Normalfordeling og hypotesetesting

Kroppshøyder, måleusikkerhet og gjennomsnittet av mange terningkast har noe overraskende til felles: verdiene fordeler seg i den samme klokkeformede kurven, NORMALFORDELINGEN. SENTRALGRENSESETNINGEN forklarer HVORFOR dette skjer nesten uansett hva du starter med. Til slutt lærer du å bruke fordelinger til å teste en PÅSTAND mot ekte data: HYPOTESETESTING, verktøyet forskere bruker for å avgjøre om et resultat er ekte eller bare tilfeldig støy.

Bygger på: Forventningsverdi, varians og fordelinger (S2)

Start: Normalfordelingen som modell →

Vanlige feil

Vanlig feil	Gjør heller dette
Å tro at normalfordelingen bare gjelder for store, «naturlige» datasett som høyde og vekt, og ikke kan brukes på gjennomsnitt av terningkast, poser eller andre ting som ikke i seg selv er normalfordelt.	Sentralgrensesetningen sier at GJENNOMSNITTET av mange uavhengige observasjoner blir tilnærmet normalfordelt, uansett hvordan enkeltobservasjonen selv er fordelt. Dette er nettopp poenget med setningen.
Å tolke en lav p-verdi som at nullhypotesen er 'bevist usann med sikkerhet', eller en høy p-verdi som at nullhypotesen er 'bevist sann'.	En lav p-verdi gir statistisk belegg for å FORKASTE H0, ikke et bevis. En høy p-verdi betyr bare at dataene ikke ga nok grunnlag til å forkaste H0: H0 kan fortsatt være usann.
Å glemme å dele standardavviket $\sigma$ på $\sqrt{n}$ når man tester et GJENNOMSNITT av flere observasjoner, og i stedet bruke $\sigma$ direkte i z-formelen.	Testobservatoren for et gjennomsnitt bruker standardavviket TIL GJENNOMSNITTET, $\sigma/\sqrt{n}$ . Ikke standardavviket til enkeltobservasjonen.

Til foreldre / leksehjelper

Kompetansemål fra læreplanen (Udir)

argumentere for sentralgrensesetningen og utforske og tolke praktiske situasjoner ved hjelp av normalfordelingen (se hos Udir)
gjennomføre hypotesetesting i reelle datasett og tolke resultatet (se hos Udir)

Elevene skal både FORSTÅ og ARGUMENTERE FOR sentralgrensesetningen, ikke bare bruke normalfordelingen som en oppskrift, og deretter gjennomføre hypotesetesting på ekte datasett og tolke resultatet i kontekst, ikke bare regne ut et tall.

Slik kan du hjelpe

Be eleven forklare med egne ord hvorfor et gjennomsnitt av mange terningkast oppfører seg annerledes enn ett enkelt terningkast.
Spør: 'Hva betyr det at p-verdien er lav: har vi BEVIST at nullhypotesen er usann?' God forståelse skiller mellom 'sterkt bevis mot' og 'bevist usann'.
Be eleven forklare hvert steg i en hypotesetest høyt, fra nullhypotese til konklusjon, uten å bare lese opp tallene.

Nye begreper

Klokkekurve: Vanlig hverdagsnavn på normalfordelingens karakteristiske symmetriske, klokkeformede graf.
Statistisk signifikant: Et resultat er 'statistisk signifikant' når p-verdien er lavere enn det valgte signifikansnivået, og H0 dermed forkastes.

Pedagogikken bak

Normalfordeling og hypotesetesting er kjernen i moderne statistisk tenkning: fra medisinske studier til meningsmålinger. Undervisningen legger vekt på TOLKNING fremfor ren utregning: en p-verdi eller z-verdi uten kontekst er meningsløs, poenget er å kunne si noe fornuftig om hva resultatet BETYR. Møter eleven veggen på selve logikken i hypotesetesting (hvorfor tester vi H0 og ikke H1 direkte?), prøv analogien med en rettssak: man antar uskyld (H0) til beviser (dataene) er overbevisende nok til å forkaste den antagelsen.

Vanlige feil å være oppmerksom på

Se «Vanlige feil» over for en oversikt over misforståelser å se etter, og hva som er riktig i stedet.