Hjelp til en statestikkoppgave T-test (inferential statistics), masterstudent i nød!

[Joney]

Hei! Som nevnt i tittel sitter jeg nå i et nettseminar om T-test. Har null erfaring eller noe særlig kunnskap om dette faget annet enn et kort kurs og dette seminaret, og har jobbet konstant siden tirsdag for å få det til. Sier dette igrunn for å legitimere at jeg legger ut denne oppgaven for hjelp da den skal besvares innen kl 24 i kveld.

Uansett, her kommer det:

 

1 T-test

Populasjon, utvalg, signifikans, varians, normalfordeling, testpremisser, sentraltendensforskjell, avhengige og uavhengige variabler, kontinuerlige variabler og kategorivariabler.

Jeg anbefaler å skrive ut de to oppgavearkene og ha dem liggende ved siden av skjermen mens man arbeider.

Dataene og R-programmene til disse oppgavene ligger på http://privat.hihm.no/buj/R/undervisning/2m302_nettseminar.txt. Det er ikke nødvendig hverken å se på dataene eller å kjøre programmene for å gjøre disse oppgavene, men det er en mulighet for dem som er interessert.

TTR står for type/token ratio og er et mål for ordvariasjon i tekster. Det regnes ut for én tekst som antall forskjellige ord (types) dividert med antall løpeord (tokens). Høyere TTR betyr mer variasjon, noe som gjerne assosieres med større modenhet eller mer kompliserte tekster.

Jeg har en hypotese om at TTR typisk er forskjellig i tekster skrevet av henholdsvis gutter og jenter, og har samlet inn 120 tekster fra 60 elever som går i VG1. (Hver elev har skrevet to tekster - én for hånd og én på tastatur.) Jeg har regnet ut TTR for alle tekstene og plassert verdiene i variabelen ttr, som da altså inneholder 120 verdier. Jeg planlegger å bruke en t-test for å finne ut om det er noe i hypotesen min.

I dette forsøket:

1. Hva er populasjonen, og hva er utvalget?
2. Hva er de avhengige og de uavhengige variablene i forsøket? Finn ut om variablene er kontinuerlige eller kategoriske.
3. Formuler nullhypotesen.

To viktige premisser for t-test er at utvalgene stammer fra normalfordelte populasjoner som har lik varians. Dette kan jeg teste med henholdsvis Shapiro-Wilks normalitetstest (kalt shapiro.test i R) og F-test (kalt var.test i R). Under har jeg utført disse testene i R og rapportert resultatene. Jeg har nå plassert verdiene for guttetekstene og jentetekstene hver for seg i variablene ttrG og ttrJ.

> shapiro.test(ttrG)

Shapiro-Wilk normality test

data: ttrG

W = 0,987, p-value = 0,7733

 

> shapiro.test(ttrJ)

Shapiro-Wilk normality test

data: ttrJ

W = 0,9826, p-value = 0,5476

 

> var.test(ttrG, ttrJ)

F test to compare two variances

data: ttrG and ttrJ

F = 0,7186, num df = 59, denom df = 59, p-value = 0,2073

alternative hypothesis: true ratio of variances is not equal to 1

95 percent confidence interval:

0,4292354 1,2030256

sample estimates:

ratio of variances

0,7185966

 

1. Er premissene om normalitet og lik varians oppfylt?

Jeg utfører t-testen (kalt t.test i R). (Dere kan se bort fra ”var.equal=T”.)

> t.test(ttrG, ttrJ, var.equal=T)

 

Two Sample t-test

 

data: ttrG and ttrJ

t = 2,4296, df = 118, p-value = 0,01662

alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:

0,005208095 0,051114864

sample estimates:

mean of x mean of y

0,4389019 0,4107404

 

1. Gir t-testen støtte til hypotesen min? Kommenter t-verdien og p-verdien. Har gutter eller jenter høyest TTR? Er det som ventet?
2. Forklar hva konfidensintervalet forteller oss.

De to siste deloppgavene g) og h) er vanskeligere tolkningsoppgaver. Jeg anbefaler å ikke gå videre til disse oppgavene før oppgave a) til f) er besvart og dere er trygge på at svarene er riktige.

1. T-testen er brukt på en ugyldig måte i dette eksemplet. Forklar hvorfor. Hva må vi gjøre for å teste hypotesen på en gyldig måte?
2. Den ugyldige bruken fører til økt risiko for feilslutning. Er det risikoen for type-1-feil som er økt, eller er det risikoen for type-2-feil?

 

Vet det er mye å be om, men jeg er så og si helt blank, så prøver å poste her. Tusen tusen takk på forhånd!

- Joney

Endret 17. oktober 2013 av Joney

[Joney]

fml

[Joney]