Se vuoi vincere la tua fiera della scienza, analizzare statisticamente i tuoi dati è un ottimo modo per distinguerti dalla concorrenza, ma quando ottieni il risultato, dì P = 0,04 – cosa fa in realtà? significare? Puoi fare tutti i calcoli dal prima parte di questo post, ma se non comprendi veramente i numeri restituiti dai test statistici, non sai ancora cosa ha trovato il tuo esperimento.
Ad esempio: puoi rifiutare il "ipotesi nulla” in base al tuo risultato? Che cosa vuol dire, anche? È possibile che il tuo ritrovamento sia dovuto al caso? Cosa ti dice una correlazione sulla relazione tra due variabili? Questi sono i tipi di domande a cui dovrai rispondere per interpretare correttamente i risultati della fiera della scienza.
L'ipotesi nulla
Ogni volta che fai statistiche, stai mettendo a confronto l'"ipotesi nulla" con la tua "ipotesi sperimentale". L'ipotesi nulla è sempre fondamentalmente la stessa: non c'è relazione tra le cose che sei test. Negli esperimenti scientifici, si assume che l'ipotesi nulla sia vera finché non si hanno prove sufficienti per confutarla. In altre parole, non presumi che otterrai un determinato risultato dai tuoi esperimenti: presumi che la tua ipotesi non sia vera finché i risultati scientifici non ti diranno diversamente.
Confuso? Ecco un esempio. Supponiamo che tu stia facendo un progetto scientifico per scoprire se i cani sono destrimani o mancini. La tua ipotesi nulla potrebbe essere che i cani non abbiano una zampa dominante. Da lì, i tuoi risultati ti diranno se la tua ipotesi nulla è vera o se i cani sembrano essere destrimani o mancini.
Ma come si fa a distinguere tra risultati reali e cosa potrebbe accadere per puro caso? Statistiche, ovviamente!
Determinare quali prove sono "sufficienti" è compito dei test statistici e, poiché stai testando l'ipotesi nulla, è meglio definire esattamente cosa è per il tuo esperimento. Dovresti davvero farlo prima di iniziare il tuo lavoro, ma anche se ti sei concentrato sulla tua sperimentazione ipotesi (la relazione che sospetti possa effettivamente esistere) è facile mettere insieme un'ipotesi nulla dopo il fatto.
Valori P e significatività statistica
Se il tuo esperimento ti fornisce una ragione sufficiente per rifiutare l'ipotesi nulla, questo è chiamato un risultato "statisticamente significativo". Ma, come per la maggior parte delle cose nella scienza, esiste una definizione molto specifica di cosa significhi effettivamente, e dovresti essere chiaro a riguardo quando guardi i risultati della fiera della scienza. La definizione si riduce al significato di P valore che ottieni dal tuo test statistico.
Il P valore è spesso interpretato erroneamente come "la probabilità che il risultato sia dovuto al caso", e sebbene questo sia vicino al significato è non proprio vero. Il P value invece ti dice la possibilità che, se l'ipotesi nulla fosse vera, otterresti il tuo risultato a causa del rumore statistico casuale. Ad esempio, se si sta verificando se una moneta è stata ponderata in modo non uniforme (con un'ipotesi nulla che sia una moneta equa), un risultato di 45 teste a 55 croce sarebbe abbastanza probabile dal lanciare una moneta equa a causa della variazione statistica generale, e questo è ciò che il P valore quantifica.
Il "livello di significatività" è un valore limite per P – qualsiasi valore al di sotto di questo è considerato sufficientemente improbabile per rifiutare l'ipotesi nulla. Questo di solito è scelto come P = 0,05 (quindi ci sarebbe solo il 5% di possibilità che i tuoi risultati vengano ottenuti in un mondo in cui l'ipotesi nulla fosse vera), ma alla fine questa è solo una convenzione. In alcune circostanze, un livello di significatività di P = 0,10 va perfettamente bene, e in altri, gli scienziati "alzano un po' l'asticella" e fissano un limite più rigoroso di P = 0.01. Di solito è meglio attenersi a P = 0,05, ma capisci che a volte c'è una variazione.
Interpretazione delle correlazioni
Se stai testando una differenza tra due gruppi, è sufficiente comprendere il significato della significatività statistica, ma se il tuo test prevede correlazioni tra due variabili (ad esempio, la quantità di luce che riceve una pianta e quanto cresce in altezza, o il numero di tentativi precedenti e il tuo punteggio in una partita), le cose sono un po' diverso. I test per le correlazioni restituiscono valori compresi tra -1 e +1 e la comprensione di questi e di ciò che entrambi i tipi di correlazione implicano per la causalità è essenziale per interpretare i risultati.
Innanzitutto, il punteggio di correlazione è facile da capire se si considerano i casi estremi. Qualsiasi valore di correlazione positivo significa che entrambe le variabili aumentano insieme, e un valore di +1 è a Perfetto correlazione, dove il grafico di una variabile rispetto a un'altra è una linea retta. Allo stesso modo, qualsiasi valore di correlazione negativo significa che quando una variabile aumenta, l'altra diminuisce e un valore di -1 è una correlazione negativa perfetta. Infine, un valore 0 significa che non c'è alcuna correlazione. Naturalmente, la maggior parte dei risultati sarà un decimale (come 0,65), con valori più grandi (numeri più alti, positivi o negativi) che indicano una correlazione più forte.
Tuttavia, un avvertimento chiave è che la correlazione non implica la causalità. In altre parole, solo perché due cose sono correlate non significa che una causi l'altra, e non dovresti essere tentato di trarre una conclusione del genere nel tuo articolo sulla base di una correlazione solo. Un buon esempio è una correlazione tra i denti gialli e il cancro ai polmoni: non sono quei denti gialli causa cancro ai polmoni; è che il fumo provoca sia i denti gialli che il cancro ai polmoni. Allo stesso modo, i tuoi risultati potrebbero essere dovuti a un altro fattore che non hai considerato, quindi è sempre rischioso fare affermazioni causali senza prove molto forti oltre a una semplice correlazione.
Con questi punti in mente, qualunque sia il tuo progetto per la fiera della scienza, dovresti essere in grado di fare le statistiche di cui hai bisogno e spiegare esattamente cosa mostrano. Potresti non vincere, ma quello che hai imparato ti dà gli strumenti di cui hai bisogno per attirare davvero l'attenzione dei giudici.