Övning 1: Stickprov: n=25, x̄=102, s=8. Testa H₀: μ=100 mot H₁: μ≠100 på α=0.05.

t = (102-100)/(8/√25) = 2/1.6 = 1.25 df = 24, t₀.₀₂₅ = ±2.064 |1.25| < 2.064 → förkasta ej H₀ Svar: Förkasta ej H₀

Medel

t-test och z-test

Test för medelvärden med z-test och t-test för olika situationer.

t-test z-test Student-t fördelning frihetsgrader envägsprov

z-test och t-test är statistikens workhorses för att testa medelvärden. z-test när vi känner populationsvariansen, t-test när vi inte gör det. Det är skillnaden mellan att ha exakta mått och att gissa - t-test tar hänsyn till den extra osäkerheten när vi skattar variansen från stickprovet själv. Student (en pseudonym för en Guinness-anställd) revolutionerade statistiken när han utvecklade t-fördelningen.

Fördjupning

z-test och t-test är parametriska tester för medelvärden baserade på normalfördelningsantagandet. z-test använder standardnormalfördelning när populationsstandardavvikelsen σ är känd. t-test använder Students t-fördelning när σ är okänd och måste skattas med stickprovsstandardavvikelsen s. t-fördelningen har tyngre svansar än normalfördelningen, vilket reflekterar extra osäkerhet från variansestimering.

z-test för medelvärde

Används när populationsstandardavvikelsen σ är känd. Teststatistika: z = (x̄ - μ₀)/(σ/√n) följer N(0,1) under H₀.

z-test teststatistika

IQ-test

Testa om ny skolas genomsnittliga IQ skiljer sig från nationellt genomsnitt 100, med känd σ=15.

t-test för medelvärde

Används när σ är okänd. Teststatistika: t = (x̄ - μ₀)/(s/√n) följer t_{n-1} under H₀. t-fördelningen har tyngre svansar än normalfördelningen.

t-test teststatistika

Jämförelse mellan t-fördelning och normalfördelning

Envägstester vs tvåvägstester

Tvåvägstest: H₁: μ ≠ μ₀ (μ kan vara större eller mindre). Envägstest: H₁: μ > μ₀ eller H₁: μ < μ₀ (riktning specificerad i förväg).

Kritiska områden för en- och tvåvägstester

Förutsättningar och robusthet

Kräver normalfördelning av data (eller stor n via CLT) och oberoende observationer. t-test är robust mot måttliga avvikelser från normalfördelning.

När använda vilket test

n < 30 och σ okänd → t-test. n ≥ 30 → z-test eller t-test ger liknande resultat. σ känd → z-test.

Vanliga misstag

❌ Använda z-test när σ är okänd

När σ skattas från data måste t-test användas

Exempel: n=15, s=5 från stickprov → t-test, inte z-test

❌ Välja envägs- vs tvåvägstest efteråt

Riktning måste specificeras före dataanalys

Exempel: Kan inte välja envägstest bara för att få signifikant resultat

❌ Ignorera normalfördelningsantagandet

För små stickprov krävs approximativ normalfördelning

Exempel: n=8 med extremt skev data → t-test opålitligt

Tillämpningar

Läkemedelsprövning

Testa om ny behandling påverkar patientutfall

Exempel: Minskar blodtrycksmedicin systoliskt tryck signifikant?

Kvalitetskontroll

Kontrollera om produktionsprocess håller specifikationer

Exempel: Avviker genomsnittlig komponentlängd från 50mm?

A/B-testning

Jämföra konverteringsgrader mellan versioner

Exempel: Skiljer sig klickfrekvens mellan två webbdesigns?

Övningar

1 Medel

Stickprov: n=25, x̄=102, s=8. Testa H₀: μ=100 mot H₁: μ≠100 på α=0.05.

Tips

Använd t-test med 24 frihetsgrader

Visa facit

t = (102-100)/(8/√25) = 2/1.6 = 1.25
df = 24, t₀.₀₂₅ = ±2.064
|1.25| < 2.064 → förkasta ej H₀

Svar: Förkasta ej H₀

2 Medel

Samma data som ovan men envägstest H₁: μ > 100. Vad blir slutsatsen?

Tips

Envägstest har lägre kritiskt värde

Visa facit

t = 1.25 (samma som förut)
Envägstest: t₀.₀₅ = 1.711
1.25 < 1.711 → förkasta ej H₀

Svar: Förkasta ej H₀

Sammanfattning

z-test när σ känd, t-test när σ okänd. t-fördelningen har tyngre svansar för att kompensera variansosäkerhet. Envägstest har större power men kräver förhandsspecificerad riktning. Båda kräver normalfördelning eller stor n.