Gjennomsnitt, standardavvik, effektstørrelse og signifikans.
Statistisk analyse
Etter at du har samlet inn data, må du analysere dem for å finne svar på problemstillingen din. Statistisk analyse handler om å organisere, beskrive og tolke talldata. I treningslære bruker vi statistikk for å avgjøre om en treningsmetode har effekt, om det er forskjeller mellom grupper, eller om det finnes sammenhenger mellom variabler.
Du trenger ikke å bli ekspert i statistikk, men du bør forstå de grunnleggende begrepene og kunne bruke dem i din fordypningsoppgave.
Hva kan statistikk fortelle oss?
- Hva som er typisk for en gruppe (sentraltendens)
- Hvor stor spredning det er i dataene (variasjon)
- Om en effekt er stor nok til å ha praktisk betydning (effektstørrelse)
- Om et resultat sannsynligvis er tilfeldig eller reelt (signifikans)
Beregning av gjennomsnitt:
Formel: Gjennomsnitt = Sum av alle verdier / Antall verdier
Eksempel: Fem elever har følgende 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 dataene er sortert. Mindre påvirket av ekstremverdier enn gjennomsnittet.
- Modus – den verdien som forekommer oftest. Mest brukt for kategoriske data.
Når bruke hva?
- Gjennomsnitt: Når dataene er normalfordelte og uten store uteliggere
- Median: Når dataene er skjeve eller har ekstreme verdier
- Modus: Når du vil finne den vanligste kategorien
Gjennomsnitt (mean) er et sentralmål som beregnes ved å summere alle verdiene i et datasett og dele summen på antall verdier. Gjennomsnittet representerer den typiske verdien i datasettet.
Hvorfor er standardavvik viktig i treningsforskning?
Tenk deg to grupper som begge har et gjennomsnittlig spensthopp på 40 cm:
- Gruppe A: 38, 39, 40, 41, 42 cm → liten spredning (SD = 1,6 cm)
- Gruppe B: 25, 32, 40, 48, 55 cm → stor spredning (SD = 11,4 cm)
Selv om gjennomsnittet er likt, forteller standardavviket oss at gruppe B er mye mer uensartet. Dette har betydning for hvordan vi tolker resultatene og hvor generaliserbare de er.
Tommelfingerregel for normalfordeling:
- Ca. 68 % av verdiene ligger innenfor 1 standardavvik fra gjennomsnittet
- Ca. 95 % av verdiene ligger innenfor 2 standardavvik fra gjennomsnittet
- Ca. 99,7 % av verdiene ligger innenfor 3 standardavvik fra gjennomsnittet
Rapportering i treningsforskning:
Resultater rapporteres typisk som gjennomsnitt pluss/minus standardavvik, for eksempel: VO2maks = 55,3 pluss/minus 5,2 ml/kg/min. Dette forteller leseren både hva som er typisk og hvor stor spredning det er i gruppen.
Standardavvik (SD) er et statistisk mål for spredningen i et datasett. Det angir hvor mye de individuelle verdiene i gjennomsnitt avviker fra gjennomsnittet. Et lite standardavvik betyr liten spredning, mens et stort standardavvik betyr stor spredning.
To klasser gjennomfører Cooper-test. Klasse A: gjennomsnitt 2450 m, SD = 180 m. Klasse B: gjennomsnitt 2480 m, SD = 350 m. Hva kan vi si om de to klassene?
Klasse A og B har omtrent likt gjennomsnitt (2450 vs. 2480 m), noe som betyr at den gjennomsnittlige utholdenheten er nokså lik.
Men standardavviket avslører en viktig forskjell:
Klasse A (SD = 180 m): Elevene er relativt jevne. De fleste (68 %) løper mellom 2270 m og 2630 m. Klassen er homogen i utholdenhet.
Klasse B (SD = 350 m): Elevene er svært ujevne. De fleste (68 %) løper mellom 2130 m og 2830 m. Det er stor variasjon i utholdenhetsnivå.
Praktisk betydning: En kroppsøvingslærer vil trenge langt større differensiering i klasse B, der noen elever er svært godt trent mens andre er mye svakere. I klasse A kan læreren i større grad gi like utfordringer til hele klassen.
Cohens d:
Det vanligste målet for effektstørrelse ved sammenligning av to grupper. Det beregnes som forskjellen mellom to gjennomsnitt delt på det samlede standardavviket.
Tolkning av Cohens d:
| Verdi | Tolkning | Eksempel i treningslære |
|---|---|---|
| 0,2 | Liten effekt | Minimalt bedre enn kontrollgruppen |
| 0,5 | Moderat effekt | Tydelig og merkbar forskjell |
| 0,8 | Stor effekt | Svært tydelig og praktisk viktig forskjell |
Eksempel: En studie finner at HIIT-gruppen forbedrer VO2maks med 3,5 ml/kg/min mer enn kontrollgruppen. Det samlede standardavviket er 5,0 ml/kg/min.
Cohens d = 3,5 / 5,0 = 0,7
Dette er en moderat til stor effektstørrelse, noe som tyder på at HIIT har en praktisk meningsfull effekt på utholdenhet.
Hvorfor er effektstørrelse viktig?
Med et stort nok utvalg kan selv svært små og ubetydelige forskjeller bli statistisk signifikante. Effektstørrelsen hjelper oss å vurdere om en forskjell faktisk har praktisk betydning i treningssammenheng.
Effektstørrelse er et statistisk mål som uttrykker hvor stor den praktiske betydningen av en forskjell eller sammenheng er. Cohens d er det vanligste målet ved sammenligning av to grupper og beregnes som forskjellen mellom gjennomsnittene delt på standardavviket.
P-verdien:
P-verdien angir sannsynligheten for å observere det aktuelle resultatet (eller et mer ekstremt resultat) dersom det i virkeligheten ikke er noen forskjell. En lav p-verdi tyder på at resultatet neppe skyldes tilfeldigheter.
Konvensjon:
- p < 0,05: Statistisk signifikant (det er mindre enn 5 % sjanse for at resultatet skyldes tilfeldigheter)
- p < 0,01: Sterkt signifikant
- p > 0,05: Ikke statistisk signifikant
Viktig å forstå:
- Statistisk signifikans betyr ikke at resultatet nødvendigvis har praktisk betydning
- En stor studie kan gi signifikante resultater for svært små (ubetydelige) forskjeller
- En liten studie kan mangle statistisk kraft til å påvise reelle forskjeller
- P-verdien sier ingenting om størrelsen på effekten – bruk effektstørrelse i tillegg
Eksempel fra treningsforskning:
En studie med 200 deltakere sammenligner to treningsprogrammer og finner at program A gir 0,5 kg større styrkeøkning enn program B (p = 0,03). Resultatet er statistisk signifikant, men er 0,5 kg ekstra styrkeøkning praktisk meningsfull? Sannsynligvis ikke. Effektstørrelsen (Cohens d = 0,1) bekrefter at forskjellen er neglisjerbar. Her ser vi viktigheten av å rapportere effektstørrelse i tillegg til p-verdi.
Statistisk signifikans angir at et resultat sannsynligvis ikke skyldes tilfeldig variasjon. Ved p < 0,05 (det vanligste signifikansnivået) er det mindre enn 5 % sannsynlighet for å observere det aktuelle resultatet hvis det i virkeligheten ikke er noen forskjell.
Når du skal presentere data i rapporten din, er det viktig å velge riktig format. Her er de vanligste måtene å presentere data på i treningslære:
Tabell:
Best for å vise nøyaktige tall, for eksempel pre- og post-testverdier for flere variabler.
| 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 sammenligne grupper eller kategorier visuelt.
Linjediagram:
Best for å vise endringer over tid, for eksempel treningsbelastning gjennom et program.
Spredningsplott:
Best for å vise sammenhengen mellom to variabler, for eksempel sammenhengen mellom treningsvolum og styrkeøkning.
Tips for god datapresentasjon:
- Gi alle figurer og tabeller en tydelig tittel og nummerering
- Oppgi alltid gjennomsnitt og standardavvik (eller annet spredningsmål)
- Merk aksene tydelig i figurer
- Referer til tabellen eller figuren i teksten
- Bruk riktige enheter (kg, cm, ml/kg/min, sekunder)
Hva forteller standardavviket oss?
Hva betyr det at et resultat har p < 0,05?
Fem elever gjennomfører en spensttest (vertikalt hopp) med følgende resultater: 35, 38, 42, 40 og 45 cm. Beregn gjennomsnittet. Forklar med egne ord hva gjennomsnittet forteller oss om denne gruppen.
En studie finner at et treningsprogram gir en forbedring i 1RM knebøy med Cohens d = 0,3. En annen studie av et annet program finner Cohens d = 0,9. Forklar hva disse tallene betyr og hvilket program som ser ut til å ha størst effekt.
Forklar hvorfor det er viktig å rapportere effektstørrelse i tillegg til p-verdi. Bruk et konkret eksempel fra treningsforskning der en studie kan ha statistisk signifikant resultat men lav praktisk betydning.
Du har gjennomført en pre-post-studie med 10 deltakere og fått følgende resultater for vertikalt hopp: Pre-test gjennomsnitt = 38,0 cm (SD = 5,2), post-test gjennomsnitt = 41,5 cm (SD = 5,0). Lag en tabell som presenterer disse resultatene. Drøft hva resultatene kan bety og hvilke begrensninger studien har.
Oppsummering
I dette kapittelet har du lært:
- Sentraltendens: Gjennomsnitt, median og typetall beskriver data.
- Standardavvik: Mål på spredning i datasettet.
- Effektstørrelse (Cohens d): Sier noe om hvor stor en endring er.
- Statistisk signifikans (p-verdi): Sier om resultatet er tilfeldig.
Viktige formler
- Gjennomsnitt = sum av verdier / antall verdier
Nøkkelbegreper
| Begrep | Forklaring |
|---|---|
| Gjennomsnitt | Summen delt på antall verdier |
| Standardavvik | Mål på spredning 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.