과학 박람회에서 우승한다는 것은 경쟁에서 돋보인다는 의미입니다.
오해하지 마세요. 멋진 베이킹 소다 화산을 만들면 머리가 멀어 질 수 있습니다. 하지만 학교에서든 Google Science Fair에서든 최고의 상을 받으려면 그보다 좀 더 강력한 작업을 수행해야합니다.
현명하고 잘 설계된 실험뿐만 아니라 확실한 결론을 내리려고 할 때 가장 중요한 것 중 하나는 결과를 정확하게 분석하는 것입니다. 듣고 싶지 않을 수도 있습니다. 대부분의 사람들이 특히 잘하는 과학 수행의 일부 – 이것은 관찰 한 차이가 있는지 확인하기 위해 몇 가지 기본 통계를 수행하는 것을 의미합니다. 통계적으로 유의미한 또는 아마도 우연 때문일 수도 있습니다.
하지만 걱정하지 마세요. 통계 테스트를 수행하는 것은 그리 어렵지 않지만 프로젝트를 심사 위원에게 눈에 띄게 만드는 가장 좋은 방법 중 하나입니다.
통계를 사용하는 이유
예를 들어 높이, 철자 검사 점수 또는 성공적으로 발아 된 종자의 수와 같은 변수를 선택하면 우연히 만 약간의 차이가있을 수 있습니다. 일반적으로 일부 중심 가치에 대한 결과 분포가 있습니다. 이로 인해 실제로는 알고있다 두 결과 간의 명백한 차이가 실제로 중요한지 여부 또는이 내재적 변동으로 인한 것입니다. 그것이 바로 통계를 사용하는 것입니다.
다음과 같은 통계 테스트 티-test 및 Pearson의 상관 계수는 우연에 의해 예상되는 효과를 넘어서 실제 효과에서 임의의 우연의 효과를 분리하는 도구를 제공합니다. 예를 들어 남학생이 여학생보다 키가 더 큰지 알고 싶다면 평균을 비교하지 않고 (자세한 내용은 잠시 후) 차이가 어떻게되는지 살펴 봐야합니다 이내에 차이점에 대한 그룹 비교 중에서 그룹.
기본 통계 측정
과학 프로젝트에 통계 테스트를 사용하려면 먼저 몇 가지 기본적인 사항을 알아야합니다. 첫 번째는 매우 간단합니다. 대부분의 사람들이 "평균"이라고 말할 때 말하는 "평균"의 개념입니다. 이것은 단순히 값 집합을 값 수로 나눈 값입니다. 따라서 5 개의 시험 점수 (20, 13, 18, 22 및 16)가있는 경우 평균은 다음과 같습니다.
\ begin {aligned} \ text {mean} & = μ = \ frac {20 + 13 + 18 + 22 + 16} {5} \\ & = 17.8 \ end {aligned}
다른 중요한 개념은 표준 편차. 이것은 평균 주변 값의 산포를 측정하는 것으로 많은 통계 테스트의 일부로 사용됩니다. 표준 편차의 공식은 다음과 같습니다.
σ = \ sqrt {\ frac {1} {N} \ sum (x_i-μ) ^ 2}
무섭게 보일 수 있지만 계산하기는 매우 쉽습니다. 평균을 계산하여 시작하세요. μ을 클릭 한 다음 각 개별 결과에서이 값을 뺍니다 ( 엑스나는 방정식에서), 답을 제곱하기 전에. 이제 이러한 개별 값을 모두 합산하고 결과 수 (엔), 마지막으로 답의 제곱근을 취합니다.
차이 검정: t- 검정
두 그룹 사이의 특정 변수의 차이를 테스트하려는 경우 (예: 남아 대 평균 키) 요약 과정을 수강 한 학생 또는 시험 점수 하지 않은 사람들 – 티-test는 가장 일반적으로 사용되는 통계 테스트 중 하나입니다. 데이터가 정규 분포를 따른다고 가정합니다 (종형 곡선처럼 – 아마도 그렇게 될 것이므로 너무 걱정할 필요가 없습니다). 각 그룹의 표준 편차 ( "분산")의 제곱이 동일하고 관측치가 각각에 대해 독립적이라는 것 다른.
수행하려면 티-테스트, 다음 공식을 사용합니다.
t = \ frac {μ_1-μ_2} {\ sqrt {\ frac {s_p ^ 2} {n_1} + \ frac {s_p ^ 2} {n_2}}}
이제 알아야 할 것은 각 기호의 의미입니다. 첫째, μ 기호는 샘플을위한 수단입니다. 엔 값은 각 그룹의 결과 수이며 에스피 값에는 표본의 표준 편차가 포함됩니다. 이것은 조금 더 복잡하고 별도의 공식이 있습니다.
s_p ^ 2 = \ frac {(n_1-1) σ_1 ^ 2 + (n_2-1) σ_2 ^ 2} {n_1 + n_2-2}
일반적으로 이것을 조각으로 계산하는 것이 더 쉽습니다. 에스피2 값을 입력 한 다음 방정식에 값을 입력하십시오. 티. 마지막 단계는 얻은 결과를 찾는 것입니다. 티 적절한 유의 수준 (일반적으로 0.95)에 대한 표 (참고 자료 참조)에서 두 방향의 차이, 즉 높고 낮음, "양면"테스트에 대한 표를 사용하거나 0.975 값). 자유도 (총 표본 크기에서 2를 뺀 값)에 대한 행을 확인해야합니다. 티 값 (마이너스 기호 무시)이 표의 값보다 높으면 중요한 차이를 발견했습니다.
물론 이것은 시작에 불과합니다. 결과를 찾았을 때 그 결과로 무엇을합니까? 이 기사의 다음 부분에서는 결과 해석에 대해 자세히 설명합니다.