과학 경시 대회에서 우승하고 싶다면 데이터를 통계적으로 분석하는 것이 경쟁에서 돋보일 수있는 좋은 방법입니다.하지만 결과가 나오면 다음과 같이 말하세요. 피 = 0.04 – 실제로 무엇을 하는가 평균? 당신은 모든 수학을 할 수 있습니다 이 게시물의 첫 부분,하지만 통계 테스트가 반환하는 숫자를 진정으로 이해하지 못한다면 실험 결과를 알 수 없습니다.
예: "귀무 가설”결과에 따라? 그게 무슨 뜻이야? 당신의 발견이 우연 일 가능성이 있습니까? 상관 관계는 두 변수 간의 관계에 대해 무엇을 알려 줍니까? 다음은 과학 경시 대회 결과를 올바르게 해석하기 위해 답변해야하는 질문 유형입니다.
Null 가설
통계를 작성할 때마다 '실험적 가설'에 대해 '무 가설'을 맞 춥니 다. 귀무 가설은 항상 기본적으로 동일합니다. 현재 존재하는 사물 간에는 관계가 없습니다. 테스트. 과학 실험에서 귀무 가설은 반박 할 충분한 증거가있을 때까지 참이라고 가정합니다. 즉, 실험에서 특정 결과를 얻을 것이라고 가정하지 않습니다. 과학적 결과가 다르게 말할 때까지 가설이 사실이 아니라고 가정합니다.
혼란스러워? 여기에 예가 있습니다. 개가 오른 손잡이인지 왼손잡이인지 알아 내기 위해 과학 프로젝트를 수행하고 있다고 가정 해 보겠습니다. 귀무 가설은 개가 우세한 발이 없다는 것입니다. 거기에서 결과는 귀무 가설이 사실인지 또는 개가 오른 손잡이인지 왼손잡이인지 여부를 알려줍니다.
하지만 실제 결과와 우연히 일어날 수있는 일의 차이를 어떻게 구분할 수 있습니까? 물론 통계!
어떤 증거가 '충분'한지 결정하는 것은 통계 테스트의 일이며 귀무 가설을 테스트하고 있기 때문에 실험에 대해 정확히 정의하는 것이 가장 좋습니다. 작업을 시작하기 전에이 작업을 수행해야하지만 실험에 집중 했더라도 가설 (실제로 존재하는 것으로 의심되는 관계) 다음에 귀무 가설을 쉽게 구성 할 수 있습니다. 사실.
P 값 및 통계적 의미
실험에서 귀무 가설을 기각 할 충분한 원인을 제공하는 경우이를 "통계적으로 유의미한"결과라고합니다. 그러나 대부분의 과학 분야와 마찬가지로 이것이 실제로 의미하는 바에 대한 매우 구체적인 정의가 있으며 과학 경시 대회 결과를 볼 때 명확해야합니다. 정의는
피 통계 테스트에서 얻은 가치.그만큼 피 가치는 종종 "결과가 우연에 기인 한 확률"을 의미하는 것으로 잘못 해석되며 이는 의미에 가깝지만 사실이 아니다. 그만큼 피 대신 값은 귀무 가설이 참이면 무작위 통계 노이즈로 인해 결과를 얻을 가능성을 알려줍니다. 예를 들어 동전의 가중치가 균등하지 않은지 테스트하는 경우 (공정한 동전이라는 귀무 가설을 사용하여) 결과 45 개의 앞면에서 55 개의 뒷면은 일반적인 통계적 변동으로 인해 공정한 동전을 뒤집을 가능성이 상당히 높습니다. 그만큼 피 가치는 정량화합니다.
"유의 수준"은 다음에 대한 컷오프 값입니다. 피 – 이보다 낮은 것은 귀무 가설을 기각 할 가능성이 충분히없는 것으로 간주됩니다. 이것은 일반적으로 다음과 같이 선택됩니다. 피 = 0.05 (따라서 귀무 가설이 참인 세계에서 결과를 얻을 수있는 확률은 5 %에 불과합니다),하지만 궁극적으로 이것은 단지 관례 일뿐입니다. 어떤 상황에서는 유의 수준 피 = 0.10은 완벽하게 괜찮습니다. 다른 경우에는 과학자들이 "기준을 조금 높이고"더 엄격한 기준을 설정합니다. 피 = 0.01. 일반적으로 피 = 0.05이지만 때때로 변동이 있음을 이해하십시오.
상관 관계 해석
두 그룹 간의 차이를 테스트하는 경우 통계적 유의성의 의미를 이해하는 것으로 충분하지만 테스트에 두 그룹 간의 상관 관계가 포함되는 경우 변수 (예: 식물이받는 빛의 양, 자라는 정도 또는 이전 시도 횟수 및 게임 점수) 다른. 상관 관계 테스트는 −1과 +1 사이의 값을 반환하며, 이러한 값과 두 상관 관계 유형이 인과 관계에 대해 의미하는 바를 이해하는 것은 결과를 해석하는 데 필수적입니다.
첫째, 극단적 인 경우를 고려하면 상관 관계 점수를 이해하기 쉽습니다. 양의 상관 값은 두 변수가 모두 증가 함을 의미 함께, +1 값은 완전한 한 변수와 다른 변수의 그래프가 직선 인 상관 관계입니다. 마찬가지로 마이너스 상관 값은 하나의 변수가 증가하면 다른 변수는 감소하고 -1 값은 완벽한 음의 상관 관계임을 의미합니다. 마지막으로 값 0은 상관 관계가 전혀 없음을 의미합니다. 물론 대부분의 결과는 소수 (0.65와 같은)이며 더 큰 값 (더 큰 숫자, 양수 또는 음수)은 더 강한 상관 관계를 의미합니다.
그러나 중요한주의 사항은 상관 관계는 인과 관계를 의미하지 않습니다.. 즉, 두 가지가 상관 관계가 있다고해서 하나가 다른 것을 유발한다는 의미는 아닙니다. 상관 관계를 바탕으로 글을 작성할 때 그러한 결론을 내리고 싶은 유혹을 받아서는 안됩니다. 혼자. 좋은 예는 노란색 치아와 폐암의 상관 관계입니다. 노란색 치아가 아닙니다. 원인 폐암; 흡연은 이빨과 폐암을 모두 유발한다는 것입니다. 같은 방식으로 결과가 고려하지 않은 다른 요인으로 인한 것일 수 있으므로 단순한 상관 관계를 넘어서는 매우 강력한 증거없이 인과 적 주장을하는 것은 항상 위험합니다.
이러한 점을 염두에두고 과학 박람회 프로젝트가 무엇이든 필요한 통계를 수행 할 수 있어야합니다. 과 그들이 보여주는 것을 정확하게 설명하십시오. 이기지 못할 수도 있지만 배운 내용은 실제로 심사 위원의 관심을 끄는 데 필요한 도구를 제공합니다.