2011-09-08, 08:53
  #1
Medlem
barbasköns avatar
Hur räknar man ut om en skillnad är statistiskt säker.

T.ex.
1000 personer tillfrågade, 26 personer säger att dom tänker rösta på parti X
1000 personer tillfrågade en månad senare, 34 personer säger att dom tänker rösta på parti X

Är skillnaden tillräckligt stor för att vara säker? Är urvalet för tillräckligt stort?
Citera
2011-09-08, 15:24
  #2
Medlem
Mr Mojo Risin's avatar
Citat:
Ursprungligen postat av barbaskön
Hur räknar man ut om en skillnad är statistiskt säker.

T.ex.
1000 personer tillfrågade, 26 personer säger att dom tänker rösta på parti X
1000 personer tillfrågade en månad senare, 34 personer säger att dom tänker rösta på parti X

Är skillnaden tillräckligt stor för att vara säker? Är urvalet för tillräckligt stort?
Skillnadens säkerhet beror på din egen definition av precision (något som vanligtvis kallas konfidensintervall). Vill du har 95% säkerhet (konfidens) gäller en "gräns" och vill du ha 99% gäller en annan. Dessa finns att hitta i tabeller. I mitt arbete använder jag F-test för att undersöka signifikant skillnad mellan två utfall. Jag jobbar dock med en annan typ av data och mina utfall är normalfördelade - ett "krav" för användandet av F-testet.

I ditt fall tänker jag inte uttala mig (min erfarenhet med binomialfördelningar är begränsad och jag vill inte ge dig fel info, speciellt inte när det finns gott om användare här som på ett ögonblick kan ge dig helt rätt svar), men eftersom du inte har fått hjälp än vill jag ändå försöka peka dig i rätt riktning.

Ditt exempel är en typ av binomialfördelning (även om referenssannolikhet inte finns), så du kan ju börja googla efter "binomial distrubution" eller "binomialfördelning" och navigera dig fram därifrån.

Min spontana gissning är att du delar 34 med 26 och jämför kvotens storlek med ett "gränsvärde" du hittar i en tabell (för frihetsgraden n-1 och precisionen t ex 95%). Är kvoten större än gränsvärdet föreligger statistisk signifikans. Nu har du i alla fall ett hum om vad du skall leta efter - lycka till!

ps. Tar du 1000 malmöbor och frågar hur många som röstar på SD får du såklart ett helt annat utfall än om du frågar 1000 stockholmare. Är båda samplingarna tagna från "samma" område/gupp är antalet absolut tillräckligt - för jämförelse, men det beror som sagt på vad du är ute efter att presentera.
Citera
2011-09-09, 07:42
  #3
Medlem
ChristerNs avatar
En test på medelvärden kräver inte normalfördelning, om testen är härled via normalfördelningen.
T.ex. fungerar t-testen utmärkt på exponentialfördelade värden, då antalet är 10+10 st.
(Hyggligt redan vid 5+5 st). Felet i felrisken p blir liten redan vid ca 10+10 i oparad t-test.

Varför:
Därför att medelvärden går alltid mot normalfördelningen.
Mer detaljerat:
Tack vare centrala gränsvärdessatsen
http://sv.wikipedia.org/wiki/Centrala_gr%C3%A4nsv%C3%A4rdessatsen

Då det gäller frågeformulär och vad någon röstar på, så kan Chi2-testen (Chitvå) vara intressant.

Christer
__________________
Senast redigerad av ChristerN 2011-09-09 kl. 07:53. Anledning: rättelse
Citera

Skapa ett konto eller logga in för att kommentera

Du måste vara medlem för att kunna kommentera

Skapa ett konto

Det är enkelt att registrera ett nytt konto

Bli medlem

Logga in

Har du redan ett konto? Logga in här

Logga in