Metodologi

Sådan fungerer beregnerne

Alle beregnere på dette site er skrevet i ren JavaScript, der kører direkte i din browser. Når du trykker på "Beregn", udføres hele beregningen lokalt på din egen enhed: der sendes ingen data til en server, intet gemmes, og dine tal forlader aldrig browseren. Det gælder alle beregnere uden undtagelse.

Vi bruger ingen statistiske "black box"-biblioteker. Hver formel er implementeret fra bunden med udgangspunkt i de klassiske lærebøger i statistisk inferens. Det betyder, at vi ved præcis, hvad der bliver regnet i hvert trin — og at vi kan dokumentere det.

Hvilke tests dækker vi

Sitet dækker de mest brugte tests i grundlæggende statistisk inferens:

• z-test og t-test for gennemsnit — én stikprøve, to uafhængige stikprøver (inklusive Welch-varianten ved ulige varianser) og parrede målinger;
• proportionstest og A/B-test for rater og konverteringer;
• chi-i-anden test for uafhængighed og goodness-of-fit;
• ANOVA (én faktor) og Kruskal-Wallis for tre eller flere grupper;
• Wilcoxon signed-rank og Mann-Whitney U som ikke-parametriske alternativer;
• Pearson-korrelation med signifikanstest;
• konfidensintervaller for gennemsnit og andele, herunder Wilson-intervallet;
• stikprøvestørrelse for undersøgelser og A/B-tests.

Formlerne og de numeriske metoder

Beregnerne bruger de klassiske formler fra statistik-lærebøgerne. P-værdier og kritiske værdier beregnes med veldokumenterede numeriske metoder:

• normalfordelingens fordelingsfunktion og dens inverse, med rationale approksimationer med høj præcision;
• Students t-fordeling samt F- og chi-i-anden-fordelingerne, beregnet via den regulariserede ufuldstændige beta- og gammafunktion;
• Wilson-intervallet for andele, som er mere præcist end det traditionelle Wald-interval, især ved små stikprøver og ekstreme andele;
• effektstørrelser — Cohens d, h og w samt korrelationskoefficienten r — efter konventionerne i Cohen (1988).

Selve fremstillingen af formlerne følger klassiske lærebøger: Montgomery & Runger for generel inferens, Agresti for kategoriske data og proportioner, og Cohen (1988) for effektstørrelser og styrkeberegninger. Den fulde, kommenterede liste findes på siden Kilder.

Sådan validerer vi resultaterne

Hver beregner er tjekket mod uafhængige referencer, før den blev offentliggjort:

• de tabellagte kritiske værdier for z-, t-, chi-i-anden- og F-fordelingerne, som de findes i lærebøgernes tabeller;
• output fra R (funktioner som t.test, prop.test, chisq.test, wilcox.test og cor.test) på de samme datasæt;
• regnearksfunktioner som T.FORDELING og NORM.INV til krydstjek af fordelingsberegningerne.

Sitet har desuden en automatisk testpakke, der kører de numeriske funktioner mod kendte referenceværdier, så en ændring i koden ikke kan ændre resultaterne ubemærket. Finder du alligevel en afvigelse, så skriv til os — se vores redaktionelle politik for, hvordan rettelser håndteres.

Begrænsninger

Ærlighed om, hvad værktøjerne ikke kan, er en del af metodologien:

• Beregnerne erstatter ikke fuld statistisk software som R, SPSS, Stata eller SAS. Komplekse analyser — regression, mixede modeller, repeated measures, overlevelsesanalyse, komplekse stikprøvedesigns — kræver rigtige statistikprogrammer.
• Formlerne antager som udgangspunkt simple tilfældige stikprøver. Klyngedesign, stratificering og vægtning ændrer usikkerheden og håndteres ikke her.
• Beregnerne tjekker ikke dine antagelser (normalitet, uafhængighed, varianshomogenitet) — det ansvar ligger hos dig, og hver beregner-side beskriver, hvilke antagelser testen bygger på.
• Resultaterne afrundes til visning; ved ekstreme inputværdier kan små numeriske afvigelser fra andre programmer forekomme i de sidste decimaler.

Sådan bør resultaterne fortolkes

En p-værdi er ikke en facitliste. Den fortæller, hvor usandsynlige dine data ville være, hvis nulhypotesen var sand — hverken mere eller mindre. Vi anbefaler altid at læse tre ting sammen: p-værdien, konfidensintervallet og effektstørrelsen. En statistisk signifikant forskel kan være praktisk ubetydelig, og en ikke-signifikant forskel kan skyldes en for lille stikprøve snarere end fravær af effekt.

Beregnerne har et undervisende og informativt formål. Ved kritiske beslutninger — kliniske, akademiske eller forretningsmæssige — bør både valget af test og fortolkningen af resultatet bekræftes af en statistikfaglig person.

Senest gennemgået: 1. august 2026.