9281144
Description
Flashcards by Hedda Haavik, updated more than 1 year ago
|
Created by Hedda Haavik
over 7 years ago
|
|
| Question | Answer |
| Hypotese | = usikker teori, forhåndsforstilling som ikke er undersøkt nærmere. Problemstilling - Hypotese - Teori - Vitenskapelige hypoteser kan bare falsifiseres (motbevises), ikke verifiseres (bevises). |
| Tilnærmingsmåte | - Innen forskning er det hovedsak to tilnærmingsmetoder: o Kvalitativ tilnærmingsmåte Beskriver opplevelser, følelser, tanker osv. Resultatene er ordfestes o Kvantitativ tilnærmingsmåte Kvantifisere et fenomen, f.eks. når man skal veie noen. Resultatene tallfestes |
| Datatyper | a. Kategoriske data - Beskriver kategorier som f.eks. (gutt/jente), (ja/nei) eller (gul/rød/blå). b. Kontinuerlig data - Viser til en sammenhengende rekke med tall, en uendelighet. Den kan gå oppover i det uendelige, men ingen kan veie mindre enn null. |
| Dataanalyser - frekvens,histogram | - Hvis man har binære data (ja/nei, gutt/jente) eller nominale data som i et spørreskjema hvor svaralternativene er (liker ikke/liker litt/liker godt” kan det være lurt å sette dataen opp i en frekvenstabell eller stolpediagram. - Et stolpediagram er et vanlig hjelpemiddel for å kartlegge om datasettet er normalfordelt. |
| Dataanalyser - binomisk fordeling | Fast sannsynlighet for å få et bestemt tall. F.eks. det er 50% sjanse for å få mynt eller krone. |
| Dataanalyser - kontinuerlig fordeling | Sannsynligheten for å kaste likt hver gang er uendelig liten! Hvis man kaster ballen mange nok ganger vil det danne seg et mønster, det vil bli færre treff i ytterpunktene og flere mot midten (normalfordeling) |
| Sentralmål - median | Median, finner man ved å sortere alle tallene i stigende rekkefølge, fra lavest til høyest, og deretter finne det midterste tallet |
| Sentralmål - gjennomsnitt | Gjennomsnitt, finner man ved å summere alle tallene og deles på antall verdier. |
| sentralmål - modus (typetall) | Modus, er det tallet som forekommer flest ganger, benyttes veldig ofte på en Likert skala (1= Bra og 5=Dårlig, etter ha spurt 20personer vil modusen være 3) |
| Spredningsmål | Det enkleste målet er å se på den laveste- og den høyeste verdien, og får dermed sett på ytterpunktene. variasjonsbredde, standardavvik kvartiler og percentiler |
| Variasjonsbredde | Variasjonsbredden er å se på avstanden mellom ytterpunktene, man trekker maksimalverdien fra minimumsverdien, f.eks. 110-71=39kg |
| Standardavvik | Standardavvik benyttes når dataen er kontinuerlig, og for å beskrive et datamateriale relatert til en normalfordeling |
| Kvartil | Kvartiler benyttes når dataen er kontinuerlig, og for å beskrive sentralmål, variasjonsbredde og spredning i prosent på en gang |
| Percentil | Percentiler benyttes når dataen er kontinuerlige og ved store datasett |
| Prosent - prosentpoeng | Prosent er en andel av en mengde oppgitt i hundredeler, en prosent er en hundredel av en gitt mengde Prosentpoeng brukes til å angi den absolutte endringen mellom to prosentverdier. En endring fra 22% til 25% utgjør 3 prosentpoeng. |
| Hypotese | Hypotese er en usikker teori, forhåndsforestilling som ikke er undersøkt nærmere. |
| Hypotetisk-deduktive metode | Baserer seg først og fremst på å formulere en hypotese det er mulig å falsifisere 1. Ut fra erfaring og datainnsamling står man ovenfor et gitt problem 2. Lag en hypotese som forklarer problemet 3. Lag forutsigelser ut fra hypotesen som lar seg teste 4. Test hypotesen med eksperimenter som prøver å motbevise (falsifisere) punkt 2. |
| Nullhypotese | Nullhypotese er en antakelse om at endringer i en gitt årsak (uavhengig variabel) ikke påvirker utfallet (av den avhengige variabelen) a. Nullhypotese (Manglende frokost vil ikke føre til overvekt) b. Alternativ hypotese (Manglende frokost vil føre til overvekt) |
| statiske metoder innen hypotesetesting | - Parametriske tester o Brukes når dataen følger en normalfordeling (Begge datasettene må være normalfordelte) o T-test (om du tester to ulike grupper) o ANOVA (om du har flere enn to tester) - Ikke- parametriske tester o Brukes om ett eller begge datasettene IKKE er normalfordelte o Mann-Whitney test (om du tester to ulike grupper) o Kruskal-Wallies test (om du har flere enn to tester) |
| Typefeil | - Type 1feil o Du tror du har rett (i hypotesen) men du tar feil) - Type 2feil o Du tror du tar feil (i hypotesen), men du gar rett |
| P-verdien | P-verdien angir sannsynligheten for at resultatene i en vitenskapelig studie skal ha blitt slik de er selv om nullhypotesen er sann. - Er p-verdien lavere enn 0,05, så er datasettene signifikant forskjellige fra hverandre Og du kan forkaste H0-hypotesen |
| Epidemologi | Er en retning innen forskning og er studiet av helsetilstand og sykdomsutbredelse i en befolkning- og av årsaker til sykdom og død. Epidemiologi har tre hovedformer; 1. Finne årsakssammenhenger, kalles analytisk epidemiologi 2. Beskrive forekomst og forløp av syklige tilstander, kalles deskriptiv epidemiologi 3. Analyse av resultatene etter planmessig påvirkning av sykdomsfremkallende faktorer i en befolkning, kalles eksperimentell epidemiologi |
| Rater | Rater er det samme som sannsynlighet. F.eks. hvis 35mennesker i et rom med 100 personer er syke, er raten (sannsynligheten) for at de er syke 33/100= 0.35. |
| insidens | Antall nye tilfeller av en sykdom i en befolkning i et tidsrom. |
| prevalens | Antall personer som lider av en gitt sykdom i en befolkning |
| Relativ Risiko (RR) | Forholdet mellom sannsynlighet for sykdom eller død hos personer som har vært eksponert for et mulig sykdomsfremkallende fenomen, og tilsvarende sannsynlighet for de som ikke har vært eksponert for fenomenet. |
| Odds rato (OR) | o Sannsynligheten for at en gitt hendelse skal inntreffe sammenlignet med sannsynligheten for at den ikke skal inntreffe o Man deler altså disse to |
| ikke-eksperimentell design - Tverrsnittstudier | - Utvalg fra en populasjon og undersøker hvordan det er akkurat nå - Mye brukt hos politikere - Fordeler o Raskt og billig - Ulemper o Vanskelig å finne kausaliteten (årsaken) |
| Ikke-eksperimentell design - Kohortstudier | Følger en gruppe fremover i tid, for å se om de får sykdom. - Fordeler o Informasjon FØR sykdomsutbruddet, kan benyttes til å studere sykdomstilfeller ved relativt sjelden eksponeringsfaktorer - Ulemper o Lite utvalg, dyrt, kan oppleve frafall fordi studiet går over en ekstrem lang periode |
| Ikke-eksperimentell design - Kasus-kontrollstudier | - Ser bakover i tid (retrospektivt) - Fordeler o Lite tid, trenger pasientjournaler, ikke frafall, kan studere dose-respons forholdet - Ulemper o Kan bare undersøke en sykdom |
| Ikke-eksperimentell design - Korrelasjonsstudier | Sammenligner hyppigheten av en sykdom i en befolkning med gjennomsnittlig utbredelse av en eksponeringsfaktorer i samme befolkning - Fordeler o Billig (trenger bare en database), eksponering på gruppenivå er mer stabilt enn på individnivå, enklere å oppdage forskjeller - Ulemper Når det måles på gruppenivå vet vi ikke om det er de eksponerte som faktisk får sykdommen, og det kan ikke kontrolleres for konfundering på individnivå |
| Validitet | - Gyldighet - Gir det du måler svaret på det du ønsker å måle? |
| Ganereliserbarhet | - Om man kan bruke de dataene man har fått av utvalget på populasjonen |
| Relabilitet | - Reproduserbarhet, om verktøyet du bruker måler det samme hele tiden, i tillegg til at den er valid. |
| Objektivitet | - Ikke min personlige tanke som styrer målingen - ”Du ser vel mye på TV du?” ”Ser du mye på TV?” |
| Korrelasjon | Når noe samvarierer Positiv korrelasjon; Når en økning i en variabel fører til en økning i en annen variabel F.eks Høyde og vekt Negativ korrelasjon; Når en økning i en variabel fører til en reduskjon i en annen variabel F.eks Alder og spenst |
| Kausalitet | Årsakssammenheng. F.eks. Sol og solbrenthet |
Want to create your own Flashcards for free with GoConqr? Learn more.