Presentation laddar. Vänta.

Presentation laddar. Vänta.

732G22 Grunder i statistisk metodik

Liknande presentationer


En presentation över ämnet: "732G22 Grunder i statistisk metodik"— Presentationens avskrift:

1 732G22 Grunder i statistisk metodik
FL10 732G22 Grunder i statistisk metodik Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik, namn osv på sid 1. Börja sedan skriva in din text på sid 2. För att skapa nya sidor, tryck Ctrl+M. Sidan 3 anger placering av bilder och grafik. Titta gärna på ”Baspresentation 2008” för exempel. Den sista bilden är en avslutningsbild som visar LiUs logotype och webadress. Om du vill ha fast datum, eller ändra författarnamn, gå in under Visa, Sidhuvud och Sidfot. Linköpings universitet

2 Hypotesprövning Grundidé för hypotesprövning:
Hypotesprövning Vi utgår från samma grundantaganden som när vi bildade konfidensintervall: stickprovet är draget som ett OSU populationen som vi drog stickprovet ur är normalfördelad populationsstandardavvikelsen σ är känd Grundidé för hypotesprövning: Ställ upp två hypoteser Undersök hur pass sannolika hypoteserna är givet insamlade data Bestäm vilken hypotes vi ska tro på Linköpings universitet

3 Exempel Glödlampor som tillverkas i en viss fabrik har en lystid som kan betraktas som normalfördelad med medelvärde 1600 timmar och standardavvikelse 100 timmar. Nu har man bytt en maskin i fabriken, och har dragit ett stickprov om 150 lampor och konstaterat att bland dem var den genomsnittliga lystiden = 1618 timmar, medan standardavvikelsen förefaller oförändrad. Har den nya maskinen förbättrat den genomsnittliga lystiden? Linköpings universitet

4 Hypotesprövning när  är känd
Hypotesprövning när  är känd H0: µ = µ0 H1: µ > µ0 H1: µ < µ0 H1: µ ≠ µ0 Testfunktion: Ska vi tro på H0 eller H1? Med andra ord, för vilka värden på z ska vi förkasta H0? Linköpings universitet

5 Ska vi tro på H0 eller H1? Metod 1: Kritiskt värde
Ska vi tro på H0 eller H1? Metod 1: Kritiskt värde α = signifikansnivå = risken att förkasta H0 trots att den är sann Vanliga värden på α: 5% eller 1%. Steg 1: Välj signifikansnivå Steg 2: Slå upp kritiskt värde i normalfördelningstabellen Beslutsregel: om testfunktionen > kritiskt värde => förkasta H0 Linköpings universitet

6 Ska vi tro på H0 eller H1? Metod 2: p-värde
Ska vi tro på H0 eller H1? Metod 2: p-värde p-värde = sannolikheten för att vår testfunktion ska anta ett värde som det vi observerat (eller ännu längre ifrån μ) Om p-värdet är litet är H0 osannolik: vi tror då mer på H1 Beslutsregel: om p-värdet < α förkastar vi H0 Vid dubbelsidig mothypotes beräknas p-värdet * 2 (varför?) Kommentar: beslutsmetoden baserat på kritiskt värde lämpar sig bättre för handräkning. Om vi gör hypotesprövningen med dator får vi dock alltid resultatet i form av ett p-värde Linköpings universitet

7 Hypotesprövning En hypotesprövning innehåller fyra steg:
Hypotesprövning En hypotesprövning innehåller fyra steg: ställ upp noll- och mothypotes beräkna testfunktionen hitta det kritiska värdet (eller p-värdet) dra slutsatser Linköpings universitet

8 Hypotesprövning när σ är okänd
Hypotesprövning när σ är okänd Givet att stickprovet är draget som ett OSU populationen som vi drog stickprovet ur är normalfördelad kan vi skatta σ med Testfunktion där värdet på t hämtas ur t-fördelningen med n-1 frihetsgrader Linköpings universitet

9 Exempel En viss sorts påsar med kryddor påstås innehålla 4 gram. Vi kontrollmäter fyra slumpmässigt utvalda påsar och erhåller Undersök på 5% signifikansnivå om påsarna i genomsnitt innehåller mindre än 4 gram! 4.0 3.6 3.9 4.1 Linköpings universitet

10 Eftersträva enkelhet i frågorna Håll nere antalet frågor
Eftersträva enkelhet i frågorna Håll nere antalet frågor Ställ bara frågor som konkretiserar problemställningen Formulera frågorna tydligt! Se till att det finns svarsalternativ för alla tänkbara åsikter Minst en öppen fråga Undvik rangordning! Undvik onödiga hopp! Formulera frågorna neutrala Undvik hypotetiska frågor Vid attitydsfrågor, se till att skalan alltid går åt samma håll Linköpings universitet

11 Kodning Exempel 1: Fråga med endast två svarsalternativ.
Kodning Exempel 1: Fråga med endast två svarsalternativ. Äger du något motorfordon? ( 1 ) Ja ( 0 ) Nej Linköpings universitet

12 Kodning Exempel 2: Fråga med många svarsalternativ, men det är endast tillåtet att fylla i ett enda svarsalternativ på frågan. Hur reser du oftast till Göteborg idag? ( 1 ) Med buss och byten mellan olika bussar ( 2 ) Med tåg och byten mellan olika tåg ( 3 ) Med buss och tåg och lämpliga byten ( 4 ) Med bil (egen bil eller samåkning med andra) ( 5 ) Med flyg ( 6 ) På annat sätt än ovanstående Linköpings universitet

13 Kodning Exempel 3: Fråga med många svarsalternativ, där det är tillåtet att fylla i flera alternativ. Hur reser du till Göteborg idag? (Flera svarsalternativ får ges) ( 1/0 ) Med buss ( 1/0 ) Med tåg ( 1/0 ) Med bil (egen bil eller samåkning) ( 1/0 ) Med flyg ( 1/0 ) På annat sätt än ovanstående Linköpings universitet

14 Kodning Exempel 4: Attitydfråga
Kodning Exempel 4: Attitydfråga Hur upplever du kvaliteten på din utbildning? Mycket positiv ( 5 ) ( 4 ) ( 3 ) ( 2 ) ( 1 ) Mycket negativ Linköpings universitet

15 Kodning Exempel 5: Frekvensfrågor Jag reser till Göteborg
Kodning Exempel 5: Frekvensfrågor Jag reser till Göteborg ( 1 ) mindre än en gång per år ( 2 ) 1-6 gånger per år ( 3 ) nästan varje månad ( 4 ) 1-3 gånger per månad ( 5 ) 1-3 gånger per vecka ( 6 ) varje dag eller nästan varje dag Linköpings universitet

16 Kodning Exempel 7: Hur gammal är du? ______________ Skriv in åldern, bilda (eventuellt) klasser i efterhand Linköpings universitet

17 Kodning av saknade svar
Kodning av saknade svar Exempel: Fråga 4: Reser du med buss när du reser till Göteborg? ( ) Ja ( ) Nej Fråga 5: Om du svarat Nej på föregående fråga, fortsätt till fråga 6 Vilket bussbolag reser du oftast med vid starten från Linköping? ( ) WeekendBus ( ) CrossSwede ( ) Annat, nämligen ____________ Om respondenten svarat Nej på fråga 4 skall inget svar ges på fråga 5. Bortfallet är då legalt och kodas med 49 Linköpings universitet

18 Bortfall Totalbortfall = när enkäten inte besvarats alls
Bortfall Totalbortfall = när enkäten inte besvarats alls Partiellt bortfall = när en eller flera frågor på enkäten inte besvarats Linköpings universitet

19 Agera för lågt bortfall
Agera för lågt bortfall Lägg mycket arbete på utformningen av frågeformuläret Skicka flera påminnelser vid postenkäten. Locka gärna med gåvor som lottas ut bland dem som besvarat enkäten (t ex biobiljetter, trisslotter etc.) Uppträd ytterst genomtänkt och professionellt vid telefonintervjuer eller uppsökande intervjuer Ge inte upp Linköpings universitet

20 Formulera syfte och problemformulering
Formulera syfte och problemformulering Definiera målpopulation och sök lämplig rampopulation Välj urvalsmetod Välj mätinstrument Utforma frågeformuläret Genomför datainsamling Koda Analysera data Analysera resultaten utifrån uppdragsgivarens perspektiv Sammanfatta resultaten i konkreta slutsatser Linköpings universitet


Ladda ner ppt "732G22 Grunder i statistisk metodik"

Liknande presentationer


Google-annonser