}=P(T_{19}>2{,}19)\approx 0{,}021<0{,}05$ . Sensor-margnotat: den verbale definisjonen må stå der — « $P(T_{19}>2{,}19)$ » alene, uten ord, gir ikke full uttelling.

Trinn 5 — konklusjon i kontekst + dualitet: På 5 %-nivå er det belegg for at forventet utslipp overstiger grenseverdien 25 mg/l (P-verdi $\approx 0{,}021$ ). Kryssjekk (ensidig dualitet): det ensidige nedre 95 %-intervallet er $\mu>\bar x-t_{19,\,0{,}05}\,S/\sqrt n=27{,}2-1{,}729\cdot 1{,}006=25{,}46$ . Siden hele intervallet $\mu>25{,}46$ ligger over 25, utelukkes nullverdien 25 — samme konklusjon som testen. Sensor-margnotat: dualiteten som kryssjekk viser modenhet og fanger regnefeil.

Drill: samme mal, alle testtypene

Oppgavene under ruller gjennom hver underart av sjanger E. Skriv ut alle fem trinn hver gang — også når det frister å hoppe over nivå-utledningen. De to siste er merket «(krevende)», og helt sist ligger en kald oppgave uten hint, der fasiten bare er en momentliste (som på eksamen får du ingen ledetråder).

📝Oppgave 1

(Ett-utvalgs t, ensidig.) Et nytt kosttilskudd skal øke forventet hemoglobin over dagens nivå 12,0 g/dl. Fra

n=16

pasienter:

\bar x=12{,}8

s=1{,}6

(normale data, ukjent

\sigma

). Test på 5 %-nivå. Bruk

t_{15,\,0{,}05}=1{,}753

P(T_{15}>2{,}0)\approx 0{,}032

Skriv ut alle fem trinn, inkludert nivå-utledningen.

📝Oppgave 2

(Ett-utvalgs t, tosidig.) En tappemaskin skal holde forventet fylling på

\mu=500

ml. Kvalitetskontrollen vil bare vite om fyllingen har endret seg. Fra

n=25

flasker:

\bar x=497

s=8

(normale data). Test tosidig på 5 %-nivå, og kryssjekk mot det tosidige 95 %-KI-et. Bruk

t_{24,\,0{,}025}=2{,}064

P(T_{24}>1{,}875)\approx 0{,}0365

📝Oppgave 3

(To-utvalgs pooled t.) To gjødseltyper sammenlignes på uavhengige forsøksfelt. Type 1:

m=10

\bar y_1=53

s_1=5

. Type 2:

n=12

\bar y_2=48

s_2=4

(normale data, lik varians). Test tosidig på 5 %-nivå om forventet avling er forskjellig, og gi et 95 % KI for differansen. Bruk

t_{20,\,0{,}025}=2{,}086

P(T_{20}>2{,}61)\approx 0{,}0084

📝Oppgave 4

(Parvis t.) Ti bilister kjører samme rute med to dekktyper (samme bil, samme fører) — dette er PARVISE data. Differansene i drivstofforbruk (type A − type B) har

\bar d=2{,}4

s_D=3{,}2

over

n=10

par. Test ensidig på 5 %-nivå om type A gir høyere forbruk. Bruk

t_{9,\,0{,}05}=1{,}833

P(T_9>2{,}37)\approx 0{,}021

📝Oppgave 5

(To-utvalgs andels-z, pooled $\hat p$ .) Et informasjonstiltak prøves ut i to bydeler. Bydel 1:

x_1=90

n_1=200

svarer riktig; bydel 2:

x_2=66

n_2=200

. Test tosidig på 5 %-nivå om andelen riktige svar er forskjellig. Bruk

z_{0{,}025}=1{,}96

P(Z>2{,}46)\approx 0{,}0069

📝Oppgave 6

(Poisson-test, normaltilnærmet.) Antall registrerte feil i en produksjonsperiode er

X\sim\text{Poisson}(\mu)

. Normalt ligger raten på

\mu_0=100

; ledelsen vil påvise en økning. Denne perioden observeres

x=118

. Test på 5 %-nivå med normaltilnærming. Bruk

z_{0{,}05}=1{,}645

P(Z>1{,}80)\approx 0{,}036

📝Oppgave 7

(F-test for varianser.) Før en pooled to-utvalgstest vil du sjekke lik-varians-antakelsen. Utvalg 1:

m=21

med

s_1^2=6{,}0

. Utvalg 2:

n=16

med

s_2^2=2{,}4

(uavhengige normale data). Test tosidig på 5 %-nivå om variansene er like, og si hva konklusjonen betyr for en påfølgende pooled test. Bruk

F_{20,\,15,\,0{,}025}=2{,}76

📝Oppgave 8

(Enveis ANOVA-F fra R-utskrift.) Tre opplæringsopplegg (A, B, C) sammenlignes på til sammen

N=27

deltakere. En enveis variansanalyse gir følgende utskrift:

            Df   Sum Sq   Mean Sq   F value   Pr(>F)
opplegg      2    96.0     48.00     4.80     0.0176
Residuals   24   240.0     10.00

a) Verifiser Mean Sq- og F value-kolonnene.

b) Formuler hypotesene og oppgi observatoren med fordeling under $H_0$ .

c) Konkluder på 5 %-nivå, og forklar hva testen IKKE forteller.

📝Oppgave 9

(Rangtest — når normalitet svikter.) To metoder sammenlignes på

n=11

små, tydelig skjeve målinger. QQ-plottet buer sterkt (tunge haler). En to-utvalgs t-test gir P-verdi 0,04, mens en Wilcoxon rangsumtest gir «W = 74, p-value = 0,09».

a) Hvorfor er rangtesten å foretrekke her?

b) Hva betyr forskjellen i P-verdi for konklusjonen på 5 %-nivå?

c) En medstudent sier at den høyere P-verdien viser at rangtesten er «dårligere». Har han rett?

📝Oppgave 10

(Krevende — velg riktig oppsett, så utfør.) Avgjør i hvert tilfelle hvilken testtype som er riktig, hvilken observator og fordeling (med frihetsgrader) du bruker — og for (c) utfør hele ritualet.

a) Blodtrykk hos 18 pasienter, målt før og etter en behandling; påvise endring.

b) Andel fornøyde blant 250 kunder i butikk X mot 300 i butikk Y.

c) Reaksjonstid hos $m=8$ menn ( $\bar y_1=44$ , $s_1=6$ ) og $n=11$ kvinner ( $\bar y_2=38$ , $s_2=5$ ), uavhengige normale data, lik varians; påvise forskjell tosidig på 5 %-nivå. Bruk $t_{17,\,0{,}025}=2{,}110$ og $P(T_{17}>2{,}38)\approx 0{,}015$ .

📝Oppgave 11

(Krevende — finn feilene.) En student leverer denne besvarelsen på en test av

H_0:\mu=50

(påvise økning, ukjent

\sigma

n=16

\bar x=52

s=6

, 5 %-nivå):

«Jeg tester $H_0:\mu=50$ mot $H_a:\mu\ne 50$ . Observator $Z=(\bar X-50)/(\sigma/\sqrt n)\sim N(0,1)$ . $Z=(52-50)/(6/\sqrt{16})=2/1{,}5=1{,}33$ . P-verdien 0,18 er sannsynligheten for at $H_0$ er sann; siden den er stor, er $H_0$ bevist. Jeg beholder $H_0$ .»

Pek ut alle feilene og skriv en korrekt kort løsning. Bruk $t_{15,\,0{,}05}=1{,}753$ og $P(T_{15}>1{,}33)\approx 0{,}10$ .

📝Oppgave 12

(Kald oppgave — fasit som momentliste, ingen hint.) En kalibrering skal holde forventet måleverdi på 50 enheter; laboratoriet vil vite om verdien har endret seg. Fra

n=25

normale målinger:

\bar x=51{,}5

s=4{,}0

. Gjennomfør hele femtrinnsmalen tosidig på 5 %-nivå, oppgi P-verdien og definer den, og kryssjekk mot det tosidige 95 %-KI-et. Bruk

t_{24,\,0{,}025}=2{,}064

P(T_{24}>1{,}875)\approx 0{,}0365

Typiske feil i test-ritualet

1. Hoppe over nivå-utledningen. Trinnet der du viser at forkastningsregelen har nivå

\alpha

er en del av ritualet — ikke bare «forkast hvis

|T|>t_{n-1,\alpha/2}

» uten begrunnelse.

2. P-verdi-mistolkning. P-verdien er sannsynligheten, beregnet under $H_0$ , for et minst like ekstremt utfall som det observerte — aldri «sannsynligheten for at $H_0$ er sann».

3. Feil retning i $H_a$ og feil frihetsgrader. Retningen skal begrunnes fra spørsmålet FØR du ser på tallene; df er $n-1$ , $m+n-2$ (pooled) eller $n-1$ for differansene ved parvise data.

4. Parvise data behandlet som to uavhengige utvalg. Reduser alltid til differansene $D_i$ først — to-utvalgsformelen er gal her og gir feil varians.

5. Konklusjon uten kontekst. «Forkaster $H_0$ » er et halvt svar; konkluder i oppgavens egne ord (t↔z-forveksling trekker også).

Begrepsbank

Flashcard-/repetisjonsstoff — hopp trygt over ved førstegangslesing; tidsanslaget gjelder kjernestoffet. Korte, navngitte definisjoner av testritual-begrepene, samlet for eksamensrepetisjon.

Femtrinns-testmalen

H_0/H_a

Nivå-utledningen

P(\text{forkast } H_0\mid H_0\text{ sann})=\alpha

P-verdien (verbal definisjon)

H_0

Testobservator og nullfordeling

H_0

Ett-utvalgs t-test

\sigma

To-utvalgs pooled t-test

T=\dfrac{\bar Y_1-\bar Y_2}{S_p\sqrt{1/m+1/n}}\sim t_{m+n-2}

Parvis t-test

D_i

To-utvalgs andels-z

Z=\dfrac{\hat p_1-\hat p_2}{\sqrt{\hat p(1-\hat p)(1/n_1+1/n_2)}}\sim N(0,1)

Poisson-test (normaltilnærmet)

E(X)=\text{Var}(X)=\mu

F-test for varianser

F=S_1^2/S_2^2\sim F_{m-1,\,n-1}

Enveis ANOVA-F

k

Rang-/Wilcoxon-test

Det ikke-parametriske alternativet når QQ-plottet bryter normalitet: bytt tallverdiene med ranger og test på dem. Antar ikke normalitet, robust mot uteliggere; prisen er litt lavere styrke og gjerne en høyere P-verdi når data faktisk er normale.

Begrunnet retning (ensidig/tosidig)

H_a

Frihetsgrad-velgeren

n-1

CI–test-dualitet (kryssjekk)

\alpha

Symbol- og formelliste

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.

Skolesaga er en uavhengig læringsressurs og er ikke tilknyttet eller godkjent av Universitetet i Oslo. Dette er ikke offisielt studiemateriell. Les mer.