Memenangkan pameran sains berarti menonjol dari kompetisi.
Jangan salah paham, menciptakan gunung berapi soda kue yang luar biasa mungkin membuat beberapa orang terkejut. Tetapi Anda perlu melakukan sesuatu yang sedikit lebih kuat dari itu jika Anda ingin mengambil hadiah utama, baik di sekolah Anda atau untuk Pameran Sains Google.
Selain memiliki eksperimen yang masuk akal dan dirancang dengan baik, salah satu hal terpenting ketika Anda mencoba menarik kesimpulan yang kuat adalah menganalisis hasil Anda secara akurat. Meskipun Anda mungkin tidak ingin mendengarnya – ini bukan milik kebanyakan orang favorit bagian dari melakukan sains – ini berarti melakukan beberapa statistik dasar untuk melihat apakah ada perbedaan yang Anda amati signifikan secara statistik atau mungkin hanya karena kebetulan.
Namun, jangan khawatir, melakukan uji statistik tidak terlalu sulit, tetapi ini adalah salah satu cara terbaik untuk membuat proyek Anda benar-benar menonjol di mata juri.
Mengapa Menggunakan Statistik
Jika Anda memilih variabel apa pun – misalnya, tinggi badan, skor tes ejaan, atau jumlah benih yang berhasil berkecambah – akan selalu ada beberapa variasi secara kebetulan saja. Umumnya ada distribusi hasil di sekitar beberapa nilai sentral. Ini membuatnya sedikit sulit untuk benar-benar tahu apakah perbedaan nyata antara dua hasil itu penting atau tidak, atau hanya karena variasi intrinsik ini. Untuk itulah Anda menggunakan statistik.
Tes statistik seperti untuk-test dan koefisien korelasi Pearson memberi Anda alat untuk memisahkan efek peluang acak dari efek asli di luar yang diharapkan secara kebetulan. Misalnya, jika Anda ingin mengetahui apakah anak laki-laki lebih tinggi daripada anak perempuan, Anda tidak hanya akan membandingkan rata-ratanya (lebih lanjut tentang itu sebentar lagi), Anda perlu melihat bagaimana perbedaannya. dalam kelompok dibandingkan dengan perbedaan antara kelompok.
Ukuran Statistik Dasar
Untuk menggunakan uji statistik untuk proyek sains Anda, Anda harus mengetahui beberapa hal dasar terlebih dahulu. Yang pertama cukup sederhana: konsep "mean", yang kebanyakan orang bicarakan ketika mereka mengatakan "rata-rata." Ini hanyalah jumlah dari sekumpulan nilai dibagi dengan jumlah nilai. Jadi jika Anda memiliki lima nilai tes: 20, 13, 18, 22 dan 16, rata-ratanya adalah:
\begin{aligned} \text{mean} &= = \frac{20 + 13 + 18 + 22 + 16}{5} \\ &= 17.8 \end{aligned}
Konsep penting lainnya adalah simpangan baku. Ini adalah ukuran penyebaran nilai di sekitar rata-rata, dan ini digunakan sebagai bagian dari banyak uji statistik. Rumus untuk simpangan baku adalah:
= \sqrt{\frac{1}{N} \sum (x_i - )^2}
Ini mungkin terlihat menakutkan, tetapi cukup mudah untuk dihitung: mulailah dengan menghitung rata-ratanya μ, dan kemudian kurangi nilai ini dari masing-masing hasil individual ( xsaya dalam persamaan), sebelum mengkuadratkan jawabannya. Sekarang jumlahkan semua nilai individual ini, bagi dengan jumlah hasil (tidak), dan akhirnya ambil akar kuadrat dari jawabannya.
Pengujian untuk Perbedaan: Uji-t
Jika Anda ingin menguji perbedaan dalam variabel tertentu antara dua kelompok – misalnya, tinggi rata-rata anak laki-laki vs. anak perempuan atau nilai ujian siswa yang mengikuti kursus rekap vs. mereka yang belum – the untuk-test adalah salah satu tes statistik yang paling umum digunakan. Ini mengasumsikan bahwa data Anda terdistribusi secara normal (seperti kurva lonceng – mungkin saja, jadi Anda tidak perlu terlalu khawatir tentang ini), bahwa kuadrat deviasi standar ("varians") dari setiap kelompok adalah sama dan bahwa pengamatan tidak tergantung pada masing-masing lain.
Untuk melakukan untuk-tes, Anda menggunakan rumus:
t = \frac{μ_1 - _2}{\sqrt{\frac{s_p^2}{n_1}+\frac{s_p^2}{n_2}}}
Sekarang, yang perlu Anda ketahui adalah apa arti masing-masing simbol. Pertama, μ simbol adalah sarana untuk sampel, the tidak nilai adalah jumlah hasil di setiap kelompok, dan sp nilai melibatkan standar deviasi sampel. Ini sedikit lebih rumit dan memiliki formula terpisah:
s_p^2 = \frac{(n_1 - 1)σ_1^2 + (n_2 - 1)σ_2^2}{n_1+n_2 - 2}
Umumnya lebih mudah untuk menghitung ini dalam potongan, dimulai dengan sp2 nilai, dan kemudian masukkan nilainya ke dalam persamaan untuk untuk. Langkah terakhir adalah mencari hasil yang Anda dapatkan untuk dalam tabel (lihat Sumberdaya) untuk tingkat signifikansi yang sesuai, yang biasanya 0,95 (jika Anda menguji a perbedaan di kedua arah, yaitu lebih tinggi dan lebih rendah, maka gunakan tabel untuk tes "dua sisi" atau gunakan 0,975 nilai). Anda perlu memeriksa baris untuk jumlah derajat kebebasan Anda (ukuran sampel total Anda dikurangi 2), dan jika Anda untuk nilai (mengabaikan tanda minus) lebih tinggi dari nilai dalam tabel, Anda telah menemukan perbedaan yang signifikan.
Tentu saja, ini benar-benar baru permulaan: Apa yang Anda lakukan dengan hasilnya ketika Anda menemukannya? Bagian selanjutnya dari artikel ini akan membahas secara mendalam tentang menafsirkan hasil Anda.