Statistik

Question 1

Definer kvalitativ data

Answer 1

Opdeler individer i katagorier. Eksempelvis farve, art. Kaldes også nominal skala.

Question 2

Definer ordinal data

Answer 2

Ligesom nominalskalaen, men bringer orden i målingerne. Sætter målingerne op i en rækkefølge der giver mening.

Question 3

Definer interval data

Answer 3

Som ordinalskala, men hvor der kan erkendes en afstand imellem hvert punkt, som er den samme mellem hvert punkt. Men der findes intet absolut 0-punkt på en interval skala. Eks: Temperatur.

Question 4

Definer kvantitativ data

Answer 4

Inkluderer et absolut 0-punkt, hvilket muliggøre at lægge til, trække fra, gange og dividere. Kaldes også ratio skala.

Question 5

Definer “Mean-værdi”

Answer 5

Den middelværdi vi får, ved at dividere summen af vores sæt af observationer med antallet af observationer. Det er kun mean der bruger alle informationer i et datasæt.

Question 6

Definer “Median-værdi”

Answer 6

Dette er den midterste af vores observationer, efter at de er blevet rankeret i magnitude.
Eks: Vi har følgende observationer: 4, 8, 9, 12, 15, 25, 202. Her er 12 vores median værdi.

Question 7

Definer “Mode-værdi”

Answer 7

Også kaldet crude mode. Det er den klasse i en frekvens distrubtion, der indeholder flest observationer.

I en perfekt symmetrisk distrubtion vil mean, median og mode have den samme værdi.

Question 8

Definer range, spredning og varians:

Answer 8

Range: Forskellen mellem højeste og laveste observation. Range giver altså ingen informationer om distrubtion.

Spredning: Udregnes direkte udfra alle observationerne.

Varians: Varians er kvadraten til spredningen. – Dvs. spredningen er kvadratroden til varians.

Question 9

Hvad er en normalkurve og hvad kan vi bruge den til?

Answer 9

Distrubtionen fra store prøver udtaget fra en enkelt population vil ofte forme en normalkurve -> Symmetrisk, klokkeformet kurve.
Hvis den vertikale akse re-skaleres ved at dividere med antallet af observationer, fås probability density. Totallen af denne er 1. Total areal under kurven er 100%. På hver side vil der være en standardafvigelse. Totalarealet (100%) minus de to standafvigelser (my ± delta) vil så være være vores P-værdi.

Emperisk regel siger:

1) Middelværdi + 1spredningen = dækker 66,6%
2) Middelværdi + 2spredningen = dækker 95%
3) Middelværdi + 3*spredningen = dækker 99%

Question 10

Hvad er gældende for henholdvis:

P < 0.05
P < 0.01
P < 0.001

Answer 10

For P gælder det at:
P < 0.05 (signifikant)
P < 0.01 (Highly significant)
P < 0.001 (Very highly significant)

Question 11

Hvad antager H0 hypotesen?

Answer 11

Antager at der ikke er nogen signifikant forskel.

Question 12

Hvad antager H1 hypotesen?

Answer 12

Antager at der er en signifikant forskel.

Question 13

Hvad er type 1 og type 2 fejl?

Answer 13

Type 1 fejl er når H0 bliver afvist, men faktisk er sand. Type 2 fejl er når H0 antages for sand, men faktisk er falsk.

Question 14

Hvis vi sætter vores p værdi lavere, hvad vil der så ske med antallet af henholdsvis type 1 og type 2 fejl?

Answer 14

Vi kan reducere risikoen for type 1 fejl ved at sætte vores accepterede P-værdi lavere. Dette vil dog så til gengæld øge risikoen for type 2 fejl.
Vi er normalt mest bekymrede for type-1 fejlene.

Question 15

Hvornår kan man bruge parametriske tests?

Answer 15

Når der er normalfordeling

Question 16

Non-parametriske test bruges til:

Answer 16

Ordinal og kvalitative data.

Question 17

Hvad er power?

Answer 17

Et mål for sandsynligheden for at en test drager den rette konklusion. Parametriske test har generelt højere power end non-parametriske. Vi vil normalt gerne have en power på 0,8 eller 0,9.

Question 18

Hvad er korrelation?

Answer 18

Association mellem variabler kaldes for korrelation. Denne kan være positiv (når en øgning af den ene variabel giver en øgning af den anden variabel) eller den kan være negativ (når en øgning i den ene variabel giver et fald i den anden variabel).

At to variabler korrelere, betyder ikke nødvendigvis at den ene variabel er skyld i den anden variabel.

Question 19

Hvad kan vi bruge til at måle korrelations kofficienten ?

Answer 19

Den non-parametriske test Spearman Rank Correlation Coffiecient.

Question 20

Hvad er R^2?

Answer 20

Beskriver til hvilken grad en faktor har indflydelse på vores variabler. (Eksempelvis vægten på en rotte vil være påvirket af hvor meget mad den har i maven og dens alder. R2 beskriver hvor meget disse faktorer hver især påvirker vægten).

Question 21

Beskriv vores 5 eksperimentielle designs:

Answer 21

Parallel design: Case-control (Vi har to grupper, en med behandling uden sygdom og en med behandling med sygdom).

Overkrydsning: Dyret er sin egen kontrol (positivt fordi det giver høj power, men negativt da det ikke tager højde for tiden).

Latin square: Et n × n array med n forskellige symboler, hver optræder nøjagtig én gang i hver kolonne og række.

Multi-faktoriel: Her bruges ANOVA model

Cohorte: Alle individer er raske ved start og så ser man hvor mange der udvikler sygdom over tid. (Svært at lave statistisk)

Question 22

Hvad bruges Chi-square test til?

Answer 22

Bruges til at sammenligne frekvenser. Frekvensen vi observere sammenlignes med den forventede frekvens ud fra vores H0-hypotese. G-test kan også bruges i stedet for, denne er nemmere udført.

Question 23

Hvad bruges X^2 test til?

Answer 23

Når der er to rækker observationer, og ikke kun en. Eksempelvis hvis vi har både art og habitat. Eller alder og køn. Vi kan altså undersøge associationen mellem to variabler

Question 24

D’Agostino-Pearson Test:

Answer 24

Test for at finde ud af om data er normalfordelte eller ikke. (God, Anbefalet)

Question 25

Mann-Whitney U-test:

Answer 25

Bruget til kvantitative data (målinger). Tester forskellen af median.
Vores udregnede U-værdi skal være mindre end vores kritiske H0 værdi, for at kunne forkaste H0.

Non-parametrisk test.

Question 26

F-test:

Answer 26

Vurderer om spredningen er ens nok til at kunne bruges til parametriske tests. (Samme med Bartleti’s test og Brown-Forsythe’s test)

Question 27

T-test:

Answer 27

Forskellen mellem kun 2 grupper. Kan være parret eller ikke-parret.

Question 28

ANOVA test:

Answer 28

Forskellen mellem ≥ 2 grupper. Kan være parret eller ikke-parret. One/Two/ Three-way.

Question 29

Definer henholdsvis one-way og two-way ANOVA

Answer 29

One-Way ANOVA: Sammenligner fx højden i 2 gymnasieklasser

Two-way ANOVA: Denne laves hvis man fx sammenligner flere end 2 gymnasieklasser på både højde OG vægt.

Question 30

Hvad betyder det, om det er en paired eller non-paired test?

Answer 30

Paired: Man har to målinger fra samme subject. Fx hjerterate mål hos en person hhv. før og efter han har drukket kaffe.

Non-paried: Man har to målinger men fra to forskellige test grupper. Fx måles hjerterate på 10 mennesker før de drikker kaffe og 12 andre menneskers hjerterate måles efter de har drukket kaffe.