A tudományos vásár megnyerése azt jelenti, hogy kiemelkedik a versenyből.
Ne értsen félre minket, egy fantasztikus szódabikarbóna vulkán létrehozása néhány fejet megfordíthat. De ennél valamivel erőteljesebb dolgot kell tennie, ha el akarja vinni a fődíjat, akár az iskolában, akár a Google Science Fair-en.
Az ésszerű és jól megtervezett kísérlet mellett az egyik legfontosabb dolog, amikor határozott következtetést kíván levonni, az eredményeinek pontos elemzése. Bár lehet, hogy nem akarja hallani - ez nem a legtöbb emberé kedvenc része a tudománynak - ez azt jelenti, hogy néhány alapvető statisztikát kell készíteni, hogy lássa, vannak-e megfigyelt különbségek statisztikailag szignifikáns vagy esetleg csak a véletlen miatt.
Ne aggódjon, a statisztikai tesztek elvégzése nem igazán nehéz, de ez az egyik legjobb módszer arra, hogy a projekt valóban kiemelkedjen a bírók előtt.
Miért érdemes használni a statisztikákat?
Ha bármilyen változót választ - például magasság, helyesírási teszt pontszámok vagy a sikeresen csírázott magok száma -, akkor csak véletlenül mindig lesz némi eltérés. Az eredmények általában valamilyen központi érték körül oszlanak meg. Ez egy kicsit megnehezíti az igazit
tud hogy a két eredmény közötti látszólagos különbség valóban fontos-e vagy sem, vagy csak ennek a belső variációnak köszönhető. Erre használod a statisztikákat.Statisztikai tesztek, mint a t-teszt és Pearson korrelációs együtthatója ad eszközöket arra, hogy a véletlenszerű véletlen hatásait elkülönítsék a valódi hatásoktól. Például, ha azt szeretné tudni, hogy a fiúk magasabbak-e, mint a lányok, akkor nem csak az átlagokat hasonlítaná össze (egy pillanat alatt erről többet), meg kell vizsgálnia, hogy a különbségek belül egy csoport összehasonlítja a különbségeket között a csoportok.
Statisztikai alapintézkedések
A statisztikai tesztek tudományos projektjeihez való felhasználásához először meg kell ismernie néhány alapvető dolgot. Az első nagyon egyszerű: az „átlag” fogalma, amelyről a legtöbb ember beszél, amikor azt mondja: „átlagos”. Ez egyszerűen egy értékkészlet összegének elosztva az értékek számával. Tehát, ha öt teszt pontszáma van: 20, 13, 18, 22 és 16, az átlag:
\ begin {aligned} \ text {mean} & = μ = \ frac {20 + 13 + 18 + 22 + 16} {5} \\ & = 17.8 \ end {aligned}
A másik fontos fogalom a szórás. Ez az értékek elterjedésének az átlag körüli mértéke, és számos statisztikai teszt részeként használják. A szórás képlete a következő:
σ = \ sqrt {\ frac {1} {N} \ összeg (x_i - μ) ^ 2}
Ez ijesztőnek tűnhet, de elég könnyű kiszámítani: kezdje az átlag kiszámításával μ, majd vonja le ezt az értéket az egyes eredmények mindegyikéből ( xén az egyenletben), mielőtt négyzetre emelnénk a választ. Most összesítse ezeket az egyedi értékeket, ossza el az eredmények számával (N), és végül vegye be a válasz négyzetgyökét.
Különbség vizsgálata: A t-teszt
Ha két csoport között egy bizonyos változó különbségét szeretné tesztelni - például a fiúk átlagos magassága vs. lányok vagy az összesítő tanfolyamot elvégzett hallgatók tesztjei vs. akik még nem - az t-teszt az egyik leggyakrabban használt statisztikai teszt. Feltételezi, hogy az adatai normálisan vannak elosztva (mint egy haranggörbe - valószínűleg így lesz, tehát nem kell emiatt túlságosan aggódni), hogy az egyes csoportok szórásainak négyzete („variancia”) megegyezik, és hogy a megfigyelések egymástól függetlenek Egyéb.
Végezni a t-teszt, a következő képletet használja:
t = \ frac {μ_1 - μ_2} {\ sqrt {\ frac {s_p ^ 2} {n_1} + \ frac {s_p ^ 2} {n_2}}}
Most már csak annyit kell tudnia, hogy az egyes szimbólumok mit jelentenek. Először is a μ szimbólumok jelentik a minták, a n az értékek az egyes csoportok eredményeinek száma és a so az értékek a minták szórásait tartalmazzák. Ez egy kicsit bonyolultabb és külön képlettel rendelkezik:
s_p ^ 2 = \ frac {(n_1 - 1) σ_1 ^ 2 + (n_2 - 1) σ_2 ^ 2} {n_1 + n_2 - 2}
Ezt általában könnyebb darabokban kiszámolni, kezdve a so2 értéket, majd tegye az értéket a (z) egyenletbe t. Az utolsó lépés annak az eredménynek a megkeresése, amelyre kap t táblázatban (lásd: Erőforrások) a megfelelő szignifikancia szintet, amely általában 0,95 (ha a különbség mindkét irányban, vagyis magasabb és alacsonyabb, akkor vagy használjon táblázatot a „kétoldalas” teszthez, vagy használja a 0.975 érték). Ellenőriznie kell a szabadság fokainak számát (a teljes minta mérete mínusz 2), és ha a t értéke (figyelmen kívül hagyva minden mínuszjelet) magasabb, mint a táblázat értéke, jelentős különbséget talált.
Természetesen ez valójában csak a kezdet: Mit csinálsz az eredménnyel, amikor megtaláltad? A cikk következő része az eredmények értelmezésével foglalkozik.
