Skip to main content

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.

DefinisjonStatistisk spørsmål

Et statistisk spørsmål er et spørsmål som besvares med data, der vi venter at dataene varierer. Svaret beskriver hele gruppen, ikke én enkelt person eller ting.

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?»

Hvilke av spørsmålene er statistiske?

  1. Hvor høy er du?
  2. Hvor høye er elevene på Vg2 på skolen?
  3. Hva koster et månedskort på bussen for ungdom i byen din?
  4. Hvor mye bruker elevene i klassen på mat i kantina i løpet av en uke?

Spør deg selv: Vil svarene variere fra person til person, eller finnes det ett svar?

  1. Ikke statistisk. Det har ett svar.
  2. Statistisk. Høyden varierer fra elev til elev, og vi må måle mange elever.
  3. Ikke statistisk. Prisen er fastsatt, og vi kan slå den opp.
  4. Statistisk. Beløpet varierer fra elev til elev og fra uke til uke.

Gjør om spørsmålet «Hvor lang tid bruker jeg på skoleveien?» til et statistisk spørsmål.

Bytt ut «jeg» med en gruppe, og si hva som skal måles.

For eksempel: «Hvor mange minutter bruker elevene på skolen vår på skoleveien en vanlig morgen?» Svaret varierer fra elev til elev, og spørsmålet sier hvem det gjelder (elevene på skolen) og hva som måles (minutter på skoleveien).

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.

Bruk prikkplottet av søvnen i klassen fra starten av delkapittelet.

  1. Hvor mange elever sov \(8\) timer eller mer?
  2. Hvor mange prosent av klassen er det?
  3. Hvor stor er forskjellen mellom den som sov lengst, og den som sov kortest?

Tell prikkene ved \(8\), \(8{,}5\), \(9\) og \(9{,}5\). Prosentandelen er \(\dfrac{\text{del}}{\text{helhet}} \cdot 100\ \%\).

  1. \(3 + 1 + 1 + 1 = 6\) elever.
  2. \(\dfrac{6}{24} \cdot 100\ \% = 25\ \%\).
  3. \(9{,}5 - 4{,}5 = 5\) timer.

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

RegelDen statistiske undersøkelsesprosessen
  1. Formulere spørsmål: Still et statistisk spørsmål. Bestem hvem det gjelder, og hva som skal måles.
  2. Samle inn data: Planlegg hvordan dataene skal samles inn (måling, spørreskjema, eksisterende data), og hvem som skal være med.
  3. Analysere data: Beskriv dataene med tabeller, grafer og tall som gjennomsnitt. Se etter mønstre og variasjon.
  4. Tolke resultatene: Svar på spørsmålet i konteksten. Si hvor sikkert svaret er, og hva som kan ha påvirket det.

Ofte gir svaret nye spørsmål, og prosessen starter på nytt.

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.

Elevrådet vil vite om elevene på skolen sover for lite. Beskriv hvordan de kan gå gjennom de fire stegene.

Gjør spørsmålet presist først. Tenk så på hvem som skal spørres, og hvordan svarene skal brukes.

  1. Spørsmål: «Hvor mange timer sover elevene på skolen vår natt til en skoledag, og hvor stor andel sover minst \(8\) timer?»
  2. Data: De lager et kort, anonymt spørreskjema: «Når la du deg, og når sto du opp i dag?» Det sendes til elever fra alle trinn og linjer, ikke bare til elevrådets egne klasser.
  3. Analyse: De regner ut søvnen for hver elev, lager et prikkplott, finner gjennomsnittet og andelen som sov minst \(8\) timer.
  4. Tolkning: De svarer på spørsmålet, for eksempel: «Omtrent én av fire sov minst \(8\) timer natt til tirsdag.» De skriver også hva som kan ha påvirket svaret: Dataene gjelder én natt, elevene har anslått tidene selv, og ikke alle svarte.

En nettavis skriver: «Ny undersøkelse: Ungdom bruker sju timer på mobilen hver dag.» Hvilke spørsmål bør du stille før du tror på påstanden?

Gå gjennom de fire stegene og spør hva du trenger å vite om hvert av dem.

  • Spørsmål: Hvem er «ungdom»? Gjelder det alle dager, eller bare helg? Regnes all skjermtid med, også skolearbeid?
  • Data: Hvem ble spurt, og hvor mange? Er tiden målt med mobilens skjermtidsfunksjon, eller har ungdommene anslått den selv?
  • Analyse: Er sju timer et gjennomsnitt? Da kan noen få som bruker mobilen svært mye, trekke tallet opp.
  • Tolkning: Hvor mye varierer det? Sier undersøkelsen noe om ungdom i Norge, eller bare om dem som svarte?
AdvarselVanlige feil
  • 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

Er spørsmålet statistisk?

Hvor mange timer sov du i natt?
Hvor mange timer sover elevene på skolen en vanlig skolenatt?
Hvor høy er Galdhøpiggen?
Hvor mye varierer prisen på en liter melk mellom butikkene i byen?
Hvor mange mål scoret vinnerlaget i siste VM-finale i fotball?

Hvilket steg i undersøkelsesprosessen hører aktiviteten til?

Du lager et spørreskjema og sender det til elevene.
Du lager et prikkplott av svarene.
Du bestemmer deg for å finne ut hvor mange timer i uka elevene trener.
Du skriver at elevene trener mindre enn du trodde, men at bare én klasse svarte.

\(15\) elever skrev ned hvor mange timer de trente forrige uke:

\[ 0,\ 1,\ 1,\ 2,\ 2,\ 2,\ 3,\ 3,\ 3,\ 3,\ 4,\ 4,\ 5,\ 6,\ 8 \]

Hvor mange elever trente mer enn \(4\) timer?
Hvor mange prosent av elevene trente \(2\) timer eller mindre?
Hvor stor er forskjellen mellom den som trente mest, og den som trente minst?
Nivå 2

Mia vil finne ut hvor mye elevene på skolen trener. Hun spør \(20\) elever hun møter på treningssenteret en ettermiddag. \(18\) av dem trener minst tre ganger i uka. Mia konkluderer: «\(90\ \%\) av elevene på skolen trener minst tre ganger i uka.»

I hvilket steg av undersøkelsesprosessen er den største feilen?
Forklar hvorfor konklusjonen ikke holder.

Gjør om spørsmålene til statistiske spørsmål. Si hvem spørsmålet gjelder, og hva som skal måles.

Hvor mange bøker leste jeg i fjor?
Er bussen min ofte forsinket?
Hvor mye lommepenger får bestevennen min?

En avis skriver: «Ungdom sover for lite.» Skriv tre spørsmål du ville stilt for å vurdere om påstanden holder. Si hvilket steg i undersøkelsesprosessen hvert spørsmål handler om.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

sovn = [7.5, 6.0, 8.5, 9.0, 6.5]
antall = 0
for t in sovn:
    if t >= 8:
        antall = antall + 1
print(antall)
print(antall / len(sovn) * 100)
Utfordringer

I klasse A sov elevene i gjennomsnitt \(7{,}0\) timer natt til tirsdag. I klasse B sov de i gjennomsnitt \(7{,}4\) timer samme natt. Kan vi si at elevene i klasse B sover mer enn elevene i klasse A? Drøft.

Velg et statistisk spørsmål om elevene på skolen din, for eksempel om skjermtid, skolevei eller deltidsjobb. Beskriv hvordan du vil gå gjennom de fire stegene i undersøkelsesprosessen. Si også hva som kan gjøre svaret ditt usikkert.

Oppsummering

Statistisk spørsmål

Besvares med data som varierer. Sier hvem det gjelder, og hva som måles.

Undersøkelsesprosessen

  1. Formulere spørsmål
  2. Samle inn data
  3. Analysere data
  4. 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.

DefinisjonDatasett, observasjon og variabel

Et datasett er data ordnet i en tabell.

  • En observasjon er det vi har registrert om én enhet (én elev, én dag, én bil). Hver observasjon er én rad.
  • En variabel er en egenskap som registreres for hver enhet, og som kan variere fra enhet til enhet. Hver variabel er én kolonne.

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.

En værstasjon registrerer hver dag høyeste temperatur, nedbør i millimeter og vindretning (nord, sør, øst eller vest). Datasettet dekker hele januar. Hva er en observasjon, og hvor mange observasjoner og variabler er det?

Hva er det én rad i tabellen beskriver?

En observasjon er én dag. Januar har \(31\) dager, så det er \(31\) observasjoner. Variablene er temperatur, nedbør og vindretning, altså \(3\) variabler (pluss datoen, som skiller radene fra hverandre).

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.

DefinisjonTyper variabler
  • En kategorisk variabel har kategorier som verdier, for eksempel transport (buss, gå, sykkel) eller trinn (Vg1, Vg2, Vg3).
  • En numerisk variabel har tall som verdier, og det gir mening å regne med tallene. Den er
    • diskret når verdiene telles, som antall søsken,
    • kontinuerlig når verdiene måles og i prinsippet kan være et hvilket som helst tall i et intervall, som tid, lengde og vekt.

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.

Hvilken type er variabelen?

  1. Antall mål i en fotballkamp
  2. Høyden til en elev
  3. Favorittsjanger i musikk
  4. Postnummeret der eleven bor

Er verdiene tall det gir mening å regne med? I så fall: Telles de, eller måles de?

  1. Numerisk diskret. Mål telles.
  2. Numerisk kontinuerlig. Høyde måles og kan være \(172{,}4\) cm.
  3. Kategorisk.
  4. Kategorisk. Postnummeret er et tall, men det er et navn på et område. Gjennomsnittet av to postnumre er ikke et sted midt imellom.
NoteTall som ikke er tall

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.

RegelHva gir mening å regne ut?
Variabel Telle og andel Gjennomsnitt, største og minste
Kategorisk ja nei
Numerisk ja ja

En andel regnes ut som \(\dfrac{\text{antall i kategorien}}{\text{antall observasjoner}}\).

I tabellen fra elevrådet har de \(12\) elevene disse svarene (i samme rekkefølge):

  • Transport: buss, gå, sykkel, buss, buss, gå, buss, sykkel, gå, buss, buss, sykkel
  • Søsken: \(1, 2, 0, 1, 3, 1, 2, 1, 0, 2, 1, 4\)
  1. Hvor stor andel av elevene tar buss?
  2. Hvor stor andel av elevene har minst to søsken?

Tell hvor mange som tar buss, og del på antall observasjoner. Gjør det samme for søsken \(2\) eller flere.

  1. \(6\) av \(12\) elever tar buss: \(\dfrac{6}{12} = 0{,}5 = 50\ \%\).
  2. \(5\) elever har minst to søsken (\(2\), \(3\), \(2\), \(2\) og \(4\)): \(\dfrac{5}{12} \approx 0{,}42 = 42\ \%\).

I Python kan en variabel lagres som en liste. Metoden count teller hvor mange ganger en verdi forekommer, og len gir antall observasjoner.

Endre koden slik at den regner ut andelen som sykler.

Bytt ut "buss" med "sykkel".

transport = ["buss", "gå", "sykkel",
             "buss", "buss", "gå",
             "buss", "sykkel", "gå",
             "buss", "buss", "sykkel"]

sykkel = transport.count("sykkel")
print(sykkel)
print(sykkel / len(transport))
3
0.25

Andelen som sykler, er \(\dfrac{3}{12} = 0{,}25 = 25\ \%\).

AdvarselVanlige feil
  • 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

Hvilken type er variabelen?

Antall bøker en elev har lest i år
Tiden det tar å løpe \(60\) meter
Hvilken linje eleven går på
Draktnummeret til en håndballspiller
Vekten til en nyfødt baby

En klasse har registrert dette om seg selv:

Elev Høyde (cm) Øyefarge Antall søsken
1 168 brun 2
2 181 blå 0
3 175 blå 1
4 162 grønn 3
5 177 brun 1
Hvor mange observasjoner er det?
Hvor mange variabler er det, når vi ikke regner med løpenummeret?
Hvor mange prosent av elevene har blå øyne?

Gir det mening å regne ut gjennomsnittet av variabelen?

Skoleveien i minutter
Transportmiddel
Trinn (Vg1, Vg2, Vg3)
Antall søsken
Nivå 2

Bruk tabellen fra elevrådet i starten av delkapittelet.

Hvor mange prosent av elevene går til skolen?
Hvor mange av elevene har mer enn \(20\) minutter skolevei?
Hva er gjennomsnittlig antall søsken?

Martin har registrert postnummeret til alle elevene i klassen. Han regner ut at gjennomsnittet er \(4523\), og skriver: «Klassen bor i gjennomsnitt i postnummer 4523.»

Hvilken type variabel er postnummer?
Forklar hva som er galt, og foreslå hva Martin heller kan regne ut.

Elevrådet vil vite hvor mye elevene bruker mobilen. De kan spørre på to måter:

  • A: «Omtrent hvor mange minutter brukte du mobilen i går?»
  • B: «Hvor mye bruker du mobilen? Lite, middels eller mye.»
Hvilken type variabel gir spørsmål A, og hvilken gir spørsmål B?
Drøft fordeler og ulemper med de to spørsmålene.
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

transport = ["buss", "gå", "buss",
             "sykkel", "buss"]
antall = transport.count("buss")
print(antall)
print(antall / len(transport) * 100)
Utfordringer

Alder kan registreres som alder i år (\(17\)), fødselsdato (\(14.03.2009\)) eller aldersgruppe (under \(18\) / \(18\) eller eldre).

Hvilken type variabel er alder i år, og hvilken type er aldersgruppe?
Hvilken av de tre måtene gir mest informasjon? Forklar.
Hvorfor kan det likevel være lurt å bare spørre om aldersgruppe i en spørreundersøkelse?

Du vil undersøke spørsmålet «Hvordan henger treningsvaner sammen med søvn blant elevene på Vg2?».

Foreslå fire variabler du vil registrere for hver elev, og si hvilken type hver av dem er.
Lag de tre første radene i et tenkt datasett.

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), og len(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.

DefinisjonPrimærdata og sekundærdata
  • Primærdata er data du samler inn selv, til ditt eget spørsmål, for eksempel med spørreskjema, målinger, observasjoner eller forsøk.
  • Sekundærdata er data andre har samlet inn, for eksempel fra SSB, Meteorologisk institutt, Folkehelseinstituttet eller forskningsrapporter.

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.

Er det primærdata eller sekundærdata?

  1. Du måler pulsen til klassekameratene før og etter en løpetur.
  2. Du laster ned nedbøren i byen din de siste ti årene fra Meteorologisk institutt.
  3. Du bruker tall fra en forskningsrapport om ungdoms søvn.
  4. Du teller hvor mange biler som passerer skolen mellom 8 og 9.

Hvem har samlet inn dataene: du selv, eller noen andre?

  1. Primærdata. Du måler selv.
  2. Sekundærdata. Meteorologisk institutt har målt.
  3. Sekundærdata. Forskerne har samlet inn dataene.
  4. Primærdata. Du teller selv.

Hvilken type data passer best til spørsmålet? Begrunn.

  1. Hvor mange elever på skolen vår går til skolen?
  2. Har andelen nordmenn som bruker Facebook, endret seg de siste årene?

Finnes dataene allerede? Kan du samle dem inn selv?

  1. Primærdata. Ingen andre har trolig disse tallene, og elevene er lette å spørre.
  2. Sekundærdata. Du trenger svar fra mange nordmenn over flere år, og det har SSB.

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:

Andel av 16–24-åringene (prosent) som brukte appen en gjennomsnittsdag. Kilde: SSB, tabell 14511.
App 2023 2024 2025
Snapchat 91 92 89
Instagram 83 81 78
TikTok 66 73 74
YouTube . 43 51
Facebook 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 \(10\ \%\).

RegelProsent og prosentpoeng

Når en andel endrer seg, er

  • endringen i prosentpoeng differansen mellom prosenttallene: \(50 - 60 = -10\) prosentpoeng,
  • endringen i prosent endringen sett i forhold til der vi startet: \(\dfrac{50 - 60}{60} \cdot 100\ \% \approx -16{,}7\ \%\).

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).

Bruk tabellen over.

  1. Hvor mange prosentpoeng økte andelen som brukte TikTok, fra 2023 til 2025?
  2. Hvor mange prosent økte andelen?
  3. Hvilken av appene i tabellen gikk mest ned fra 2023 til 2025, målt i prosentpoeng?

Prosentpoeng: differansen. Prosent: differansen delt på verdien i 2023.

  1. \(74 - 66 = 8\) prosentpoeng.
  2. \(\dfrac{8}{66} \cdot 100\ \% \approx 12\ \%\).
  3. Endringene er \(-2\) (Snapchat), \(-5\) (Instagram), \(+8\) (TikTok) og \(-10\) (Facebook) prosentpoeng. Facebook gikk mest ned. YouTube kan vi ikke ta med, fordi det mangler tall for 2023.

Programmet regner ut endringen i prosentpoeng for hver app. Lag en ny linje som også skriver ut endringen i prosent.

Endringen i prosent er poeng / ar2023[i] * 100.

apper = ["Snapchat", "Instagram",
         "TikTok", "Facebook"]
ar2023 = [91, 83, 66, 60]
ar2025 = [89, 78, 74, 50]

for i in range(len(apper)):
    poeng = ar2025[i] - ar2023[i]
    prosent = poeng / ar2023[i] * 100
    print(apper[i], poeng, round(prosent, 1))
Snapchat -2 -2.2
Instagram -5 -6.0
TikTok 8 12.1
Facebook -10 -16.7

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.

RegelFem spørsmål til en datakilde
  1. Hvem har samlet inn dataene? Er avsenderen kjent og etterrettelig?
  2. Hvorfor er dataene samlet inn? Har avsenderen interesse av et bestemt resultat?
  3. Hvordan er dataene samlet inn? Hvem ble spurt eller målt, hvor mange, og hva ble de spurt om?
  4. Når er dataene samlet inn? Er de fortsatt aktuelle?
  5. Hva måler dataene egentlig? Passer definisjonene til spørsmålet ditt?

En nettavis har en avstemning: «Hvilken app bruker du mest?» \(12\,000\) lesere svarer, og \(45\ \%\) svarer Facebook. Overskriften er: «Facebook er fortsatt nordmenns favoritt.» Vurder kilden med de fem spørsmålene.

Hvem svarer på avstemninger i en nettavis? Kan samme person stemme flere ganger?

  • Hvem: Nettavisen, en kjent avsender, men avstemningen er ikke en vitenskapelig undersøkelse.
  • Hvorfor: For å engasjere leserne, ikke for å måle hva nordmenn mener.
  • Hvordan: Bare lesere av akkurat denne avisen, som selv velger å svare. Mange svar hjelper ikke når de som svarer, ikke ligner på befolkningen. Kanskje kan samme person stemme flere ganger.
  • Når: Ett tidspunkt, ukjent hvem som var inne da.
  • Hva: «Bruker mest» er ikke det samme som «bruker», og avstemningen sier ingenting om alder.

Overskriften holder ikke. Avstemningen sier bare noe om dem som valgte å svare.

AdvarselVanlige feil
  • 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

Er det primærdata eller sekundærdata?

Du teller fugler i skolegården hver dag i en uke.
Du henter tall for arbeidsledighet fra SSB.
Du lager en spørreundersøkelse i Forms til klassen.
Du bruker resultatene fra en undersøkelse en annen klasse har gjort.

Bruk tabellen fra SSB i teorien (16–24-åringer, prosent).

Hvor mange prosent brukte Instagram en gjennomsnittsdag i 2025?
Hvor mange prosentpoeng gikk andelen som brukte Instagram, ned fra 2023 til 2025?
Hvor mange prosentpoeng økte andelen som brukte YouTube, fra 2024 til 2025?

Hvilken app økte mest fra 2023 til 2025, målt i prosentpoeng?

Nivå 2

En nyhetssak sier: «Andelen unge som bruker Facebook, har falt med \(10\ \%\) på to år.» Tallene er fra tabellen i teorien: \(60\ \%\) i 2023 og \(50\ \%\) i 2025.

Hvor mange prosent har andelen falt med? Svar med én desimal.
Skriv om setningen slik at den blir riktig.

Et selskap som lager en treningsapp, publiserer en undersøkelse: «\(8\) av \(10\) som bruker appen vår, sover bedre.» Undersøkelsen er gjort blant brukerne av appen. Vurder kilden med de fem spørsmålene, og si om du vil stole på resultatet.

I en Vg2-klasse brukte \(25\) av \(26\) elever Snapchat i går. SSB-tabellen sier \(89\ \%\) for 16–24-åringer.

Hvor mange prosent av klassen brukte Snapchat? Svar med én desimal.
Gi to grunner til at tallene kan være forskjellige.
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

ar2023 = [60, 83, 91, 66]
ar2025 = [50, 78, 89, 74]
for i in range(4):
    print(ar2025[i] - ar2023[i])
Utfordringer

Et parti går fra \(2\ \%\) til \(4\ \%\) oppslutning. Et annet parti går fra \(30\ \%\) til \(32\ \%\).

Hvor mange prosentpoeng økte hvert av partiene?
Hvor mange prosent økte hvert av partiene?
Begge partiene vil skrive om resultatet i en pressemelding. Hvilket mål vil hvert av dem velge, og hvorfor? Hva bør en kritisk leser gjøre?

Du vil undersøke spørsmålet «Sover elever som bruker mobilen etter klokka 23, mindre enn andre?».

Finnes det sekundærdata du kan bruke? Hvor vil du lete?
Beskriv hvordan du kan samle inn primærdata.
Hvilke fordeler og ulemper har de to løsningene for akkurat dette spørsmålet?

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.

DefinisjonFrekvens og relativ frekvens
  • Frekvensen til en kategori er antall observasjoner i kategorien.
  • Den relative frekvensen er andelen av alle observasjonene:

\[ \text{relativ frekvens} = \frac{\text{frekvens}}{n}, \]

der \(n\) er antall observasjoner.

En frekvenstabell viser frekvensen, og ofte den relative frekvensen, for hver kategori. Summen av frekvensene er \(n\), og summen av de relative frekvensene er \(1\) (eller \(100\ \%\)).

Etter at skrivemåten er rettet (se under), har de \(20\) elevene disse svarene:

buss, gå, sykkel, buss, buss, gå, buss, sykkel, gå, buss, buss, sykkel, bil, buss, gå, buss, sykkel, buss, gå, buss

Lag en frekvenstabell med frekvens og relativ frekvens.

Gå gjennom lista og sett en strek for hver elev ved riktig kategori. Del så på \(20\).

Transport Frekvens Relativ frekvens
buss 10 0,50
gå 5 0,25
sykkel 4 0,20
bil 1 0,05
Sum 20 1,00

Kontroll: Frekvensene summerer til \(n = 20\), og de relative frekvensene til \(1\).

En løkke kan gå gjennom kategoriene og telle hver av dem med count.

Hva skjer hvis du tar bort "bil" fra lista med kategorier? Hvorfor er det farlig?

Summer frekvensene i utskriften.

Da skrives det bare ut tre kategorier, og frekvensene summerer til \(19\), ikke \(20\). Eleven som blir kjørt, forsvinner fra tabellen uten at vi merker det. Sjekk derfor alltid at frekvensene summerer til \(n\).

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.

\(19\) av elevene oppga skolevei i minutter:

\[ 25,\ 10,\ 15,\ 40,\ 20,\ 8,\ 35,\ 12,\ 5,\ 30,\ 45,\ 19,\ 10,\ 250,\ 28,\ 14,\ 33,\ 7,\ 22 \]

Sorter verdiene. Hva er minste og største verdi? Er det noe som ser rart ut?

Skriv av og stryk ut tallene etter hvert som du sorterer, så du ikke glemmer noen.

\[ 5,\ 7,\ 8,\ 10,\ 10,\ 12,\ 14,\ 15,\ 19,\ 20,\ 22,\ 25,\ 28,\ 30,\ 33,\ 35,\ 40,\ 45,\ 250 \]

Minste verdi er \(5\) minutter, største er \(250\) minutter. \(250\) minutter er over fire timer hver vei, og langt unna alle de andre. Det er trolig en skrivefeil for \(25\).

Rydde data

Før vi analyserer, må vi se etter feil. De vanligste er:

RegelSjekkliste for rydding
  1. Skrivemåte: Samme kategori må skrives likt. Gjør om til små bokstaver, fjern mellomrom og rett skrivefeil («Buss», «BUSS» og «buss» blir «buss»).
  2. Urimelige verdier: Se på minste og største verdi. Er en verdi umulig eller svært usannsynlig, finn ut om det er en feil. Kan du ikke rette den, tar du den ut av analysen.
  3. Manglende verdier: Tell hvor mange som mangler, og ta dem ut av beregningene for den variabelen. \(n\) blir da mindre.

Skriv alltid ned hva du har ryddet, og hvorfor. Fjern aldri en verdi bare fordi den er stor eller liten. Den må være feil.

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.

Før rydding har variabelen transport disse ulike verdiene og frekvensene:

Verdi Frekvens
buss 8
gå 5
sykkel 3
Buss 1
BUSS 1
sykel 1
bil 1

Hvor mange tar buss, og hvor mange sykler, etter rydding?

Hvilke verdier er egentlig samme kategori?

«buss», «Buss» og «BUSS» er samme kategori: \(8 + 1 + 1 = 10\) tar buss. «sykel» er en skrivefeil for sykkel: \(3 + 1 = 4\) sykler. Det stemmer med frekvenstabellen over.

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.

AdvarselVanlige feil
  • 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

\(16\) elever svarte på hvilket fag de liker best:

matte, norsk, gym, matte, engelsk, gym, matte, norsk, gym, gym, matte, engelsk, gym, matte, norsk, gym

Hva er frekvensen til gym?
Hva er frekvensen til matte?
Hva er den relative frekvensen til norsk?
Hva er summen av alle de relative frekvensene?

En gruppe elever målte hvor mange sekunder de klarte å stå på ett bein med lukkede øyne:

\[ 14,\ 8,\ 22,\ 5,\ 31,\ 12,\ 9,\ 18,\ 3,\ 27 \]

Hva er minste verdi?
Hva er største verdi?
Hvilket tall står som nummer fire når tallene er sortert fra minst til størst?

Er verdien trolig en feil som må ryddes?

Søvn natt til tirsdag: \(25\) timer
Skolevei: \(90\) minutter
Alder til en elev på Vg2: \(71\) år
Antall søsken: \(7\)
Nivå 2

\(12\) elever svarte på hvordan de kommer seg til skolen:

Buss, gå, buss, sykkel, BUSS, gaa, buss, Sykkel, gå, bus, buss, bil

Hvor mange tar buss, når du har ryddet skrivemåten?
Hvor mange prosent går?
Hvor mange ulike kategorier er det etter rydding?

Jonas har laget denne frekvenstabellen for transport blant \(20\) elever:

Transport Frekvens Relativ frekvens
buss 10 2,5
gå 5 1,25
sykkel 4 1
bil 1 0,25
Hva har Jonas delt på?
Hva er den riktige relative frekvensen for buss?

I en spørreundersøkelse om skjermtid har \(30\) elever svart. De fleste svarer mellom \(2\) og \(6\) timer per dag. Én elev har svart \(14\) timer, og én har svart \(40\) timer. Hva bør du gjøre med de to svarene? Begrunn.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

svar = ["Buss", "gå", "buss", "BUSS", "sykkel"]
ryddet = []
for s in svar:
    ryddet.append(s.lower())
print(svar.count("buss"))
print(ryddet.count("buss"))
Utfordringer

Elevrådet spurte: «Hvor lang er skoleveien din?» og fikk svar som «15 min», «et kvarter», «0,5 time», «20», «ca. 10–15 minutter» og «vet ikke».

Gjør om svarene til minutter der det går. Hvilke svar er vanskelige, og hva vil du gjøre med dem?
Hvordan kan spørsmålet stilles slik at svarene blir lettere å bruke?

Gjennomsnittet av \(10\) målinger er \(38\). Så oppdager du at én av målingene er ført opp som \(200\) i stedet for \(20\).

Hva er summen av de \(10\) målingene slik de er ført opp?
Hva blir gjennomsnittet når feilen rettes?

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

DefinisjonPopulasjon og utvalg
  • Populasjonen er hele gruppen vi vil si noe om, for eksempel alle elevene på skolen eller alle velgere i Norge.
  • Et utvalg er de i populasjonen vi faktisk samler inn data fra.

Undersøker vi hele populasjonen, er det en totalundersøkelse. Undersøker vi bare et utvalg, er det en utvalgsundersøkelse.

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»).

Hva er populasjonen, og hva er utvalget?

  1. En meningsmåling spør \(1000\) tilfeldig valgte stemmeberettigede om hva de vil stemme ved stortingsvalget.
  2. Elevrådet spør \(60\) av de \(600\) elevene på skolen om de spiser frokost.
  3. En fabrikk tester \(50\) av de \(10\,000\) batteriene som ble laget i dag.

Populasjonen er de vi vil si noe om. Utvalget er de vi faktisk har data fra.

  1. Populasjon: alle stemmeberettigede i Norge. Utvalg: de \(1000\) som ble spurt.
  2. Populasjon: de \(600\) elevene på skolen. Utvalg: de \(60\) som ble spurt.
  3. Populasjon: de \(10\,000\) batteriene fra i dag. Utvalg: de \(50\) som ble testet. Her er en totalundersøkelse umulig hvis testen ødelegger batteriet.

\(23\) av de \(60\) elevene i utvalget sier at de spiser frokost hver dag. Hva er \(\hat{p}\)? Hva kan vi si om \(p\)?

\(\hat{p}\) er andelen i utvalget.

\(\hat{p} = \dfrac{23}{60} \approx 0{,}38\), altså omtrent \(38\ \%\). Andelen \(p\) blant alle de \(600\) elevene kjenner vi ikke, men \(38\ \%\) er vårt beste anslag. Et annet utvalg ville gitt et litt annet svar, så \(p\) er neppe akkurat \(38\ \%\).

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.

DefinisjonEnkelt tilfeldig utvalg

Et enkelt tilfeldig utvalg av størrelse \(n\) er trukket slik at alle i populasjonen har like stor sjanse til å komme med, og alle mulige grupper på \(n\) er like sannsynlige.

I praksis trekker vi som i et lotteri: Vi nummererer alle i populasjonen og trekker \(n\) tall tilfeldig, for eksempel med Python.

Elevene på skolen har nummer fra \(1\) til \(600\). Kjør cellen flere ganger. Hvorfor får du forskjellige elever hver gang?

random.sample(liste, n) trekker \(n\) ulike elementer tilfeldig fra lista.

Trekningen er tilfeldig, så hvert utvalg av \(10\) elever er like sannsynlig. Det er nettopp poenget: Ingen bestemmer hvem som kommer med, og alle har samme sjanse. random.sample trekker uten tilbakelegging, så samme elev kan ikke komme med to ganger.

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.

RegelUtvalgsvariasjon
  • Resultatet av en utvalgsundersøkelse varierer fra utvalg til utvalg. Det kalles utvalgsvariasjon.
  • Tilfeldige utvalg treffer i gjennomsnitt riktig, men et enkelt utvalg bommer litt.
  • Jo større utvalget er, jo mindre er utvalgsvariasjonen.

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.

Cellen simulerer meningsmålinger på skolen med \(p = 40\ \%\). Kjør den med n = 20, og så med n = 200. Hva skjer med den minste og den største andelen?

sum(utvalg) teller bussbrukerne, siden de har verdien \(1\).

Med n = 20 ligger andelene typisk fra rundt \(0{,}15\) til \(0{,}65\). Med n = 200 ligger de typisk fra rundt \(0{,}34\) til \(0{,}46\). Svarene endrer seg litt for hver kjøring, men spredningen er alltid mye mindre med det store utvalget.

AdvarselVanlige feil
  • 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

Er det en totalundersøkelse eller en utvalgsundersøkelse?

Alle elevene i klassen svarer på hvor mange søsken de har, og du vil vite noe om klassen.
\(500\) tilfeldige nordmenn blir spurt om de har vært på kino i år.
Skatteetaten registrerer inntekten til alle som betaler skatt i Norge.
En bonde veier \(10\) av \(200\) sauer for å anslå vekten i flokken.

I en meningsmåling blant \(800\) tilfeldig valgte velgere svarer \(172\) at de vil stemme på et bestemt parti.

Hva er \(\hat{p}\)? Svar som desimaltall.
Hvor mange prosent er det?

Er tallet en parameter (beskriver populasjonen) eller et tall fra utvalget?

I en måling blant \(1000\) velgere svarer \(27\ \%\) at de vil stemme på parti A.
Ved valget fikk parti A \(25{,}2\ \%\) av stemmene.
\(40\ \%\) av alle elevene på skolen tar buss (ifølge elevlista med adresser).
Nivå 2

En venn sier: «Meningsmålinger er tull. Hvordan kan \(1000\) personer si noe om over fire millioner velgere?» Hva svarer du?

Bruk figuren med de simulerte meningsmålingene på skolen der \(40\ \%\) tar buss.

Hvor mange prosentpoeng bommet det verste utvalget med \(n = 20\)?
Hvor mange prosentpoeng bommet det verste utvalget med \(n = 100\)?
Hvilken utvalgsstørrelse ville du valgt hvis du skulle anslå andelen, og hvorfor?

Ida skal undersøke hvor mye elevene på skolen trener. Hun spør \(15\) tilfeldige elever, og to av dem trener over \(10\) timer i uka. Hun skriver: «\(13\ \%\) av elevene på skolen trener over \(10\) timer i uka.»

Regn ut andelen i utvalget i prosent. Svar med én desimal.
Hva er problemet med setningen hennes?
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

I lista utvalg er \(1\) en elev som tar buss, og \(0\) en elev som ikke gjør det. Hva blir utskriften? Skriv det siste tallet i svarfeltet.

utvalg = [1, 0, 0, 1, 1, 0, 0, 1, 0, 0]
n = len(utvalg)
buss = sum(utvalg)
print(n, buss)
print(buss / n)
Utfordringer

Bruk simuleringen «Simuler selv» i teorien. Kjør den med n = 25 og med n = 100, og noter den minste og den største andelen hver gang. Kjør hver av dem noen ganger.

Omtrent hvor stort er spennet mellom minste og største andel i hvert tilfelle?
Blir spennet en fjerdedel så stort når utvalget blir fire ganger så stort?

Læreren vil vite hvor mange timer elevene i klassen (\(28\) elever) bruker på lekser, og spør alle. Kan hun bruke resultatet til å si noe om alle elevene på skolen? Drøft.

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.

DefinisjonTilfeldige utvalgsmetoder
  • Enkelt tilfeldig utvalg: Trekk \(n\) fra hele populasjonen, slik at alle har like stor sjanse (som i 1.3.1).
  • Systematisk utvalg: Ordne populasjonen i en liste, velg et tilfeldig startpunkt, og ta med hver \(k\)-te. Med \(N\) i populasjonen og \(n\) i utvalget er \(k = \dfrac{N}{n}\).
  • Stratifisert utvalg: Del populasjonen i grupper (lag eller strata), for eksempel trinn, og trekk tilfeldig fra hvert lag. Ofte trekkes like stor andel fra hvert lag.
  • Klyngeutvalg: Del populasjonen i grupper som hver ligner på helheten (klynger), for eksempel klasser, trekk noen klynger tilfeldig, og ta med alle i klyngene.

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.

Elevrådet vil ha et stratifisert utvalg på \(60\) elever, med like stor andel fra hvert trinn. Hvor mange skal trekkes fra hvert trinn?

Hvor stor andel av alle elevene skal være med? Ta like stor andel av hvert trinn.

Utvalget er \(\dfrac{60}{600} = 0{,}1\), altså \(10\ \%\) av elevene. Fra hvert trinn trekkes \(10\ \%\):

  • Vg1: \(0{,}1 \cdot 250 = 25\)
  • Vg2: \(0{,}1 \cdot 200 = 20\)
  • Vg3: \(0{,}1 \cdot 150 = 15\)

Kontroll: \(25 + 20 + 15 = 60\). Innenfor hvert trinn trekkes elevene tilfeldig.

Elevlista har \(600\) elever i alfabetisk rekkefølge. Elevrådet vil ha et systematisk utvalg på \(60\). Hva er \(k\)? Cellen velger et tilfeldig startpunkt og tar med hver \(k\)-te. Kjør den og se hvilke nummer som kommer med.

range(start, N + 1, k) går fra start og hopper \(k\) om gangen.

\(k = \dfrac{600}{60} = 10\). Er startpunktet for eksempel \(4\), blir utvalget elev nummer \(4, 14, 24, \ldots, 594\), til sammen \(60\) elever. Siden lista er alfabetisk, har ikke rekkefølgen noe med mobilbruk å gjøre, så utvalget blir like godt som et enkelt tilfeldig utvalg.

Ikke-tilfeldige utvalgsmetoder

To metoder er vanlige fordi de er enkle, men de gir ofte skjeve resultater.

DefinisjonIkke-tilfeldige utvalgsmetoder
  • Bekvemmelighetsutvalg: Vi spør dem som er lette å få tak i, for eksempel dem som sitter i kantina, eller venner og familie.
  • Selvseleksjon: Deltakerne velger selv om de vil være med, for eksempel i en åpen nettavstemning eller en lenke på sosiale medier.

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.

Hvilken utvalgsmetode er brukt?

  1. Elevrådet trekker tilfeldig tre klasser og spør alle elevene i dem.
  2. Læreren spør de ti første elevene som kommer inn i klasserommet.
  3. En avis ber leserne svare på en avstemning på nettsidene sine.
  4. Et byrå deler velgerne inn etter fylke og trekker tilfeldig fra hvert fylke, i forhold til folketallet.

Hvem bestemmer hvem som kommer med: tilfeldighetene, den som spør, eller deltakerne selv?

  1. Klyngeutvalg.
  2. Bekvemmelighetsutvalg. De som kommer tidlig, er kanskje mer opptatt av skolen enn andre.
  3. Selvseleksjon.
  4. Stratifisert utvalg, med fylkene som lag.

Velge utvalgsmetode

RegelHvordan velge?
  • Bruk en tilfeldig metode hvis du vil si noe om hele populasjonen.
  • Velg stratifisert når populasjonen har grupper som kan svare forskjellig, og alle gruppene skal være med i riktig forhold.
  • Velg klynge når populasjonen naturlig er delt i grupper som er lette å nå, og gruppene ligner hverandre.
  • Velg systematisk når du har en liste der rekkefølgen ikke henger sammen med det du undersøker.
  • Bekvemmelighetsutvalg og selvseleksjon kan gi ideer og testsvar, men ikke pålitelige tall for populasjonen.
AdvarselVanlige feil
  • 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

Hvilken utvalgsmetode er brukt?

En fabrikk tester hvert 50. produkt som kommer av samlebåndet, med et tilfeldig startpunkt.
En lærer skriver navnene til alle elevene på lapper og trekker åtte.
En forsker trekker tilfeldig ti skoler i Norge og spør alle elevene på Vg2 der.
En influenser spør følgerne sine om hva de synes om et produkt.

Et systematisk utvalg skal velges fra en liste.

Lista har \(800\) navn, og utvalget skal ha \(40\). Hva er \(k\)?
Lista har \(1200\) navn, og utvalget skal ha \(150\). Hva er \(k\)?

En skole har \(420\) elever på studiespesialisering og \(180\) på yrkesfag. Du skal trekke et stratifisert utvalg på \(50\) elever, med like stor andel fra hvert lag.

Hvor mange skal trekkes fra studiespesialisering?
Hvor mange skal trekkes fra yrkesfag?
Nivå 2

Elevrådet vil vite om elevene er fornøyd med kantina. De står i kantina i lunsjen og spør \(80\) elever. \(70\) av dem er fornøyd. Elevrådet skriver: «Nesten \(90\ \%\) av elevene er fornøyd med kantina.»

Hvilken utvalgsmetode er brukt?
Forklar hvorfor resultatet trolig er for høyt.
Foreslå en bedre utvalgsmetode.

Hvilken utvalgsmetode vil du bruke? Begrunn.

En kommune vil vite hva innbyggerne synes om en ny bussrute. Folk i ulike bydeler bruker bussen svært forskjellig.
En lærer vil anslå hvor lang tid elevene på Vg2 bruker på lekser, og har bare tid til å besøke noen klasser.

En bedrift har \(20\) lag med \(10\) ansatte. På hver liste står lagslederen først. Bedriften trekker et systematisk utvalg med \(k = 10\) og startpunkt \(1\) fra den samlede lista for å spørre om arbeidsmiljøet. Hva er problemet?

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

N = 50
k = 10
utvalg = list(range(3, N + 1, k))
print(utvalg)
print(len(utvalg))
Utfordringer

Elevrådet bestemmer seg for å spørre \(20\) elever fra hvert trinn på skolen med \(250\) på Vg1, \(200\) på Vg2 og \(150\) på Vg3. På Vg1 er \(8\) av de \(20\) for nye mobilregler, på Vg2 \(10\) av \(20\) og på Vg3 \(14\) av \(20\).

Hvor mange prosent av utvalget er for, hvis vi bare slår sammen alle svarene?
Hvor mange prosent av alle elevene på skolen er trolig for, når vi tar hensyn til hvor store trinnene er?
Hvorfor blir svarene forskjellige?

Du vil undersøke hvor mye elevene på skolen din sover. Skolen har tre trinn og flere utdanningsprogram. Beskriv hvordan du vil trekke et utvalg på omtrent \(50\) elever. Begrunn valget, og si hva som kan gjøre utvalget skjevt likevel.

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

DefinisjonRepresentativt utvalg

Et utvalg er representativt når det ligner på populasjonen i det som betyr noe for spørsmålet vi undersøker.

En skjevhet er en systematisk forskjell mellom utvalget og populasjonen, eller mellom svarene og sannheten, som gjør at resultatet bommer i en bestemt retning.

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

RegelSkjevhet i utvalget
  • Dekning: Lista vi trekker fra, mangler noen i populasjonen. Literary Digest trakk fra telefonkataloger og bilregistre, og mange fattige var ikke med.
  • Frafall: Noen av dem som er trukket ut, svarer ikke. Hvis de som ikke svarer, er annerledes enn de som svarer, blir resultatet skjevt.
  • Selvseleksjon og bekvemmelighet (1.3.2): Deltakerne velger seg selv, eller vi velger dem som er lette å nå.

Svarprosenten er andelen av de utvalgte som svarer:

\[ \text{svarprosent} = \frac{\text{antall som svarte}}{\text{antall som ble spurt}} \cdot 100\ \%. \]

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.

Elevrådet trekker \(200\) elever tilfeldig og spør om de ønsker lengre lunsjpause. \(120\) svarer, og \(84\) av dem svarer ja.

  1. Hva er svarprosenten?
  2. Hvor stor andel av dem som svarte, sa ja?
  3. Hva ville andelen ja vært blant alle de \(200\) hvis alle som ikke svarte, egentlig mente nei? Og hvis alle mente ja?

I c) legger du til de \(80\) som ikke svarte, først som nei og så som ja, og deler på \(200\).

  1. \(\dfrac{120}{200} \cdot 100\ \% = 60\ \%\)
  2. \(\dfrac{84}{120} = 0{,}70 = 70\ \%\)
  3. Alle nei: \(\dfrac{84}{200} = 42\ \%\). Alle ja: \(\dfrac{84 + 80}{200} = 82\ \%\).

Den sanne andelen blant de \(200\) ligger altså et sted mellom \(42\ \%\) og \(82\ \%\). Bare hvis de som ikke svarte, mener omtrent det samme som de som svarte, er \(70\ \%\) et godt anslag.

Skjevhet i svarene

Selv om alle de riktige personene svarer, kan svarene bli skjeve.

RegelSkjevhet i svarene
  • Ledende spørsmål: Formuleringen dytter mot et bestemt svar. «Er du enig i at skolen bør ha bedre mat?» får flere ja enn «Hva synes du om maten i kantina?».
  • Sosial ønskelighet: Folk svarer det som ser bra ut. Færre innrømmer å skulke eller jukse enn som faktisk gjør det.
  • Hukommelse: Det er vanskelig å huske nøyaktig hvor mye man trente eller sov forrige uke.
  • Målefeil: Måleinstrumentet eller måten vi måler på, gir feil verdi, for eksempel en vekt som viser \(1\) kg for mye.

Spørsmålet under er ledende. Skriv det om slik at det blir nøytralt.

«Mange eksperter mener at mobilbruk skader konsentrasjonen. Synes du mobilen bør forbys i timene?»

Hva i formuleringen dytter mot et bestemt svar? Fjern det, og gi like gode muligheter i begge retninger.

Innledningen om eksperter dytter mot ja. Et nøytralt spørsmål:

«Hva mener du om mobilbruk i timene? Bør den være tillatt, tillatt med begrensninger, eller forbudt?»

Svaralternativene dekker hele spennet, og ingen av dem er framhevet.

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.

RegelTilfeldig og systematisk feil
  • Tilfeldig feil varierer fra utvalg til utvalg og blir mindre når utvalget blir større.
  • Systematisk feil (skjevhet) går i samme retning hver gang og blir ikke mindre når utvalget blir større. Den må fjernes med bedre metode: tilfeldig utvalg, høy svarprosent og nøytrale spørsmål.
AdvarselVanlige 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

Hvilken feilkilde er det største problemet?

En undersøkelse om internettbruk blant eldre gjøres bare på nett.
Av \(500\) utvalgte svarer bare \(90\), og de fleste som svarer, er svært fornøyd.
Elever blir spurt om de har jukset på prøver, mens læreren står ved siden av.
Elevene blir spurt hvor mange minutter de leste hver dag for tre uker siden.

En spørreundersøkelse sendes til \(750\) personer, og \(240\) svarer.

Hva er svarprosenten?
Hvor mange svarte ikke?

Hjelper det å spørre flere på samme måte?

Resultatet varierer mye fordi bare \(20\) personer er spurt tilfeldig.
Bare folk som følger skolens Instagram, kan svare.
Spørsmålet er ledende.
Nivå 2

Skolen trekker \(300\) elever tilfeldig til en trivselsundersøkelse. \(180\) svarer, og \(153\) av dem sier at de trives godt.

Hva er svarprosenten?
Hvor mange prosent av dem som svarte, trives godt?
Hva er den laveste mulige andelen som trives godt blant alle de \(300\)?
Hvorfor kan det være grunn til å tro at andelen blant alle er lavere enn i b)?

En nettside skriver: «Vår undersøkelse med \(25\,000\) svar viser at \(73\ \%\) av nordmenn spiser frokost hver dag. Med så mange svar er resultatet helt sikkert.» Undersøkelsen ble lagt ut som en quiz på nettsiden. Forklar hva som er galt med påstanden.

Skriv om spørsmålene slik at de blir nøytrale.

«Er du ikke enig i at skoledagen er altfor lang?»
«Hvor mye har mobilforbudet forbedret konsentrasjonen din?»
Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i utskriften i svarfeltet.

spurt = 400
svarte = 200
ja = 120
print(svarte / spurt * 100)
print(ja / svarte * 100)
print(ja / spurt * 100)
Utfordringer

Bruk historien om Literary Digest i starten av delkapittelet.

Nevn to feilkilder i undersøkelsen, og forklar hvordan hver av dem trakk resultatet i retning av Landon.
Hvorfor hjalp det ikke at undersøkelsen hadde \(2{,}4\) millioner svar?
Hva gjorde Gallup annerledes?

En vekt på helsestasjonen viser alltid \(0{,}5\) kg for mye. Helsesykepleieren veier \(40\) elever og regner ut gjennomsnittet.

Er dette en tilfeldig eller systematisk feil?
Hvor mye for høyt blir gjennomsnittet?
Ville det hjulpet å veie \(400\) elever i stedet?

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

DefinisjonObservasjonsstudie og eksperiment
  • I en observasjonsstudie registrerer vi det som skjer, uten å påvirke det. Deltakerne velger selv, eller er allerede, i gruppene vi sammenlikner.
  • I et eksperiment bestemmer vi hvem som får hva. Vi gir en behandling (for eksempel en ny medisin eller en ny undervisningsmetode) til én gruppe og sammenlikner med en kontrollgruppe som ikke får den.

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.

Er det en observasjonsstudie eller et eksperiment?

  1. Forskere sammenlikner helsen til personer som selv har valgt å bli vegetarianere, med andre.
  2. En lærer lar halvparten av klassen, trukket tilfeldig, øve med en app i tre uker, og sammenlikner prøveresultatene.
  3. SSB undersøker sammenhengen mellom utdanning og inntekt.

Er det forskerne som bestemmer hvem som får hva?

  1. Observasjonsstudie: deltakerne har valgt selv.
  2. Eksperiment: læreren bestemmer hvem som får appen.
  3. Observasjonsstudie: SSB registrerer det som allerede er.

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.

DefinisjonBakenforliggende variabel

En bakenforliggende variabel er en variabel som påvirker begge variablene vi ser på, og som kan få dem til å henge sammen uten at den ene er årsak til den andre.

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.

Foreslå en bakenforliggende variabel som kan forklare sammenhengen.

  1. Elever som har egen PC, får bedre karakterer.
  2. Byer med mange brannstasjoner har mange branner.
  3. Personer som bruker solkrem, får oftere hudkreft.

Hva kan påvirke begge variablene?

  1. Foreldrenes inntekt og utdanning kan påvirke både om eleven har egen PC, og hvor mye hjelp og ro eleven får til skolearbeid.
  2. Størrelsen på byen: store byer har både flere brannstasjoner og flere branner.
  3. Hvor mye sol personen får: de som er mye i sola, bruker mer solkrem og har større risiko for hudkreft.

Gode eksperimenter

I et eksperiment kan vi fjerne problemet med bakenforliggende variabler. Trikset er å la tilfeldighetene bestemme hvem som havner i hvilken gruppe.

RegelEt godt eksperiment
  1. Kontrollgruppe: Sammenlikn med en gruppe som ikke får behandlingen. Ellers vet vi ikke om endringen hadde skjedd uansett.
  2. Randomisering: Fordel deltakerne tilfeldig på gruppene. Da blir gruppene i gjennomsnitt like i alt annet, også det vi ikke har tenkt på, og forskjellen i resultat må skyldes behandlingen eller tilfeldigheter.
  3. Blinding: Deltakerne (og helst de som måler) vet ikke hvem som er i hvilken gruppe. I medisinske forsøk får kontrollgruppen ofte placebo, en «medisin» uten virkestoff, fordi bare det å tro at man får hjelp, kan virke.
  4. Mange nok deltakere: Med få deltakere kan tilfeldige forskjeller mellom gruppene bli store.

En lærer vil teste en ny øvingsapp. Tolv elever skal fordeles tilfeldig på en forsøksgruppe (appen) og en kontrollgruppe (vanlige oppgaver). random.shuffle stokker lista, og elever[:6] er de seks første, elever[6:] resten. Kjør cellen noen ganger.

Hvorfor er dette bedre enn at elevene selv får velge om de vil bruke appen?

Hvem ville valgt å bruke en ny øvingsapp?

Lar vi elevene velge, melder kanskje de mest motiverte seg på appen. Da får forsøksgruppen bedre resultater fordi de er motiverte, ikke nødvendigvis fordi appen virker. Når tilfeldighetene fordeler elevene, blir motivasjon og alt annet i gjennomsnitt likt fordelt i de to gruppene.

Hva kan vi konkludere med?

RegelSammenheng og årsak
  • En observasjonsstudie kan vise at to variabler henger sammen, men sjelden at den ene er årsak til den andre. Det kan være bakenforliggende variabler.
  • Et randomisert eksperiment med kontrollgruppe kan vise at behandlingen er årsaken til forskjellen.

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.

AdvarselVanlige feil
  • 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

Er det en observasjonsstudie eller et eksperiment?

Forskere sammenlikner søvnen til ungdom som spiller mye dataspill, med ungdom som spiller lite.
En bonde gjødsler halvparten av åkrene, valgt ved loddtrekning, og sammenlikner avlingene.
En skole sammenlikner karakterene til elever som har valgt fordypning i matte, med de andre.
Deltakere får tilfeldig enten en ny medisin eller placebo.

Hva kan undersøkelsen vise?

En observasjonsstudie finner at folk som drikker kaffe, lever lenger.
Et randomisert eksperiment finner at elever som fikk en ny lesemetode, leste bedre enn kontrollgruppen.

\(40\) deltakere skal fordeles tilfeldig på en forsøksgruppe og en kontrollgruppe av samme størrelse. Etterpå skal kontrollgruppen deles i to like store grupper: én som får placebo, og én som ikke får noe.

Hvor mange er i forsøksgruppen?
Hvor mange får placebo?
Nivå 2

En nyhetsartikkel skriver: «Ungdom som spiser middag med familien minst fem dager i uka, har færre psykiske plager. Foreldre bør derfor spise middag med barna sine for å bedre den psykiske helsen deres.» Undersøkelsen var en spørreundersøkelse blant ungdom.

Hva slags undersøkelse er det?
Forklar hvorfor konklusjonen om årsak ikke nødvendigvis holder. Nevn minst én mulig bakenforliggende variabel.

Du vil finne ut om det å høre på musikk mens man gjør lekser, påvirker hvor mange matteoppgaver elevene får riktig. Beskriv et eksperiment. Ta med kontrollgruppe, randomisering og hvordan du måler resultatet.

En skole innfører mobilforbud i august. I juni året etter er snittkarakteren høyere enn året før. Rektor sier at mobilforbudet har gitt bedre karakterer. Nevn to grunner til at vi ikke kan være sikre på det.

Kodeoppgaver

Oppgaven skal løses uten PC. Bruk kodecellen etter oppgaven til å sjekke svaret ditt etterpå.

Lista elever er allerede stokket tilfeldig. Hva blir utskriften? Skriv det siste tallet i svarfeltet.

elever = ["Lea", "Isak", "Bea", "Gard",
          "Dina", "Emil", "Hanna"]
forsok = elever[:3]
kontroll = elever[3:]
print(forsok)
print(len(kontroll))
Utfordringer

En forsker trekker \(200\) tilfeldige elever fra hele landet og fordeler dem tilfeldig på to grupper for å teste en ny læringsmetode.

Hva gjør det tilfeldige utvalget mulig å si?
Hva gjør den tilfeldige fordelingen på grupper mulig å si?
En annen forsker gjør det samme forsøket med frivillige elever fra én skole, men fordeler dem tilfeldig. Hva kan denne forskeren si?

Forskere vil vite om det å vokse opp med mye skjermtid påvirker søvnen i voksen alder. Hvorfor er et eksperiment vanskelig her? Hvordan kan de likevel undersøke spørsmålet, og hva må de passe på?

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.

En gruppe i 2STB lurte på hvor sent elevene legger seg.

  1. Spørsmål: «Hvor stor andel av elevene på Vg2 legger seg etter midnatt på skoledager?»
  2. Data: De laget et skjema i Forms med spørsmålet «Når la du deg i går kveld?» og fire svaralternativer. Lenken ble lagt ut i klassens Teams-kanal og delt på Snapchat. De fikk \(48\) svar.
  3. Analyse:
Leggetid Frekvens
Før kl. 22 3
22–23 12
23–24 19
Etter 24 14
Sum 48
  1. Tolkning: «\(29\ \%\) av elevene på Vg2 legger seg etter midnatt.»
  1. Kontroller at \(29\ \%\) stemmer.
  2. Hvilke feilkilder har undersøkelsen?
  3. Hvordan burde konklusjonen vært formulert?

Se på hvem som fikk lenken, og hvem som valgte å svare. Og hva var spørsmålet, «i går» eller «på skoledager»?

  1. \(\dfrac{14}{48} \approx 0{,}29 = 29\ \%\). Det stemmer.
  2. Feilkilder:
    • Utvalg: Lenken gikk til egen klasse og til venner på Snapchat (bekvemmelighet og selvseleksjon). Andre Vg2-klasser er kanskje ikke med, og vennene kan gå på andre trinn.
    • Frafall: Vi vet ikke hvor mange som fikk lenken og ikke svarte.
    • Spørsmålet: «I går kveld» er én kveld. Var det en fredag, sier det lite om skoledager.
    • Svarene: Noen husker kanskje feil eller runder av.
  3. For eksempel: «Blant de \(48\) som svarte, la \(14\) (\(29\ \%\)) seg etter midnatt kvelden før. Utvalget er ikke tilfeldig og dekker trolig mest vår egen klasse og vennene våre, så vi vet ikke om det gjelder alle på Vg2.»

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, …

Formuler et statistisk spørsmål. Si hvem populasjonen er, og hvilke variabler dere trenger. Bruk minst én kategorisk og én numerisk variabel.

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.

NoteSjekkliste for spørreskjemaet
  • 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.
Skriv spørsmålene i skjemaet, med svaralternativer.
Bestem hvem som skal svare, og hvordan dere velger dem. Hvilken utvalgsmetode er det (1.3.2)?
Hvilke feilkilder er det størst fare for med denne metoden, og hva kan dere gjøre for å redusere dem?

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.

Hvor mange svarte, og hva måtte dere rydde? Skriv en ryddelogg.
Lag en frekvenstabell med relative frekvenser for den kategoriske variabelen.
Lag en figur for hver variabel, og finn minste og største verdi for den numeriske.

Steg 4: Tolk og presenter

Svar på spørsmålet fra steg 1, og vær ærlig om hvor sikkert svaret er.

NoteMal for rapporten (én side)
  1. Spørsmål: Det statistiske spørsmålet og populasjonen.
  2. Metode: Spørreskjemaet, utvalget (hvem, hvordan, hvor mange spurt og hvor mange svarte) og ryddingen.
  3. Resultater: Frekvenstabell, andeler og én–to figurer, med en setning om hva hver av dem viser.
  4. Konklusjon: Svar på spørsmålet i konteksten. Si hvem resultatet gjelder for.
  5. Feilkilder: De viktigste feilkildene, og hvilken vei de trolig trekker resultatet.
  6. Videre: Hva dere ville gjort annerledes, og et nytt spørsmål undersøkelsen ga.

Skriv punkt 4 og 5 i rapporten for undersøkelsen deres.

Oppgaver

Oppgavene under kan løses uten egne data, for eksempel som forberedelse til prøve.

Nivå 1

Bruk frekvenstabellen i eksempelet «Leggetid på Vg2».

Hvor mange prosent la seg før klokka \(23\)?
Hvor mange prosent la seg mellom klokka \(23\) og \(24\)? Svar med én desimal.
Nivå 2

En gruppe har laget dette spørreskjemaet om trening:

  1. Navn:
  2. Trener du mye? Ja / Nei
  3. Er du enig i at alle bør trene minst tre ganger i uka? Ja / Nei
  4. Hvor mye trente du?

Finn minst tre svakheter, og skriv et bedre skjema.

Utfordringer

En gruppe spurte alle \(27\) elevene i sin egen klasse, og \(9\) av dem hadde deltidsjobb. De vil si noe om hele skolen.

Hva er \(\hat{p}\) i klassen? Svar som desimaltall med to desimaler.
Hva må gruppen gjøre annerledes hvis de skal kunne si noe om hele skolen? Beskriv en konkret plan.

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.

Et byrå vil vite hva foreldre til elever i ungdomsskolen mener om skoleuniform. Byrået trekker \(1500\) foreldre tilfeldig fra elevregisteret, og \(630\) svarer. Av dem er \(252\) for skoleuniform.

Hva er populasjonen?
Hva er svarprosenten?
Hva er \(\hat{p}\) for andelen som er for, blant dem som svarte? Svar som desimaltall.
Er \(\hat{p}\) en parameter eller et tall fra utvalget?

Bruk tallene fra oppgaven om skoleuniform.

Hva er den laveste mulige andelen som er for, blant alle de \(1500\) som ble trukket?
Hva er den høyeste?
Hvorfor kan frafallet være et problem akkurat i denne undersøkelsen?

En klubb registrerer for hvert medlem: alder i år, idrett (fotball, håndball, ski), antall treninger forrige uke og medlemsnummer.

Hvilken type er antall treninger?
Hvilken type er medlemsnummer?
\(40\) medlemmer driver med fotball, \(24\) med håndball og \(16\) med ski. Hva er den relative frekvensen for håndball?

Ifølge SSB (tabell 14511) brukte \(91\ \%\) av 16–24-åringene Snapchat en gjennomsnittsdag i 2023, og \(89\ \%\) i 2025.

Hvor mange prosentpoeng gikk andelen ned?
Hvor mange prosent gikk andelen ned? Svar med én desimal.

En kommune har \(6000\) innbyggere i alderen 16–30 år, \(9000\) i alderen 31–60 år og \(5000\) over 60 år. Kommunen vil spørre \(400\) innbyggere om et nytt kulturhus, med et stratifisert utvalg.

Hvor mange skal trekkes fra gruppen 31–60 år?
Hvorfor kan et stratifisert utvalg være lurt her?

En spørreundersøkelse blant \(2000\) ungdommer viser at de som drikker energidrikk flere ganger i uka, sover mindre enn de andre. En nettside skriver: «Energidrikk ødelegger søvnen til ungdom.»

Er dette en observasjonsstudie eller et eksperiment?
Drøft om overskriften holder. Nevn minst én bakenforliggende variabel, og beskriv kort et eksperiment som kunne gitt et bedre svar.

Hva blir utskriften når programmet under kjøres? Skriv det siste tallet i svarfeltet.

svar = ["Ja", "nei", "ja", "JA", "nei"]
ja = 0
for s in svar:
    if s.lower() == "ja":
        ja = ja + 1
print(ja)
print(ja / len(svar) * 100)

Ungdomsrådet i en kommune vil vite om ungdom savner et sted å være på kveldstid. De legger ut en avstemning på kommunens Facebook-side: «Synes du ikke at kommunen trenger et ungdomshus?» \(412\) svarer, og \(88\ \%\) svarer ja. Ungdomsrådet skriver til kommunestyret at nesten ni av ti ungdommer vil ha et ungdomshus.

Vurder undersøkelsen ved å gå gjennom de fire stegene i undersøkelsesprosessen. Foreslå forbedringer.

1.6 Oppsummering

Den statistiske undersøkelsesprosessen

Statistisk spørsmål

Besvares med data som varierer. Sier hvem det gjelder, og hva som måles.

Undersøkelsesprosessen

  1. Formulere spørsmål
  2. Samle inn data
  3. Analysere data
  4. 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.