Pokud chcete vyhrát svůj vědecký veletrh, je statistická analýza vašich dat skvělým způsobem, jak vyniknout od konkurence, ale když získáte výsledek - řekněme P = 0,04 - co to vlastně dělá znamenat? Veškerou matematiku zvládnete z první část tohoto příspěvku, ale pokud opravdu nerozumíte tomu, jak se vracejí statistická čísla, stále nevíte, co váš experiment našel.
Například: Můžete odmítnout „nulová hypotéza„Na základě vašeho výsledku? Co to vůbec znamená? Je možné, že váš nález je způsoben náhodou? Co vám korelace říká o vztahu mezi dvěma proměnnými? Toto jsou typy otázek, na které budete muset odpovědět, aby interpretace vašich vědeckých výsledků byla správná.
Nulová hypotéza
Kdykoli vytváříte statistiky, stavíte „nulovou hypotézu“ proti „experimentální hypotéze“. Nulová hypotéza je vždy v podstatě stejná: mezi věcmi, které jste, neexistuje žádný vztah testování. Ve vědeckých experimentech předpokládáte, že nulová hypotéza je pravdivá, dokud nemáte dostatek důkazů k jejímu vyvrácení. Jinými slovy, nepředpokládáte, že ze svých experimentů získáte určitý výsledek - předpokládáte, že vaše hypotéza není pravdivá, dokud vám vědecké výsledky neřeknou opak.
Zmatený? Zde je příklad. Řekněme, že děláte vědecký projekt, abyste zjistili, zda jsou psi pravou nebo levou rukou. Vaše nulová hypotéza by mohla být, že psi nemají dominantní tlapu. Odtud vám vaše výsledky řeknou, zda je vaše nulová hypotéza pravdivá, nebo zda se zdá, že psi jsou praváci nebo leváci.
Jak ale poznáte rozdíl mezi skutečnými výsledky a tím, co se může stát čistou náhodou? Statistiky, samozřejmě!
Stanovení toho, co je „dostatečné“, je úkolem statistických testů, a protože testujete nulovou hypotézu, je nejlepší přesně definovat, co pro váš experiment znamená. Měli byste to udělat před zahájením práce, ale i když jste se soustředili na experiment hypotéza (vztah, o kterém se domníváte, že by ve skutečnosti mohl existovat), je snadné po něm sestavit nulovou hypotézu skutečnost.
Hodnoty P a statistická významnost
Pokud vám váš experiment poskytne dostatečný důvod k odmítnutí nulové hypotézy, nazývá se to „statisticky významný“ výsledek. Ale stejně jako u většiny věcí ve vědě existuje velmi konkrétní definice toho, co to ve skutečnosti znamená, a měli byste mít jasno v tom, když se díváte na své vědecké férové výsledky. Definice se odvíjí od významu P hodnotu, kterou získáte ze statistického testu.
The P hodnota je často mylně interpretována ve smyslu „pravděpodobnost, že výsledek je způsoben náhodou“, a přestože je blízká významu, je ve skutečnosti to není pravda. The P hodnota místo toho vám říká šanci, že pokud by byla nulová hypotéza pravdivá, získali byste svůj výsledek kvůli náhodnému statistickému šumu. Například pokud testujete, zda byla mince nerovnoměrně vážena (s nulovou hypotézou, že jde o férovou minci), výsledek 45 hlav až 55 ocasů by bylo docela pravděpodobné, že převrátí spravedlivou minci kvůli obecné statistické odchylce, a to je the P hodnota kvantifikuje.
„Hladina významnosti“ je mezní hodnota pro P - cokoli pod tímto se považuje za dostatečně nepravděpodobné, abyste odmítli nulovou hypotézu. Obvykle se volí jako P = 0,05 (takže by existovala pouze 5% šance, že by vaše výsledky byly získány ve světě, kde byla nulová hypotéza pravdivá), ale nakonec je to jen konvence. Za určitých okolností úroveň významnosti P = 0,10 je naprosto v pořádku a v jiných vědci trochu „zvedají laťku“ a stanovují přísnější omezení P = 0.01. Obvykle je nejlepší se jen držet P = 0,05, ale uvědomte si, že někdy existují rozdíly.
Tlumočení korelací
Pokud testujete rozdíl mezi dvěma skupinami, pochopení významu statistické významnosti stačí, ale pokud váš test zahrnuje korelace mezi dvěma skupinami proměnné (například množství světla, které rostlina přijímá a jak vysoká roste, nebo počet předchozích pokusů a vaše skóre ve hře), věci jsou trochu odlišný. Testy korelací vracejí hodnoty mezi −1 a +1 a jejich interpretace je nezbytná pro pochopení toho, co který typ korelace znamená pro kauzalitu.
Zaprvé je korelační skóre snadno pochopitelné, pokud vezmete v úvahu extrémní případy. Jakákoli kladná hodnota korelace znamená, že se obě proměnné zvyšují spolua hodnota +1 je a perfektní korelace, kde graf jedné proměnné proti druhé je přímka. Stejným způsobem jakákoli mínusová korelační hodnota znamená, že když se jedna proměnná zvyšuje, druhá klesá, a hodnota -1 je perfektní negativní korelace. Nakonec hodnota 0 znamená, že vůbec neexistuje žádná korelace. Většina výsledků bude samozřejmě desetinná (například 0,65), přičemž větší hodnoty (vyšší čísla, pozitivní nebo negativní) znamenají silnější korelaci.
Klíčovou výhradou však je korelace neznamená příčinnou souvislost. Jinými slovy, to, že dvě věci spolu souvisejí, ještě neznamená, že jedna způsobuje druhé, a neměli byste být v pokušení vyvodit takový závěr ve svém zápisu na základě korelace sám. Dobrým příkladem je korelace mezi žlutými zuby a rakovinou plic: Není to tak žluté zuby způsobit rakovina plic; kouření způsobuje žluté zuby i rakovinu plic. Stejným způsobem mohou být vaše výsledky způsobeny dalším faktorem, který jste nezohlednili, takže je vždy riskantní činit kauzální tvrzení bez velmi silných důkazů nad rámec jednoduché korelace.
S ohledem na tyto body, ať už je váš vědecký veletrh jakýkoli, měli byste být schopni udělat statistiky, které potřebujete a přesně vysvětlete, co ukazují. Možná nevyhrajete, ale to, co jste se naučili, vám dává nástroje, které potřebujete, abyste skutečně získali pozornost soudců.