2.3 t-test og kjikvadratstest | Teknologi og forskningslære 2

Uavhengig og paret t-test, kjikvadratstest for uavhengighet.

30 min

6 oppgaver

t-testKjikvadratstestFridomsgrader

Du leser den tradisjonelle versjonen

Din fremgang i kapitlet

0 / 6 oppgaver

t-test og kjikvadratstest

I dette kapittelet skal du lære å bruke to av de mest brukte statistiske testene: t-testen for å sammenligne gjennomsnitt og kjikvadratstesten for å undersøke sammenhenger mellom kategoriske variabler. Du skal lære når hver test er egnet, hvordan den gjennomføres, og hvordan resultatene tolkes.

Læringsmål:
- Utføre en uavhengig t-test for to grupper
- Utføre en paret t-test for gjentatte målinger
- Utføre en kjikvadratstest for uavhengighet
- Velge riktig test basert på datatype og forskningsdesign
- Tolke testresultater med frihetsgrader, teststatistikk og p-verdi

Uavhengig t-test (to utvalg)

Den uavhengige t-testen (også kalt «two-sample t-test» eller «uparet t-test») brukes når vi vil sammenligne gjennomsnittene i to uavhengige grupper. «Uavhengige» betyr at deltakerne i den ene gruppen ikke påvirker eller er koblet til deltakerne i den andre gruppen.

Typiske bruksområder:
- Sammenligne testresultater mellom to klasser som har brukt ulike undervisningsmetoder
- Sammenligne blodtrykk mellom en medikamentgruppe og en placebogruppe
- Sammenligne reaksjonstid mellom kvinner og menn

Forutsetninger for t-testen

1. Uavhengige observasjoner — målingene er uavhengige av hverandre
2. Normalfordelte data — dataene i hver gruppe er tilnærmet normalfordelt (eller $n \geq 30$ per gruppe, jf. sentralgrenseteoremet)
3. Like varianser — de to gruppene har omtrent lik spredning (kan sjekkes med Levenes test)

Teststatistikken

For uavhengig t-test med antatt like varianser beregner vi:

$t = \frac{\bar{x}_1 - \bar{x}_2}{s_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}$

der $s_p$ er den sammenslåtte (pooled) standardavviket:

$s_p = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}}$

Antall frihetsgrader er $df = n_1 + n_2 - 2$ .

T-verdien sammenlignes med den kritiske verdien fra t-fordelingen, eller vi beregner p-verdien direkte.

Uavhengig t-test

H_0: \mu_1 = \mu_2

✏️Eksempel: Uavhengig t-test

En forsker vil teste om en ny studieteknikk gir bedre eksamensresultater. 15 elever bruker den nye teknikken ( $\bar{x}_1 = 78$ , $s_1 = 8$ ) og 15 bruker tradisjonell teknikk ( $\bar{x}_2 = 72$ , $s_2 = 10$ ). Utfør en tosidig t-test med $\alpha = 0{,}05$ .

Steg 1: Formuler hypoteser
-

H_0: \mu_1 = \mu_2

(ingen forskjell)
-

H_1: \mu_1 \neq \mu_2

(forskjell)

Steg 2: Beregn sammenslått standardavvik

$s_p = \sqrt{\frac{(15-1) \cdot 8^2 + (15-1) \cdot 10^2}{15+15-2}} = \sqrt{\frac{14 \cdot 64 + 14 \cdot 100}{28}} = \sqrt{\frac{896 + 1400}{28}} = \sqrt{82} \approx 9{,}06$

Steg 3: Beregn t-verdien

$t = \frac{78 - 72}{9{,}06 \cdot \sqrt{\frac{1}{15}+\frac{1}{15}}} = \frac{6}{9{,}06 \cdot \sqrt{0{,}133}} = \frac{6}{9{,}06 \cdot 0{,}365} = \frac{6}{3{,}31} \approx 1{,}81$

Steg 4: Finn frihetsgrader og kritisk verdi
$df = 15 + 15 - 2 = 28$ . Kritisk t-verdi (tosidig, $\alpha = 0{,}05$ , $df = 28$ ): $t_{\text{krit}} \approx 2{,}048$ .

Steg 5: Konklusjon
$|t| = 1{,}81 < 2{,}048 = t_{\text{krit}}$ , altså $p > 0{,}05$ .

Vi forkaster ikke $H_0$ . Dataene gir ikke nok evidens til å konkludere med at den nye studieteknikken gir signifikant bedre resultater ved $\alpha = 0{,}05$ .

📝Oppgave 2.3.1

Når er det riktig å bruke en uavhengig t-test?

Paret t-test

Den parede t-testen brukes når vi sammenligner to sett med målinger som er koblet — enten fordi det er de samme personene målt to ganger (før og etter), eller fordi observasjonene er parvis sammenkoblet på en annen måte (f.eks. tvillinger, matchede kontroller).

Typiske bruksområder:
- Måle blodtrykk før og etter behandling hos de samme pasientene
- Sammenligne testresultater for samme elever på to tidspunkter
- Måle holdningsendring hos de samme respondentene over tid

Beregning

I stedet for å sammenligne gruppene direkte, beregner vi differansen $d_i = x_{i,\text{etter}} - x_{i,\text{før}}$ for hvert par. Deretter utfører vi en én-utvalgs t-test på differansene:

$t = \frac{\bar{d}}{s_d / \sqrt{n}}$

der $\bar{d}$ er gjennomsnittlig differanse, $s_d$ er standardavviket til differansene, og $n$ er antall par.

Frihetsgrader: $df = n - 1$

Fordelen med paret design er at hver person fungerer som sin egen kontroll. Individuelle forskjeller (som ulik utgangspuls, ulik motivasjon) elimineres automatisk fordi vi bare ser på endringen for hver person.

Paret t-test

H_0: \mu_d = 0

✏️Eksempel: Paret t-test

8 pasienter får målt blodtrykk (mmHg) før og etter en behandling. Differansene (etter $-$ før) er: $-5, -8, -3, -12, -2, -7, -6, -9$ . Test om behandlingen gir signifikant reduksjon i blodtrykk ( $\alpha = 0{,}05$ ).

Steg 1: Hypoteser
-

H_0: \mu_d = 0

(ingen effekt)
-

H_1: \mu_d < 0

(blodtrykket synker — ensidig test)

Steg 2: Beregn gjennomsnittlig differanse

$\bar{d} = \frac{-5+(-8)+(-3)+(-12)+(-2)+(-7)+(-6)+(-9)}{8} = \frac{-52}{8} = -6{,}5$

Steg 3: Beregn standardavviket til differansene

$s_d = \sqrt{\frac{\sum(d_i - \bar{d})^2}{n-1}}$

Avvikene: $1{,}5;\; -1{,}5;\; 3{,}5;\; -5{,}5;\; 4{,}5;\; -0{,}5;\; 0{,}5;\; -2{,}5$
Kvadrater: $2{,}25 + 2{,}25 + 12{,}25 + 30{,}25 + 20{,}25 + 0{,}25 + 0{,}25 + 6{,}25 = 74{,}0$

$s_d = \sqrt{\frac{74{,}0}{7}} = \sqrt{10{,}57} \approx 3{,}25$

Steg 4: Beregn t-verdien

$t = \frac{-6{,}5}{3{,}25 / \sqrt{8}} = \frac{-6{,}5}{3{,}25 / 2{,}83} = \frac{-6{,}5}{1{,}149} \approx -5{,}66$

Steg 5: Konklusjon
$df = 8 - 1 = 7$ . Kritisk t-verdi (ensidig, $\alpha = 0{,}05$ , $df = 7$ ): $t_{\text{krit}} \approx -1{,}895$ .

Siden $t = -5{,}66 < -1{,}895$ , er $p < 0{,}05$ , og vi forkaster $H_0$ . Behandlingen gir signifikant reduksjon i blodtrykk.

📝Oppgave 2.3.2

En forsker måler stressnivå hos 30 ansatte før og etter et mindfulness-kurs. Hvilken test bør brukes?

Kjikvadratstesten for uavhengighet

T-testen er for kvantitative (kontinuerlige) data. Men hva om dataene er kategoriske — for eksempel kjønn, ja/nei, farge, utdanningsnivå? Da bruker vi kjikvadratstesten ( $\chi^2$ -testen).

Kjikvadratstesten for uavhengighet tester om det er en sammenheng mellom to kategoriske variabler. Den baserer seg på å sammenligne observerte frekvenser (det vi faktisk ser i dataene) med forventede frekvenser (det vi ville forvente dersom det ikke var noen sammenheng).

Teststatistikken

$\chi^2 = \sum\frac{(O - E)^2}{E}$

der $O$ er observert frekvens og $E$ er forventet frekvens for hver celle i krysstabellen.

Forventet frekvens beregnes som:

$E = \frac{\text{radtotal} \times \text{kolonnetotal}}{\text{totalt antall}}$

Frihetsgrader: $df = (r - 1)(k - 1)$ , der $r$ er antall rader og $k$ er antall kolonner.

Forutsetninger

- Observasjonene er uavhengige
- Forventet frekvens i hver celle bør være minst 5 (tommelregel)
- Kategoriene er gjensidig utelukkende og uttømmende

Kjikvadratstest for uavhengighet

\chi^2

✏️Eksempel: Kjikvadratstest

En forsker undersøker om det er en sammenheng mellom kjønn og valg av programfag. 200 elever fordeler seg slik:

Realfag	Språkfag	Totalt
Gutter	60	40	100
Jenter	45	55	100
Totalt	105	95	200

Utfør en kjikvadratstest med

\alpha = 0{,}05

Steg 1: Hypoteser
-

H_0

: Kjønn og valg av programfag er uavhengige
-

H_1

: Det er en sammenheng mellom kjønn og programfagsvalg

Steg 2: Beregn forventede frekvenser

$\displaystyle E_{\text{gutter, realfag}} = \frac{100 \times 105}{200} = 52{,}5$

$\displaystyle E_{\text{gutter, språk}} = \frac{100 \times 95}{200} = 47{,}5$

$\displaystyle E_{\text{jenter, realfag}} = \frac{100 \times 105}{200} = 52{,}5$

$\displaystyle E_{\text{jenter, språk}} = \frac{100 \times 95}{200} = 47{,}5$

Steg 3: Beregn $\chi^2$

$\chi^2 = \frac{(60-52{,}5)^2}{52{,}5} + \frac{(40-47{,}5)^2}{47{,}5} + \frac{(45-52{,}5)^2}{52{,}5} + \frac{(55-47{,}5)^2}{47{,}5}$

$= \frac{56{,}25}{52{,}5} + \frac{56{,}25}{47{,}5} + \frac{56{,}25}{52{,}5} + \frac{56{,}25}{47{,}5} = 1{,}071 + 1{,}184 + 1{,}071 + 1{,}184 = 4{,}51$

Steg 4: Frihetsgrader og kritisk verdi
$df = (2-1)(2-1) = 1$ . Kritisk verdi ( $\alpha = 0{,}05$ , $df = 1$ ): $\chi^2_{\text{krit}} = 3{,}841$ .

Steg 5: Konklusjon
$\chi^2 = 4{,}51 > 3{,}841$ , altså $p < 0{,}05$ . Vi forkaster $H_0$ . Det er en statistisk signifikant sammenheng mellom kjønn og valg av programfag.

📝Oppgave 2.3.3

I en kjikvadratstest med en $2 \times 3$ -krysstabell, hvor mange frihetsgrader har testen?

Oppsummering

- Uavhengig t-test sammenligner gjennomsnitt i to uavhengige grupper: $\displaystyle t = \frac{\bar{x}_1 - \bar{x}_2}{s_p\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}$
- Paret t-test sammenligner gjentatte målinger på samme individer: $\displaystyle t = \frac{\bar{d}}{s_d / \sqrt{n}}$
- Kjikvadratstest tester sammenheng mellom to kategoriske variabler: $\displaystyle \chi^2 = \sum\frac{(O-E)^2}{E}$
- Velg test basert på datatype: t-test for kvantitative data, kjikvadratstest for kategoriske data
- Velg mellom uavhengig og paret t-test basert på om gruppene er uavhengige eller sammenkoblede
- Frihetsgrader: uavhengig t-test: $df = n_1 + n_2 - 2$ ; paret t-test: $df = n - 1$ ; kjikvadratstest: $df = (r-1)(k-1)$
- Alle tester krever at forutsetningene er oppfylt for at resultatene skal være gyldige

📝Oppgave 4

En idrettsforsker vil undersøke om et nytt oppvarmingsprogram forbedrer sprinttid (100 m). 12 løpere kjører 100 m to ganger: først med vanlig oppvarming, deretter med det nye programmet. Tidene (sekunder) er:

Vanlig oppvarming: 12,4 – 11,8 – 13,1 – 12,0 – 11,5 – 12,7 – 13,3 – 12,2 – 11,9 – 12,6 – 12,8 – 11,7
Nytt program: 12,1 – 11,5 – 12,8 – 11,7 – 11,3 – 12,3 – 13,0 – 12,0 – 11,6 – 12,2 – 12,5 – 11,4

(a) Begrunn hvorfor paret t-test er riktig her. (b) Beregn differansene og gjennomsnittlig differanse $\bar{d}$ . (c) Er det rimelig å konkludere med at det nye programmet gir kortere sprinttid?

📝Oppgave 5

En forsker undersøker om det er en sammenheng mellom treningshyppighet (lite/moderat/mye) og forekomst av forkjølelse (ja/nei) blant 300 personer:

Forkjølelse	Ingen forkjølelse	Totalt
Lite trening	40	60	100
Moderat trening	25	75	100
Mye trening	20	80	100
Totalt	85	215	300

(a) Beregn forventede frekvenser for alle celler. (b) Beregn

\chi^2

. (c) Bestem frihetsgrader og konkluder med

\alpha = 0{,}05

📝Oppgave 6

En forsker vil sammenligne gjennomsnittlig søvnlengde mellom tre aldersgrupper (18–25, 26–40, 41–60). Hvilken test er mest egnet?

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.