Last ned PDF (154 sider) - Oslo universitetssykehus
Last ned PDF (154 sider) - Oslo universitetssykehus
Last ned PDF (154 sider) - Oslo universitetssykehus
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Virkelighet<br />
Testresultat<br />
H0 godtatt H0 forkastet<br />
H0 sann riktig type I feil<br />
H0 feil type II feil riktig<br />
Målet er å redusere risikoen for begge typer feil. Disse risikoene kan beregnes for<br />
et gitt datasett og en gitt test. Det er vanlig å planlegge en studie slik at risikoen<br />
for forkastningsfeil (signifikansnivået, α) for eksempel er 5% og risikoen for<br />
godtakingsfeil (β) for eksempel blir 10%. For å redusere risikoen for<br />
feilkonklusjon kan en vanligvis øke antallet observasjoner (pasienter,<br />
cellekulturer o.a.). Det nødvendige antallet observasjoner kan beregnes ved en<br />
styrkeberegning (“power-analyse”). Til denne beregningen trenger man et estimat<br />
av en <strong>ned</strong>re grense for en relevant forskjell mellom gruppene som sammenlignes,<br />
en kjent eller antatt variasjon i utfallet og valget av signifikansnivået α og<br />
godtakingsnivået β.<br />
Når de nødvendige data er samlet inn, kan en utføre den statistiske<br />
hypotesetesten. Dette gjøres vanligvis ved bruk av en statistisk programpakke og<br />
resultatet gis i form av en p-verdi (sannsynligheten for at resultatet kan ha<br />
oppstått tilfeldig, p=probability). Regelen er at nullhypotesen ikke forkastes<br />
dersom p-verdien er større enn signifikansnivået (p > α), men man forkaster den<br />
hvis p < α, for eksempel om p < 0.05. En annen vanlig måte å uttrykke et slikt<br />
svar er at det er