2.4 Normalfordeling og usikkerhet

Normalfordeling og usikkerhet

I forrige kapittel lærte vi å lage diagrammer for å visualisere data. En av de vanligste formene vi ser i histogrammer med mange observasjoner, er den karakteristiske bjelleformen – normalfordelingen. Denne fordelingen er så viktig at den kalles «statistikkens ryggrad».

Vi skal også se på noe som er grunnleggende i all naturvitenskap: usikkerhet. Ingen måling er perfekt, og det er avgjørende å forstå og kommunisere hvor usikre resultatene våre er.

68–95–99,7-regelen (empirisk regel)

For normalfordelte data gjelder følgende tommelfingerregel:

- Ca. 68 % av verdiene ligger innenfor 1 standardavvik fra gjennomsnittet ($\mu \pm 1\sigma$)
- Ca. 95 % av verdiene ligger innenfor 2 standardavvik fra gjennomsnittet ($\mu \pm 2\sigma$)
- Ca. 99,7 % av verdiene ligger innenfor 3 standardavvik fra gjennomsnittet ($\mu \pm 3\sigma$)

Denne regelen gjør det mulig å raskt vurdere om en observasjon er typisk eller uvanlig. En verdi som er mer enn 2 standardavvik fra gjennomsnittet, er uvanlig (bare 5 % av verdiene). En verdi mer enn 3 standardavvik fra gjennomsnittet er svært sjelden (bare 0,3 %).

Eksempler på normalfordeling i virkeligheten

Mange naturfenomener og målinger er tilnærmet normalfordelte:
- Høyde hos voksne av samme kjønn og etnisitet
- Fødselsvekt hos spedbarn
- Målefeil ved gjentatte målinger av samme størrelse
- IQ-score i en populasjon (gjennomsnitt 100, standardavvik 15)
- Blodtrykk hos friske voksne

Hvordan redusere usikkerhet

Det finnes flere strategier for å redusere usikkerhet i målinger:

1. Gjenta målingen: Ta mange målinger og beregn gjennomsnittet. Tilfeldige feil vil da jevne seg ut. Standardavviket til gjennomsnittet (standardfeilen) avtar med $\displaystyle \frac{\sigma}{\sqrt{n}}$, der $n$ er antall målinger.

2. Bruk bedre utstyr: Et digitalt termometer med 0,1 °C presisjon gir lavere usikkerhet enn et analogt med 1 °C presisjon.

3. Kontroller forholdene: Mål i stabile omgivelser uten forstyrrende faktorer.

4. Kalibrer utstyret: Sjekk utstyret mot en kjent standard for å avdekke systematiske feil.

5. Bruk riktig teknikk: Avles rett, unngå parallaksefeil, følg prosedyrer nøyaktig.

Konfidensintervall

Et konfidensintervall er et intervall som med en angitt sannsynlighet inneholder den sanne verdien av det vi måler. Det er en formell måte å uttrykke usikkerhet på.

95 % konfidensintervall betyr at dersom vi gjentar undersøkelsen mange ganger, vil ca. 95 av 100 intervaller inneholde den sanne verdien.

For normalfordelte data med kjent standardavvik beregnes 95 % konfidensintervall slik:

$$\bar{x} \pm 1{,}96 \cdot \frac{s}{\sqrt{n}}$$

der $\bar{x}$ er gjennomsnittet, $s$ er standardavviket og $n$ er antall observasjoner.

I praksis: Når du leser at «gjennomsnittstemperaturen var $15{,}3 \pm 0{,}4$ °C (95 % konfidensintervall)», betyr det at vi med 95 % sikkerhet kan si at den sanne gjennomsnittstemperaturen ligger mellom 14,9 og 15,7 °C.

Viktig: Konfidensintervallet blir smalere når:
- Vi øker antall observasjoner ($n$ blir større)
- Spredningen i dataene er liten ($s$ er liten)
- Vi aksepterer lavere konfidensnivå (f.eks. 90 % i stedet for 95 %)

Oppsummering

- Normalfordelingen er en symmetrisk, bjelleformet fordeling bestemt av gjennomsnitt ($\mu$) og standardavvik ($\sigma$).
- 68–95–99,7-regelen: Ca. 68 %, 95 % og 99,7 % av verdiene ligger innenfor henholdsvis 1, 2 og 3 standardavvik fra gjennomsnittet.
- Måleusikkerhet finnes i alle målinger. Vi skiller mellom systematiske feil (konstante, korrigerbare) og tilfeldige feil (varierende, reduseres ved gjentatte målinger).
- Resultater bør oppgis som $\text{verdi} \pm \text{usikkerhet}$.
- Konfidensintervall angir et intervall som med en gitt sannsynlighet inneholder den sanne verdien.
- Usikkerheten reduseres med flere målinger ($\displaystyle \propto \frac{1}{\sqrt{n}}$), bedre utstyr og kontrollerte forhold.