Jei norite laimėti savo mokslo mugę, statistinė duomenų analizė yra puikus būdas išsiskirti iš konkurentų, tačiau, kai gausite rezultatą, sakykite P = 0,04 - ką tai daro iš tikrųjų reiškia? Galite atlikti visą matematiką iš pirmoji šio įrašo dalis, bet jei iš tikrųjų nesuprantate statistinių testų rezultatų, vis tiek nežinote, ką rado jūsų eksperimentas.
Pvz.: Ar galite atmesti „nulinė hipotezė“Pagal jūsų rezultatą? Ką tai net reiškia? Ar įmanoma, kad jūsų atradimas yra atsitiktinis? Ką jums rodo koreliacija apie dviejų kintamųjų ryšį? Tai yra klausimų tipai, į kuriuos turėsite atsakyti, kad jūsų mokslo mugės rezultatai būtų aiškinami teisingai.
Nulinė hipotezė
Kai darote statistiką, jūs palyginate „nulinę hipotezę“ su savo „eksperimentine hipoteze“. Nulinė hipotezė visada iš esmės yra ta pati: tarp jūsų esančių dalykų nėra jokio ryšio testavimas. Mokslinių eksperimentų metu jūs manote, kad nulinė hipotezė yra teisinga, kol neturėsite pakankamai įrodymų, kad ją paneigtumėte. Kitaip tariant, jūs nemanote, kad gausite tam tikrą savo eksperimentų rezultatą - jūs manote, kad jūsų hipotezė nėra teisinga, kol moksliniai rezultatai jums nenurodo kitaip.
Sumišęs? Štai pavyzdys. Tarkime, jūs darote mokslo projektą, norėdami sužinoti, ar šunys yra dešiniarankiai, ar kairiarankiai. Jūsų nulinė hipotezė gali būti ta, kad šunys neturi dominuojančios letenos. Iš to jūsų rezultatai parodys, ar jūsų nulinė hipotezė teisinga, ar šunys atrodo dešiniarankiai ar kairiarankiai.
Bet kaip jūs galite atskirti tikrus rezultatus nuo to, kas gali nutikti tik atsitiktinai? Statistika, žinoma!
Nustatyti, kokie įrodymai yra „pakankami“, yra statistinių testų darbas, ir kadangi jūs tikrinate nulinę hipotezę, geriausia tiksliai apibrėžti, kas tai yra jūsų eksperimentas. Tikrai turėtumėte tai padaryti prieš pradėdami savo darbą, bet net jei sutelkėte dėmesį į eksperimentą hipotezę (santykiai, kuriuos įtariate, kad iš tikrųjų egzistuoja), po to lengva sudaryti nulinę hipotezę faktas.
P vertės ir statistinė reikšmė
Jei jūsų eksperimentas suteikia pakankamai priežasčių atmesti nulinę hipotezę, tai vadinama „statistiškai reikšmingu“ rezultatu. Tačiau, kaip ir daugumoje mokslo dalykų, yra labai konkretus apibrėžimas, ką tai iš tikrųjų reiškia, ir turėtumėte tai aiškiai žinoti, kai žiūrite į savo mokslo mugės rezultatus. Apibrėžimas susijęs su P vertė, kurią gaunate iš statistinio testo.
The P vertė neteisingai suprantama kaip „tikimybė, kad rezultatą lemia atsitiktinumas“, ir nors tai yra artima prasmei, ji yra iš tikrųjų netiesa. The P reikšmė nurodo galimybę, kad, jei nulinė hipotezė būtų teisinga, gautumėte rezultatą dėl atsitiktinio statistinio triukšmo. Pvz., Jei bandėte, ar moneta buvo nevienodai įvertinta (su hipoteze, kad tai teisinga moneta), rezultatas nuo 45 galvų iki 55 uodegų būtų gana tikėtina, kad apvers teisingą monetą dėl bendro statistinio skirtumo, ir tai yra P vertė skaičiuojama.
„Reikšmingumo lygis“ yra ribinė vertė P - viskas, kas yra žemiau šio lygio, yra laikoma pakankamai mažai tikėtina, kad atmesite nulinę hipotezę. Tai dažniausiai pasirenkama kaip P = 0,05 (taigi būtų tik 5% tikimybė, kad jūsų rezultatai bus gauti pasaulyje, kuriame teisinga nulinė hipotezė), bet galų gale tai tik įprasta. Tam tikromis aplinkybėmis reikšmingumo lygis yra P = 0,10 yra visiškai gerai, o kituose mokslininkai šiek tiek „pakelia kartelę“ ir nustato griežtesnę ribą P = 0.01. Paprastai geriausia tiesiog laikytis P = 0,05, bet supraskite, kad kartais yra skirtumų.
Koreliacijų aiškinimas
Jei bandote nustatyti skirtumą tarp dviejų grupių, pakanka suprasti statistinio reikšmingumo reikšmę, bet jei jūsų testas susijęs su dviejų kintamieji (pvz., kiek šviesos augalas gauna ir koks aukštas jis auga, ar ankstesnių bandymų skaičius ir jūsų rezultatas žaidime), viskas yra šiek tiek skirtingi. Koreliacijų testai grąžina vertes tarp −1 ir +1, todėl norint suprasti šias priežastis būtina suprasti šias priežastis ir tai, ką bet koks koreliacijos tipas reiškia priežastingumui.
Pirma, koreliacijos balą lengva suprasti, jei atsižvelgsite į kraštutinius atvejus. Bet kuri teigiama koreliacijos vertė reiškia, kad abu kintamieji didėja kartu, o +1 vertė yra a puikus koreliacija, kai vieno kintamojo grafikas prieš kitą yra tiesi. Lygiai taip pat bet kuri atėmus koreliacijos reikšmę reiškia, kad kai vienas kintamasis didėja, kitas mažėja, o −1 reikšmė yra tobulas neigiamas koreliacija. Galiausiai 0 reikšmė reiškia, kad koreliacijos nėra. Žinoma, dauguma rezultatų bus dešimtainis (pvz., 0,65), o didesnės vertės (didesni skaičiai, teigiami arba neigiami) reiškia stipresnę koreliaciją.
Tačiau pagrindinis įspėjimas yra tas koreliacija nereiškia priežastinio ryšio. Kitaip tariant, tai, kad du dalykai yra susiję, dar nereiškia, kad vienas sukelia kitus, ir neturėtumėte susigundyti savo išvadoje padaryti tokią išvadą remdamiesi koreliacija vienas. Geras pavyzdys yra koreliacija tarp geltonų dantų ir plaučių vėžio: tai nėra tie geltoni dantys priežastis plaučių vėžys; tai, kad rūkymas sukelia ir geltonus dantis, ir plaučių vėžį. Lygiai taip pat jūsų rezultatus gali lemti kitas veiksnys, kurio neatsižvelgėte, todėl visada yra rizikinga pateikti priežastinius teiginius be labai svarių įrodymų, išskyrus paprastą koreliaciją.
Atsižvelgdami į šiuos dalykus, kad ir koks būtų jūsų mokslo mugės projektas, turėtumėte sugebėti atlikti reikiamą statistiką ir tiksliai paaiškinkite, ką jie rodo. Galbūt ir nelaimėsite, tačiau tai, ko išmokote, suteikia jums įrankių, reikalingų tikrai atkreipti teisėjų dėmesį.
