1 Statistiske undersøkelser
Hvor mye sover ungdom? Hvem kommer til å vinne valget? Virker en ny medisin? Slike spørsmål kan ikke besvares med én måling eller én person. Vi må samle inn data fra mange, og svarene varierer. Statistikk handler om å lære noe av data når svarene varierer. I dette kapittelet ser vi på hvordan en statistisk undersøkelse er bygd opp, hvor data kommer fra, og hvorfor måten dataene er samlet inn på, avgjør hva vi kan konkludere med.
Last ned oppgaveheftet for kapittel 1 (PDF): oppsummering, gjennomregnede eksempler og oppgaver med fasit, til arbeid uten PC.
Læringsmål
Etter å ha arbeidet med kapittelet skal du kunne
- forklare stegene i den statistiske undersøkelsesprosessen,
- skille mellom ulike typer variabler og lese et datasett,
- finne og vurdere datakilder,
- forklare forskjellen på populasjon og utvalg, og velge en utvalgsmetode,
- vurdere representativitet og feilkilder, og drøfte hvordan de påvirker konklusjonen,
- skille mellom observasjonsstudier og eksperimenter.
1.1 Spørsmål og data
Seksjonen handler om hva som gjør et spørsmål statistisk, og hvordan vi går fram for å besvare det. Vi innfører den statistiske undersøkelsesprosessen, som går igjen i resten av boka, og ser på hvordan data er bygd opp.
1.1.1 Fra spørsmål til svar
Hvor lenge sov du i natt? Spør du sidemannen, får du kanskje et annet svar. Spør du hele klassen, får du mange forskjellige svar. En klasse på \(24\) elever skrev ned hvor mange timer de sov natt til tirsdag. Hver prikk under er én elev:
Én elev sov \(4{,}5\) timer, en annen \(9{,}5\). De fleste sov mellom \(6\) og \(8\) timer. Ungdom anbefales ofte å sove \(8\)–\(10\) timer, men bare \(6\) av de \(24\) elevene sov \(8\) timer eller mer. Betyr det at elever flest sover for lite? Det er et statistisk spørsmål, og for å svare på det trenger vi mer enn ett tall.
Læringsmål
Etter dette delkapittelet skal du kunne
- avgjøre om et spørsmål er statistisk, og gjøre om et spørsmål til et statistisk spørsmål,
- forklare hvorfor variasjon gjør at vi trenger statistikk,
- beskrive de fire stegene i den statistiske undersøkelsesprosessen, og kjenne igjen hvilket steg en aktivitet hører til,
- stille kritiske spørsmål til en statistisk påstand.
Statistiske spørsmål
«Hvor lenge sov du i natt?» har ett svar. Du kan svare uten å spørre noen andre. «Hvor lenge sover elevene på skolen?» er annerledes: Svaret er forskjellig fra elev til elev, og vi må samle inn data fra mange elever for å si noe om det. Det er det som gjør spørsmålet statistisk.
Et statistisk spørsmål sier også hvem eller hva det gjelder, og hva som skal måles. «Sover ungdom for lite?» er et godt utgangspunkt, men det blir et bedre statistisk spørsmål når vi presiserer: «Hvor mange timer sover elevene på skolen vår en vanlig natt før en skoledag?»
Variasjon
Hvis alle elevene sov nøyaktig \(7\) timer, ville det holdt å spørre én av dem. Det er variasjonen som gjør statistikk nødvendig. Data varierer av flere grunner:
- Mellom individer: Elever sover ulikt.
- Fra gang til gang: Den samme eleven sover ikke like lenge hver natt.
- Ved måling: Mange husker ikke nøyaktig når de sovnet, og runder av til nærmeste halvtime.
- Fra utvalg til utvalg: Spør vi bare noen av elevene, avhenger svaret av hvem vi tilfeldigvis spør.
Den siste typen kan du se selv. Programmet under trekker \(5\) tilfeldige elever fra klassen og regner ut gjennomsnittet av søvnen deres. Kjør det flere ganger.
Gjennomsnittet for hele klassen er omtrent \(7{,}0\) timer, men et utvalg på \(5\) elever kan gi alt fra rundt \(6\) til rundt \(8\) timer. Et svar fra et utvalg er derfor alltid litt usikkert. Senere i boka lærer vi å si hvor usikkert.
Den statistiske undersøkelsesprosessen
Statistikere går fram på omtrent samme måte uansett om de undersøker søvn, valg eller medisiner. Prosessen har fire steg:
flowchart TD A["1 Formulere spørsmål"] --> B["2 Samle inn data"] B --> C["3 Analysere data"] C --> D["4 Tolke resultatene"] D -.-> A
Stegene henger sammen. Et uklart spørsmål gjør det vanskelig å vite hvilke data du trenger. Dårlige data kan ikke reddes av en god analyse. Og tolkningen må ta hensyn til hvordan dataene ble samlet inn.
- Et spørsmål om én person eller ting er ikke statistisk, selv om svaret er et tall.
- Ett tall, som et gjennomsnitt, forteller ikke alt. Se også på hvor mye dataene varierer.
- Et resultat fra et utvalg er ikke sikkert. Et nytt utvalg gir et litt annet svar.
- Hopp ikke rett til analysen. Hvordan dataene er samlet inn, avgjør hva du kan konkludere med.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Statistisk spørsmål
Besvares med data som varierer. Sier hvem det gjelder, og hva som måles.
Undersøkelsesprosessen
- Formulere spørsmål
- Samle inn data
- Analysere data
- Tolke resultatene
Variasjon
Mellom individer, fra gang til gang, ved måling og fra utvalg til utvalg.
- Hvordan dataene er samlet inn, avgjør hva du kan konkludere med.
- Et resultat fra et utvalg er usikkert: Et nytt utvalg gir et litt annet svar.
1.1.2 Variabler og datasett
Elevrådet har sendt ut et kort spørreskjema om skoleveien. Her er svarene fra de første \(12\) elevene, med skoleveien i minutter:
| Nr | Trinn | Transport | Min | Søsken |
|---|---|---|---|---|
| 1 | Vg1 | buss | 25 | 1 |
| 2 | Vg2 | gå | 10 | 2 |
| 3 | Vg1 | sykkel | 15 | 0 |
| 4 | Vg3 | buss | 40 | 1 |
| 5 | Vg2 | buss | 20 | 3 |
| 6 | Vg2 | gå | 8 | 1 |
| 7 | Vg3 | buss | 35 | 2 |
| 8 | Vg1 | sykkel | 12 | 1 |
| 9 | Vg3 | gå | 5 | 0 |
| 10 | Vg2 | buss | 30 | 2 |
| 11 | Vg1 | buss | 45 | 1 |
| 12 | Vg3 | sykkel | 19 | 4 |
Gjennomsnittlig skolevei er \(22\) minutter. Men hva er gjennomsnittlig transport? Og hva betyr det at gjennomsnittet av kolonnen «Nr» er \(6{,}5\)? Noen kolonner kan vi regne med, andre ikke. For å vite hva vi kan gjøre med dataene, må vi vite hva slags variabler vi har.
Læringsmål
Etter dette delkapittelet skal du kunne
- forklare hva en observasjon, en variabel og et datasett er,
- skille mellom kategoriske og numeriske variabler, og mellom diskrete og kontinuerlige numeriske variabler,
- avgjøre hva det gir mening å regne ut for en variabel,
- telle opp og regne ut andeler for en kategorisk variabel, også med Python.
Observasjoner og variabler
Tabellen fra elevrådet er et typisk datasett. Hver rad er én elev, og hver kolonne er én ting vi har registrert om elevene.
Elevrådets datasett har \(12\) observasjoner og fire variabler: trinn, transport, skolevei og søsken. «Nr» er bare et løpenummer som skiller radene fra hverandre. Enhetene trenger ikke være personer: I et datasett med temperaturen hver dag i et år er hver dag én observasjon.
Kategoriske og numeriske variabler
Transport har verdiene buss, gå og sykkel. Det er kategorier, ikke tall. Skolevei og søsken er tall. Men det er en forskjell på dem også: Søsken telles (0, 1, 2, …), mens skolevei måles, og kunne vært \(12{,}5\) minutter hvis vi målte nøyaktig.
Noen kategoriske variabler har en naturlig rekkefølge, som trinn (Vg1, Vg2, Vg3) eller svar som «sjelden, av og til, ofte». Da kan vi sortere verdiene, men ikke regne med dem. Andre, som transport, har ingen rekkefølge.
Typen bestemmer også hvilken figur som passer: En kategorisk variabel vises med søyler, én per kategori (øverst). En numerisk variabel vises på en tallinje, for eksempel som et prikkplott (nederst). Det kommer vi tilbake til i kapittel 2.
Postnumre, telefonnumre, draktnumre og løpenumre er tall, men de er kategoriske variabler. Spør deg selv: Gir det mening å regne ut gjennomsnittet?
Hva kan vi regne ut?
For en kategorisk variabel kan vi telle hvor mange som er i hver kategori, og regne ut andeler. For en numerisk variabel kan vi i tillegg regne ut for eksempel gjennomsnitt, største og minste verdi.
- Et tall er ikke alltid en numerisk variabel. Postnumre og løpenumre er kategoriske.
- Gjennomsnitt gir bare mening for numeriske variabler. For kategoriske variabler teller vi og regner ut andeler.
- En andel deles på antall observasjoner, ikke på antall kategorier.
- Diskret betyr at verdiene telles, ikke at de er hele tall. Alder i hele år er hele tall, men alder måles og er i utgangspunktet kontinuerlig.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Datasett
Én rad per observasjon (enhet), én kolonne per variabel.
Kategorisk variabel
Kategorier som verdier. Tell og regn ut andeler.
Numerisk variabel
Tall vi kan regne med. Diskret (telles) eller kontinuerlig (måles).
Andel
\[ \frac{\text{antall i kategorien}}{\text{antall observasjoner}} \]
- Postnumre, draktnumre og løpenumre er kategoriske, selv om de er tall.
- I Python teller
liste.count(verdi), oglen(liste)gir antall observasjoner.
1.2 Hente og rydde data
Seksjonen handler om steg 2 i undersøkelsesprosessen: å skaffe data. Vi ser på forskjellen mellom data vi samler inn selv og data andre har samlet inn, hvordan vi leser og vurderer en datakilde, og hvordan vi får dataene inn i Python.
1.2.1 Datakilder
Hvilke sosiale medier bruker ungdom? Du kan finne det ut på to måter. Du kan spørre klassen, eller du kan slå opp hos Statistisk sentralbyrå (SSB). SSB spør hvert år et utvalg av befolkningen om mediebruken deres. Figuren viser hvor mange prosent av 16–24-åringene som brukte ulike sosiale medier en gjennomsnittsdag i 2025:
Kilde: SSB, tabell 14511 (Norsk mediebarometer).
Ligner det på klassen din? Kanskje, kanskje ikke. Klassen er noen få elever på én skole, spurt én dag. SSB har spurt mange, valgt ut slik at de ligner på hele befolkningen. Men SSB spør om «en gjennomsnittsdag», og tallene er fra i fjor. Hvilke tall du bør stole på, kommer an på spørsmålet ditt, og på hvordan dataene er samlet inn.
Læringsmål
Etter dette delkapittelet skal du kunne
- skille mellom primærdata og sekundærdata, og nevne fordeler og ulemper med hver,
- lese en tabell fra SSB, og skille mellom prosent og prosentpoeng,
- vurdere en datakilde ved å spørre hvem, hvorfor, hvordan, når og hva.
Primærdata og sekundærdata
Når elevrådet lager sitt eget spørreskjema, samler de inn primærdata. Når du henter tall fra SSB, bruker du sekundærdata: data som andre har samlet inn, ofte for et annet formål enn ditt.
Begge har fordeler. Med primærdata bestemmer du selv hva som spørres om og hvordan, men det tar tid, og du får sjelden spurt mange. Sekundærdata fra en god kilde er ofte store, nøye innsamlet og gratis, men de er samlet inn til et annet formål, så de passer ikke alltid til spørsmålet ditt.
Å lese en tabell fra SSB
SSB legger ut tusenvis av tabeller i Statistikkbanken (ssb.no/statbank), som kan lastes ned gratis. Hver tabell har et nummer. Tabellen under er et utsnitt av tabell 14511, for 16–24-åringer:
| App | 2023 | 2024 | 2025 |
|---|---|---|---|
| Snapchat | 91 | 92 | 89 |
| 83 | 81 | 78 | |
| TikTok | 66 | 73 | 74 |
| YouTube | . | 43 | 51 |
| 60 | 56 | 50 |
Før du bruker en tabell, les overskriften og forklaringene nøye: Hva er enheten (her prosent av alle 16–24-åringer)? Hvem gjelder tallene for? Hva betyr symbolene? Punktumet for YouTube i 2023 betyr ifølge SSB at kategorien ikke var med da tallene ble samlet inn. Det betyr ikke \(0\).
Når andelen som bruker Facebook, går fra \(60\ \%\) til \(50\ \%\), har den gått ned med \(10\) prosentpoeng. Det er ikke det samme som \(10\ \%\).
Begge deler er riktig, men de betyr forskjellige ting: Andelen er \(10\) prosentpoeng lavere, og det er omtrent \(17\ \%\) færre som bruker Facebook enn før (blant 16–24-åringene).
Å vurdere en datakilde
Tall ser objektive ut, men de er alltid samlet inn av noen, på en bestemt måte, av en grunn. Før du bruker dem, må du vurdere kilden.
- Prosent og prosentpoeng blandes: Fra \(60\ \%\) til \(50\ \%\) er en nedgang på \(10\) prosentpoeng, men omtrent \(17\ \%\).
- Et manglende tall («.» eller «..» hos SSB) betyr ikke \(0\).
- Mange svar gjør ikke en undersøkelse god. Det avgjørende er hvem som svarer.
- Sekundærdata kan ha andre definisjoner enn du tror, for eksempel «en gjennomsnittsdag» i stedet for «i går».
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Primærdata
Samlet inn selv, til eget spørsmål.
Sekundærdata
Samlet inn av andre, for eksempel SSB.
Prosentpoeng
\[ \text{ny andel} - \text{gammel andel} \]
Endring i prosent
\[ \frac{\text{ny} - \text{gammel}}{\text{gammel}} \cdot 100\ \% \]
Vurdere en kilde
Hvem, hvorfor, hvordan, når og hva?
- Et manglende tall i en tabell betyr ikke \(0\).
- Mange svar gjør ikke en undersøkelse god. Det avgjørende er hvem som svarer.
1.2.2 Data i Python
Elevrådet har fått \(20\) svar på spørreskjemaet om skoleveien. Svarene ligger i fila skolevei.csv, en tekstfil der hver linje er én elev og verdiene er skilt med komma. Slik ser de ti første linjene ut:
elev,trinn,transport,skolevei,sosken
1,Vg1,buss,25,1
2,Vg2,gå,10,2
3,Vg1,sykkel,15,0
4,Vg3,Buss,40,1
5,Vg2,buss,20,3
6,Vg2,gå,8,1
7,Vg3,buss,35,2
8,Vg1,sykel,12,1
9,Vg3,gå,5,0
Første linje gir navnene på variablene. Ser du noe som er rart? «Buss» og «buss» er det samme, og «sykel» er en skrivefeil. Lenger ned i fila har noen skrevet \(250\) minutter skolevei, og én har ikke svart. Data fra virkeligheten er sjelden ryddige. Før vi kan telle eller regne, må vi se på dataene og rydde dem.
Læringsmål
Etter dette delkapittelet skal du kunne
- lage en frekvenstabell med frekvens og relativ frekvens, for hånd og med Python,
- sortere data og finne minste og største verdi,
- finne og rydde vanlige feil i et datasett: ulik skrivemåte, urimelige verdier og manglende verdier,
- lese inn et datasett fra en CSV-fil med Python og se på det.
Frekvenstabell
Når vi skal oppsummere en kategorisk variabel, teller vi hvor mange som er i hver kategori, og setter det opp i en tabell.
Sortere
En lang liste med tall er vanskelig å få oversikt over. Sortert fra minst til størst ser vi straks hvor dataene ligger, og hva som er minst og størst. I Python sorterer sorted(liste) en liste, og min og max gir minste og største verdi.
Rydde data
Før vi analyserer, må vi se etter feil. De vanligste er:
Rydding kan endre resultatet mye. Med \(250\) minutter er gjennomsnittlig skolevei
\[ \frac{628}{19} \approx 33{,}1 \text{ minutter}, \]
men uten verdien er den
\[ \frac{378}{18} = 21{,}0 \text{ minutter}. \]
Én feil flytter gjennomsnittet med over ti minutter.
Datasett med pandas
For større datasett bruker vi pakken pandas. pd.read_csv leser en CSV-fil inn i en tabell (en DataFrame), head() viser de første radene, og value_counts() lager en frekvenstabell. Kjør cellene og se på resultatet.
Frekvenstabellen viser problemet med skrivemåten. Cellen under rydder dataene og lager frekvenstabellen på nytt:
str.lower() gjør om til små bokstaver, str.strip() fjerner mellomrom, og value_counts(normalize=True) gir relative frekvenser. isna().sum() teller manglende verdier.
Åpne notatboka «Rydd skoleveien» for å rydde hele datasettet selv og lage figurer.
- Den relative frekvensen deles på antall observasjoner \(n\), ikke på antall kategorier.
- En kategori som mangler i frekvenstabellen, oppdages ved at frekvensene ikke summerer til \(n\).
- Python skiller mellom store og små bokstaver:
"Buss"og"buss"telles hver for seg. - En verdi skal ikke fjernes bare fordi den er stor. Den må være umulig eller en feil, og du må skrive ned hva du har gjort.
- Når det mangler verdier, blir \(n\) mindre for den variabelen.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Relativ frekvens
\[ \frac{\text{frekvens}}{n} \]
Kontroll
Frekvensene summerer til \(n\), de relative frekvensene til \(1\).
Rydde data
Skrivemåte, urimelige verdier, manglende verdier. Skriv ned hva du gjør.
Python
sorted(liste), min, max, liste.count(k), pd.read_csv, value_counts()
- En verdi fjernes ikke fordi den er stor, bare fordi den er feil.
- Manglende verdier gjør \(n\) mindre for den variabelen.
1.3 Utvalg
Seksjonen handler om hvem vi samler inn data fra. Ofte kan vi ikke spørre alle, og må nøye oss med et utvalg. Vi ser på hvordan et utvalg kan velges, hvorfor tilfeldighet er så viktig, hva som kan gå galt, og forskjellen på å observere og å gjøre forsøk.
1.3.1 Populasjon og utvalg
Før et stortingsvalg spør meningsmålingsbyråene omtrent \(1000\) personer om hva de vil stemme. Likevel sier de noe om hva over fire millioner velgere mener. Hvordan går det an?
Tenk på en kokk som skal smake på en stor gryte suppe. Hun trenger ikke spise hele gryta. Én skje holder, men bare hvis hun har rørt godt først. Ellers smaker hun bare det som ligger øverst. En meningsmåling er en slik skje: Den kan si mye om hele «gryta», men bare hvis den er tatt på riktig måte.
Læringsmål
Etter dette delkapittelet skal du kunne
- forklare hva en populasjon og et utvalg er, og skille mellom totalundersøkelser og utvalgsundersøkelser,
- forklare hva et enkelt tilfeldig utvalg er, og trekke et med Python,
- forklare at et resultat fra et utvalg varierer fra utvalg til utvalg, og at variasjonen blir mindre når utvalget blir større.
Populasjon og utvalg
Totalundersøkelser er sikre, men ofte for dyre, for trege eller umulige. SSB får mange tall fra registre som dekker hele befolkningen, men spør et utvalg når de vil vite hva folk gjør eller mener, som i mediebarometeret i 1.2.1.
Et tall som beskriver populasjonen, kaller vi en parameter. Vi kjenner det som regel ikke. Det tilsvarende tallet i utvalget kan vi regne ut, og vi bruker det som et anslag for parameteren. I boka skriver vi andelen i populasjonen som \(p\) og andelen i utvalget som \(\hat{p}\) («p hatt»).
Tilfeldig utvalg
Kokken rører i gryta før hun smaker. Det tilsvarer å velge utvalget tilfeldig: Ingen grupper i populasjonen får større sjanse enn andre til å komme med.
I praksis trekker vi som i et lotteri: Vi nummererer alle i populasjonen og trekker \(n\) tall tilfeldig, for eksempel med Python.
Utvalgsvariasjon
Et tilfeldig utvalg treffer ikke populasjonen nøyaktig. Det ser vi best når vi kjenner fasiten. Tenk deg en skole med \(600\) elever der \(240\), altså \(p = 40\ \%\), tar buss. Figuren viser \(50\) simulerte meningsmålinger: først \(50\) tilfeldige utvalg med \(n = 20\) elever, så \(50\) med \(n = 100\). Hver prikk er andelen bussbrukere i ett utvalg.
Andelene er avrundet til nærmeste \(5\ \%\) i figuren.
Med \(n = 20\) havnet andelen alt fra \(15\ \%\) til \(60\ \%\). Med \(n = 100\) lå den mellom \(30\ \%\) og \(48\ \%\). Begge samlet seg rundt de riktige \(40\ \%\), men de store utvalgene traff mye nærmere.
Overraskende nok er det størrelsen på utvalget som betyr noe, ikke hvor stor del av populasjonen det er. \(1000\) tilfeldig valgte velgere gir omtrent like god presisjon i Norge som i USA, så lenge utvalget er tilfeldig. Akkurat som én skje sier like mye om en liten og en stor gryte, når bare suppa er godt rørt.
- Populasjonen er de vi vil si noe om, ikke de vi har spurt.
- \(\hat{p}\) fra et utvalg er et anslag, ikke den sanne andelen \(p\).
- Et stort utvalg hjelper bare hvis det er tilfeldig. Et stort, skjevt utvalg gir et presist, men galt svar (se 1.3.3).
- Det er antallet i utvalget som avgjør presisjonen, ikke hvor mange prosent av populasjonen som er med.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Populasjon og utvalg
Populasjon: alle vi vil si noe om. Utvalg: de vi har data fra.
Andel
\(p\) i populasjonen, \(\hat{p}\) i utvalget.
Enkelt tilfeldig utvalg
Alle har like stor sjanse til å komme med.
Utvalgsvariasjon
Resultatet varierer fra utvalg til utvalg. Mindre variasjon når \(n\) er større.
- Det er \(n\) som avgjør presisjonen, ikke hvor stor del av populasjonen som er med.
- Et stort utvalg hjelper bare når det er tilfeldig.
1.3.2 Utvalgsmetoder
Elevrådet vil vite hva elevene mener om nye regler for mobilbruk. Skolen har \(600\) elever: \(250\) på Vg1, \(200\) på Vg2 og \(150\) på Vg3. Elevrådet har bare tid til å snakke med \(60\). Hvem skal de spørre?
Forslagene kommer raskt: «Vi spør dem vi møter i kantina.» «Vi legger ut en lenke på Instagram.» «Vi trekker \(60\) navn fra elevlista.» «Vi tar \(20\) fra hvert trinn.» Noen av forslagene gir et utvalg som ligner på alle elevene, andre gjør det ikke.
Læringsmål
Etter dette delkapittelet skal du kunne
- beskrive enkelt tilfeldig, systematisk, stratifisert og klyngeutvalg, og velge et av dem,
- regne ut hvor mange som skal trekkes fra hvert lag i et stratifisert utvalg,
- forklare hvorfor bekvemmelighetsutvalg og selvseleksjon ofte gir skjeve resultater.
Tilfeldige utvalgsmetoder
I et tilfeldig utvalg er det tilfeldighetene, ikke vi, som bestemmer hvem som kommer med. Det finnes flere måter å gjøre det på.
Et stratifisert utvalg sikrer at alle lagene er med i riktig forhold. Det er nyttig når lagene kan svare forskjellig, for eksempel når Vg1 og Vg3 kan mene ulikt om mobilregler. Et klyngeutvalg er praktisk: Det er mye enklere å besøke tre klasser enn å finne \(60\) elever spredt over hele skolen. Ulempen er at elevene i samme klasse ofte ligner hverandre mer enn elevene ellers.
Ikke-tilfeldige utvalgsmetoder
To metoder er vanlige fordi de er enkle, men de gir ofte skjeve resultater.
I et bekvemmelighetsutvalg bestemmer vi hvem som kommer med, ofte uten å merke det. De som sitter i kantina, er kanskje de som ikke har matpakke, eller de som har fri. Ved selvseleksjon svarer gjerne de som er mest engasjerte, og særlig de som er sterkt for eller sterkt imot. Begge deler gjør at utvalget ikke ligner på populasjonen, uansett hvor mange som svarer.
Velge utvalgsmetode
- Mange svar gjør ikke et bekvemmelighetsutvalg eller en nettavstemning pålitelig.
- I et systematisk utvalg må startpunktet velges tilfeldig, og rekkefølgen i lista må ikke henge sammen med det du undersøker.
- Stratifisert og klyngeutvalg blandes ofte: I et stratifisert utvalg trekkes noen fra alle lag. I et klyngeutvalg trekkes noen klynger, og alle i dem er med.
- I et stratifisert utvalg skal hvert lag ha like stor andel med, ikke like mange, med mindre det er planlagt og tatt hensyn til.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Systematisk utvalg
Hver \(k\)-te fra en liste, tilfeldig start.
\[ k = \frac{N}{n} \]
Stratifisert utvalg
Tilfeldig fra hvert lag, like stor andel:
\[ \frac{n}{N} \cdot \text{antall i laget} \]
Klyngeutvalg
Trekk noen klynger tilfeldig, ta med alle i dem.
Ikke tilfeldig
Bekvemmelighetsutvalg og selvseleksjon gir ofte skjeve resultater.
- Stratifisert: noen fra alle lag. Klynge: alle fra noen klynger.
1.3.3 Representativitet og feilkilder
Før presidentvalget i USA i 1936 sendte magasinet Literary Digest ut omkring ti millioner stemmesedler til leserne sine og til folk fra telefonkataloger og bilregistre. Omkring \(2{,}4\) millioner svarte, og målingen spådde en klar seier til republikaneren Alf Landon. Det ble et jordskred den andre veien: Franklin D. Roosevelt vant med over \(60\ \%\) av stemmene. En ung forsker, George Gallup, spurte bare noen titusener, valgt slik at de lignet på velgerne, og spådde riktig vinner.
Hvordan kan \(2{,}4\) millioner svar ta så feil? Det var midt i den store depresjonen. De som hadde telefon og bil, var stort sett velstående, og de stemte oftere republikansk. Og av de ti millionene som fikk stemmeseddelen, svarte bare en fjerdedel, trolig de mest engasjerte. Utvalget var enormt, men det lignet ikke på velgerne.
Læringsmål
Etter dette delkapittelet skal du kunne
- forklare hva et representativt utvalg er,
- kjenne igjen og forklare skjevhet på grunn av dekning, frafall, spørsmålsformulering og målefeil,
- regne ut svarprosent og vurdere hvordan frafall kan påvirke resultatet,
- skille mellom tilfeldig og systematisk feil, og forklare hvorfor et større utvalg bare hjelper mot den første.
Representativt utvalg
Et tilfeldig utvalg blir representativt av seg selv, bortsett fra utvalgsvariasjonen fra 1.3.1. Men selv om vi trekker tilfeldig, kan det gå galt underveis: noen grupper var ikke med i lista vi trakk fra, noen svarer ikke, og noen svarer ikke sant.
Skjevhet i hvem som er med
Lav svarprosent er ikke nødvendigvis et problem, men den er et varsel. Det avgjørende er om de som ikke svarer, skiller seg fra dem som svarer, i det vi undersøker.
Skjevhet i svarene
Selv om alle de riktige personene svarer, kan svarene bli skjeve.
Tilfeldig og systematisk feil
Resultatet fra et utvalg kan bomme på to måter. Tilfeldig feil er utvalgsvariasjonen fra 1.3.1: Resultatet havner litt over eller litt under, tilfeldig fra gang til gang. Systematisk feil er skjevheten: Resultatet bommer i samme retning hver gang, for eksempel fordi de fattige mangler i utvalget.
Figuren viser \(20\) tenkte meningsmålinger av fire slag. Den stiplede linja er den sanne andelen, \(40\ \%\).
Et større utvalg samler prikkene tettere (mindre tilfeldig feil), men flytter dem ikke nærmere den stiplede linja hvis utvalget er skjevt. Literary Digest var «skjevt, stort utvalg»: svært presist, men helt feil.
- Et stort utvalg er ikke det samme som et representativt utvalg.
- Høy svarprosent er bra, men det avgjørende er om de som ikke svarer, er annerledes.
- Et tilfeldig trukket utvalg kan likevel bli skjevt på grunn av frafall og skjeve svar.
- En systematisk feil forsvinner ikke ved å spørre flere på samme måte.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Representativt utvalg
Ligner på populasjonen i det som betyr noe for spørsmålet.
Svarprosent
\[ \frac{\text{svarte}}{\text{spurt}} \cdot 100\ \% \]
Skjevhet i utvalget
Dekning, frafall, selvseleksjon.
Skjevhet i svarene
Ledende spørsmål, sosial ønskelighet, hukommelse, målefeil.
Tilfeldig og systematisk feil
Tilfeldig feil blir mindre med større utvalg. Systematisk feil gjør det ikke.
- Et stort utvalg er ikke nødvendigvis representativt.
- Ved frafall: Regn ut hva svaret blir hvis alle som ikke svarte, mente det ene eller det andre.
1.3.4 Observasjonsstudier og eksperimenter
En undersøkelse finner at elever som spiser frokost hver dag, i gjennomsnitt har bedre karakterer enn elever som sjelden spiser frokost. En avis skriver: «Frokost gir bedre karakterer!» Er det sikkert?
Kanskje. Men kanskje er det andre forskjeller mellom gruppene. Elever som spiser frokost, sover kanskje mer, har mer faste rutiner hjemme eller trener mer. Da kan det være disse tingene, og ikke frokosten, som henger sammen med karakterene. For å vite om frokosten i seg selv betyr noe, må vi undersøke det på en annen måte.
Læringsmål
Etter dette delkapittelet skal du kunne
- skille mellom observasjonsstudier og eksperimenter,
- forklare hva en bakenforliggende variabel er, og finne mulige bakenforliggende variabler,
- forklare hvorfor kontrollgruppe og tilfeldig fordeling er viktig i et eksperiment, og fordele deltakere tilfeldig med Python,
- vurdere om en undersøkelse kan si noe om årsak, eller bare om sammenheng.
Observasjonsstudie og eksperiment
Undersøkelsen om frokost er en observasjonsstudie: Elevene spiste frokost eller lot være, og forskerne bare registrerte det. Et eksperiment kunne vært å gi halvparten av elevene frokost på skolen i et halvt år, og sammenlikne med de andre.
Bakenforliggende variabler
Om sommeren selges det mer is, og om sommeren skjer det flere drukningsulykker. Is-salg og drukningsulykker henger altså sammen. Men ingen tror at is fører til drukning. Begge deler øker når det er varmt og folk er mye ute og bader.
I en observasjonsstudie er gruppene ofte forskjellige på mange måter. Vi kan derfor nesten aldri utelukke at en bakenforliggende variabel står bak sammenhengen. Vi kommer tilbake til dette når vi ser på korrelasjon i kapittel 4.
Gode eksperimenter
I et eksperiment kan vi fjerne problemet med bakenforliggende variabler. Trikset er å la tilfeldighetene bestemme hvem som havner i hvilken gruppe.
Hva kan vi konkludere med?
Det er ikke alltid mulig eller lov å gjøre eksperimenter. Vi kan ikke tvinge folk til å røyke for å se om de blir syke. Da må vi bygge på mange observasjonsstudier og se om resultatene peker samme vei, og om det finnes en rimelig forklaring på hvordan årsaken virker. Slik ble det vist at røyking gir lungekreft.
- En sammenheng i en observasjonsstudie betyr ikke at den ene variabelen er årsak til den andre.
- Et eksperiment uten kontrollgruppe kan ikke skille virkningen av behandlingen fra det som ville skjedd uansett.
- Lar deltakerne velge gruppe selv, er det ikke et randomisert eksperiment.
- Randomisering (fordele tilfeldig på grupper) er noe annet enn et tilfeldig utvalg (trekke tilfeldig fra populasjonen). Det første gjør at vi kan si noe om årsak, det andre at vi kan si noe om populasjonen.
Oppgaver
Start på nivå 1. Når du får til de fleste oppgavene på et nivå, går du videre til neste. Utfordringene til slutt er for deg som vil prøve deg på noe vanskeligere.
Nivå 1
Nivå 2
Kodeoppgaver
Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.
Utfordringer
Oppsummering
Observasjonsstudie
Registrerer uten å påvirke. Viser sammenheng.
Eksperiment
Vi bestemmer hvem som får behandlingen. Randomisert med kontrollgruppe kan vise årsak.
Bakenforliggende variabel
Påvirker begge variablene og kan gi en sammenheng uten årsak.
Godt eksperiment
Kontrollgruppe, randomisering, blinding, mange deltakere.
- Tilfeldig utvalg: si noe om populasjonen. Tilfeldig fordeling: si noe om årsak.
1.4 Undersøkelse
Her bruker du alt fra kapittelet i en egen undersøkelse. Det kommer ingen ny teori. Hver del av boka slutter med en slik undersøkelse, og for hver gang får du litt mindre hjelp.
1.4.1 Undersøkelse: Klassens spørreundersøkelse
I dette kapittelet har du lært hvordan en statistisk undersøkelse er bygd opp, hvor data kommer fra, og hva som kan gå galt. Nå skal dere gjøre en undersøkelse selv: en liten spørreundersøkelse blant elevene på skolen. Dere jobber i grupper på tre–fire, og går gjennom de fire stegene fra 1.1.1. Til slutt skriver dere en kort rapport.
Det viktigste er ikke at resultatet blir spektakulært, men at dere tenker gjennom hvert valg, og er ærlige om hva undersøkelsen kan og ikke kan si.
Læringsmål
Etter dette delkapittelet skal du kunne
- planlegge en liten statistisk undersøkelse med et tydelig statistisk spørsmål,
- lage et spørreskjema med nøytrale spørsmål og velge et utvalg,
- analysere dataene med frekvenstabell, andeler og en figur,
- tolke resultatet i konteksten og vurdere feilkilder i egen undersøkelse.
Eksempel: Leggetid på Vg2
Før dere starter, ser vi på hvordan en annen klasse gjorde det. Undersøkelsen deres har både gode sider og svakheter.
Steg 1: Formuler spørsmålet
Velg et tema dere er nysgjerrige på, og som andre elever kan svare på i løpet av et minutt: søvn, skolevei, trening, mobilbruk, frokost, deltidsjobb, lekser, kantina, …
Steg 2: Samle inn data
Nå skal dere lage spørreskjemaet og bestemme hvem som skal svare. Bruk sjekklista før skjemaet sendes ut, og vis det til læreren.
- Skjemaet er anonymt, og spør ikke om navn, fødselsdato eller annet som kan avsløre hvem som har svart.
- Hvert spørsmål måler én ting, og er nøytralt formulert (1.3.3).
- Numeriske spørsmål ber om et tall med enhet («Omtrent hvor mange minutter …? Skriv bare et tall.»), helst med en grense i skjemaet.
- Kategoriske spørsmål har faste alternativer som dekker alle muligheter, gjerne med «Annet».
- Spørsmålene gjelder et bestemt tidsrom («i går», «forrige uke»).
- Skjemaet er testet på to–tre personer før det sendes ut.
Steg 3: Analyser dataene
Last ned svarene som en CSV-fil (i Forms: «Åpne i Excel» og lagre som CSV), og analyser dem i notatboka.
Åpne notatboka «Vår undersøkelse»
Notatboka viser hvordan dere laster opp fila, rydder dataene (1.2.2), lager frekvenstabeller og regner ut andeler, og lager figurer. Har dere ikke egne data, bruker dere skolevei.csv, som allerede ligger der.
Steg 4: Tolk og presenter
Svar på spørsmålet fra steg 1, og vær ærlig om hvor sikkert svaret er.
- Spørsmål: Det statistiske spørsmålet og populasjonen.
- Metode: Spørreskjemaet, utvalget (hvem, hvordan, hvor mange spurt og hvor mange svarte) og ryddingen.
- Resultater: Frekvenstabell, andeler og én–to figurer, med en setning om hva hver av dem viser.
- Konklusjon: Svar på spørsmålet i konteksten. Si hvem resultatet gjelder for.
- Feilkilder: De viktigste feilkildene, og hvilken vei de trolig trekker resultatet.
- Videre: Hva dere ville gjort annerledes, og et nytt spørsmål undersøkelsen ga.
Oppgaver
Oppgavene under kan løses uten egne data, for eksempel som forberedelse til prøve.
Nivå 1
Nivå 2
Utfordringer
Oppsummering
1 Spørsmål
Statistisk spørsmål, populasjon, variabler.
2 Data
Anonymt, nøytralt skjema. Tilfeldig utvalg der det går. Noter hvor mange som svarte.
3 Analyse
Rydd og logg. Frekvenstabell, andeler, figur.
4 Tolkning
Svar i konteksten, si hvem det gjelder for, og vurder feilkildene.
- Et resultat fra et skjevt utvalg gjelder dem som svarte, ikke hele populasjonen.
1.5 Oppgaver
Oppgavene blander stoff fra hele kapittelet, omtrent som på en prøve.
1.6 Oppsummering
Den statistiske undersøkelsesprosessen
Statistisk spørsmål
Besvares med data som varierer. Sier hvem det gjelder, og hva som måles.
Undersøkelsesprosessen
- Formulere spørsmål
- Samle inn data
- Analysere data
- Tolke resultatene
- Hvordan dataene er samlet inn, avgjør hva du kan konkludere med.
Variabler og datasett
Datasett
Én rad per observasjon, én kolonne per variabel.
Typer variabler
Kategorisk: kategorier. Numerisk: tall, diskret (telles) eller kontinuerlig (måles).
Andel
\[ \frac{\text{antall i kategorien}}{\text{antall observasjoner}} \]
- Gjennomsnitt bare for numeriske variabler. Postnumre og draktnumre er kategoriske.
Datakilder
Primær- og sekundærdata
Primær: samlet inn selv. Sekundær: samlet inn av andre.
Prosentpoeng
\[ \text{ny andel} - \text{gammel andel} \]
Endring i prosent
\[ \frac{\text{ny} - \text{gammel}}{\text{gammel}} \cdot 100\ \% \]
Vurdere en kilde
Hvem, hvorfor, hvordan, når og hva?
- Et manglende tall i en tabell betyr ikke \(0\).
Data i Python
Relativ frekvens
\[ \frac{\text{frekvens}}{n} \]
Rydde data
Skrivemåte, urimelige verdier, manglende verdier.
- Frekvensene summerer til \(n\), de relative frekvensene til \(1\).
- En verdi fjernes ikke fordi den er stor, bare fordi den er feil.
Utvalg
Populasjon og utvalg
\(p\) i populasjonen, \(\hat{p}\) i utvalget. Resultatet varierer fra utvalg til utvalg, mindre når \(n\) er stort.
Systematisk utvalg
\[ k = \frac{N}{n} \]
Stratifisert utvalg
\[ \frac{n}{N} \cdot \text{antall i laget} \]
Utvalgsmetoder
Tilfeldige: enkel, systematisk, stratifisert, klynge. Ikke tilfeldige: bekvemmelighet, selvseleksjon.
- Stratifisert: noen fra alle lag. Klynge: alle fra noen klynger.
Feilkilder og eksperimenter
Svarprosent
\[ \frac{\text{svarte}}{\text{spurt}} \cdot 100\ \% \]
Feilkilder
Dekning, frafall, selvseleksjon. Ledende spørsmål, sosial ønskelighet, hukommelse, målefeil.
Tilfeldig og systematisk feil
Bare tilfeldig feil blir mindre med større utvalg.
Observasjon og eksperiment
Observasjonsstudie: sammenheng. Randomisert eksperiment med kontrollgruppe: årsak.
- Et stort utvalg er ikke nødvendigvis representativt.
- Tilfeldig utvalg: si noe om populasjonen. Tilfeldig fordeling: si noe om årsak.
Undersøkelsen
De fire stegene
Spørsmål, data, analyse, tolkning. Skriv ned valgene og ryddingen, og si hvem resultatet gjelder for.