Skip to main content

10  Hypotesetesting

Ida påstår at hun kan smake forskjell på to colamerker. Et nytt læringsopplegg skal gi bedre resultater. En terning ser ut til å gi mange seksere. I alle tilfellene har vi data, og spørsmålet er det samme: Kan resultatet skyldes tilfeldigheter, eller er det noe mer? En hypotesetest gir en systematisk måte å svare på. Vi antar at bare tilfeldigheter er i sving, og regner ut hvor sannsynlig det da er å få et så ekstremt resultat som det vi fikk. Er det svært lite sannsynlig, forkaster vi antakelsen.

Last ned oppgaveheftet for kapittel 10 (PDF): oppsummering, gjennomregnede eksempler og oppgaver med fasit, til arbeid uten PC.

Læringsmål

Etter å ha arbeidet med kapittelet skal du kunne

  • forklare idéen bak en hypotesetest, og bruke simulering til å finne en p-verdi,
  • formulere nullhypotese og alternativ hypotese,
  • gjennomføre hypotesetester med binomisk fordeling og med normalfordeling,
  • velge mellom ensidig og tosidig test, og bruke et signifikansnivå,
  • forklare type I- og type II-feil, og skille mellom statistisk og praktisk signifikans,
  • gjennomføre en hypotesetest på et reelt datasett og tolke resultatet.

10.1 Hypotesetester

Seksjonen handler om idéen bak en hypotesetest og om de to testene vi bruker i dette faget: med binomisk fordeling når utvalget er lite, og med normalfordeling når det er stort.

10.1.1 Kan det være tilfeldig?

Ida påstår at hun kan smake forskjell på Coca-Cola og Pepsi. Klassen setter opp en blindtest: Hun får \(10\) glass, ett om gangen, og skal si hvilket merke det er. Hun svarer riktig på \(8\). Er det bevis for at hun kan smake forskjell? Ikke nødvendigvis. Også den som bare gjetter, får av og til \(8\) riktige. Spørsmålet er hvor ofte.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare hva en nullhypotese og en alternativ hypotese er,
  • finne en p-verdi med simulering,
  • trekke en konklusjon ut fra p-verdien.

Nullhypotesen

DefinisjonNullhypotese og alternativ hypotese

Nullhypotesen \(H_0\) er påstanden om at det ikke er noe spesielt, at resultatet bare skyldes tilfeldigheter. For Ida: Hun gjetter, så sannsynligheten for riktig svar er \(p = 0{,}5\).

Den alternative hypotesen \(H_1\) er det vi vil undersøke om dataene gir støtte for. For Ida: Hun kan smake forskjell, så \(p > 0{,}5\).

Vi later som om nullhypotesen er sann, og spør: Hvor sannsynlig er det da å få et resultat som er minst like ekstremt som det vi fikk?

p-verdien

Hvis Ida gjetter, er antall riktige som \(10\) myntkast. Figuren viser resultatet av \(10\,000\) simulerte blindtester der hun gjetter.

I \(5{,}4\ \%\) av de simulerte testene fikk den som gjettet, minst \(8\) riktige (de røde søylene). Dette tallet kalles p-verdien.

Definisjonp-verdi

p-verdien er sannsynligheten for å få et resultat som er minst like ekstremt som det vi observerte, hvis nullhypotesen er sann.

  • En liten p-verdi betyr at resultatet ville vært sjeldent hvis bare tilfeldigheter var i sving. Det taler mot \(H_0\).
  • En stor p-verdi betyr at resultatet godt kan skyldes tilfeldigheter. Vi har ikke grunn til å forkaste \(H_0\).

For Ida er p-verdien omtrent \(0{,}05\). Det er ikke svært sjeldent å få \(8\) riktige ved å gjette, omtrent én gang av tjue. Testen gir ikke sterkt bevis for at hun kan smake forskjell. Hadde hun fått \(9\) riktige, ville p-verdien vært omtrent \(0{,}01\), som er mye sterkere bevis.

RegelEn hypotesetest med simulering
  1. Formuler \(H_0\) og \(H_1\).
  2. Simuler mange datasett der \(H_0\) er sann.
  3. Finn andelen simuleringer som gir et resultat minst like ekstremt som det observerte. Det er p-verdien.
  4. Konkluder: Er p-verdien liten (som tommelfingerregel under \(0{,}05\)), forkaster vi \(H_0\).

Mia kaster en terning \(60\) ganger og får gjennomsnittet \(4{,}1\) (6.1.4). Gjennomfør en test med simulering.

\(H_0\): Terningen er vanlig, så \(\mu = 3{,}5\). Simuler mange serier med \(60\) kast og tell hvor ofte gjennomsnittet blir minst \(4{,}1\).

\(H_0\): Terningen er vanlig (\(\mu = 3{,}5\)). \(H_1\): Terningen gir for høye tall (\(\mu > 3{,}5\)).

p-verdien blir omtrent \(0{,}003\). Hvis terningen er vanlig, får vi et så høyt gjennomsnitt bare i \(3\) av \(1000\) serier. Vi forkaster \(H_0\): Det er sterke grunner til å tro at terningen er jukset.

I 2025 ble det født \(28\,388\) gutter og \(27\,013\) jenter i Norge. Kan det skyldes tilfeldigheter at det ble født flere gutter, hvis gutt og jente er like sannsynlige?

\(H_0\): \(p = 0{,}5\). Simuler \(55\,401\) fødsler mange ganger. Hvor ofte blir det minst \(28\,388\) gutter?

\(H_0\): \(p = 0{,}5\). \(H_1\): \(p > 0{,}5\).

Ingen av de \(100\,000\) simuleringene gir så mange gutter. Det høyeste er rundt \(28\,100\). p-verdien er altså svært liten, og vi forkaster \(H_0\): Sannsynligheten for gutt er større enn \(0{,}5\). Det stemmer med at andelen har vært \(51\)–\(52\ \%\) i over \(50\) år (5.1.1).

AdvarselVanlige feil
  • p-verdien er ikke sannsynligheten for at \(H_0\) er sann. Den er sannsynligheten for dataene (eller noe mer ekstremt) gitt at \(H_0\) er sann.
  • En stor p-verdi beviser ikke at \(H_0\) er sann. Den betyr bare at dataene ikke gir sterke nok bevis mot den.
  • «Minst like ekstremt» betyr i retningen til \(H_1\): For Ida er det \(8\), \(9\) eller \(10\) riktige, ikke bare \(8\).

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

Skriv nullhypotesen og den alternative hypotesen.

Jonas påstår at han kan forutsi myntkast. Han tipper riktig på \(14\) av \(20\) kast.
En produsent sier at \(95\ \%\) av frøene spirer. Du tror andelen er lavere.

Hva tyder p-verdien på?

\(p = 0{,}002\)
\(p = 0{,}40\)
Nivå 2

Testen av Ida ga p-verdi \(0{,}055\). Hvilken tolkning er riktig?

Klassen vil gjøre en ny test der Ida får \(30\) glass. Forklar hvorfor det er en bedre test enn den med \(10\) glass.

Kodeoppgaver

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

Programmet under bruker \(10\) ferdige simuleringer i stedet for tilfeldige tall. Hva blir utskriften?

sim = [5, 7, 4, 8, 6, 5, 9, 3, 6, 5]
observert = 8
antall = 0
for s in sim:
    if s >= observert:
        antall = antall + 1
print(antall / len(sim))
Utfordringer

I Tromsø ble det født \(431\) gutter og \(423\) jenter i 2025. Bruk kodecellen til å teste \(H_0\): \(p = 0{,}5\) mot \(H_1\): \(p > 0{,}5\) med simulering. Sammenlikn med testen for hele landet. Hvorfor blir konklusjonene forskjellige når andelen gutter er nesten den samme?

Oppsummering

Nullhypotese

\(H_0\): ingen effekt, bare tilfeldigheter.

p-verdi

Sannsynligheten for et minst like ekstremt resultat når \(H_0\) er sann.

Konklusjon

Liten p-verdi: forkast \(H_0\). Stor p-verdi: behold \(H_0\).

  • p-verdien er ikke sannsynligheten for at \(H_0\) er sann.
  • Å beholde \(H_0\) er ikke det samme som å bevise den.

10.1.2 Hypotesetest med binomisk fordeling

I 10.1.1 fant vi p-verdien for colatesten med simulering. Men antall riktige når Ida gjetter, er binomisk fordelt, \(X \sim B(10;\ 0{,}5)\). Da kan vi finne den eksakte p-verdien med tabellen i bilag A: \(P(X \ge 8) = 1 - P(X \le 7)\), som er \(1 - 0{,}9453 = 0{,}0547\). Det er det samme som simuleringen ga, men uten PC.

Læringsmål

Etter dette delkapittelet skal du kunne

  • gjennomføre en hypotesetest i fem steg,
  • regne ut p-verdien med binomisk fordeling,
  • bruke et signifikansnivå til å trekke en konklusjon.

Signifikansnivå

Hvor liten må p-verdien være før vi forkaster \(H_0\)? Det bestemmer vi før vi ser på dataene.

DefinisjonSignifikansnivå

Signifikansnivået \(\alpha\) er grensen for p-verdien. Er p-verdien mindre enn eller lik \(\alpha\), forkaster vi \(H_0\), og vi sier at resultatet er statistisk signifikant. Det vanligste er \(\alpha = 0{,}05\).

Fem steg

RegelHypotesetest med binomisk fordeling
  1. Hypoteser: \(H_0\): \(p = p_0\) mot \(H_1\): \(p > p_0\) (eller \(p < p_0\)).
  2. Signifikansnivå: Velg \(\alpha\), som regel \(0{,}05\).
  3. Testobservator: \(X\) = antall suksesser. Hvis \(H_0\) er sann, er \(X \sim B(n, p_0)\).
  4. p-verdi: \(P(X \ge x)\) når \(H_1\) er \(p > p_0\), og \(P(X \le x)\) når \(H_1\) er \(p < p_0\), der \(x\) er det observerte antallet. Finn den med tabellen eller Python.
  5. Konklusjon: Forkast \(H_0\) hvis p-verdien er \(\le \alpha\). Skriv konklusjonen i konteksten.

Gjennomfør testen av Ida med \(\alpha = 0{,}05\). Hun fikk \(8\) riktige av \(10\).

Under \(H_0\) er \(X \sim B(10;\ 0{,}5)\).

  1. \(H_0\): \(p = 0{,}5\) (Ida gjetter). \(H_1\): \(p > 0{,}5\) (hun kan smake forskjell).
  2. \(\alpha = 0{,}05\).
  3. \(X \sim B(10;\ 0{,}5)\) under \(H_0\), og \(x = 8\).
  4. \(P(X \ge 8) = 1 - P(X \le 7)\), som er \(1 - 0{,}9453 = 0{,}0547\).
  5. \(0{,}0547 > 0{,}05\), så vi beholder \(H_0\). Testen gir ikke nok bevis for at Ida kan smake forskjell, men resultatet er nær grensen. En ny test med flere glass vil gi et klarere svar.

En produsent sier at høyst \(10\ \%\) av varene er defekte. En kunde kontrollerer \(20\) tilfeldige varer og finner \(5\) defekte. Test påstanden med \(\alpha = 0{,}05\).

Kunden tror andelen er høyere. \(H_1\): \(p > 0{,}1\).

  1. \(H_0\): \(p = 0{,}1\). \(H_1\): \(p > 0{,}1\).
  2. \(\alpha = 0{,}05\).
  3. \(X \sim B(20;\ 0{,}1)\) under \(H_0\), og \(x = 5\).
  4. \(P(X \ge 5) = 1 - P(X \le 4)\), som er \(1 - 0{,}9568 = 0{,}0432\).
  5. \(0{,}0432 \le 0{,}05\), så vi forkaster \(H_0\). Kontrollen tyder på at mer enn \(10\ \%\) av varene er defekte.

Med den gamle metoden feiler halvparten av forsøkene i et laboratorium. En ny metode blir prøvd \(15\) ganger og feiler \(3\) ganger. Er den nye metoden bedre? Bruk \(\alpha = 0{,}05\).

Nå er \(H_1\) at sannsynligheten for feil er mindre: \(p < 0{,}5\). Da er p-verdien \(P(X \le 3)\).

  1. \(H_0\): \(p = 0{,}5\). \(H_1\): \(p < 0{,}5\).
  2. \(\alpha = 0{,}05\).
  3. \(X \sim B(15;\ 0{,}5)\) under \(H_0\), og \(x = 3\).
  4. \(P(X \le 3) = 0{,}0176\) (tabellen).
  5. \(0{,}0176 \le 0{,}05\). Vi forkaster \(H_0\): Den nye metoden ser ut til å gi færre feil.
AdvarselVanlige feil
  • p-verdien er \(P(X \ge x)\), ikke \(P(X = x)\) og ikke \(P(X > x)\). Det observerte resultatet skal være med.
  • Retningen i p-verdien følger \(H_1\): \(P(X \ge x)\) når \(H_1\) er \(p > p_0\), og \(P(X \le x)\) når \(H_1\) er \(p < p_0\).
  • Velg \(\alpha\) og \(H_1\) før du ser på dataene.
  • Konklusjonen skal stå i konteksten, ikke bare «forkast \(H_0\)».

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

\(X \sim B(20;\ 0{,}25)\) under \(H_0\), og \(H_1\) er \(p > 0{,}25\). Finn p-verdien når

\(x = 9\),
\(x = 7\).

Med \(\alpha = 0{,}05\): Forkaster eller beholder du \(H_0\)?

p-verdi \(0{,}0409\)
p-verdi \(0{,}2142\)
p-verdi \(0{,}05\)
Nivå 2

En elev svarer riktig på \(9\) av \(20\) flervalgsspørsmål med fire alternativer. Læreren lurer på om eleven bare har gjettet. Gjennomfør en hypotesetest med \(\alpha = 0{,}05\).

En frøprodusent sier at \(80\ \%\) av frøene spirer. Lise sår \(15\) frø, og bare \(9\) spirer. Test om andelen er lavere enn produsenten sier, med \(\alpha = 0{,}05\).

Kodeoppgaver

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

Hva regner programmet ut, og hva blir konklusjonen?

from scipy.stats import binom
p_verdi = 1 - binom.cdf(7, 10, 0.5)
print(round(p_verdi, 4))
print(p_verdi <= 0.05)

Skriv det første tallet i utskriften i svarfeltet.

Utfordringer

Ida skal ta en ny blindtest med \(20\) glass. Hvor mange riktige må hun minst få for at vi skal forkaste \(H_0\): \(p = 0{,}5\) med \(\alpha = 0{,}05\)? Bruk tabellen.

Oppsummering

Hypoteser

\(H_0\): \(p = p_0\). \(H_1\): \(p > p_0\) eller \(p < p_0\).

Testobservator

\(X \sim B(n, p_0)\) under \(H_0\)

p-verdi

\(P(X \ge x)\) eller \(P(X \le x)\), i retningen til \(H_1\)

Konklusjon

Forkast \(H_0\) hvis p-verdien \(\le \alpha\).

  • Velg \(H_1\) og \(\alpha\) før du ser på dataene.
  • Når \(p_0 > 0{,}5\), tell fiaskoene for å bruke tabellen.

10.1.3 Hypotesetest med normalfordeling

Med \(55\,401\) fødsler kan vi ikke bruke tabellen over binomisk fordeling. Men vi vet fra kapittel 8 at \(\hat{p}\) og \(\bar{x}\) er omtrent normalfordelte når utvalget er stort. Da måler vi hvor mange standardfeil observatoren ligger fra verdien i \(H_0\), og finner p-verdien med normalfordelingen.

Læringsmål

Etter dette delkapittelet skal du kunne

  • gjennomføre en hypotesetest for en andel med normalfordeling,
  • gjennomføre en hypotesetest for et gjennomsnitt med normalfordeling,
  • vurdere forutsetningene for testene.

Test for andel

Under \(H_0\): \(p = p_0\) er \(\hat{p} \approx N\!\left(p_0, \sqrt{\frac{p_0(1 - p_0)}{n}}\right)\) (8.1.4). Vi standardiserer.

RegelTest for andel (z-test)

Testobservatoren er

\[ z = \frac{\hat{p} - p_0}{\sqrt{\dfrac{p_0(1 - p_0)}{n}}} \]

som er omtrent standard normalfordelt når \(H_0\) er sann. p-verdien er \(P(Z \ge z)\) når \(H_1\) er \(p > p_0\), og \(P(Z \le z)\) når \(H_1\) er \(p < p_0\).

Forutsetninger: tilfeldig utvalg, \(np_0 \ge 10\) og \(n(1 - p_0) \ge 10\).

I testen bruker vi \(p_0\) i standardfeilen, ikke \(\hat{p}\), fordi vi regner som om \(H_0\) er sann.

I 2025 ble det født \(28\,388\) gutter av \(55\,401\) barn. Test \(H_0\): \(p = 0{,}5\) mot \(H_1\): \(p > 0{,}5\) med \(\alpha = 0{,}05\).

\(\hat{p} = 0{,}5124\), og standardfeilen er \(\sqrt{\frac{0{,}25}{55\,401}}\).

\(\hat{p} = \frac{28\,388}{55\,401} \approx 0{,}5124\), og \(\sqrt{\frac{0{,}5 \cdot 0{,}5}{55\,401}} \approx 0{,}00212\).

\[ z = \frac{0{,}5124 - 0{,}5}{0{,}00212} \approx 5{,}84 \]

Tabellen slutter ved \(3{,}49\), så p-verdien er under \(0{,}0003\) (Python gir \(2{,}6 \cdot 10^{-9}\)). Vi forkaster \(H_0\): Det blir født flere gutter enn jenter, og det skyldes ikke tilfeldigheter.

I Tromsø ble det født \(431\) gutter av \(854\) barn. Test \(H_0\): \(p = 0{,}5\) mot \(H_1\): \(p > 0{,}5\) med \(\alpha = 0{,}05\).

\(\hat{p} \approx 0{,}5047\).

\(z = \frac{0{,}5047 - 0{,}5}{\sqrt{0{,}25 / 854}} = \frac{0{,}0047}{0{,}0171} \approx 0{,}27\). p-verdien er \(1 - 0{,}6064 = 0{,}3936\).

Vi beholder \(H_0\). Dataene fra Tromsø alene gir ikke grunnlag for å si at det blir født flere gutter enn jenter. Det betyr ikke at \(p = 0{,}5\) i Tromsø: Utvalget er for lite til å oppdage en så liten forskjell (10.2.2).

Test for gjennomsnitt

RegelTest for gjennomsnitt (z-test)

For \(H_0\): \(\mu = \mu_0\) er testobservatoren

\[ z = \frac{\bar{x} - \mu_0}{s / \sqrt{n}} \]

som er omtrent standard normalfordelt når \(H_0\) er sann. Er \(\sigma\) kjent, brukes \(\sigma\) i stedet for \(s\).

Forutsetninger: tilfeldig utvalg og \(n \ge 30\).

Et meieri sier at kartongene inneholder \(1000\) ml i gjennomsnitt. Forbrukerrådet måler \(50\) tilfeldige kartonger og finner \(\bar{x} = 998{,}6\) ml og \(s = 4{,}2\) ml. Test om kartongene inneholder for lite, med \(\alpha = 0{,}05\).

\(H_1\): \(\mu < 1000\). Standardfeilen er \(\frac{4{,}2}{\sqrt{50}}\).

  1. \(H_0\): \(\mu = 1000\). \(H_1\): \(\mu < 1000\).
  2. \(\alpha = 0{,}05\).
  3. \(\operatorname{SE} = \frac{4{,}2}{\sqrt{50}} \approx 0{,}594\) og \(z = \frac{998{,}6 - 1000}{0{,}594} \approx -2{,}36\).
  4. p-verdi: \(P(Z \le -2{,}36) = 1 - 0{,}9909 = 0{,}0091\).
  5. \(0{,}0091 \le 0{,}05\). Vi forkaster \(H_0\): Kartongene inneholder i gjennomsnitt mindre enn \(1000\) ml.
AdvarselVanlige feil
  • I testen for andel brukes \(p_0\) i standardfeilen, ikke \(\hat{p}\).
  • Del på standardfeilen (\(\frac{s}{\sqrt{n}}\)), ikke på \(s\).
  • Sjekk forutsetningene: stort utvalg og tilfeldig utvalg.
  • Fortegnet til \(z\) skal passe med \(H_1\). Får du \(z > 0\) når \(H_1\) er \(\mu < \mu_0\), er p-verdien større enn \(0{,}5\).

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
\(\hat{p} = 0{,}56\), \(p_0 = 0{,}5\) og \(n = 400\).
\(\bar{x} = 52\), \(\mu_0 = 50\), \(s = 10\) og \(n = 100\).

Finn p-verdien med tabellen.

\(z = 2{,}4\) og \(H_1\): \(p > p_0\).
\(z = -1{,}5\) og \(H_1\): \(\mu < \mu_0\).
Nivå 2

Ved forrige valg stemte \(72\ \%\). I en undersøkelse rett før neste valg sier \(760\) av \(1000\) at de skal stemme. Test om valgdeltakelsen har økt, med \(\alpha = 0{,}05\).

Helsemyndighetene anbefaler minst \(8\) timer søvn for ungdom. \(120\) tilfeldige elever sov i gjennomsnitt \(7{,}1\) timer med \(s = 1{,}2\) timer. Test om elevene i gjennomsnitt sover mindre enn \(8\) timer.

Kodeoppgaver

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

Hva blir utskriften? Rund av i hodet.

from scipy.stats import norm
phat = 0.56
p0 = 0.5
n = 400
z = (phat - p0) / (p0 * (1 - p0) / n)**0.5
print(round(z, 2))
print(round(1 - norm.cdf(z), 4))

Skriv det første tallet i utskriften i svarfeltet.

Utfordringer

I 2025 ble det født \(3560\) barn i desember, av \(55\,401\). Hvis alle dager var like sannsynlige, ville sannsynligheten for desember vært \(p_0 = \frac{31}{365}\). Test om det blir født færre barn i desember enn modellen sier. Sammenlikn med undersøkelsen i 7.3.1.

Oppsummering

Test for andel

\[ z = \frac{\hat{p} - p_0}{\sqrt{p_0(1 - p_0)/n}} \]

Test for gjennomsnitt

\[ z = \frac{\bar{x} - \mu_0}{s / \sqrt{n}} \]

p-verdi

\(P(Z \ge z)\) eller \(P(Z \le z)\), i retningen til \(H_1\)

  • Bruk \(p_0\), ikke \(\hat{p}\), i standardfeilen i testen for andel.
  • Krever store utvalg: \(np_0 \ge 10\) og \(n(1 - p_0) \ge 10\), eller \(n \ge 30\).

10.2 Tolke tester

Seksjonen handler om valgene vi gjør når vi setter opp en test, og om hva en test kan og ikke kan si. Til slutt gjennomfører vi en hypotesetest på et reelt datasett.

10.2.1 Signifikansnivå og ensidige og tosidige tester

Du lurer på om en mynt er skjev, men du vet ikke om den gir for mye kron eller for mye mynt. Du kaster den \(100\) ganger og får \(59\) kron. Til nå har den alternative hypotesen hatt en retning, som \(p > 0{,}5\). Her vil du reagere på avvik i begge retninger. Det gir en tosidig test, og p-verdien blir dobbelt så stor.

Læringsmål

Etter dette delkapittelet skal du kunne

  • velge mellom ensidig og tosidig alternativ hypotese,
  • regne ut p-verdien for en tosidig test,
  • bruke kritiske verdier og forklare sammenhengen med konfidensintervaller.

Ensidig og tosidig

DefinisjonEnsidig og tosidig test
  • Ensidig test: \(H_1\) har en retning, \(p > p_0\) eller \(p < p_0\). Vi bruker den når vi på forhånd har en grunn til å vente et avvik i én bestemt retning.
  • Tosidig test: \(H_1\) er \(p \ne p_0\). Vi bruker den når avvik i begge retninger er interessante.

For en tosidig test er p-verdien sannsynligheten for et avvik minst like stort i begge retninger. Med normalfordeling er den \(2 \cdot P(Z \ge |z|)\).

Retningen skal bestemmes før vi ser på dataene. Ser vi først at det ble mange kron og så velger \(H_1\): \(p > 0{,}5\), får vi en for liten p-verdi.

\(100\) kast ga \(59\) kron. Test \(H_0\): \(p = 0{,}5\) mot \(H_1\): \(p \ne 0{,}5\) med \(\alpha = 0{,}05\). Hva ville konklusjonen vært med en ensidig test?

\(z = \frac{0{,}59 - 0{,}5}{0{,}05}\). Doble arealet i halen.

\(z = \frac{0{,}09}{\sqrt{0{,}25 / 100}} = \frac{0{,}09}{0{,}05} = 1{,}8\).

Tosidig: p-verdien er \(2 \cdot (1 - 0{,}9641) = 0{,}0718 > 0{,}05\). Vi beholder \(H_0\).

Ensidig (\(p > 0{,}5\)): p-verdien er \(0{,}0359 < 0{,}05\), og vi ville forkastet \(H_0\). Det viser hvorfor retningen må velges på forhånd. Uten en grunn til å vente for mye kron er det den tosidige testen som er riktig.

Kritiske verdier

I stedet for å regne ut p-verdien kan vi sammenlikne \(z\) med en kritisk verdi. Med \(\alpha = 0{,}05\) forkaster vi \(H_0\) når

\(H_1\) Forkast \(H_0\) når
\(p > p_0\) \(z \ge 1{,}645\)
\(p < p_0\) \(z \le -1{,}645\)
\(p \ne p_0\) \(z \le -1{,}96\) eller \(z \ge 1{,}96\)

Verdiene der vi forkaster, kalles forkastningsområdet.

Figuren viser den venstre halen av forkastningsområdet for en tosidig test med \(\alpha = 0{,}05\): arealet \(0{,}025\) under \(-1{,}96\). Det er like mye over \(1{,}96\).

Tosidig test og konfidensintervall

Det er en nær sammenheng mellom en tosidig test med \(\alpha = 0{,}05\) og et \(95\ \%\) konfidensintervall: Vi forkaster \(H_0\): \(p = p_0\) omtrent når \(p_0\) ligger utenfor konfidensintervallet. For mynten er intervallet

\[ 0{,}59 \pm 1{,}96 \cdot \sqrt{\frac{0{,}59 \cdot 0{,}41}{100}} = 0{,}59 \pm 0{,}096 \]

altså fra \(0{,}494\) til \(0{,}686\). Det inneholder \(0{,}5\), og testen beholder \(H_0\). (Sammenhengen er ikke helt nøyaktig, fordi testen bruker \(p_0\) og intervallet \(\hat{p}\) i standardfeilen.)

Et legemiddelfirma tester om et nytt middel virker bedre enn det gamle. Hvorfor kan det være lurt å bruke \(\alpha = 0{,}01\) i stedet for \(0{,}05\)?

Hva skjer hvis firmaet forkaster \(H_0\) selv om det nye middelet ikke er bedre?

Med \(\alpha = 0{,}05\) forkaster vi en sann \(H_0\) i \(5\ \%\) av testene. Da kan et middel som ikke er bedre, bli tatt i bruk, med kostnader og mulige bivirkninger. Når en slik feil er alvorlig, krever vi sterkere bevis, altså et lavere signifikansnivå. Prisen er at det blir vanskeligere å oppdage et middel som faktisk er bedre (10.2.2).

AdvarselVanlige feil
  • Velg ensidig eller tosidig før du ser på dataene.
  • I en tosidig test skal p-verdien dobles: \(2 \cdot P(Z \ge |z|)\).
  • Kritisk verdi for tosidig test med \(\alpha = 0{,}05\) er \(1{,}96\), for ensidig \(1{,}645\).
  • \(\alpha\) skal bestemmes på forhånd, ikke justeres etterpå for å få det resultatet man ønsker.

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

Velg alternativ hypotese.

Du vil vite om en ny undervisningsmetode gir bedre resultater enn gjennomsnittet \(\mu_0 = 60\).
Du vil vite om andelen jenter i et program er forskjellig fra \(50\ \%\).
Du tror at en vekt viser for lite.

\(z = 2{,}2\) i en tosidig test. Finn p-verdien.

Nivå 2

Kim tester om en mynt er skjev. Han kaster den \(100\) ganger og får \(41\) kron. Da velger han \(H_1\): \(p < 0{,}5\) og får p-verdi \(0{,}036\). Hva er galt med fremgangsmåten?

Et \(95\ \%\) konfidensintervall for andelen som er fornøyde med kollektivtilbudet, er \([0{,}41;\ 0{,}49]\). Hva blir konklusjonen av en tosidig test med \(\alpha = 0{,}05\) av

\(H_0\): \(p = 0{,}5\),
\(H_0\): \(p = 0{,}45\)?
Kodeoppgaver

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

Hva blir utskriften?

z = 1.8
for kritisk in [1.645, 1.96]:
    print(kritisk, abs(z) >= kritisk)

Hvor mange ganger skrives True?

Utfordringer

Finn de kritiske verdiene for en ensidig og en tosidig test med \(\alpha = 0{,}01\). Bruk tabellen. Skriv den tosidige i svarfeltet.

Oppsummering

Ensidig test

\(H_1\): \(p > p_0\) eller \(p < p_0\)

Tosidig test

\(H_1\): \(p \ne p_0\). p-verdi \(= 2 \cdot P(Z \ge |z|)\)

Kritiske verdier (\(\alpha = 0{,}05\))

Ensidig: \(1{,}645\). Tosidig: \(1{,}96\).

Test og konfidensintervall

Tosidig test med \(\alpha = 0{,}05\) forkaster omtrent når \(p_0\) er utenfor \(95\ \%\)-intervallet.

  • Retning og \(\alpha\) velges før dataene ses.

10.2.2 Feil og tolkning

En hypotesetest ligner en rettssak. Den tiltalte er uskyldig til det motsatte er bevist (\(H_0\)). Retten dømmer bare når bevisene er sterke nok (liten p-verdi). Likevel kan retten ta feil på to måter: dømme en uskyldig, eller frikjenne en skyldig. Slik kan også en hypotesetest gi feil konklusjon, selv når alt er regnet riktig.

Læringsmål

Etter dette delkapittelet skal du kunne

  • forklare type I-feil og type II-feil,
  • forklare hvorfor en liten test lett overser en virkelig effekt,
  • skille mellom statistisk og praktisk signifikans,
  • forklare hvorfor mange tester gir signifikante resultater ved en tilfeldighet.

To typer feil

DefinisjonType I-feil og type II-feil
\(H_0\) er sann \(H_0\) er usann
Forkaster \(H_0\) Type I-feil Riktig
Beholder \(H_0\) Riktig Type II-feil
  • Type I-feil: Vi forkaster en sann \(H_0\). Sannsynligheten er (høyst) \(\alpha\).
  • Type II-feil: Vi beholder en usann \(H_0\). Sannsynligheten avhenger av hvor stort avviket er og hvor stort utvalget er.

Med lavere \(\alpha\) blir type I-feil sjeldnere, men type II-feil vanligere. Den eneste måten å redusere begge på er et større utvalg.

Anta at Ida faktisk kan smake forskjell og svarer riktig med sannsynlighet \(0{,}8\). Med \(10\) glass og \(\alpha = 0{,}05\) forkaster vi \(H_0\): \(p = 0{,}5\) bare hvis hun får minst \(9\) riktige (\(P(X \ge 9) = 0{,}0107\) under \(H_0\), mens \(P(X \ge 8) = 0{,}0547\) er for stor). Hva er sannsynligheten for type II-feil?

Type II-feil skjer når hun får \(8\) eller færre riktige, selv om \(p = 0{,}8\).

Med \(p = 0{,}8\) er \(P(X \ge 9) = 0{,}376\) (regnet med Python). Testen oppdager altså evnen hennes bare i \(38\ \%\) av tilfellene. Sannsynligheten for type II-feil er \(1 - 0{,}376 = 0{,}624\).

Med \(20\) glass (forkast ved minst \(15\)) blir sannsynligheten for å oppdage evnen \(0{,}80\), og med \(30\) glass (forkast ved minst \(20\)) \(0{,}97\). Sannsynligheten for å oppdage en virkelig effekt kalles testens styrke. Små tester har liten styrke.

Statistisk og praktisk signifikans

«Statistisk signifikant» betyr bare at avviket neppe skyldes tilfeldigheter. Det betyr ikke at avviket er stort eller viktig.

Testen i 10.1.3 viste at det blir født flere gutter enn jenter (\(z = 5{,}84\)). Melkekartongtesten viste at kartongene inneholder mindre enn \(1000\) ml (\(p = 0{,}009\)). Er resultatene viktige?

Se på hvor stort avviket er, ikke bare på p-verdien.

Begge er statistisk signifikante, men avvikene er små. Andelen gutter er \(51{,}2\ \%\) i stedet for \(50\ \%\). Det er en kjent biologisk effekt, men den betyr lite i praksis. Kartongene inneholder i gjennomsnitt \(1{,}4\) ml for lite, under en teskje. Det er neppe viktig for kundene, selv om meieriet bør justere maskinen.

Med svært store utvalg blir selv bittesmå avvik signifikante. Vurder derfor alltid størrelsen på avviket, gjerne med et konfidensintervall.

Mange tester

Med \(\alpha = 0{,}05\) forkaster vi en sann \(H_0\) i \(5\ \%\) av testene. Gjør vi mange tester, vil noen av dem bli signifikante bare av tilfeldigheter. Leter man gjennom mange tester og rapporterer bare de signifikante, kalles det p-hacking.

En journalist tester for hver av de \(356\) kommunene med fødsler i 2025 om andelen gutter er forskjellig fra landsgjennomsnittet \(0{,}514\), med \(\alpha = 0{,}05\). Hun finner \(15\) kommuner med signifikant avvik og skriver: «I disse \(15\) kommunene blir det født uvanlig mange eller få gutter.» Vurder.

Hvor mange signifikante resultater venter vi hvis andelen er den samme overalt?

Hvis sannsynligheten for gutt er \(0{,}514\) i alle kommunene, venter vi at omtrent \(5\ \%\) av \(356\), altså rundt \(18\) kommuner, får signifikant avvik av rene tilfeldigheter. \(15\) er akkurat det vi venter. Artikkelen viser bare tilfeldig variasjon (som i 6.2.3). Med mange tester er det nesten sikkert at noen blir signifikante: Med \(20\) uavhengige tester av sanne nullhypoteser er sannsynligheten for minst én signifikant \(1 - 0{,}95^{20} \approx 0{,}64\).

AdvarselVanlige feil
  • Å beholde \(H_0\) er ikke det samme som å bevise den. En liten test kan lett overse en virkelig effekt (type II-feil).
  • «Statistisk signifikant» betyr ikke «stort» eller «viktig».
  • p-verdien er ikke sannsynligheten for at \(H_0\) er sann.
  • Mange tester gir signifikante resultater ved en tilfeldighet. Vær skeptisk til resultater som er plukket ut blant mange.

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

En test undersøker om et nytt middel mot hodepine virker bedre enn placebo. \(H_0\): Middelet virker ikke bedre.

Testen forkaster \(H_0\), men middelet virker ikke. Hvilken feil?
Testen beholder \(H_0\), men middelet virker. Hvilken feil?

En forsker bruker \(\alpha = 0{,}01\). Hva er sannsynligheten for type I-feil når \(H_0\) er sann?

Nivå 2

Forklar hva type I- og type II-feil svarer til i en rettssak der \(H_0\) er «den tiltalte er uskyldig». Hvilken feil regner rettssystemet som verst, og hvordan passer det med valget av \(\alpha\)?

En undersøkelse med \(50\,000\) elever viser at de som spiser frokost, har \(0{,}3\) poeng høyere snitt på en prøve med \(100\) poeng enn de andre. Forskjellen er statistisk signifikant (\(p < 0{,}001\)). Avisen skriver: «Frokost gir mye bedre karakterer.» Vurder.

Kodeoppgaver

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

Hva blir utskriften?

for antall in [1, 5, 20]:
    p = 1 - 0.95**antall
    print(antall, round(p, 2))

Skriv det siste tallet i utskriften i svarfeltet.

Utfordringer

Bruk kodecellen. Den simulerer \(20\) «undersøkelser» av en mynt som er helt rettferdig. Hver undersøkelse har \(100\) kast og en tosidig test med \(\alpha = 0{,}05\). Programmet gjentar dette \(10\,000\) ganger.

Hvor ofte blir minst én av de \(20\) testene signifikant?
Hva betyr dette for forskere som tester mange hypoteser og bare publiserer de signifikante?

Oppsummering

Type I-feil

Forkaste en sann \(H_0\). Sannsynlighet \(\alpha\).

Type II-feil

Beholde en usann \(H_0\). Mindre med større utvalg.

Styrke

Sannsynligheten for å oppdage en virkelig effekt.

Mange tester

\(P(\text{minst én signifikant}) = 1 - (1 - \alpha)^k\)

  • Statistisk signifikant betyr ikke stort eller viktig.
  • Å beholde \(H_0\) beviser den ikke.

10.2.3 Undersøkelse: Hypotesetest på reelle data

Se på folketallene i de norske kommunene: Oslo har \(728\,714\), Bergen rundt \(293\,000\), Utsira \(200\). Hvor stor andel av folketallene begynner på sifferet \(1\)? Kanskje en niendedel, siden det er ni mulige første sifre? Den amerikanske fysikeren Frank Benford la i 1938 merke til at i mange slags tall fra virkeligheten begynner omtrent \(30\ \%\) på \(1\) og bare \(5\ \%\) på \(9\). Dette kalles Benfords lov. Gjelder den for kommunene i Norge?

I denne undersøkelsen velger du selv spørsmål, hypoteser og test, og går gjennom hele prosessen på et reelt datasett.

Læringsmål

Etter dette delkapittelet skal du kunne

  • formulere hypoteser om et reelt datasett,
  • velge og gjennomføre en passende hypotesetest,
  • tolke resultatet i konteksten og vurdere forutsetninger og begrensninger.

Datasettene

Fil Variabler
kommuner-folketall-2026.csv folketall for de \(357\) kommunene
fodte-kjonn.csv levendefødte gutter og jenter i Norge hvert år 1972–2025
fodte-kommuner-2025.csv levendefødte gutter og jenter i hver kommune i 2025
fodte-maned.csv levendefødte i hver måned 1966–2025

Benfords lov sier at sannsynligheten for at første siffer er \(d\), er \(\log_{10}\!\left(1 + \frac{1}{d}\right)\):

Første siffer Benford
1 \(0{,}301\)
2 \(0{,}176\)
3 \(0{,}125\)
4 \(0{,}097\)
5 \(0{,}079\)
6 \(0{,}067\)
7 \(0{,}058\)
8 \(0{,}051\)
9 \(0{,}046\)

Åpne notatboka «Hypotesetest på reelle data»

Oppgaven

Velg ett spørsmål, eller lag ditt eget:

  • Er andelen kommuner med folketall som begynner på \(1\) større enn \(\frac{1}{9}\)? Passer den med Benfords lov?
  • Ble det født flere gutter enn jenter i et bestemt år, eller i en bestemt kommune?
  • Ble det født færre barn i desember enn modellen med like sannsynlige dager sier, i et år du velger?
  • Har andelen gutter endret seg fra 1970-tallet til 2020-tallet?

Gå gjennom alle fire stegene, og skriv en kort rapport. Rapporten skal ha med hypotesene med begrunnelse for valget av ensidig eller tosidig test, testobservatoren og forutsetningene, p-verdien, konklusjonen i konteksten, en vurdering av praktisk betydning, og begrensninger.

Skriv rapporten for spørsmålet ditt.

Oppgaver

Oppgavene under kan løses uten notatboka.

Nivå 1

\(87\) av de \(357\) kommunene har et folketall som begynner på \(2\). Benfords lov sier \(0{,}176\).

Finn \(\hat{p}\).
Finn \(z\) for en test av \(H_0\): \(p = 0{,}176\).
Nivå 2

Testen i oppgaven over gir tosidig p-verdi omtrent \(0{,}0007\). Betyr det at Benfords lov ikke gjelder for kommunene? Drøft, og ta med resultatet for sifferet \(1\).

Oppsummering

Hypotesetest på reelle data

Spørsmål, hypoteser (ensidig eller tosidig), testobservator og forutsetninger, p-verdi, konklusjon i konteksten, praktisk betydning og begrensninger.

  • Å beholde \(H_0\) betyr at dataene passer med den, ikke at den er bevist.

10.3 Oppgaver

Oppgavene blander stoff fra hele kapittelet.

En basketballspiller har truffet \(70\ \%\) av straffekastene sine. Etter en sommer med trening treffer hun \(93\) av \(120\). Har hun blitt bedre? Bruk \(\alpha = 0{,}05\).

Gjennomsnittshøyden for 18-årige jenter i en stor undersøkelse er \(167\) cm. I et tilfeldig utvalg på \(40\) jenter fra en idrettsskole er \(\bar{x} = 169{,}5\) cm og \(s = 6{,}5\) cm. Er jentene på idrettsskolen høyere? Bruk \(\alpha = 0{,}05\). Er resultatet viktig?

Velg test og forklar.

\(6\) av \(15\) pasienter får en bivirkning. Produsenten sier \(20\ \%\).
\(310\) av \(1000\) spurte bruker en app. Leverandøren sier \(28\ \%\).
Gjennomsnittlig ventetid hos \(80\) kunder er \(12{,}4\) min med \(s = 5\). Butikken lover høyst \(11\) min.

10.4 Oppsummering

Hypotesetester

Fem steg

Hypoteser, signifikansnivå, testobservator, p-verdi, konklusjon i konteksten.

Binomisk test

\(X \sim B(n, p_0)\), p-verdi \(P(X \ge x)\) eller \(P(X \le x)\)

Test for andel

\[ z = \frac{\hat{p} - p_0}{\sqrt{p_0(1 - p_0)/n}} \]

Test for gjennomsnitt

\[ z = \frac{\bar{x} - \mu_0}{s / \sqrt{n}} \]

Tosidig p-verdi

\[ 2 \cdot P(Z \ge |z|) \]

Kritiske verdier (\(\alpha = 0{,}05\))

Ensidig: \(1{,}645\). Tosidig: \(1{,}96\).

  • Forkast \(H_0\) når p-verdien \(\le \alpha\).
  • Velg \(H_1\) og \(\alpha\) før du ser på dataene.

Tolkning

p-verdi

Sannsynligheten for et minst like ekstremt resultat når \(H_0\) er sann. Ikke sannsynligheten for at \(H_0\) er sann.

Type I og type II

Forkaste sann \(H_0\) (sannsynlighet \(\alpha\)), beholde usann \(H_0\).

  • Å beholde \(H_0\) beviser den ikke.
  • Statistisk signifikant betyr ikke stort eller viktig.
  • Mange tester gir signifikante resultater ved en tilfeldighet.