Seminariefrågor

Vad menas med att datapunkter/replikat ska vara oberoende och representativa?

Alla kan inte vara släkt eller på samma person, vilket gör att de inte kan vara representativa. Representativa kan fortfarande vara samma kön beroende på vad man kollar på men variabler som vikt, längd, ålder, osv kan vara viktigt att ha olika på? Viktigt med stickprov.  

Man kan inte dra en generell slutsats om det resultatet inte är oberoende och representativa, ex bara testa på 25 åriga män men man vill testa alla åldrar. 

Vad är förvirrande faktorer/tredje variabler?

Den tredje faktorn är egentligen den som orsakar men man utesluter den ex äter glass och drunknar sker samtidigt men det är pga solen 

Solen i detta fall är den förvirrande faktorn (tredje variabler)

Vad är en hypotes?

Vetenskapligt påstående (gissning) för en fråga som man vill testa  

Ex blanda rött och blått, hypotes är att färgen blir lila och sedan testa vad som sker  

Vad är H0 och HA? 

H0 = Nollhypotesen är att det inte finns någon skillnad, den man vill förkasta. Slumpen kan spela roll här.  

HA = Alternativ hypotes som säger att det finns en skillnad, säger emot H0  

Kan vi någonsin visa att H0 är falsk? 

Kan förkasta den men inte VISA att den är falsk  

Kan vi någonsin visa att HA är sann? 

Kan vara sanning men inte VISA att den är sann, begränsat och kan inte testa allt 

När förkastar vi H0 och antar HA?

När man har tillräckligt med bevis för att det finns ett samband och då antar vi att det är HA, men man vet aldrig säkert.

Vad är en kontrollgrupp och varför behövs sådana?

Det viktigt för att kunna jämföra och dra slutsatser, en grupp som inte utsätts för ex ny medicin

Vad är en pilotstudie och vad används den till?

Göra en teststudie innan själva studien utförs, viktigt för att upptäcka problem, osv 

Hur kan det vara dåligt att samla för mycket data vid ett experiment?

Svår hanterande, mer lidande och mer jobb, slöseri med tid och pengar, håller inom pop

Vad är kostnaderna med en dåligt genomtänkt och slarvig studie? 

Osäkert resultat, onödigt lidande, slöseri på resurser, slöseri med tid och pengar, osv 

Var drar man gränsen för vad som är okej i försök som innefattar djur eller människor? 

Undvika onödigt lidande, lidandet ska väga mindre än nyttan/resultatet. Använda mindre individer men fortfarande att resultatet kan bli trovärdigt.  

Hur vet man att man tagit hänsyn till alla ”tredje variabler”, när man har för avsikt att enbart undersöka ett begränsat antal variabler? 

Man kan minimera men aldrig riktigt veta att man tagit hänsyn till alla tredje variabler, viktigt att behandla alla lika.

Vad är det för skillnad på korrelativa och manipulativa studier, och vad har de för fördelar och nackdelar?

Korrelativ = Ute i fält ex kolla beteende ute i naturen  

Manipulativ = På labb, kan ta bort vissa faktorer som man inte kan ta bort i naturen  

Fördel korrelativ: 

• Enklare och billigare att genomföra 

• Mindre skadligt för djur + växter 

• Rör sig inom en variation som är relevant 

Nackdel:  

• Mer risk för tredje variabel  

• Risk omvänd kausalitet (orsaksamband) 

Fördel manipulativ:  

•  Mindre risk för tredjevariabler 

• Ingen risk för omvänd kausalitet (orsakssamband) 

Nackdel:  

• Dyrt 

• Skada och lidande för djur  

• Ej naturlig miljö 

Vad är slumpvariation, och varför kan den tänkas vara ett extra stort problem i biologiska system?

Är en variabel vi inte kan påverka, för att minska problemet med den så testa på många. Ex människor med tillgång till mat under uppväxt och längd. 

Vad är en population och vad är ett stickprov?

Den grupp man vill testa ex hundar med beteendeproblem 

Att man tar ut ett antal från populationen, man kan inte testa på alla 

Vad är skillnaden på slumpmässigt urval och stratifierat slumpmässigt urval?

Slumpmässigt utval: Numera dina försökspersoner och slumpa fram nummer på vilka som ska testa  

Stratifierat slumpmässigt urval: Redan är grupperat och då tar man lika från varje grupp men slumpar fram individerna ex barn i klass  

ex 2 dela in skogen i olika delar för att få hela pop.

Vad menas med ”self selection” och varför kan det tänkas vara ett stort problem i vissa studier.

Man får inte med alla typer av människor, utan ex bara folk som brukar tacka ja till att svara på enkäter 

Vad innebär pseudoreplikering? Nämn två vanliga situationer när det är risk för pseudoreplikering. 

Det innebär att det inte är slumpmässigt och inte oberoende av varandra. Kommer se ut som att du har mer data än vad du egentligen har. Ex labbmöss och fågelungar i ett bo, samma person två gånger, grundskoleklasser

Finns det något värde att mäta flera individer även om de är pseudoreplikat? 

Beror väl på vad din studie vill komma fram till ex tvillingstudier

Vad är skillnaden mellan en tvärsnittsstudie och en longitudinell studie? Vad har de för fördelar och nackdelar?

Tvärsnittsstudie: Snabbt och oberoende ex minnes test, en 20 åring och en 60 åring är oberoende men har inte samma genetik, osv  

Longitudinell studie: Långsam, mer säker data om samma person testas MEN folk kan falla bort, hoppa av eller dö! 

Vad menas med omvänd kausalitet, och hur kan man få ordning på det?

orsakssamband och få ordning genom manipulativ studie 

Ex övervikt och cancer, cancer kan påverka övervikt, man upptäcker cancer vid övervikt först även fast det var cancern som gav övervikt 

Vad menas med ett försöks styrka? Vilka faktorer avgör ett försöks styrka? Förklara varför dessa faktorer påverkar styrkan.

Visa en statisk skillnad. Effektstorlek, inom gruppsvarition, experimentets design, replikat 

Mer replikat, mindre slump, designen minskar också slumpen, gruppvariation inte vara beroende av varandra, effektstorlek, inte vara samma släkt. 

Beskriv vad följande termer står för:

• α-värde

• P-värde

• typ I fel 

• typ II fel

α-värde: Gränsen för ovanligt att det inte är slumpen, signifikant eller inte, gränsvärdet och flyttas det är det lättare att förkasta H0 

P-värde: är sannolikheten att få den skillnad vi observerar, desto lägre genom skala p-värde desto bättre resultat 

typ I fel: Om man förkastar H0 när den är sann är det ett typ 1 fel.

typ II fel: HA är sann men inte starkt resultat så man väljer att ha kvar H0 

Hur kan man påverka risken att göra ett typ I fel?

Byta metod och design eller anpassa statistiken till metoden, minska alfa värde

Hur kan man påverka risken att göra ett typ II fel?

Variabler kan påverka ex saltvatten med växter  

Mindre alfa-värde större chans att begå ett typ 2 fel, öka alfa värdet för att minska typ 2 fel  

Vad är skillnaden på en faktor och en nivå i en försöksdesign? 

Nivåerna är olika grupper medan faktor är det som påverkar försöket

Vad betyder fullständig randomisering?

Att randomisera mellan alla nivåer (grupper) för at undivika skillnader mellan nivåerna. Ex kontroll vs godning 1, kontroll vs gödning 2, gödning 1 vs gödning 2

Vad betyder det när vi har en interaktion mellan två faktorer?

Kan förstärka varandra, ex insektsmedel och gödning  

Varför använder man ibland en blockad design?

Blockad design är en experimentell designmetod som används inom forskning för att minska variation och förbättra giltigheten i experimentella resultat. Det används vanligtvis i experiment där det finns ett behov av att kontrollera för eller minska effekterna av variabler som kan påverka resultaten. 

I en blockad design delas deltagarna eller försöksobjekten upp i grupper, kallade block, baserat på en eller flera föränderliga variabler som är av intresse för studien. Dessa variabler, kända som blockvariabler, kan vara faktorer som kön, ålder, vikt eller andra demografiska eller beteendemässiga faktorer som kan påverka resultatet av studien. 

Exempelvis växthusen, en faktor man vill blockera bort 

Man lottar ut växter i varje växthus men sedan jämför man bara kontroll och gödning i samma växthus och inte mellan varandra. 

Vad är kovariater och varför används dessa?

I statistik och forskning används begreppet "kovariater" för att hänvisa till variabler som inte är de huvudsakliga oberoende variablerna i en studie, men som ändå kan påverka utfallet av den beroende variabeln. Kovariater används för att kontrollera för eller justera för variation som kan påverka resultatens tillförlitlighet eller tolkning. 

I experimentell design används kovariater för att minska brus eller variation som kan förklara skillnader i den beroende variabeln. Genom att inkludera kovariater i analyserna kan forskare kontrollera för variation som kan vara resultatet av andra faktorer än de som studeras, vilket ökar precisionen och validiteten i resultaten. 

Kovariaten måste ha vara linjärt associerad till din beroendevariabel 

Förklara varför en parad design är fördelaktig. 

• Fler faktorer bidrar till skolresultat (hur mycket föräldrarna hjälper till med läxor, barnen koncentrationsförmåga,osv) 

• Dessa skapar slumpvariation mellan tvillingpar. Vi ökar experimentets styrka om vi får bort den variationen, jämför bara mellan varje tvilling ex skillnad mellan tvilling 1 och tvilling 2. 

• Fokuserar på skillnaden mellan ”parade” försöksobjekt som delar så gott som all slumpvariation. 

Vad är fördelen med en within-subject design. Varför går den inte alltid att använda?

Ex 20–60 års minnestest där kan problemet vara om man testar på samma individ vid 20 år och 60 år att folk faller bort pga död eller inget intresse att vara med.  

Men fördelen med det är att alla slumpvariationer försvinner om man testar på samma individ vid 20 och 60 års ålder.  

En person kan vara både försöksgrupp och kontrollgrupp för att minska slumpen! 

Varför är inte pseudoreplikering ett problem i within-subject designs?

För att i pseduoreplikering testar du samma sak på samma individ flera gånger och detta går inte att applicera på within-subject då man vill kolla på samma individ och det är olika tester.

Vad är enkelblinda och dubbelblinda experiment, och vad har de för fördel över icke blinda experiment?

Enkla: Försöksledaren vet om den testar på kontroll eller försöksgrupp men inte försökgrupperna.

Dubbla: Varken försöksledare, kontroll eller försöksgrupp vet vilka som är kontroll eller försök 

Tar bort olika bias faktorer som både kontroll/försök och försöksledaren kan påverka experimentet med  

Vad är observationseffekten?

Effekten är att du tror att du observerar exempelvis ett djurs naturliga beteenden fast det egentligen är ett onaturligt beteende som den utför pga du är där, för att de ser att du tittar.

Vad är skillnaden på nominal och ordinal?

Nominal: Nominal data är en typ av kategorisk data som används för att kategorisera eller klassificera observationer i olika grupper eller kategorier. Den representerar data som endast kan vara i form av namn, etiketter eller andra identifierare som inte har någon naturlig ordning eller rangordning. 

Exempel på nominal data inkluderar kön (manligt eller kvinnligt), civilstånd (singel, gift, skild), etnicitet (svart, vit, asiatisk, etc.), favoritfärg (röd, blå, grön, etc.) och så vidare. 

Ordinal: Ordinal data är en typ av data som representerar kategoriska variabler där det finns en naturlig ordning eller rangordning mellan de olika kategorierna. Till skillnad från nominal data, där kategorierna bara kan klassificeras utan någon inbördes rangordning, har ordinal data en hierarkisk struktur där varje kategori har en högre eller lägre position än andra kategorier. 

Exempel på ordinal data inkluderar betygsskalor (t.ex. "mycket dåligt", "dåligt", "godkänt", "bra", "utmärkt"), smärtskala (t.ex. "ingen smärta", "mild smärta", "måttlig smärta", "svår smärta", "outhärdlig smärta"), och så vidare. 

Vad är skillnaden på diskret, och kontinuerlig?

Diskret: Diskret data är en typ av data som representerar värden som är separata och distinkta, snarare än kontinuerliga. Detta innebär att de endast kan anta specifika värden och inte kan vara kontinuerliga inom ett visst intervall. 

Exempel på diskret data inkluderar antal studenter i en klass (kan vara 20, 21, 22, etc.), antal bilar som passerar en väg under en viss tidsperiod (kan vara 0, 1, 2, 3, etc.), och antal fel i en text (kan vara 0, 1, 2, 3, etc.). 

Diskret data skiljer sig från kontinuerlig data, där värden kan anta ett oändligt antal värden inom ett givet intervall, som t.ex. vikt, längd och tid. 

Kontinuerlig: Kontinuerlig data är en typ av data som kan anta ett oändligt antal värden inom ett givet intervall. Detta innebär att mellan två givna värden av kontinuerlig data kan det finnas oändligt många andra möjliga värden. Kontinuerlig data representerar vanligtvis mätbara variabler som kan ha decimaler och kan vara exakt eller approximativt mätta. 

Exempel på kontinuerlig data inkluderar längd (t.ex. 1,75 meter), vikt (t.ex. 65,4 kilogram), tid (t.ex. 3,5 sekunder), temperatur (t.ex. 23,6 grader Celsius), och så vidare. 

Kontinuerlig data skiljer sig från diskret data, där värden endast kan vara specifika och distinkta och inte kan vara kontinuerliga inom ett visst intervall. I kontinuerlig data kan alla värden mellan två givna värden anses vara möjliga och betydelsefulla, vilket gör den lämplig för att representera fysiska mätningar och många andra fenomen där det finns ett kontinuerligt spektrum av möjliga värden. 

Ge exempel på orsaker som kan skapa en dålig försöksdesign?

För små/stora försök, Felaktig och ineffektiv design

Hur ser vägen ut när man bestämmer sig för att testa något?

Observation -> Fråga -> Hypotes -> Predikation

Är det skillnad mellan hypotes och predikation?

Hypotes är ett vetenskapligt påstående och en predikation är vad man testar. Detta kan vara samma sak i vissa situationer.

Vad är Sham treatment?

De säkerställer att själva ingreppet inte påverkar studiens resultat, exempelvis gör samma saker på både exprementgruppen och kontrollgruppen.

Vad kan en pilotstudie hjälpa med?

Ger uppfattning om medelvärden och variationer(styrkeanalys), Uppskattning om tidsåtgång och konstander, testa om den statistiska analysen fungerar.

Vilka sorters urval finns det?

Slumpmässigt, Stratifierat, Cluster sampling och Convenience sampling

Hur kan man använda en blockad design? Kan du använda det i ett exempel?

Det beror på hur den faktor/variabel som bidrar med inomgruppsvariation är relaterad till det du undersöker.

Ett exempel är tomatplantorna som odlades i olika växthus från föreläsningen. Växthusen skiljde sig åt på olika parametrar (värme, ljus, fuktighet, osv) som kommer påverka tillväxt men som vi inte är intresserade av (det var effekten av näring vi ville komma åt).

Alla plantor som växte i ett visst växthus fick samma positiva eller negativa ”knuff” av just det växthuset. I det här fallet valde vi att blocka, eftersom effekten av växthus kommer i olika ”block”. Varje växthus är ett ”block”(= en nivå) i faktorn växthus.

Vad är en kovariat? Kan du använda det i ett exempel?

Att använda en kovariat är egentligen samma sak som att blocka en variabel, men här ska den variabel som bidrar med inomgruppsvariation, och som vi därför vill ta bort effekten av, vara linjärt relaterad till det vi mäter. Ett exempel är med bönvivlar där vi visste att det fanns ett linjärt förhållande mellan storlek och honors förmåga att lägga ägg. Men det var inte storlek vi var intresserade av, det var om de hade varit larver i kikärtor eller black eyed beens. Genom att använda storlek som en kovariat kunde vi få bort variationen mellan replikat som orsakades av storlek.

Vad är effektstorlek och hur kan det kopplas till replikat?

Den sanna effektstorleken är den sanna skillnaden mellan två behandlingar eller det sanna förhållandet mellan två variabler.

Om du använder få replikat kommer din skattning av effektstorleken vara osäker pga slumpen. Ju fler replikat du har desto mindre effekt har slumpen och desto bättre kommer din skattade effektstorlek att reflektera den sanna effektstorleken.