Regional forskingskonferanse for Psykiatri og rusfeltet Vår Olav M. Linaker PH, St. Olavs Hospital/INM, NTNU

Størrelse: px
Begynne med side:

Download "Regional forskingskonferanse for Psykiatri og rusfeltet Vår 2013. Olav M. Linaker PH, St. Olavs Hospital/INM, NTNU"

Transkript

1 Regional forskingskonferanse for Psykiatri og rusfeltet Vår 2013 Olav M. Linaker PH, St. Olavs Hospital/INM, NTNU

2 Effektiv forskning Dette møtet skal handle om å gjøre forskningsarbeidet vårt effektivt Vi skal få mest mulig kunnskap og produksjon ut av minst mulig innsats Grådighet og latskap er en uslåelig kombinasjon forutsatt at den moralske ryggraden er sterk nok

3 Vi skal ta utgangspunkt i noen begreper Forskningsspørsmålet Statistisk power Statistisk signifikansgrense Effektstørrelse Klinisk signifikans Andre trusler mot effektiv forskning Og vi skal skule til et hypotetisk forskningsprosjekt underveis

4 Forskningsspørsmålet Relevant og interessant Presist hvem og hva gjelder det Upresise spørsmål gir upresise svar Observerbart Om vi ikke kan oppdage variasjoner i det vi er interessert i er det ikke mulig å finne dem Testbart Er spørsmålet formet som noe det går an å avkrefte?

5 Hva er statistisk power En studies evne til å oppdage forskjeller eller sammenhenger hvis de finnes Tradisjonelt settes ønsket styrke ofte til 0,80 Dvs. at det er 80 % sjanse til å finne forskjeller som er der Eller at vi finner forskjeller som er der i 4 av 5 studier. =Sannsynligheten for å unngå type II feil En type-ii-feil er en statistisk feil som består i en feilaktig godtakelse av nullhypotesen. Hvis man konkluderer at nullhypotesen er sann, selv om den egentlig er falsk, har man altså gjort en type-ii-feil

6 Hva påvirker Power (styrke) En studies Power påvirkes av: Valgt signifikansnivå (alpha oftest 0.05) Effektstørrelsen på det vi er interessert i Antallet som studeres Ved resultater der vi ikke finner ventede forskjeller kan vi gjøre en post-hoc analyse for å se hvor stor sjansene for å finne noe var Hvis vi har bestemt oss for ønsket Power, Signifikansnivå og ønsket Effektstørrelse, kan vi beregne hvor mange som trenges i en undersøkelse (apriori power analyse)

7 Hvordan påvirkes Power Power svekkes av Strengere alpha (p<0.001) Mindre effektstørrelse Mindre antall studerte (N) Ved en gitt alpha (0.05) ser det slik ut ved forskjellige effektstørrelser (power på y-akse, antall på x-aksen)

8

9 Hvorfor er dette viktig? Ved å ta hensyn til de forhold som inngår i Powerberegningen, kan vi lage mer effektiv forskning Der vi ikke trenger så mange personer, da det er det som ofte er arbeids- og tidskrevende Vi skal se på delelementene Statistisk signifikansgrense Effektstørrelse Klinisk signifikans Hensikten er å begrense den nødvendige N og å kunne være rimelig sikker på resultatet selv om det er negativt.

10 Statistisk signifikans Sjansene for å gjøre type I feil Dvs. finne noe som ikke er der I vitenskapelig litteratur er den ganske fastlåst til 0.05 eller mindre (eller tilsvarende konfidensintervall) Ser vi på flere forhold i samme undersøkelse må vi korrigere nivået for dette (Bonferroni) Derfor vil en studie som tester flere hypoteser (som multippel regresjon med flere kovariater) i realiteten ha en alpha mindre enn 0.05 Ved å legge inn kovariater svekker vi altså Power Konsekvens: Jobb med protokollen til du har funnet ut hva som er viktig å få svar på Og still bare det ene spørsmålet! Hva med enhalede tester?

11 Effektstørrelse Hva er Effektstørrelse: formler M er gjennomsnittsverdi, SD er standardavviket

12 Cohen s d Psykologen Jacob Cohen ( ) populariserte dette målet på styrken av sammenhenger som ofte kalles for Cohen s d (standardized mean difference) Han foreslo også grove retningslinjer for hva som tilsvarte liten, middels og stor effekt knyttet til størrelsen på d Fordelen med effektstørrelser er at de er relativt uavhengige av opprinnelig måleskala. Man transformerer de opprinnelige tall til antatt sammenliknbare størrelser, noe som anvendes i metaanalyser Størrelsen på d er avhengig av spredningen i de aktuelle data d fra en studie er derfor forskjellig fra d fra en annen studie i absolutt størrelse målt etter skalaen tallene er hentet fra Stor effektstørrelse er derfor forskjellig fra klinisk signifikans

13 Skjønnsmessige grenseverdier Effect size: Standardized mean difference: (d) small = 0.20 medium = 0.50 large = 0.80 d? r? OR? AUC? Effect size: r Small 0.10 Medium 0.30 Large 0.50 Effect size: Odds-ratio small = 1.50 medium = 2.50 large = 4.30

14 Andre effektstørrelser Korrelasjonskoeffisienten (r) Odds ratio F Eta squared AUC Input Type Input Value r 0,3000 r d odds ratio f eta-squared AUC 0,3000 0,6290 3,1294 0,3145 0,0900 0,6717

15 Vi går tilbake til Cohen s formel Altså: Standardized mean difference er Mean1-Mean2/ felles Standardavvik d blir altså større når forskjellene mellom gruppene øker og d blir mindre når spredningen i observasjonene øker

16 Dette er påvirkbart Ser vi på forskjellen i Mean (M1-M2) kan vi maksimere den på forskjellige måter Vi må bestemme observasjonsmåte Vi må bestemme oss for hvor store (små) forskjeller vi er interessert i (klinisk signifikans) Da er det en fordel å kjenne måleinstrumentet selv Eller kanskje det finnes etablerte grenseverdier av interesse? Stort sett bør vi ta sikte på endringer/ forskjeller som er store nok til å være klinisk observerbare og meningsfulle

17 Kan vi øke forskjellene? (M 1 -M 2 ) Her kan vi se på måleinstrumentene våre utvalget prosedyrer design

18 Måleinstrumentene Er det presist Fanger det opp de viktige tingene vi er interessert i (validitet) Fanger det opp irrelevante ting (intern konsistens) Fanger det opp ting vi ikke tror vil endres og/eller konstante ting (manglende endringssensitivitet) Hvor viktige disse tingene er varierer med forskningsspørsmålet kan være annerledes for korrelasjonsstudier enn for effektstudier

19 Følsomhet Er skalaen lang nok til å fange opp interessante forskjeller Er skalaen sensitiv nok i det området vi er interessert i Dette krever både vurderinger og kanskje kliniske piloter/ utprøvinger

20 Utvalget Mange hensyn å ta: relevans, generaliserbarhet, unngå bias For å bedre muligheter for tydelige forskjeller mellom grupper: Har du valgt personer med bedringspotensiale (eller variasjoner i tilstanden ved korrelasjonsstudier) uten komorbiditet som påvirker måleinstrumentet uten komorbiditet som påvirker effekten av tiltaket Som er relativt like for å unngå «uhell» under randomisering

21 Prosedyrer Andre ting enn vår «intervensjon» kan påvirke tilstanden og måleverdien: Tid Person Observeres på «samme» tidspunkt Er personene som skal observere samkjørt Kommunikasjon Er det rom for personlige formuleringer og emosjonspåvirkning Rekkefølger Rekkefølgen kan spille en rolle ved flere typer observasjoner Håndtering av biologiske prøver Avleses urinstiks i samme typen lys Ligger prøvene korrekt tid før analyser Er analyseapparater kalibrert Vi ønsker at mest mulig skal være likt

22 Randomisering Randomisering sikrer mot skjevhet hvis utvalget er stort, men ikke ved små utvalg Studie Kontroll Menn 8 12 Kvinner 12 8 Sum P= 0,21 Kanskje bør vi Matche i par? Kan vi gjøre stratifiserte analyser

23 Designet Har kontrollgruppen samme grad eller frekvens av det du er interessert i? De dårligste har ofte stort eller lite bedringspotensiale Er kontrollenes vilkår klart forskjellige fra studiegruppen Sammenlikner du ny behandling med en allerede kjent effektiv behandling? Sammenlikner du to risikogrupper med hverandre?

24 Vi går igjen tilbake til Cohen s formel Altså: Standardized mean difference er Mean1-Mean2/ felles Standardavvik d blir altså større når forskjellene mellom gruppene øker og d blir mindre når spredningen i observasjonene øker

25 Hva med spredningen? Alle observasjoner inneholder støy og bias Støy er tilfeldig variasjon, bias er systematisk variasjon i en bestemt retning Støy øker spredningen på irrelevant måte Derved vil effektstørrelsen og derfor power minke 120 For å redusere støy kan vi se på Måleinstrumentet Utvalget Prosedyrer

26 Hva med nevneren SD er standardavviket eller s: Den blir mindre når individuelle avvik fra snittet er små, dvs. når populasjonene er homogene Den kan også bli mindre når N vokser (hvis flertallet har små avvik)

27 Presisjon Måleinstrumentet Fanger det opp bare det vi er interessert i (validitet, intern konsistens) Har det en iboende liten irrelevant spredning Inter-rater reliabilitet Test-retest reliabilitet Alternate forms reliabilitet Sammenlikne med gullstandard

28 Utvalget Har vi utvalg som er relativt like for det aktuelle måleinstrument (og for alminnelig klinisk gangsyn og for dokumenterte variasjoner) Kan særlige problemstillinger øke spredningen kunstig (rusmidler, funksjon, sykdom, kriser, alder, kjønn.) Bør vi sikre oss liten spredning med inklusjons- og eksklusjonskriterier Kan gå utover rekrutteringen En kan få mer like utvalg ved matching og stratifisering

29 Prosedyrer Andre ting enn kan påvirke våre observasjoner og gi irrelevant spredning, ikke bare pga observasjonsmåten, men også fordi folk er påvirkbare: Tid Observeres på «samme» tidspunkt Person Er personene som skal observere samkjørt Kommunikasjon Er det rom for personlige formuleringer og emosjonspåvirkning Rekkefølger Rekkefølgen kan spille en rolle ved flere typer observasjoner Håndtering av biologiske prøver Avleses urinstiks i samme typen lys Ligger prøvene korrekt tid før analyser Er analyseapparater kalibrert Vi ønsker igjen at mest mulig skal være likt

30 En observatør Observatørene Dagsform Trening/ hyppighet av skåring Sym- og antipatier Ulike referanserammer De umiddelbare og nære omgivelser kan farge vurderinger Flere observatører Er de samkjørt skårer de like ting likt? Opplæring, trening, Omgivelser/ setting Trenger du å dokumentere inter-rater reliabilitet? Kan du bruke konsensus som endepunkt

31 Samarbeid Har man laget strenge inklusjonseksklusjonskriterier blir rekruttering raskt et problem Samarbeid mellom flere enheter er da en mulighet for å øke rekruttering Enheter er forskjellige på mange vis Dette kan utsette både størrelsen på oppnådd endring og spredningen for fare Flere enheter gir logistiske og prosedyremessige problemer og en bør vurdere om det svarer seg

32 Bias Bias er systematiske skjevheter i utvalg, prosedyrer eller observasjoner Hvis de er planlagte er det forskningsjuks! Mens tilfeldige variasjoner gir uklare svar, vil Bias gi feil svar Vanlige tiltak mot bias er Randomisering Blinding Likebehandling Crossover designs Unngå frafall Bindende analyseplan

33 Frafall Stort frafall reduserer N som kan analyseres og kan øke standardavviket, og svekker Power Et annet problem er at de frafalne kan skjule viktige deler av sannheten (F. eks. bivirkninger) Særlig om frafallet er skjevfordelt bør en tenke på dette Skjevt frafall kan i verste fall føre til helt feil konklusjon

34 Vi må prøve å hindre frafall Ikke gjøre deltakelse verre enn vi må Vise takknemlighet og folkeskikk Vise entusiasme og motivere deltakere Inklusive samarbeidspartnere Premier? Aktiv oppfølging/ purring (be om tillatelse ved samtykket) Kan vi kompensere frafall med analyser?

35 Blinding Ideelt sett skulle ingen av de som deltar i arbeidet, hverken som pasienter eller forskere/ assistenter ha peiling på hva som foregår. Det kan være vanskelig Det er lettere å forkle en pille enn et lengre terapiprogram, lysbehandling, opplæring og trening. Man kan bedre dette ved at de som skårer hovedresultater er blindet Pasientene selv kan også skåre, men relevansen til en del kliniske størrelser kan være uklar, og de er heller ikke upåvirkelige

36 Oppsummert: Det er en stor fordel å vite nøyaktig hva vi lurer på Vi må maksimere gruppeforskjeller Vi må minimere tilfeldig støy i observasjonene Vi må motvirke bias

Kunnskapshierarkiet- Hva betyr det for oss? Olav M. Linaker 2011

Kunnskapshierarkiet- Hva betyr det for oss? Olav M. Linaker 2011 Kunnskapshierarkiet- Hva betyr det for oss? Olav M. Linaker 2011 1 Hva er forskning og kunnskap Forskning er å finne ny kunnskap på en troverdig måte Vi ser stadig forskningsresultater som spriker. SSRI

Detaljer

Grunnleggende statistikk. Eva Denison 25. Mai 2016

Grunnleggende statistikk. Eva Denison 25. Mai 2016 Grunnleggende statistikk Eva Denison 25. Mai 2016 Agenda Hva er statistikk, og hvorfor trenger vi det? Beskrivende statistikk Statistisk analyse Meta-analyse Hva er statistikk? En måte å kvantitativt beskrive

Detaljer

Kapittel 3: Studieopplegg

Kapittel 3: Studieopplegg Oversikt over pensum Kapittel 1: Empirisk fordeling for en variabel o Begrepet fordeling o Mål for senter (gj.snitt, median) + persentiler/kvartiler o Mål for spredning (Standardavvik s, IQR) o Outliere

Detaljer

STUDIEÅRET 2013/2014. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Fredag 25. april 2014 kl. 10.00-12.00.

STUDIEÅRET 2013/2014. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Fredag 25. april 2014 kl. 10.00-12.00. STUDIEÅRET 2013/2014 Individuell skriftlig eksamen i VTM 200- Vitenskapsteori og metode Fredag 25. april 2014 kl. 10.00-12.00 Hjelpemidler: ingen Eksamensoppgaven består av 5 sider inkludert forsiden Sensurfrist:

Detaljer

STUDIEÅRET 2012/2013. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Onsdag 24. april 2013 kl

STUDIEÅRET 2012/2013. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Onsdag 24. april 2013 kl STUDIEÅRET 2012/2013 Individuell skriftlig eksamen i VTM 200- Vitenskapsteori og metode Onsdag 24. april 2013 kl. 10.00-12.00 Hjelpemidler: ingen Eksamensoppgaven består av 5 sider inkludert forsiden Sensurfrist:

Detaljer

Hypotesetesting: Prinsipper. Frode Svartdal UiTø Januar 2014 Frode Svartdal

Hypotesetesting: Prinsipper. Frode Svartdal UiTø Januar 2014 Frode Svartdal Hypotesetesting: Prinsipper Frode Svartdal UiTø Januar 2014 Frode Svartdal Alt dette er mat for hypotesetesting! Utgangspunkt En antakelse begrunnet i teori Dissonansteori: Hvis, så. En vanlig oppfatning

Detaljer

SJEKKLISTE FOR VURDERING AV EN KOHORTSTUDIE

SJEKKLISTE FOR VURDERING AV EN KOHORTSTUDIE SJEKKLISTE FOR VURDERING AV EN KOHORTSTUDIE Målgruppe: studenter og helsepersonell Hensikt: øvelse i kritisk vurdering FØLGENDE FORHOLD MÅ VURDERES: Kan vi stole på resultatene? Hva forteller resultatene?

Detaljer

STUDIEÅRET 2012/2013. Utsatt individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Tirsdag 27. august 2013 kl

STUDIEÅRET 2012/2013. Utsatt individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Tirsdag 27. august 2013 kl STUDIEÅRET 2012/2013 Utsatt individuell skriftlig eksamen i VTM 200- Vitenskapsteori og metode Tirsdag 27. august 2013 kl. 10.00-12.00 Hjelpemidler: ingen Eksamensoppgaven består av 5 sider inkludert forsiden

Detaljer

Utvalgsstørrelse, styrke

Utvalgsstørrelse, styrke Utvalgsstørrelse, styrke Lise Lund Håheim DDS, PhD Professor II, Forskerlinjen, UiO Seniorforsker, Nasjonalt kunnskapssenter for helsetjenesten, Oslo Seniorforsker, Institutt for oral biologi, UiO Introduksjonskurset,

Detaljer

KLH 3002 Epidemiologi Eksamen Høst 2011 Eksaminator: Geir W. Jacobsen, ISM

KLH 3002 Epidemiologi Eksamen Høst 2011 Eksaminator: Geir W. Jacobsen, ISM KLH 3002 Epidemiologi Eksamen Høst 2011 Eksaminator: Geir W. Jacobsen, ISM Oppgaven består av 18 spørsmål, hvorav de første 15 er flervalgsspørsmål (ett poeng per oppgave) - sett ring rundt riktig svar.

Detaljer

6.2 Signifikanstester

6.2 Signifikanstester 6.2 Signifikanstester Konfidensintervaller er nyttige når vi ønsker å estimere en populasjonsparameter Signifikanstester er nyttige dersom vi ønsker å teste en hypotese om en parameter i en populasjon

Detaljer

Oppsummering & spørsmål 20. april Frode Svartdal

Oppsummering & spørsmål 20. april Frode Svartdal Oppsummering & spørsmål 20. april 2016 Frode Svartdal Nullhypotese og sånt 119 deltakere Folk som svarer på en test for prokrastinering 40 Histogram of IPS 35 30 25 No of obs 20 15 10 5 0 0.5 1.0 1.5 2.0

Detaljer

Nysgjerrigper. Forskningsrådets tilbud til barneskolen. Annette Iversen Aarflot Forskningsrådet, 13.november 2015 Nysgjerrigperkonferansen 2015.

Nysgjerrigper. Forskningsrådets tilbud til barneskolen. Annette Iversen Aarflot Forskningsrådet, 13.november 2015 Nysgjerrigperkonferansen 2015. Nysgjerrigper Forskningsrådets tilbud til barneskolen Annette Iversen Aarflot Forskningsrådet, 13.november 2015 Nysgjerrigperkonferansen 2015 Side Mål for kurset: Du har fått god kunnskap om Nysgjerrigpermetoden.

Detaljer

SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT) Målgruppe: studenter og helsepersonell Hensikt: øvelse i kritisk vurdering

SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT) Målgruppe: studenter og helsepersonell Hensikt: øvelse i kritisk vurdering SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT) Målgruppe: studenter og helsepersonell Hensikt: øvelse i kritisk vurdering FØLGENDE FORHOLD MÅ VURDERES: Kan vi stole på resultatene?

Detaljer

Mer om hypotesetesting

Mer om hypotesetesting Mer om hypotesetesting I underkapittel 36 i læreboka gir vi en kort innføring i tankegangen ved hypotesetesting Vi gir her en grundigere framstilling av temaet Problemstilling Vi forklarer problemstillingen

Detaljer

STUDIEÅRET 2014/2015. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Mandag 13. april 2015 kl. 10.00-12.00.

STUDIEÅRET 2014/2015. Individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Mandag 13. april 2015 kl. 10.00-12.00. STUDIEÅRET 2014/2015 Individuell skriftlig eksamen i VTM 200- Vitenskapsteori og metode Mandag 13. april 2015 kl. 10.00-12.00 Hjelpemidler: ingen Eksamensoppgaven består av 5 sider inkludert forsiden Sensurfrist:

Detaljer

Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser. Jan Odgaard-Jensen, statistiker

Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser. Jan Odgaard-Jensen, statistiker Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser Jan Odgaard-Jensen, statistiker Formål og innhold Grunnleggende definisjoner Hva er en meta-analyse? Hva er formål med meta-analyser Forutsetninger

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon

ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon ST0202 Statistikk for samfunnsvitere Kapittel 9: Inferens om én populasjon Bo Lindqvist Institutt for matematiske fag 2 Kap. 9: Inferens om én populasjon Statistisk inferens har som mål å tolke/analysere

Detaljer

Kurs i kunnskapshåndtering å finne, vurdere, bruke og formidle forskningsbasert kunnskap i praksis. Hege Kornør og Ida-Kristin Ørjasæter Elvsaas

Kurs i kunnskapshåndtering å finne, vurdere, bruke og formidle forskningsbasert kunnskap i praksis. Hege Kornør og Ida-Kristin Ørjasæter Elvsaas Kurs i kunnskapshåndtering å finne, vurdere, bruke og formidle forskningsbasert kunnskap i praksis 16.mars 2007 Hege Kornør og Ida-Kristin Ørjasæter Elvsaas Nasjonalt kunnskapssenter for helsetjenesten

Detaljer

Group-based parent-training programmes for improving emotional and behavioural adjustment in children from birth to three years old

Group-based parent-training programmes for improving emotional and behavioural adjustment in children from birth to three years old Group-based parent-training programmes for improving emotional and behavioural adjustment in children from birth to three years old Sammendrag fra pågående oppdatering av Cochrane-oversikt på oppdrag for

Detaljer

Kunnskapsbasert fysioterapi - kritisk vurdering av et randomisert kontrollert forsøk, RCT

Kunnskapsbasert fysioterapi - kritisk vurdering av et randomisert kontrollert forsøk, RCT Fysioterapeuten nr. 6/2000: Kritisk vurdering av studier, critical appraisal, er tema for denne artikkelen. Dette er femte artikkel i en serie om kunnskapsbasert fysioterapi. De fire første sto i FYSIOTERAPEUTEN

Detaljer

STUDIEÅRET 2014/2015. Utsatt individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Tirsdag 25. august 2015 kl. 10.00-12.00.

STUDIEÅRET 2014/2015. Utsatt individuell skriftlig eksamen. VTM 200- Vitenskapsteori og metode. Tirsdag 25. august 2015 kl. 10.00-12.00. STUDIEÅRET 2014/2015 Utsatt individuell skriftlig eksamen i VTM 200- Vitenskapsteori og metode Tirsdag 25. august 2015 kl. 10.00-12.00 Hjelpemidler: ingen Eksamensoppgaven består av 5 sider inkludert forsiden

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap : Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans

Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens. - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans Denne uken: kap. 6.1-6.2-6.3: Introduksjon til statistisk inferens - Konfidensintervall - Hypotesetesting - P-verdier - Statistisk signifikans VG 25/9 2011 Statistisk inferens Mål: Trekke konklusjoner

Detaljer

Statistikk er begripelig

Statistikk er begripelig Statistikk er begripelig men man må begynne med ABC ANOVA ANOVA er brukt til å sammenligne gjennomsnittsverdier Slik er det, selv om det er Analysis of Variance man sier BIVARIAT Bivariat analyse er godt

Detaljer

Page 1 EN DAG PÅ HELSESTASJONEN. Lises klassevenninnner. Formelen: Du har en hypotese om vanlig høyde

Page 1 EN DAG PÅ HELSESTASJONEN. Lises klassevenninnner. Formelen: Du har en hypotese om vanlig høyde 1 E DAG PÅ HELSESTASJOE Lises klassevenninnner Lise er veldig liten Hva gjør at du sier at hun er liten? Du har en hypotese om vanlig høyde Du har en hypotese om vanlig høyde Du sammenligner Lises høyde

Detaljer

Hvordan forstå meta-analyse

Hvordan forstå meta-analyse Hvordan forstå meta-analyse Nettverkskonferansen i kunnskapsbasert praksis 2016 Professor Birgitte Espehaug, Senter for kunnskapsbasert praksis Workshop 05.04.2016 og 06.04.2016 Agenda Kort introduksjon

Detaljer

Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio)

Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Datamatrisen: observasjoner, variabler og verdier. Variablers målenivå: Nominal Ordinal Intervall Forholdstall (ratio) Beskrive fordelinger (sentraltendens, variasjon og form): Observasjon y i Sentraltendens

Detaljer

Prosjektbeskrivelsen består av

Prosjektbeskrivelsen består av Kvantitative hovedoppgaver: prosjektbeskrivelsen og litt om metode Knut Inge Fostervold Prosjektbeskrivelsen består av Vitenskapelig bakgrunn og problemformulering (ca 2 sider) Design og metode (ca 2-3

Detaljer

Tema Kvalitativ og kvantitativ forskningsmetode. Forskningsmetode. Kausalitet. Reliabilitet og validitet. Usikkerhet. IA mandag 5/9-2014

Tema Kvalitativ og kvantitativ forskningsmetode. Forskningsmetode. Kausalitet. Reliabilitet og validitet. Usikkerhet. IA mandag 5/9-2014 Kvalitativ og kvantitativ forskningsmetode IA mandag 5/9-2014 Johan Håkon Bjørngaard, Professor Institutt for samfunnsmedisin johan.h.bjorngaard@ntnu.no Name, title of the presentation Forskningsmetode

Detaljer

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar.

Sentralverdi av dataverdi i et utvalg Vi tenker oss et utvalg med datapar. I vårt eksempel har vi 5 datapar. Statistisk behandling av kalibreringsresultatene Del 4. v/ Rune Øverland, Trainor Elsikkerhet AS Denne artikkelserien handler om statistisk behandling av kalibreringsresultatene. Dennne artikkelen tar

Detaljer

Verdens statistikk-dag. Signifikanstester. Eksempel studentlån. http://unstats.un.org/unsd/wsd/

Verdens statistikk-dag. Signifikanstester. Eksempel studentlån. http://unstats.un.org/unsd/wsd/ Verdens statistikk-dag http://unstats.un.org/unsd/wsd/ Signifikanstester Ønsker å teste hypotese om populasjon Bruker data til å teste hypotese Typisk prosedyre Beregn sannsynlighet for utfall av observator

Detaljer

MASTER I IDRETTSVITENSKAP 2013/2015 MASTER I IDRETTSFYSIOTERAPI 2013/2015. Utsatt individuell skriftlig eksamen. STA 400- Statistikk

MASTER I IDRETTSVITENSKAP 2013/2015 MASTER I IDRETTSFYSIOTERAPI 2013/2015. Utsatt individuell skriftlig eksamen. STA 400- Statistikk MSTR I IRTTSVITNSKP 013/015 MSTR I IRTTSFYSIOTRPI 013/015 Utsatt individuell skriftlig eksamen i ST 400- Statistikk Mandag 5. august 014 kl. 10.00-1.00 Hjelpemidler: kalkulator ksamensoppgaven består av

Detaljer

Bjørn H. Grønberg PRC & Kreftklinikken, St. Olavs Hospital. European Palliative Care Research Centre (PRC)

Bjørn H. Grønberg PRC & Kreftklinikken, St. Olavs Hospital. European Palliative Care Research Centre (PRC) 1 Umiddelbar vedlikeholdsbehandling med pemetrexed versus observasjon etterfulgt av andrelinjes behandling med pemetrexed ved progresjon av avansert ikke-småcellet lungekreft en nasjonal fase III studie

Detaljer

Nasjonale prøver i lesing, regning og engelsk på 5. trinn 2015

Nasjonale prøver i lesing, regning og engelsk på 5. trinn 2015 Nasjonale prøver i lesing, regning og engelsk på 5. trinn 2015 Resultater fra nasjonale prøver på 5. trinn høsten 2015 er nå publisert i Skoleporten. Her er et sammendrag for Nord-Trøndelag: - I snitt

Detaljer

Introduction to the Practice of Statistics

Introduction to the Practice of Statistics David S. Moore George P. McCabe Introduction to the Practice of Statistics Fifth Edition Chapter 3: Producing Data Copyright 2005 by W. H. Freeman and Company Produsere data Kap 1: Utforske gitte data

Detaljer

Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder

Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder Psykologisk institutt Eksamensoppgave i PSY2017/PSYPRO4317 Statistikk og kvantitative forskningsmetoder Faglig kontakt under eksamen: Eva Langvik Tlf.: Psykologisk institutt 73591960 Eksamensdato: 21.5.2013

Detaljer

SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT)

SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT) SJEKKLISTE FOR VURDERING AV EN RANDOMISERT KONTROLLERT STUDIE (RCT) FØLGENDE FORHOLD MÅ VURDERES: Kan vi stole på resultatene? Hva forteller resultatene? Kan resultatene være til hjelp i praksis? Under

Detaljer

Prosjektbeskrivelsen består av

Prosjektbeskrivelsen består av Kvantitative hovedoppgaver: prosjektbeskrivelsen og litt om metode og utforming Knut Inge Fostervold Prosjektbeskrivelsen består av Vitenskapelig bakgrunn og problemformulering (ca 2 sider) Design og metode

Detaljer

MASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00

MASTER I IDRETTSVITENSKAP 2014/2016. Individuell skriftlig eksamen. STA 400- Statistikk. Fredag 13. mars 2015 kl. 10.00-12.00 MASTER I IDRETTSVITENSKAP 2014/2016 Individuell skriftlig eksamen i STA 400- Statistikk Fredag 13. mars 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator Eksamensoppgaven består av 10 sider inkludert forsiden

Detaljer

FORSKNINGSMETODE NOEN GRUNNLEGGENDE KONSEPTER

FORSKNINGSMETODE NOEN GRUNNLEGGENDE KONSEPTER INF1500 H 2015 Magnus Li NOEN GRUNNLEGGENDE KONSEPTER VITENSKAPELIG METODE Hva? - Som vi har sett har mennesket en persepsjon som er gjennstand for subjektivitet og snarveier. For å kunne finne ut hva

Detaljer

Analytisk strategier for persontilpasset medisin og helseovervåkning

Analytisk strategier for persontilpasset medisin og helseovervåkning Analytisk strategier for persontilpasset medisin og helseovervåkning Olav M. Kvalheim Universitetet i Bergen Høgskulen i Sogn and Fjordane Helse Førde Plan for dette foredraget Hypotesetesting, p-verdier

Detaljer

2. Hva er en sampelfordeling? Nevn tre eksempler på sampelfordelinger.

2. Hva er en sampelfordeling? Nevn tre eksempler på sampelfordelinger. H12 - Semesteroppgave i statistikk - sensurveiledning Del 1 - teori 1. Gjør rede for resonnementet bak ANOVA. Enveis ANOVA tester om det er forskjeller mellom gjennomsnittene i tre eller flere populasjoner.

Detaljer

Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013

Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 2013. Skrevet av Stian Lydersen 16 januar 2013 1 Supplement til power-point presentasjonen i medisinsk statistikk, forelesning 7 januar 013. Skrevet av Stian Lydersen 16 januar 013 Vi antar at vårt utvalg er et tilfeldig og representativt utvalg for

Detaljer

Hvordan analysere måledata vha statistisk prosesskontroll? 14.02.2013 - www.pasientsikkerhetskampanjen.no Side 2

Hvordan analysere måledata vha statistisk prosesskontroll? 14.02.2013 - www.pasientsikkerhetskampanjen.no Side 2 Hvordan analysere måledata vha statistisk prosesskontroll? 14.02.2013 - www.pasientsikkerhetskampanjen.no Side 2 Hvordan vet vi at en endring er en forbedring? Dødelighet ved coronar by-pass kirurgi før

Detaljer

Logistisk regresjon 2

Logistisk regresjon 2 Logistisk regresjon 2 SPSS Utskrift: Trivariat regresjon a KJONN UTDAAR Constant Variables in the Equation B S.E. Wald df Sig. Exp(B) -,536,3 84,56,000,25,84,08 09,956,000,202 -,469,083 35,7,000,230 a.

Detaljer

Utprøving av KOR i døgnbehandling ved Nordlandsklinikken. Silje Wangberg, KoRus Nord og HiN

Utprøving av KOR i døgnbehandling ved Nordlandsklinikken. Silje Wangberg, KoRus Nord og HiN Utprøving av KOR i døgnbehandling ved Nordlandsklinikken Silje Wangberg, KoRus Nord og HiN Klient- og resultatstyrt praksis (KOR) Partnerskap for endring: Hva skal vi jobbe med? Hvordan skal vi jobbe?

Detaljer

Høye skårer indikerer høye nivåer av selvkontroll.

Høye skårer indikerer høye nivåer av selvkontroll. Psykologisk institutt PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2015 Skriftlig skoleeksamen tirsdag 19. mai, 09:00 (4 timer) Resultater publiseres 10. juni Kalkulator

Detaljer

Forskningsmetoder i menneske-maskin interaksjon

Forskningsmetoder i menneske-maskin interaksjon Forskningsmetoder i menneske-maskin interaksjon Kapittel 2- Eksperimentell forskning Oversikt Typer atferdsforskning Forskningshypoteser Grunnleggende om eksperimentell forskning Signifikanstesting Begrensninger

Detaljer

Sentralmål og spredningsmål

Sentralmål og spredningsmål Sentralmål og spredningsmål av Peer Andersen Peer Andersen 2014 Sentralmål og spredningsmål i statistikk I dette notatet skal vi se på de viktigste momentene om sentralmål og spredningsmål slik de blir

Detaljer

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt.

Kontroller at oppgavesettet er komplett før du begynner å besvare spørsmålene. Ved sensuren teller alle delspørsmål likt. Eksamen i: MET040 Statistikk for økonomer Eksamensdag: 4. juni 2008 Tid for eksamen: 09.00-13.00 Oppgavesettet er på 5 sider. Tillatte hjelpemidler: Alle trykte eller egenskrevne hjelpemidler og kalkulator.

Detaljer

Samlet rapport fra evalueringen HEL907 høst 2015.

Samlet rapport fra evalueringen HEL907 høst 2015. Samlet rapport fra evalueringen HEL907 høst 2015. Har du ytterligere kommentarer om innholdet på timeplanen? Ville gjerne hatt mer simulering. Kunne gjerne hatt litt mer forelesninger. Synes dagen med

Detaljer

Bærekraftig utvikling - forskerspiren. Maria Sviland, Skolelaboratoriet NTNU

Bærekraftig utvikling - forskerspiren. Maria Sviland, Skolelaboratoriet NTNU Bærekraftig utvikling - forskerspiren Maria Sviland, Skolelaboratoriet NTNU 1 2 Forskerspiren Forskerspiren Kompetansemål etter Vg1 studieforberedende utdanningsprogram ( - Naturfag i vidregående opplæring)

Detaljer

OM EXTRANET OG KAMPANJENS MÅLINGER (innsatsområdene UVI og SVK) 15.11.2012 - www.pasientsikkerhetskampanjen.no Side 2

OM EXTRANET OG KAMPANJENS MÅLINGER (innsatsområdene UVI og SVK) 15.11.2012 - www.pasientsikkerhetskampanjen.no Side 2 OM EXTRANET OG KAMPANJENS MÅLINGER (innsatsområdene UVI og SVK) 15.11.2012 - www.pasientsikkerhetskampanjen.no Side 2 HVORFOR MÅLE? 15.11.2012 - www.pasientsikkerhetskampanjen.no Side 3 HVORFOR MÅLE? Measurements

Detaljer

Kursopplegg og innleveringer på OADM 3090, vår 2009

Kursopplegg og innleveringer på OADM 3090, vår 2009 Kursopplegg og innleveringer på OADM 3090, vår 2009 Av Elin Lerum Boasson OADM 3090 studentene skal skrive oppgaver som har interesse for folk tilknyttet organisasjonene det skrives om. Målet er at studentene

Detaljer

regresjonsmodeller multippel logistisk regresjon logistisk regresjon prediksjon vs assosiasjon den logistisk funksjonen (2)

regresjonsmodeller multippel logistisk regresjon logistisk regresjon prediksjon vs assosiasjon den logistisk funksjonen (2) Innføring i medisinsk statistikk del 2 regresjonsmodeller Hvorfor vil man bruke regresjonsmodeller? multippel logistisk regresjon. predikere et utfall (f.eks. sykdom, død, blodtrykk) basert på et sett

Detaljer

Komplekse intervensjoner Metodiske utfordringer. Liv Wensaas PhD, RN, Leder for FOU enheten Helse og omsorg Asker kommune

Komplekse intervensjoner Metodiske utfordringer. Liv Wensaas PhD, RN, Leder for FOU enheten Helse og omsorg Asker kommune Komplekse intervensjoner Metodiske utfordringer Liv Wensaas PhD, RN, Leder for FOU enheten Helse og omsorg Asker kommune DISPOSISJON Intervensjonsforskning og helsefag Komplekse intervensjoner Metodiske

Detaljer

Diskusjonsoppgaver Hvilke fordeler oppnår man ved analytisk evaluering sammenliknet med andre tilnærminger?

Diskusjonsoppgaver Hvilke fordeler oppnår man ved analytisk evaluering sammenliknet med andre tilnærminger? Definisjonsteori Hva er de tre hovedtilnærmingene til evaluering? Nevn de seks stegene i DECIDE. (blir gjennomgått neste uke) Gi et eksempel på en måte å gjøre indirekte observasjon. Hva ligger i begrepene

Detaljer

SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007

SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007 SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 VÅREN 2007 Oppgave 1 Nedenfor ser du en forenklet tabell basert på informasjon fra den norske delen av European Social Survey 2004.

Detaljer

Elevundersøkelsene: Mobbing og uro; Noen trender over år.

Elevundersøkelsene: Mobbing og uro; Noen trender over år. Elevundersøkelsene: Mobbing og uro; Noen trender over år. Notat 16.5.08 utarbeidet av Karl Skaar, Oxford Research og Einar Skaalvik, NTNU Elevundersøkelsen er en nettbasert undersøkelse der elever i grunnskolen

Detaljer

Hvordan Kunnskapsesenterets

Hvordan Kunnskapsesenterets Foredrag på seminaret Rehabilitering av brystkreftpasienter, 11. mars 2009 Hvordan Kunnskapsesenterets jobber vi med en systematisk nye PPT-mal oversikt Lene K. Juvet, (prosjektleder) Forsker, PhD. Hvorfor

Detaljer

EKSAMEN I TMA4245 Statistikk

EKSAMEN I TMA4245 Statistikk Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 5 Faglig kontakt under eksamen: Turid Follestad (98 06 68 80/73 59 35 37) Hugo Hammer (45 21 01 84/73 59 77 74) Eirik

Detaljer

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT mars 2015

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT mars 2015 Statistikk & dataanalyse: Et eksempel Frode Svartdal UiT mars 2015 Eksempel UTGANGSPUNKT Vi antar at den som prokrastinerer (utsetter ting) drøyer med alt mulig som skal gjøres, eksempelvis Venter med

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i STK1000 Innføring i anvendt statistikk Eksamensdag: Torsdag 2. desember 2010. Tid for eksamen: 09.00 13.00. Oppgavesettet er på

Detaljer

Effektstørrelse. Tabell 1. Kritiske verdier for Pearson s produkt-moment-korrelasjon med 5% og 1% signifikansnivå. N 5% 1% N 5% 1%

Effektstørrelse. Tabell 1. Kritiske verdier for Pearson s produkt-moment-korrelasjon med 5% og 1% signifikansnivå. N 5% 1% N 5% 1% Thor Arnfinn Kleven Institutt for pedagogikk 19.09.2013 Effektstørrelse Tradisjonelt har signifikanstesting vært fremhevet som den viktigste statistiske analyseformen i pedagogisk og psykologisk forskning.

Detaljer

PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2014

PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2014 Psykologisk institutt PSY2012 Forskningsmetodologi III: Statistisk analyse, design og måling Eksamen vår 2014 Skriftlig skoleeksamen fredag 2. mai, 09:00 (4 timer). Kalkulator uten grafisk display og tekstlagringsfunksjon

Detaljer

Repeterbarhetskrav vs antall Trails

Repeterbarhetskrav vs antall Trails Repeterbarhetskrav vs antall Trails v/ Rune Øverland, Trainor Automation AS Artikkelserie Dette er andre artikkel i en serie av fire om tar for seg repeterbarhetskrav og antall trials. Formålet med artikkelserien

Detaljer

Løsningsforslag Til Statlab 5

Løsningsforslag Til Statlab 5 Løsningsforslag Til Statlab 5 Jimmy Paul September 6, 007 Oppgave 8.1 Vi skal se på ukentlige forbruk av søtsaker blant barn i et visst område. En pilotstudie gir at standardavviket til det ukentige forbruket

Detaljer

Kunnskapsesenterets Bruk og tolkning av meta-analyser. nye PPT-mal. Jan Odgaard-Jensen, statistiker

Kunnskapsesenterets Bruk og tolkning av meta-analyser. nye PPT-mal. Jan Odgaard-Jensen, statistiker Kunnskapsesenterets Bruk og tolkning av meta-analyser nye PPT-mal Jan Odgaard-Jensen, statistiker Formål og innhold Grunnleggende definisjoner Hva er en meta-analyse og hva er formålet? Forutsetninger

Detaljer

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG

Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG Statistikk, FO242N, AMMT, HiST 2. årskurs, 30. mai 2007 side 1 ( av 8) LØSNINGSFORSLAG HØGSKOLEN I SØR-TRØNDELAG AVDELING FOR MAT- OG MEDISINSK TEKNOLOGI Matteknologisk utdanning Kandidatnr: Eksamensdato:

Detaljer

NTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap

NTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap NTNU Norges teknisk-naturvitenskapelige universitet Institutt for sosiologi og statsvitenskap EKSAMENSOPPGAVE I SVSOS107 SAMFUNNSVITENSKAPELIG FORSKNINGSMETODE Eksamensdato: 18. mai 001 Eksamenssted: Idrettsbygget

Detaljer

Krysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005.

Krysstabellanalyse (forts.) SOS1120 Kvantitativ metode. 4. Statistisk generalisering. Forelesningsnotater 9. forelesning høsten 2005. SOS112 Kvantitativ metode Krysstabellanalyse (forts.) Forelesningsnotater 9. forelesning høsten 25 4. Statistisk generalisering Per Arne Tufte Eksempel: Hypoteser Eksempel: observerte frekvenser (O) Hvordan

Detaljer

Forelesning 19 SOS1002

Forelesning 19 SOS1002 Forelesning 19 SOS1002 Kvalitative forskningsmetoder Pensum: Thagaard, Tove (2003): Systematikk og innlevelse. En innføring i kvalitativ metode. 2. utgave, Bergen: Fagbokforlaget. 1 Målet med den kvalitative

Detaljer

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE

EKSAMEN ST0202 STATISTIKK FOR SAMFUNNSVITERE Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 Bokmål Faglig kontakt under eksamen: Bo Lindqvist, tlf. 97589418 EKSAMEN ST00 STATISTIKK FOR SAMFUNNSVITERE Torsdag

Detaljer

CONSORT Consolidated Standards of Reporting Trials

CONSORT Consolidated Standards of Reporting Trials CONSORT Consolidated Standards of Reporting Trials Børge Strømgren, 2017 Consolidated Standards of Reporting Trials Randomiserte kontrollerte forsøk (RCT: Randomised Controlled Trials) er gullstandarden

Detaljer

Løsningsforslag til obligatorisk innlevering 3.

Løsningsforslag til obligatorisk innlevering 3. svar3.nb 1 Løsningsforslag til obligatorisk innlevering 3. Oppgave 1 * Vi skal sammenlikne to sensoere A og B. Begge har rettet den samme oppgaven. Hvis populasjonen er eksamensoppgavene, har vi altså

Detaljer

Undersøkelse om utdanning

Undersøkelse om utdanning Undersøkelse om utdanning I dag er det flere som lurer på om det er en sammenheng mellom barn og foreldre når det kommer til valg av utdanningsnivå. Vi er veldig nysgjerrige på dette emnet, og har derfor

Detaljer

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT april 2016

Statistikk & dataanalyse: Et eksempel. Frode Svartdal UiT april 2016 Statistikk & dataanalyse: Et eksempel Frode Svartdal UiT april 2016 Eksempel UTGANGSPUNKT Vi antar at den som prokrastinerer (utsetter ting) drøyer med alt mulig som skal gjøres, eksempelvis Venter med

Detaljer

MASTER I IDRETTSVITENSKAP 2014/2016. Utsatt individuell skriftlig eksamen. STA 400- Statistikk. Mandag 24. august 2015 kl. 10.00-12.

MASTER I IDRETTSVITENSKAP 2014/2016. Utsatt individuell skriftlig eksamen. STA 400- Statistikk. Mandag 24. august 2015 kl. 10.00-12. MASTR I IDRTTSVITNSKAP 2014/2016 Utsatt individuell skriftlig eksamen i STA 400- Statistikk Mandag 24. august 2015 kl. 10.00-12.00 Hjelpemidler: kalkulator ksamensoppgaven består av 10 sider inkludert

Detaljer

Kvalitetskontroller fra Radiometer

Kvalitetskontroller fra Radiometer Kvalitetskontroller fra Radiometer hvordan settes grenser for kvalitetskontroll lot forskjeller: ph, PCO2, PO2, ica og laktat. Anders Terland Oppsummering Det er flere metoder for å sette grenser Radiometer

Detaljer

Norsk Biotekforum. Forsøksdesign og statistikk i planleggingen av tidligfase kliniske studier. Statistikerens rolle.

Norsk Biotekforum. Forsøksdesign og statistikk i planleggingen av tidligfase kliniske studier. Statistikerens rolle. Norsk Biotekforum 12. juni 2008 Forsøksdesign og statistikk i planleggingen av tidligfase kliniske studier. Statistikerens rolle. Trond Haider Sr. statistiker Tidlig fase i klinisk forskning: Fase 0 First

Detaljer

PSY 1002 Statistikk og metode. Frode Svartdal April 2016

PSY 1002 Statistikk og metode. Frode Svartdal April 2016 PSY 1002 Statistikk og metode Frode Svartdal April 2016 GANGEN I HYPOTESETESTING 1. Formuler en hypotese «Man får bedre karakterer hvis man leser pensum» 2. Formuler motstykket, nullhypotesen H 0 «Man

Detaljer

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2.

Oppgave 1. X 1 B(n 1, p 1 ) X 2. Vi er interessert i forskjellen i andeler p 1 p 2, som vi estimerer med. p 1 p 2 = X 1. n 1 n 2. Løsningsforslag til eksamen i MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 17 november 2008 TILLATTE HJELPEMIDLER: Kalkulator: HP30S, Casio FX82 eller TI-30 Tabeller og formler i statistikk Tapir

Detaljer

Metodisk arbeid. Strukturert arbeidsmåte for å nå et bestemt mål

Metodisk arbeid. Strukturert arbeidsmåte for å nå et bestemt mål Metodisk arbeid Strukturert arbeidsmåte for å nå et bestemt mål Hva er en metode? En metode er et redskap, en fremgangsmåte for å løse utfordringer og finne ny kunnskap Metode kommer fra gresk, methodos:

Detaljer

Hvordan kvalitetsvurderer vi

Hvordan kvalitetsvurderer vi Hvordan kvalitetsvurderer vi forskningsartikler? Niels Gunnar Juel, seniorrådgiver/lege, Kunnskapssenteret Hva skal vi bruke tiden til? 1. time Ulike studiedesign - når bruker vi dem Vurdering av enkeltstudier

Detaljer

Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser. Jan Odgaard-Jensen, statistiker

Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser. Jan Odgaard-Jensen, statistiker Kunnskapsesenterets Bruk og tolkning nye PPT-mal av meta-analyser Jan Odgaard-Jensen, statistiker Formål og innhold Hva er en meta-analyse Hva er formål med meta-analyser Forutsetninger for å gjennomføre

Detaljer

Eksamensoppgave i PSY1011/PSYPRO4111 Psykologiens metodologi

Eksamensoppgave i PSY1011/PSYPRO4111 Psykologiens metodologi Psykologisk institutt Eksamensoppgave i PSY1011/PSYPRO4111 Psykologiens metodologi Faglig kontakt under eksamen: Eva Langvik Tlf.: 73 59 19 60 Eksamensdato: 22.05.2015 Eksamenstid (fra-til): 09:00 13:00

Detaljer

KATEGORISKE DATA- TABELLANALYSE ANALYSE AV. Tron Anders Moger. 3. Mai 2005

KATEGORISKE DATA- TABELLANALYSE ANALYSE AV. Tron Anders Moger. 3. Mai 2005 ANALYSE AV KATEGORISKE DATA- TABELLANALYSE 3. Mai 2005 Tron Anders Moger Forrige gang: Snakket om kontinuerlige data, dvs data som måles på en kontinuerlig skala Hypotesetesting med t-tester evt. ikkeparametriske

Detaljer

Forespørsel om deltakelse i forskningsprosjektet Fra www til zzz: Nettbehandling av insomni

Forespørsel om deltakelse i forskningsprosjektet Fra www til zzz: Nettbehandling av insomni Forespørsel om deltakelse i forskningsprosjektet Fra www til zzz: Nettbehandling av insomni Bakgrunn og hensikt Dette er en forespørsel om å delta i en forskningsstudie for å prøve ut effekten av et internettbasert

Detaljer

Mal for vurderingsbidrag

Mal for vurderingsbidrag Mal for vurderingsbidrag Fag: Naturfag Tema:Verdensrommet Trinn:6. Tidsramme: 5 undervisningsøkter (ca 5 x 45 min) Trintom Gro Sk Undervisningsplanlegging Konkretisering Kompetansemål Mål for en periode

Detaljer

Medisinsk statistikk, KLH3004 Dmf, NTNU 2009. Styrke- og utvalgsberegning

Medisinsk statistikk, KLH3004 Dmf, NTNU 2009. Styrke- og utvalgsberegning Styrke- og utvalgsberegning Geir Jacobsen, ISM Sample size and Power calculations The essential question in any trial/analysis: How many patients/persons/observations do I need? Sample size (an example)

Detaljer

SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2006

SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2006 SENSORVEILEDNING FOR DEN KVANTITATIVE DELEN AV EKSAMENSOPPGAVEN I SOS1002 HØSTEN 2006 Oppgave 1 Nedenfor ser du en forenklet tabell basert på informasjon fra den norske delen av European Social Survey

Detaljer

Innledning. Noen relevante statistiske konsepter. Utvalg og populasjon, estimat og parameter

Innledning. Noen relevante statistiske konsepter. Utvalg og populasjon, estimat og parameter Innhold Innledning... 3 Noen relevante statistiske konsepter... 3 Utvalg og populasjon, estimat og parameter... 3 Gjennomsnittsverdier med tilhørende konfidensintervaller Studieprogrammene fra pilotundersøkelsen...

Detaljer

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger

Analyse av kontinuerlige data. Intro til hypotesetesting. 21. april 2005. Seksjon for medisinsk statistikk, UIO. Tron Anders Moger Intro til hypotesetesting Analyse av kontinuerlige data 21. april 2005 Tron Anders Moger Seksjon for medisinsk statistikk, UIO 1 Repetisjon fra i går: Normalfordelingen Variasjon i målinger kan ofte beskrives

Detaljer

Epidemiologi - en oppfriskning. Epidemiologi. Viktige begreper 12.04.2015. Deskriptiv beskrivende. Analytisk årsaksforklarende. Ikke skarpt skille

Epidemiologi - en oppfriskning. Epidemiologi. Viktige begreper 12.04.2015. Deskriptiv beskrivende. Analytisk årsaksforklarende. Ikke skarpt skille Epidemiologi - en oppfriskning Epidemiologi Deskriptiv beskrivende Hyppighet og fordeling av sykdom Analytisk årsaksforklarende Fra assosiasjon til kausal sammenheng Ikke skarpt skille Viktige begreper

Detaljer

MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) der

MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) der MOT310 Statistiske metoder 1, høsten 2010 Løsninger til regneøving nr. 11 (s. 1) Oppgave 13.1 Modell: Y ij = µ i + ε ij, der ε ij uavh. N(0, σ 2 ) Boka opererer her med spesialtilfellet der man har like

Detaljer

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080.

Oppgave 1. Det oppgis at dersom y ij er observasjon nummer j fra laboratorium i så er SSA = (y ij ȳ i ) 2 = 3.6080. EKSAMEN I: MOT310 STATISTISKE METODER 1 VARIGHET: 4 TIMER DATO: 28. FEBRUAR 2005 TILLATTE HJELPEMIDLER: KALKULATOR, TABELLER OG FORMLER I STATISTIKK (TAPIR FORLAG) OPPGAVESETTET BESTÅR AV 4 OPPGAVER PÅ

Detaljer

ST0202 Statistikk for samfunnsvitere Kapittel 9-10 (oversikt): Inferens om én og to populasjoner

ST0202 Statistikk for samfunnsvitere Kapittel 9-10 (oversikt): Inferens om én og to populasjoner ST0202 Statistikk for samfunnsvitere Kapittel 9-10 (oversikt): Inferens om én og to populasjoner Bo Lindqvist Institutt for matematiske fag 2 Inferens med EN populasjon 3 Oppgave: H2002 # 3 I følge Nielsen

Detaljer

Sammenlikninger av gjennomsnitt. SOS1120 Kvantitativ metode. Kan besvare to spørsmål: Sammenlikning av to gjennomsnitt

Sammenlikninger av gjennomsnitt. SOS1120 Kvantitativ metode. Kan besvare to spørsmål: Sammenlikning av to gjennomsnitt SOS1120 Kvantitativ metode Forelesningsnotater 10. forelesning høsten 2005 Per Arne Tufte Sammenlikninger av gjennomsnitt Sammenlikner gjennomsnittet på avhengig variabel for ulike grupper av enheter Kan

Detaljer