Anvendt statistik med danske eksempler
Pædagogiske artikler på 2-3 tusind ord med grafer, gennemregnede eksempler og links til de rigtige beregnere. Skrevet af Vinícius Vianna til studerende, forskere og fagfolk, der bruger statistik i hverdagen.
Beregnerne på dette site løser regnestykket — artiklerne her giver dig forståelsen bagved. Samlingen dækker de fem emner, hvor vi oftest ser misforståelser i praksis: p-værdien, stikprøvestørrelse, type I- og type II-fejl, korrelation kontra kausalitet og A/B-tests. Det er præcis de begreber, der afgør, om en konklusion holder — i et bachelorprojekt, i et klinisk studie eller i en marketingafdeling.
Alle artikler er bygget over samme skabelon: en motiverende case fra den danske virkelighed, teorien forklaret i klart sprog, et gennemregnet eksempel med rigtige tal, de typiske fælder og en FAQ til sidst. Undervejs linker hver artikel til den beregner, der passer til emnet, så du kan efterprøve eksemplerne med dine egne data. Referencerne bag hver artikel er angivet nederst på siden, og formlerne følger de samme lærebøger som beregnerne — se vores metodologi og kilder. Artiklerne gennemgås løbende efter samme principper som resten af sitet, beskrevet i den redaktionelle politik.
Sådan fortolker du p-værdien i danske undersøgelser
Artiklen gennemgår den formelle definition af p-værdien og forklarer, hvorfor den så ofte misforstås. Du får de fem mest almindelige fortolkningsfejl, et gennemregnet eksempel med en meningsmåling før et Folketingsvalg og en guide til, hvordan p-værdier rapporteres efter dansk forskningstradition. Den viser også, hvorfor p-værdien aldrig bør stå alene uden konfidensinterval og effektstørrelse.
StikprøveStikprøvestørrelse i danske meningsmålinger: hvorfor er fejlmarginen 2 procentpoint?
Hvorfor har danske meningsmålinger typisk en fejlmargin på omkring 2 procentpoint? Artiklen udleder den klassiske formel for stikprøvestørrelse ved andele, regner et eksempel med 1.500 interviews igennem og forklarer design effect hos institutter som Voxmeter, Megafon og YouGov. Historiske vignetter fra valgene viser, hvad der sker, når målingerne rammer ved siden af — og hvorfor det ofte er forventeligt.
Klinisk forskningType I- og type II-fejl i klinisk praksis
Med udgangspunkt i klinisk praksis oversætter artiklen nulhypotese og alternativ hypotese til hverdagssprog: medicin, der virker, over for patienter, der lider. Du får 2×2-beslutningsmatricen, statistisk styrke, trade-offet mellem α og β og Bonferroni-korrektion ved multiple endpoints. Den slutter med god praksis for danske kliniske studier efter ICH E9 og Lægemiddelstyrelsens vejledninger.
KausalitetKorrelation er ikke kausalitet: 7 fælder med danske data
Syv konkrete fælder, der får korrelationer til at ligne årsagssammenhænge: forvekslingsvariable, omvendt kausalitet, restriktion af range, outliers, Simpsons paradoks, cherry-picking og spuriøse korrelationer. Hver fælde illustreres med danske data, og artiklen giver en tjekliste med spørgsmål, du bør stille, før du tror på et r. Til sidst: hvornår man faktisk kan udlede kausalitet.
EksperimenterA/B-test i dansk digital marketing: sådan læser du resultaterne uden at narre dig selv
En praktisk guide til at planlægge og aflæse A/B-tests uden at narre sig selv: valg af metric, beregning af stikprøvestørrelse før start, og hvorfor "peeking" undervejs ødelægger p-værdien. Artiklen gennemgår otte almindelige fælder — fra sample ratio mismatch til for tidligt stop — med et gennemregnet eksempel med 12.000 besøg pr. arm, og viser, hvordan resultatet rapporteres med konfidensinterval og effektstørrelse.
Forslag til artikler
Har du et emne fra anvendt statistik, som du gerne vil se uddybet her? Skriv via kontaktformularen.