Så tolkar du felstaplar i diagram

Felstaplar förekommer ofta i diagram och grafer för att förmedla tillförlitligheten hos tolkade data. När data sammanställs är ett medelvärde i sig inte särskilt meningsfullt, eftersom man inte vet hur stor variationen kan vara mellan olika mätningar.

Tänk dig exempelvis två datapunkter med värdena 10 och 10 000. Medelvärdet blir då 5 005 – ett tal som ligger långt ifrån båda ursprungliga mätningarna och därför säger mycket lite om den verkliga situationen. Felstaplar erbjuder här en praktisk grafisk lösning: de visar var de flesta mätningar förväntas hamna, vanligtvis 95 procent av dem.

Instruktioner

1. Studera felstaplarna

Börja med att titta på felstaplarna, som utgörs av mindre måttlinjer placerade ovanför och under toppen av en mätstav eller linje i diagrammet. Huvudmätningen representerar ett medelvärde, medan felstaplarna visar den procentandel av mätningarna som förväntas ligga inom detta intervall. Oftast används 95 procent, men vissa forskare väljer istället 90 eller 99 procent beroende på studiens krav på precision.

2. Jämför mätningarna med intervallet

Kontrollera därefter om efterföljande mätningar faller inom det angivna intervallet. Som tidigare nämnts ligger normalt 95 procent – eller den procentandel som valts – av alla mätningar inom detta spann. Mätningar som hamnar utanför kan vara värda att undersöka närmare, eftersom de kan indikera avvikelser eller mätfel.

3. Dra horisontella linjer för att bedöma signifikans

Dra en horisontell linje tvärs över diagrammet från varje medelvärdes felstapel. Om intervallerna överlappar varandra betraktas skillnaden mellan medelvärdena som obetydlig – det finns alltså ingen statistiskt mätbar skillnad mellan dem. Överlappar däremot inte intervallen, anses medelvärdena vara signifikant olika. Det innebär att det experimentella underlaget räcker för att påvisa att värdena skiljer sig mer än vad som rimligen kan förklaras av enbart slumpen.

Sammanfattning

Felstaplar är ett kraftfullt verktyg för att snabbt visuellt bedöma både variationen i data och huruvida skillnader mellan grupper är statistiskt relevanta. Genom att förstå hur intervallen överlappar – eller inte överlappar – kan du dra mer välgrundade slutsatser av diagram och grafer i vetenskapliga rapporter och presentationer.