Gå till index

Analys och forskning med R

0% färdig
0/0 Steps
  1. Analys och forskning med R och Posit (Rstudio)
  2. Grunderna i R och Rstudio
    7 Ämnen
  3. Importera, exportera, spara och ladda data
    5 Ämnen
  4. Strängar och regular expressions (regex)
    1 Ämne
  5. Bearbetning av data med dplyr
    12 Ämnen
  6. Visualisera och presentera
    14 Ämnen
  7. Explorerande och deskriptiva analyser
    6 Ämnen
  8. Prediktionsmodeller
    12 Ämnen
  9. Klassisk regressionsanalys
    8 Ämnen
  10. Machine learning (ML) och Artificiell Intelligens (AI)
    9 Ämnen
  11. Skapa prediktionsmodeller med Tidymodels
    6 Ämnen
  12. Hypotestester och epidemiologiska mått
    5 Ämnen
Avsnitt Progress
0% färdig

I en studie är typ I fel och typ II fel två olika sorters fel som kan uppstå när man utför statistiska tester.

  • Typ I fel, även kallat "alpha-fel" (α), uppstår när man förkastar nollhypotesen (det vill säga att man konstaterar att det finns en skillnad eller korrelation mellan variablerna) trots att nollhypotesen är korrekt. Detta kan hända om man stöter på falskpositiva resultat, det vill säga att man konstaterar att det finns en skillnad eller korrelation mellan variablerna trots att det inte finns en skillnad.
  • Typ II fel, även kallat "beta-fel" (β), är ett fel som uppstår när man inte förkastar nollhypotesen trots att den är felaktig. Detta kan hända om man inte har tillräckligt med data för att kunna avgöra om det finns en skillnad eller korrelation mellan variablerna, eller om man har för lågt tröskelvärde för p-värdet.
  • Power är en term som används för att klargöra hur bra en studie är på att upptäcka en verklig skillnad eller korrelation mellan variablerna. Power beräknas genom att mäta sannolikheten för att studien ska kunna förkasta nollhypotesen om den är felaktig. Ju högre power en studie har, desto större är sannolikheten att man kommer att kunna förkasta nollhypotesen om den är felaktig. Det är viktigt att ha hög power i en studie eftersom det minskar risken för att man råkar på typ II fel och missar en verklig skillnad eller korrelation mellan variablerna.
Nollhypotesen korrektNollhypotesen felaktigResultat
Typ 1 fel (α)FörkastasMan hävdar att det finns en skillnad som inte existerar
Typ 2 fel (β)BehållsMan hävdar att det inte finns en skillnad trots att det finns en skillnad

Power

Power för en studie beräknas genom att mäta sannolikheten för att studien ska kunna förkasta nollhypotesen om den är felaktig. Det finns olika sätt att beräkna power, men det vanligaste sättet är att använda sig av en "powerkalkylator". För att använda en powerkalkylator behöver man specificera följande parametrar:

  1. Önskad power: Det är den power som man vill att studien ska ha. Vanligtvis ligger den önskade powern på 80-90%.
  2. Tröskelvärde för p-värde: Det är den nivå på p-värdet som man använder som tröskelvärde för att avgöra om en skillnad eller korrelation är statistiskt signifikant. Vanligtvis ligger tröskelvärdet på 5%.
  3. Storleken på skillnaden: Det är skillnaden som man vill detektera i studien. Storleken på skillnaden kan vara en absolut skillnad (till exempel en skillnad i medelvärde) eller en relativ skillnad (till exempel en skillnad i procent).
  4. Storleken på populationen: Det är antalet individer som man undersöker i studien.

När man har specificerat dessa parametrar kan man använda en powerkalkylator för att beräkna power för studien.

Logga in för att läsa

Som medlem har du tillgång till allt nuvarande och kommande utbildningsmaterial. Du kan följa din utveckling och få intyg på avklarade moment.