Interaktive lærebøker for norsk skole

Beregning av konfidensintervall, standardfeil og usikkerhet.

25 min

5 oppgaver

KonfidensintervallStandardfeilFeilmargin

Din fremgang i kapitlet

0 / 5 oppgaver

Konfidensintervall og feilmarginer

Når vi estimerer en populasjonsparameter fra et utvalg, gir punktestimatet (for eksempel $\bar{x}$ ) bare én enkelt verdi. Men hvor sikre kan vi være på at dette estimatet er nært den sanne verdien? Konfidensintervaller gir oss et intervall som med en bestemt sannsynlighet inneholder den sanne parameteren — og feilmarginen angir bredden av denne usikkerheten.

Læringsmål:
- Forstå forskjellen mellom punktestimat og intervallsestimat
- Beregne konfidensintervall for gjennomsnitt og proporsjoner
- Forklare begrepene standardfeil, konfidensnivå og feilmargin
- Tolke konfidensintervaller korrekt
- Forstå hvordan utvalgsstørrelse påvirker presisjon

Fra punktestimat til intervallsestimat

Et punktestimat er en enkelt verdi beregnet fra utvalget, for eksempel utvalgsgjennomsnittet $\bar{x} = 72{,}3$ . Problemet er at dette tallet alene ikke forteller oss noe om usikkerheten — hvor langt unna kan den sanne verdien $\mu$ være?

Et intervallsestimat (konfidensintervall) løser dette ved å gi et intervall $[\bar{x} - E, \, \bar{x} + E]$ der $E$ er feilmarginen. Intervallet er konstruert slik at det med en gitt sannsynlighet (konfidensnivået) inneholder den sanne parameteren.

Byggeklossene i et konfidensintervall

Et konfidensintervall for gjennomsnittet er bygget opp av tre deler:

$\text{Konfidensintervall} = \bar{x} \pm z^* \cdot \frac{s}{\sqrt{n}}$

der:
- $\bar{x}$ er utvalgsgjennomsnittet (sentrum av intervallet)
- $z^*$ er den kritiske verdien som avhenger av konfidensnivået
- $s / \sqrt{n} = SE$ er standardfeilen
- $E = z^* \cdot SE$ er feilmarginen

Feilmarginen bestemmer altså bredden av intervallet, og den avhenger av tre faktorer: spredningen i dataene ( $s$ ), utvalgsstørrelsen ( $n$ ), og konfidensnivået (via $z^*$ ).

Konfidensintervall

n

✏️Eksempel: 95 %-konfidensintervall for gjennomsnitt

En forsker måler reaksjonstid hos $n = 100$ VG3-elever og finner $\bar{x} = 248$ ms med $s = 30$ ms. Beregn et 95 %-konfidensintervall for den sanne gjennomsnittlige reaksjonstiden $\mu$ .

Steg 1: Beregn standardfeilen:

SE = \frac{s}{\sqrt{n}} = \frac{30}{\sqrt{100}} = \frac{30}{10} = 3{,}0 \text{ ms}

Steg 2: Finn den kritiske verdien for 95 %:
$z^* = 1{,}960$

Steg 3: Beregn feilmarginen:
$E = z^* \cdot SE = 1{,}960 \cdot 3{,}0 = 5{,}88 \text{ ms}$

Steg 4: Konstruer konfidensintervallet:
$\text{KI} = 248 \pm 5{,}88 = [242{,}1, \; 253{,}9]$

Tolkning: Vi er 95 % sikre på at den sanne gjennomsnittlige reaksjonstiden for alle VG3-elever ligger mellom 242,1 ms og 253,9 ms. Feilmarginen er ca. 5,9 ms.

📝Oppgave 2.5.1

Et 95 %-konfidensintervall for gjennomsnittlig daglig skjermtid er $[3{,}8, \; 4{,}6]$ timer. Hva betyr dette?

Standardfeil og konfidensnivå

Standardfeilens rolle

Standardfeilen $SE = s / \sqrt{n}$ er nøkkelen til å forstå presisjon i statistikk. Den angir hvor mye utvalgsgjennomsnittet typisk varierer fra det sanne gjennomsnittet. Jo mindre standardfeil, desto smalere konfidensintervall og desto mer presist estimat.

Standardfeilen avhenger av to faktorer:
- Spredningen $s$ : Mer variasjon i dataene gir større usikkerhet
- Utvalgsstørrelsen $n$ : Større utvalg gir mindre usikkerhet

Sammenhengen med $n$ er ikke lineær — den følger kvadratroten. For å halvere standardfeilen (og dermed feilmarginen) må du firedoble utvalgsstørrelsen:

$\text{Halvere } SE \implies n_{\text{ny}} = 4 \cdot n_{\text{gammel}}$

Valg av konfidensnivå

Konfidensnivået bestemmer hvor «sikre» vi vil være, men det er en avveining:

Konfidensnivå	$z^*$	Konsekvens
90 %	1,645	Smalere intervall, men lavere sikkerhet
95 %	1,960	Standard — god balanse mellom presisjon og sikkerhet
99 %	2,576	Bredere intervall, men høyere sikkerhet

Høyere konfidensnivå gir bredere intervaller. Det er som å kaste et bredere nett — du er mer sikker på å fange fisken, men du fanger også mye vann.

Standardfeil og feilmargin

SE_{\bar{x}} = \frac{s}{\sqrt{n}}

✏️Eksempel: Nødvendig utvalgsstørrelse

En forsker ønsker å estimere gjennomsnittlig puls hos VG3-elever med en feilmargin på maks 2 slag/min ved 95 % konfidensnivå. Fra en pilotstudie vet hun at $s \approx 12$ slag/min. Hvor mange elever trenger hun i utvalget?

Vi bruker formelen for nødvendig utvalgsstørrelse:

$n = \left(\frac{z^* \cdot s}{E}\right)^2 = \left(\frac{1{,}960 \cdot 12}{2}\right)^2 = \left(\frac{23{,}52}{2}\right)^2 = (11{,}76)^2 = 138{,}3$

Vi runder opp til nærmeste hele tall: $n = 139$ .

Tolkning: Forskeren trenger minst 139 elever i utvalget for å oppnå en feilmargin på maks 2 slag/min med 95 % sikkerhet. Merk at vi alltid runder opp — å runde ned ville gi en feilmargin som er litt for stor.

📝Oppgave 2.5.2

Et konfidensintervall basert på $n = 64$ observasjoner har feilmargin $E = 3{,}0$ . Hva skjer med feilmarginen dersom utvalgsstørrelsen økes til $n = 256$ (alt annet likt)?

Konfidensintervall for proporsjoner

Ofte er vi interessert i en andel (proporsjon) i stedet for et gjennomsnitt. For eksempel: «Hvilken andel av VG3-elever bruker mer enn 4 timer daglig på skjerm?» Da estimerer vi populasjonsproporsjon $p$ med utvalgsproporsjon $\hat{p}$ .

Formel for konfidensintervall for proporsjon

$\text{KI} = \hat{p} \pm z^* \cdot \sqrt{\frac{\hat{p}(1 - \hat{p})}{n}}$

Her er standardfeilen for en proporsjon:

$SE_{\hat{p}} = \sqrt{\frac{\hat{p}(1 - \hat{p})}{n}}$

Forutsetninger

For at tilnærmingen skal være gyldig, kreves det at:
- $n \cdot \hat{p} \geq 10$ og $n \cdot (1 - \hat{p}) \geq 10$ (tilstrekkelig mange «suksesser» og «fiaskoer»)
- Utvalget er tilfeldig trukket fra populasjonen

Feilmargin i meningsmålinger

I meningsmålinger og spørreundersøkelser oppgis gjerne en «feilmargin» på $\pm 3$ prosentpoeng. Denne er feilmarginen $E$ ved 95 % konfidensnivå. For proporsjoner nær $\hat{p} = 0{,}5$ (verste tilfelle) er:

$E \approx \frac{1}{\sqrt{n}}$

For $n = 1000$ : $E \approx 1/\sqrt{1000} \approx 0{,}032 \approx 3{,}2$ prosentpoeng, noe som forklarer den typiske feilmarginen i norske meningsmålinger.

Konfidensintervall for proporsjon

\hat{p}

✏️Eksempel: Konfidensintervall for en andel

I en undersøkelse blant 400 VG3-elever svarer 240 at de trener minst 3 ganger i uken. Beregn et 95 %-konfidensintervall for den sanne andelen som trener minst 3 ganger i uken.

Steg 1: Beregn utvalgsproporsjon:

\hat{p} = \frac{240}{400} = 0{,}60

Steg 2: Sjekk forutsetningene:
$n \hat{p} = 400 \cdot 0{,}60 = 240 \geq 10$ ✓
$n(1-\hat{p}) = 400 \cdot 0{,}40 = 160 \geq 10$ ✓

Steg 3: Beregn standardfeilen:
$SE = \sqrt{\frac{0{,}60 \cdot 0{,}40}{400}} = \sqrt{\frac{0{,}24}{400}} = \sqrt{0{,}0006} = 0{,}0245$

Steg 4: Beregn feilmarginen:
$E = 1{,}960 \cdot 0{,}0245 = 0{,}048$

Steg 5: Konstruer konfidensintervallet:
$\text{KI} = 0{,}60 \pm 0{,}048 = [0{,}552, \; 0{,}648]$

Tolkning: Vi er 95 % sikre på at den sanne andelen VG3-elever som trener minst 3 ganger i uken er mellom 55,2 % og 64,8 %. Feilmarginen er ca. 4,8 prosentpoeng.

📝Oppgave 2.5.3

En meningsmåling basert på $n = 1000$ respondenter viser at 45 % støtter et forslag, med feilmargin $\pm 3{,}1$ prosentpoeng. Hvilken utvalgsstørrelse trengs for å halvere feilmarginen til $\pm 1{,}55$ prosentpoeng?

Korrekt tolkning av konfidensintervaller

Konfidensintervaller er blant de mest misforståtte begrepene i statistikk. Her er noen vanlige feil og korrekt tolkning.

Korrekt tolkning

«Vi er 95 % sikre på at den sanne populasjonsparameteren ligger innenfor intervallet.»

Mer presist: Dersom vi gjentok undersøkelsen og beregnet nye konfidensintervaller mange ganger, ville ca. 95 % av disse intervallene inneholde den sanne verdien.

Vanlige misforståelser

Feil tolkning	Forklaring
«95 % av dataene ligger i intervallet»	Nei, intervallet handler om parameteren (f.eks. $\mu$ ), ikke om enkeltobservasjoner
«Det er 95 % sjanse for at $\mu$ er i intervallet»	Teknisk sett er $\mu$ enten i intervallet eller ikke — det er metoden som har 95 % treffsikkerhet
«Feilmarginen betyr at noen har gjort en feil»	Nei, feilmarginen er et mål på naturlig statistisk usikkerhet

Overlappende konfidensintervaller

Når to konfidensintervaller ikke overlapper, kan vi konkludere med at det er en statistisk signifikant forskjell mellom de to gruppene. Men dersom de overlapper, kan det likevel være en signifikant forskjell — overlapping utelukker ikke signifikans.

t-fordeling for små utvalg

Når utvalgsstørrelsen er liten (

n < 30

), bruker vi t-fordelingen i stedet for normalfordelingen. t-fordelingen har tyngre haler, noe som gir bredere konfidensintervaller og dermed kompenserer for den økte usikkerheten:

$\text{KI} = \bar{x} \pm t^*_{n-1} \cdot \frac{s}{\sqrt{n}}$

der $t^*_{n-1}$ er den kritiske verdien fra t-fordelingen med $n-1$ frihetsgrader.

✏️Eksempel: t-basert konfidensintervall

Et lite utvalg på $n = 16$ elever har gjennomsnittlig søvnlengde $\bar{x} = 7{,}2$ timer med $s = 1{,}0$ time. Beregn et 95 %-konfidensintervall med t-fordelingen ( $t^*_{15} = 2{,}131$ ).

Steg 1: Standardfeil:

SE = \frac{s}{\sqrt{n}} = \frac{1{,}0}{\sqrt{16}} = \frac{1{,}0}{4} = 0{,}25 \text{ timer}

Steg 2: Feilmargin med t-fordeling:
$E = t^*_{15} \cdot SE = 2{,}131 \cdot 0{,}25 = 0{,}533 \text{ timer}$

Steg 3: Konfidensintervall:
$\text{KI} = 7{,}2 \pm 0{,}533 = [6{,}67, \; 7{,}73]$

Sammenligning: Med z-fordeling ( $z^* = 1{,}960$ ) ville feilmarginen vært $1{,}960 \cdot 0{,}25 = 0{,}49$ , som gir et smalere intervall $[6{,}71, \; 7{,}69]$ . t-fordelingen gir et bredere intervall fordi den kompenserer for usikkerheten i å estimere $\sigma$ med $s$ i et lite utvalg.

Oppsummering

- Et konfidensintervall gir et intervall som med en gitt sannsynlighet inneholder den sanne populasjonsparameteren.
- Formelen for gjennomsnitt er $\text{KI} = \bar{x} \pm z^* \cdot s/\sqrt{n}$ , der $z^*$ avhenger av konfidensnivået.
- Feilmarginen $E = z^* \cdot SE$ angir halve bredden av intervallet og avhenger av spredning, utvalgsstørrelse og konfidensnivå.
- For proporsjoner brukes $\hat{p} \pm z^* \cdot \sqrt{\hat{p}(1-\hat{p})/n}$ .
- Å halvere feilmarginen krever at utvalgsstørrelsen firedobles (fordi $E \propto 1/\sqrt{n}$ ).
- For små utvalg ( $n < 30$ ) brukes t-fordelingen som gir bredere intervaller enn z-fordelingen.
- Konfidensintervaller handler om parameteren, ikke om enkeltobservasjoner — dette er den vanligste misforståelsen.

📝Oppgave 4

I en studie av blodtrykk måles systolisk trykk hos $n = 81$ tilfeldig valgte voksne. Gjennomsnittet er $\bar{x} = 128$ mmHg med $s = 18$ mmHg. (a) Beregn et 95 %-konfidensintervall for det sanne gjennomsnittlige systoliske blodtrykket $\mu$ . (b) Beregn et 99 %-konfidensintervall. (c) Forklar hvorfor 99 %-intervallet er bredere enn 95 %-intervallet. (d) Hvor mange personer trengs for å oppnå en feilmargin på maks 2 mmHg ved 95 % konfidensnivå?

📝Oppgave 5

En valgdagsmåling viser at Parti A har $\hat{p} = 0{,}32$ (32 %) basert på $n = 900$ respondenter. (a) Beregn et 95 %-konfidensintervall for partiets sanne oppslutning. (b) Beregn feilmarginen. (c) Et annet parti har $\hat{p} = 0{,}28$ med samme utvalgsstørrelse. Beregn konfidensintervallet. (d) Overlapper de to konfidensintervallene? Hva kan vi konkludere om forskjellen mellom partiene?

Konfidensintervall og feilmarginer

Når vi estimerer en populasjonsparameter fra et utvalg, gir punktestimatet (for eksempel

\bar{x}

) bare én enkelt verdi. Men hvor sikre kan vi være på at dette estimatet er nært den sanne verdien? Konfidensintervaller gir oss et intervall som med en bestemt sannsynlighet inneholder den sanne parameteren — og feilmarginen angir bredden av denne usikkerheten.

Konfidensnivå

z^*

Konsekvens

90 %

1,645

Smalere intervall, men lavere sikkerhet

95 %

1,960

Standard — god balanse mellom presisjon og sikkerhet

99 %

2,576

Bredere intervall, men høyere sikkerhet

Konfidensintervall for proporsjoner

Formel for konfidensintervall for proporsjon

$\text{KI} = \hat{p} \pm z^* \cdot \sqrt{\frac{\hat{p}(1 - \hat{p})}{n}}$

Her er standardfeilen for en proporsjon:

$SE_{\hat{p}} = \sqrt{\frac{\hat{p}(1 - \hat{p})}{n}}$

Forutsetninger

Feilmargin i meningsmålinger

$E \approx \frac{1}{\sqrt{n}}$

For $n = 1000$ : $E \approx 1/\sqrt{1000} \approx 0{,}032 \approx 3{,}2$ prosentpoeng, noe som forklarer den typiske feilmarginen i norske meningsmålinger.

Feil tolkning

Forklaring

«95 % av dataene ligger i intervallet»

Nei, intervallet handler om parameteren (f.eks.

\mu

), ikke om enkeltobservasjoner

«Det er 95 % sjanse for at

\mu

er i intervallet»

Teknisk sett er

\mu

enten i intervallet eller ikke — det er metoden som har 95 % treffsikkerhet

«Feilmarginen betyr at noen har gjort en feil»

Nei, feilmarginen er et mål på naturlig statistisk usikkerhet

2.5 Konfidensintervall og feilmarginer

Konfidensintervall og feilmarginer

Fra punktestimat til intervallsestimat

Byggeklossene i et konfidensintervall

Standardfeil og konfidensnivå

Standardfeilens rolle

Valg av konfidensnivå

Konfidensintervall for proporsjoner

Formel for konfidensintervall for proporsjon

Forutsetninger

Feilmargin i meningsmålinger

Korrekt tolkning av konfidensintervaller

Korrekt tolkning

Vanlige misforståelser

Overlappende konfidensintervaller

t-fordeling for små utvalg

Oppsummering

2.5 Konfidensintervall og feilmarginer

Konfidensintervall og feilmarginer

Fra punktestimat til intervallsestimat

Byggeklossene i et konfidensintervall

Standardfeil og konfidensnivå

Standardfeilens rolle

Valg av konfidensnivå

Konfidensintervall for proporsjoner

Formel for konfidensintervall for proporsjon

Forutsetninger

Feilmargin i meningsmålinger

Korrekt tolkning av konfidensintervaller

Korrekt tolkning

Vanlige misforståelser

Overlappende konfidensintervaller

t-fordeling for små utvalg

Oppsummering