Kui soovite oma teadusmessil võita, on andmete statistiline analüüs suurepärane võimalus konkurentidest eristumiseks, kuid kui saate tulemuse - öelge P = 0,04 - mida see tegelikult teeb tähendab? Saate teha kogu matemaatika selle postituse esimene osa, kuid kui te ei saa statistiliste testide tulemustest tõeliselt aru, ei tea te ikkagi, mida teie katse leidis.
Näiteks: kas saate tagasi lükatanullhüpotees”Teie tulemuse põhjal? Mida see üldse tähendab? Kas on võimalik, et teie leid on tingitud juhusest? Mida ütleb korrelatsioon teile kahe muutuja seose kohta? Need on tüüpi küsimused, millele peate vastama, et oma teadusmesside tulemusi õigesti tõlgendada.
Nullhüpotees
Kui teete statistikat, panete nullhüpoteesi oma eksperimentaalse hüpoteesi vastu. Nullhüpotees on alati põhimõtteliselt sama: asjad, mis te olete, pole omavahel seotud testimine. Teaduslikes katsetes eeldate, et nullhüpotees on tõene, kuni teil on selle ümberlükkamiseks piisavalt tõendeid. Teisisõnu, te ei eelda, et saate oma katsetest kindla tulemuse - eeldate, et teie hüpotees pole tõene enne, kui teaduslikud tulemused ütlevad teile vastupidist.
Segaduses? Siin on näide. Oletame, et teete teadusprojekti, et teada saada, kas koerad on parem- või vasakukäelised. Teie nullhüpotees võib olla, et koertel pole domineerivat käpa. Sealt annavad teie tulemused teada, kas teie nullhüpotees vastab tõele või kas koerad tunduvad olevat parem- või vasakukäelised.
Kuid kuidas saab eristada tegelikke tulemusi ja seda, mis võib juhtuda puhta juhuse läbi? Muidugi statistika!
„Piisava” tõendusmaterjali kindlaksmääramine on statistiliste testide ülesanne ja kuna testite nullhüpoteesi, on kõige parem määratleda täpselt, mis see teie katse jaoks on. Enne töö alustamist peaksite seda tõesti tegema, kuid isegi kui olete keskendunud oma eksperimentaalsele hüpoteesi (suhe, mille puhul kahtlustate, et see võib tegelikult eksisteerida), on nullhüpoteesi lihtne pärast kokku panna fakt.
P Väärtused ja statistiline tähtsus
Kui teie eksperiment annab teile nullhüpoteesi tagasilükkamiseks piisava põhjuse, nimetatakse seda statistiliselt oluliseks tulemuseks. Kuid nagu enamikus teaduse asjades, on ka see väga konkreetne määratlus selle kohta, mida see tegelikult tähendab, ja teadusmesside tulemusi vaadates peaksite selles olema selge. Definitsioon taandub dokumendi tähendusele P statistilisest testist saadud väärtus.
The P väärtust tõlgendatakse sageli valesti kui „tõenäosust, et tulemus tuleneb juhusest“, ja kuigi see on tähenduse lähedal, on see pole tegelikult tõsi. The P Selle asemel annab väärtus võimaluse, et kui nullhüpotees oleks tõsi, saaksite tulemuse juhusliku statistilise müra tõttu. Näiteks kui proovisite, kas münti kaaluti ebaühtlaselt (nullhüpoteesiga, et tegemist on õiglase mündiga), saadakse tulemus 45 peast kuni 55 sabani oleks üldise statistilise varieeruvuse tõttu üsna tõenäoline, et keerutaks õiglast münti ja see on P väärtus kvantifitseeritakse.
„Olulisuse tase” on piirväärtus P - midagi sellest allpool olevat piisavalt ebatõenäoline, et saaksite nullhüpoteesi tagasi lükata. Tavaliselt valitakse see P = 0,05 (seega oleks ainult 5% tõenäosus, et teie tulemused saavutatakse maailmas, kus nullhüpotees oli tõene), kuid lõppkokkuvõttes on see vaid kokkulepe. Mõnes olukorras on olulisuse tase P = 0,10 on täiesti korras ja teistes "tõstavad teadlased natuke latti" ja seavad rangema piirmäära P = 0.01. Tavaliselt on kõige parem lihtsalt kinni pidada P = 0,05, kuid mõistke, et mõnikord on erinevusi.
Korrelatsioonide tõlgendamine
Kui testite erinevust kahe rühma vahel, piisab statistilise olulisuse tähenduse mõistmisest, kuid kui teie test hõlmab korrelatsioone kahe muutujad (näiteks valguse hulk, mida taim saab ja kui kõrgeks ta kasvab, või eelmiste katsete arv ja teie punktisumma mängus), asjad on natuke erinevad. Korrelatsioonide testid tagastavad väärtused vahemikus −1 kuni +1 ning nende mõistmine ja see, mida mõlemad korrelatsioonitüübid põhjuslikkuse jaoks tähendavad, on teie tulemuste tõlgendamiseks hädavajalik.
Esiteks on korrelatsiooniskoori lihtne mõista, kui arvestada äärmuslikke juhtumeid. Mis tahes positiivne korrelatsiooniväärtus tähendab, et mõlemad muutujad suurenevad koosja väärtus +1 on a täiuslik korrelatsioon, kus ühe muutuja graafik teise suhtes on sirge. Samamoodi tähendab mis tahes miinus korrelatsiooniväärtus seda, et kui üks muutuja suureneb, siis teine väheneb ja väärtus −1 on täiuslik negatiivne korrelatsioon. Lõpuks tähendab väärtus 0, et korrelatsiooni pole üldse. Muidugi on enamik tulemusi kümnendkoht (näiteks 0,65), suuremad väärtused (suuremad arvud, kas positiivsed või negatiivsed) tähendavad tugevamat korrelatsiooni.
Kuid peamine hoiatus on see korrelatsioon ei tähenda põhjuslikku seost. Teisisõnu, see, et kaks asja on omavahel seotud, ei tähenda, et üks põhjustab teist ja teil ei tohiks tekkida kiusatust korrelatsiooni põhjal oma järelduses selline järeldus teha üksi. Hea näide on korrelatsioon kollaste hammaste ja kopsuvähi vahel: see pole nii kollased hambad põhjus kopsuvähk; see on see, et suitsetamine põhjustab nii kollaseid hambaid kui ka kopsuvähki. Samamoodi võivad teie tulemused olla tingitud mõnest muust tegurist, mida te pole arvestanud, seega on alati riskantne esitada põhjuslikke väiteid ilma lihtsate korrelatsioonide kõrvalt väga tugevate tõenditeta.
Neid punkte silmas pidades peaksite suutma teha statistikat, mida iganes teie teadusmessi projekt on ja selgitage täpselt, mida nad näitavad. Te ei pruugi võita, kuid õpitu annab teile tööriistad, mida vajate, et kohtunike tähelepanu tõepoolest pälvida.