Si desea ganar su feria de ciencias, analizar estadísticamente sus datos es una excelente manera de destacarse de la competencia, pero cuando obtenga el resultado, diga PAG = 0.04 - ¿qué es realmente? significar? Puedes hacer todas las matemáticas desde el primera parte de esta publicación, pero si no comprende realmente los números que arrojan las pruebas estadísticas, aún no sabe realmente lo que encontró su experimento.
Por ejemplo: ¿Puede rechazar el "hipótesis nula”Basado en su resultado? ¿Y eso que significa? ¿Es posible que su hallazgo se deba al azar? ¿Qué te dice una correlación sobre la relación entre dos variables? Estos son los tipos de preguntas que deberá responder para obtener una interpretación correcta de los resultados de la feria de ciencias.
La hipótesis nula
Siempre que haces estadísticas, estás enfrentando la "hipótesis nula" con tu "hipótesis experimental". La hipótesis nula es siempre básicamente la misma: no hay relación entre las cosas que estás pruebas. En los experimentos científicos, asume que la hipótesis nula es verdadera hasta que tenga suficiente evidencia para refutarla. En otras palabras, no asume que obtendrá un cierto resultado de sus experimentos; asume que su hipótesis no es cierta hasta que los resultados científicos le indiquen lo contrario.
¿Confundido? He aquí un ejemplo. Supongamos que está realizando un proyecto científico para averiguar si los perros son diestros o zurdos. Tu hipótesis nula podría ser que los perros no tienen una pata dominante. A partir de ahí, sus resultados le dirán si su hipótesis nula es cierta o si los perros parecen ser diestros o zurdos.
Pero, ¿cómo se puede diferenciar entre resultados reales y lo que podría suceder por pura casualidad? ¡Estadísticas, por supuesto!
Determinar qué evidencia es "suficiente" es el trabajo de las pruebas estadísticas, y debido a que está probando la hipótesis nula, es mejor definir exactamente qué es para su experimento. Realmente debería hacer esto antes de comenzar su trabajo, pero incluso si se ha centrado en su experiencia hipótesis (la relación que sospecha que podría existir) es fácil armar una hipótesis nula después el hecho.
Valores P y significancia estadística
Si su experimento le da motivos suficientes para rechazar la hipótesis nula, esto se denomina resultado "estadísticamente significativo". Pero, como ocurre con la mayoría de las cosas en la ciencia, existe una definición muy específica de lo que esto realmente significa, y debes tenerlo claro cuando mires los resultados de la feria de ciencias. La definición se reduce al significado de la PAG valor que obtiene de su prueba estadística.
La PAG El valor a menudo se malinterpreta en el sentido de "la probabilidad de que el resultado se deba al azar", y aunque esto está cerca del significado, es no es realmente cierto. La PAG value, en cambio, le dice la probabilidad de que, si la hipótesis nula fuera cierta, obtenga su resultado debido al ruido estadístico aleatorio. Por ejemplo, si estuviera probando si una moneda estaba ponderada de manera desigual (con una hipótesis nula de que es una moneda justa), un resultado de 45 caras a 55 cruces sería bastante probable de lanzar una moneda justa debido a la variación estadística general, y esto es lo que la PAG el valor cuantifica.
El "nivel de significancia" es un valor de corte para PAG - Todo lo que esté por debajo de esto se considera lo suficientemente improbable como para rechazar la hipótesis nula. Esto generalmente se elige como PAG = 0.05 (por lo que solo habría un 5% de probabilidad de que sus resultados se obtuvieran en un mundo donde la hipótesis nula fuera cierta), pero en última instancia, esto es solo una convención. En algunas circunstancias, un nivel de significancia de PAG = 0.10 está perfectamente bien, y en otros, los científicos "elevan el listón" un poco y establecen un límite más estricto de PAG = 0.01. Por lo general, es mejor ceñirse a PAG = 0.05, pero comprenda que a veces hay variaciones.
Interpretación de correlaciones
Si está probando una diferencia entre dos grupos, comprender el significado de significancia estadística es suficiente, pero si su prueba implica correlaciones entre dos variables (por ejemplo, la cantidad de luz que recibe una planta y qué tan alto crece, o el número de intentos anteriores y tu puntuación en un juego), las cosas son un poco diferente. Las pruebas de correlación devuelven valores entre -1 y +1, y comprender estos y lo que implica cualquier tipo de correlación para la causalidad es esencial para interpretar los resultados.
En primer lugar, la puntuación de correlación es fácil de entender si se consideran los casos extremos. Cualquier valor de correlación positivo significa que ambas variables aumentan juntos, y un valor de +1 es un Perfecto correlación, donde la gráfica de una variable contra otra es una línea recta. De la misma manera, cualquier valor de correlación negativo significa que cuando una variable aumenta, la otra disminuye, y un valor de -1 es una correlación negativa perfecta. Finalmente, un valor de 0 significa que no hay correlación en absoluto. Por supuesto, la mayoría de los resultados serán decimales (como 0,65), con valores más grandes (números más altos, positivos o negativos), lo que significa una correlación más fuerte.
Sin embargo, una advertencia clave es que La correlación no implica causa. En otras palabras, el hecho de que dos cosas estén correlacionadas no significa que una cause la otra y no debería tener la tentación de sacar tal conclusión en su artículo sobre la base de una correlación solo. Un buen ejemplo es la correlación entre los dientes amarillos y el cáncer de pulmón: no es que los dientes amarillos causa cáncer de pulmón; es que fumar causa tanto los dientes amarillos como el cáncer de pulmón. De la misma manera, sus resultados podrían deberse a otro factor que no ha considerado, por lo que siempre es arriesgado hacer afirmaciones causales sin evidencia muy sólida más allá de una simple correlación.
Con estos puntos en mente, sea cual sea su proyecto de feria de ciencias, debería poder hacer las estadísticas que necesita para y explique exactamente lo que muestran. Puede que no ganes, pero lo que has aprendido te brinda las herramientas que necesitas para realmente llamar la atención de los jueces.