Ha meg akarja nyerni a tudományos vásárát, akkor az adatainak statisztikai elemzése nagyszerű módja annak, hogy kitűnjön a versenytársak közül, de amikor megkapja az eredményt - mondjuk P = 0,04 - mit csinál valójában átlagos? Az összes matematikát elvégezheti a a bejegyzés első része, de ha nem igazán érti a statisztikai tesztek által szolgáltatott számokat, akkor sem igazán tudja, mit talált a kísérlete.
Például: Elutasíthatja-e anull hipotézist”Az eredményed alapján? Mit jelent egyáltalán? Lehetséges, hogy a véletlen a megállapítása? Mit árul el a korreláció két változó kapcsolatáról? Ezekre a kérdésekre kell megválaszolnia, hogy a tudományos vásár eredményeinek értelmezése megfelelő legyen.
A nullhipotézis
Ha statisztikákat készít, akkor a „nullhipotézist” a „kísérleti hipotézisével” állítja szemben. A nullhipotézis alapvetően mindig ugyanaz: Nincs kapcsolat a dolgok között tesztelés. A tudományos kísérletek során azt feltételezi, hogy a nullhipotézis igaz, amíg nincs elegendő bizonyítéka annak megcáfolásához. Más szavakkal, nem feltételezi, hogy bizonyos eredményeket fog elérni a kísérleteiből - feltételezi, hogy hipotézise nem igaz, amíg a tudományos eredmények nem mondanak másként.
Zavaros? Itt egy példa. Tegyük fel, hogy tudományos projektet végez, hogy kiderítse, a kutyák jobb- vagy balkezesek-e. Nullhipotézise az lehet, hogy a kutyáknak nincs domináns mancsa. Innentől az eredmények megmondják, hogy a nullhipotézised igaz-e, vagy úgy tűnik, hogy a kutyák jobb- vagy balkezesek.
De hogyan lehet különbséget tenni a valós eredmények és a véletlenszerű történések között? Statisztika, természetesen!
A statisztikai tesztek feladata annak meghatározása, hogy mennyi bizonyíték „elegendő”, és mivel a nullhipotézist teszteljük, a legjobb, ha pontosan meghatározzuk, mi az a kísérlet. Ezt valóban meg kell tennie, mielőtt elkezdené a munkáját, de akkor is, ha a kísérleti tevékenységére összpontosított hipotézis (a kapcsolat, amelyről gyanítod, hogy valóban létezhet) utána könnyű nullhipotézist összeállítani ami azt illeti.
P értékek és statisztikai jelentőség
Ha a kísérlet elegendő okot ad a nullhipotézis elutasítására, ezt „statisztikailag szignifikáns” eredménynek nevezzük. De, mint a legtöbb dologban a tudományban, van egy nagyon konkrét meghatározása annak, hogy ez valójában mit jelent, és tisztában kell lennie vele, amikor a tudományos vásár eredményeit nézi. A meghatározás a P a statisztikai tesztből kapott érték.
A P az értéket gyakran tévesen úgy értelmezik, hogy „annak a valószínűsége, hogy az eredmény a véletlen miatt van”, és bár ez közel áll a jelentéshez, mégis valójában nem igaz. A P Az érték ehelyett megmondja annak esélyét, hogy ha a nullhipotézis igaz lenne, akkor véletlenszerű statisztikai zaj miatt megkapja eredményét. Például, ha azt tesztelte, hogy az érme súlyozatlan-e (nullhipotézissel, hogy ez egy tisztességes érme), akkor 45 fejtől 55 farokig az általános statisztikai eltérések miatt meglehetősen valószínű, hogy megforgat egy tisztességes érmét, és ez az, a P az érték számszerűsít.
A „szignifikancia szint” a határérték P - ez alatt bármi eléggé valószínűtlennek tűnik ahhoz, hogy elutasítsa a nullhipotézist. Ezt általában úgy választják P = 0,05 (tehát csak 5% esély lenne arra, hogy eredményeit olyan világban érjük el, ahol a nullhipotézis igaz volt), de ez végül is csak egy szokás. Bizonyos körülmények között a P = 0,10 teljesen rendben van, másokban a tudósok kissé „megemelik a lécet”, és szigorúbb határértéket határoznak meg P = 0.01. Általában a legjobb, ha csak ragaszkodunk hozzá P = 0,05, de értse meg, hogy néha van eltérés.
Az összefüggések értelmezése
Ha két csoport közötti különbséget tesztel, elegendő megérteni a statisztikai szignifikancia jelentését, de ha a teszt összefüggéseket tartalmaz két változók (például egy növény által megkapott fény mennyisége és milyen magasra nő, vagy az előző próbálkozások száma és a játékban elért pontszáma), a dolgok kicsit különböző. A korrelációk tesztjei −1 és +1 közötti értékeket adnak vissza, és ezek megértése, valamint az, hogy a korreláció mindkét típusa mit jelent az oksági összefüggések szempontjából, elengedhetetlen az eredmények értelmezéséhez.
Először is, a korrelációs pontszám könnyen érthető, ha figyelembe vesszük a szélsőséges eseteket. Bármely pozitív korrelációs érték azt jelenti, hogy mindkét változó növekszik együtt, és a +1 értéke a tökéletes korreláció, ahol az egyik változó grafikonja a másikhoz képest egyenes. Ugyanígy bármely mínusz korrelációs érték azt jelenti, hogy amikor az egyik változó növekszik, a másik csökken, és −1 értéke tökéletes negatív korreláció. Végül a 0 értéke azt jelenti, hogy egyáltalán nincs összefüggés. Természetesen a legtöbb eredmény tizedes lesz (például 0,65), a nagyobb értékek (magasabb számok, akár pozitívak, akár negatívak) erősebb összefüggést jelentenek.
A legfontosabb figyelmeztetés azonban az az összefüggés nem jelent ok-okozati összefüggést. Más szavakkal, az, hogy két dolog összefügg egymással, még nem jelenti azt, hogy az egyik okozza a másikat, és nem szabad megkísértenie, hogy korreláció alapján ilyen következtetést vonjon le írásában egyedül. Jó példa a sárga fogak és a tüdőrák közötti összefüggés: Ez nem olyan sárga fog ok tüdőrák; ez az, hogy a dohányzás sárga fogakat és tüdőrákot is okoz. Ugyanígy az eredményei egy másik tényezőnek is köszönhetők, amelyet nem vett figyelembe, ezért mindig kockázatos ok-okozati állításokat benyújtani, nagyon egyszerű bizonyíték nélkül, egyszerű összefüggésen túl.
Ezeket a szempontokat szem előtt tartva, bármi legyen is a tudományos vásár projektje, képesnek kell lennie a szükséges statisztikák elkészítésére és magyarázza el pontosan, mit mutatnak. Lehet, hogy nem nyer, de amit megtanult, megadja a szükséges eszközöket ahhoz, hogy valóban felhívja a bírák figyelmét.