サイエンスフェアの結果を*本当に*理解する秘訣は次のとおりです

科学博覧会に勝ちたい場合は、データを統計的に分析することは、競合他社から目立つための優れた方法ですが、結果が得られたら、次のように言います。 P = 0.04 –実際には何ですか 平均? あなたはからすべての数学を行うことができます この投稿の最初の部分、しかし、統計的検定が返す数値を本当に理解していない場合でも、実験で何が見つかったかは本当にわかりません。

例：「帰無仮説」あなたの結果に基づいて？ それは一体何の意味ですか？ あなたの発見が偶然によるものである可能性はありますか？ 相関関係は、2つの変数間の関係について何を教えてくれますか？ これらは、科学博覧会の結果を正しく解釈するために答える必要のある質問の種類です。

統計を行うときはいつでも、「実験的仮説」に対して「帰無仮説」を当てはめています。 帰無仮説は常に基本的に同じです：あなたがいるものの間に関係はありません テスト。 科学実験では、それを論駁するのに十分な証拠が得られるまで、帰無仮説が真であると仮定します。 言い換えれば、実験から特定の結果が得られるとは想定していません。科学的な結果から別のことがわかるまで、仮説は真実ではないと想定しています。

混乱していますか？ これが例です。 犬が右利きか左利きかを調べるために科学プロジェクトを行っているとします。 あなたの帰無仮説は、犬には優勢な足がないということかもしれません。 そこから、結果から、帰無仮説が正しいかどうか、または犬が右利きか左利きのように見えるかがわかります。

しかし、実際の結果と偶然に起こる可能性のある結果との違いをどのように見分けることができますか？ もちろん統計！

どの証拠が「十分」であるかを判断することは統計的検定の仕事であり、帰無仮説を検定しているため、実験でそれが何であるかを正確に定義するのが最善です。 作業を開始する前に実際にこれを行う必要がありますが、実験に焦点を合わせたとしても 仮説（疑わしい関係が実際に存在する可能性があります）の後に帰無仮説をまとめるのは簡単です 事実。

実験で帰無仮説を棄却するのに十分な理由が得られた場合、これは「統計的に有意な」結果と呼ばれます。 しかし、科学のほとんどのものと同様に、これが実際に何を意味するかについては非常に具体的な定義があり、科学博覧会の結果を見るときはそれについて明確にする必要があります。 定義は、の意味に帰着します P 統計的検定から得られる値。

ザ・ P 値は、「結果が偶然によるものである確率」を意味すると誤解されることがよくあります。これは、その意味に近いものですが、 実際には真実ではありません. ザ・ P 代わりに、値は、帰無仮説が真である場合、ランダムな統計的ノイズのために結果が得られる可能性を示します。 たとえば、コインの重みが不均一であるかどうかをテストしている場合（公正なコインであるという仮説がない場合）、結果は 45のヘッドから55のテールまでは、一般的な統計的変動のために公正なコインを弾くことからかなり可能性が高く、これが インクルード P 値は定量化します。

「有意水準」は、のカットオフ値です。 P –これより下の値は、帰無仮説を棄却する可能性が十分に低いと見なされます。 これは通常、次のように選択されます P = 0.05（したがって、帰無仮説が真である世界で結果が得られる可能性は5％しかありません）が、最終的にはこれは単なる慣例です。 状況によっては、有意水準 P = 0.10は完全に問題ありません。他の科学者は、少し「基準を引き上げ」、より厳密なカットオフを設定します。 P = 0.01. 通常はただ固執するのが最善です P = 0.05ですが、変動がある場合があることを理解してください。

2つのグループ間の違いをテストする場合は、統計的有意性の意味を理解するだけで十分ですが、テストに2つのグループ間の相関関係が含まれる場合 変数（たとえば、植物が受ける光の量とその成長の高さ、または以前の試行回数とゲームでのスコア）、物事は少しです 違います。 相関のテストは-1から+1の間の値を返します。これらを理解し、どちらのタイプの相関が因果関係を意味するかを理解することは、結果を解釈するために不可欠です。

まず、極端な場合を考えると、相関スコアがわかりやすいです。 正の相関値は、両方の変数が増加することを意味します 一緒、および+1の値は 完璧 相関。ある変数と別の変数のグラフは直線です。 同様に、負の相関値は、一方の変数が増加するともう一方の変数が減少することを意味し、-1の値は完全な負の相関です。 最後に、値0は、相関関係がまったくないことを意味します。 もちろん、ほとんどの結果は小数（0.65など）であり、値が大きいほど（正または負の数値が大きいほど）、相関が強いことを意味します。

ただし、重要な注意点は 相関関係は因果関係を意味しません. 言い換えれば、2つのことが相関しているからといって、一方が他方を引き起こすという意味ではありません。 相関関係に基づいて、記事でそのような結論を導き出そうとしないでください。 一人で。 良い例は、黄色い歯と肺がんの相関関係です。黄色い歯ではありません。 原因 肺癌; 喫煙は黄色い歯と肺がんの両方を引き起こすということです。 同様に、あなたの結果はあなたが考慮していない別の要因による可能性があるので、単純な相関関係を超えた非常に強力な証拠なしに因果関係を主張することは常に危険です。

これらの点を念頭に置いて、サイエンスフェアのプロジェクトが何であれ、必要な統計を行うことができるはずです。 そして 彼らが示していることを正確に説明してください。 勝てないかもしれませんが、学んだことは、審査員の注意を引くために必要なツールを提供します。