Wygranie Science Fair oznacza wyróżnienie się na tle konkurencji.
Nie zrozumcie nas źle, stworzenie niesamowitego wulkanu sody oczyszczonej może przyciągnąć kilka głów. Ale musisz zrobić coś bardziej solidnego, jeśli chcesz zdobyć główną nagrodę, czy to w swojej szkole, czy na Google Science Fair.
Oprócz rozsądnego i dobrze zaprojektowanego eksperymentu, jedną z najważniejszych rzeczy, gdy próbujesz wyciągnąć jednoznaczny wniosek, jest dokładna analiza wyników. Chociaż możesz nie chcieć tego słyszeć – to nie jest większość ludzi ulubiony część nauki – oznacza to wykonanie podstawowych statystyk, aby sprawdzić, czy zaobserwowane różnice statystycznie istotny a może po prostu przypadkowo.
Nie martw się jednak, wykonywanie testów statystycznych nie jest trudne, ale jest to jeden z najlepszych sposobów, aby Twój projekt naprawdę wyróżniał się wśród jurorów.
Dlaczego warto korzystać ze statystyk
Jeśli wybierzesz jakąkolwiek zmienną – na przykład wzrost, wyniki testów pisowni lub liczbę pomyślnie wykiełkowanych nasion – zawsze będzie jakaś zmiana przez przypadek. Generalnie istnieje rozkład wyników wokół pewnej wartości centralnej. To sprawia, że trochę trudno jest naprawdę
wiedzieć czy widoczna różnica między dwoma wynikami jest rzeczywiście ważna, czy tylko ze względu na tę wewnętrzną zmienność. Do tego właśnie używasz statystyk.Testy statystyczne, takie jak t-test i współczynnik korelacji Pearsona dają narzędzia do oddzielenia skutków losowego przypadku od rzeczywistych skutków poza tymi, których można oczekiwać przypadkowo. Na przykład, jeśli chcesz wiedzieć, czy chłopcy są wyżsi od dziewcząt, nie porównujesz po prostu średnich (więcej o tym za chwilę), musisz przyjrzeć się różnicom w ciągu grupa porównaj do różnic pomiędzy grupy.
Podstawowe miary statystyczne
Aby użyć testów statystycznych do projektu naukowego, musisz najpierw poznać kilka podstawowych rzeczy. Pierwsza jest dość prosta: pojęcie „średniego”, o którym mówi większość ludzi, mówiąc „średnia”. Jest to po prostu suma zbioru wartości podzielona przez liczbę wartości. Więc jeśli masz pięć wyników testu: 20, 13, 18, 22 i 16, średnia wynosi:
\begin{wyrównane} \text{średnia} &= μ = \frac{20 + 13 + 18 + 22 + 16}{5} \\ &= 17,8 \end{wyrównane}
Inną ważną koncepcją jest odchylenie standardowe. Jest to miara rozrzutu wartości wokół średniej i jest używana jako część wielu testów statystycznych. Wzór na odchylenie standardowe to:
σ = \sqrt{\frac{1}{N} \suma (x_i - μ)^2}
Może to wyglądać przerażająco, ale dość łatwo to policzyć: zacznij od obliczenia średniej μ, a następnie odejmij tę wartość od każdego indywidualnego wyniku ( xja w równaniu), przed podniesieniem odpowiedzi do kwadratu. Teraz zsumuj wszystkie te indywidualne wartości, podziel przez liczbę wyników (N) i na koniec wyciągnij pierwiastek kwadratowy z odpowiedzi.
Testowanie różnic: test t
Jeśli chcesz przetestować różnicę w pewnej zmiennej między dwiema grupami – na przykład średni wzrost chłopców vs. dziewczęta lub wyniki testów uczniów, którzy wzięli udział w kursie podsumowującym vs. ci, którzy tego nie zrobili – t-test jest jednym z najczęściej używanych testów statystycznych. Zakłada, że twoje dane mają rozkład normalny (jak krzywa dzwonowa – prawdopodobnie tak będzie, więc nie musisz się tym zbytnio martwić), że kwadraty odchyleń standardowych („wariancja”) każdej grupy są takie same i że obserwacje są niezależne od każdej grupy inny.
Aby wykonać t-test, używasz formuły:
t = \frac{μ_1 - μ_2}{\sqrt{\frac{s_p^2}{n_1}+\frac{s_p^2}{n_2}}}
Teraz wszystko, co musisz wiedzieć, to co każdy z symboli oznacza. Po pierwsze, μ symbole są średnimi dla próbek, nie wartości to liczba wyników w każdej grupie, a sp wartości obejmują odchylenia standardowe próbek. Jest to trochę bardziej skomplikowane i ma osobną formułę:
s_p^2 = \frac{(n_1 - 1)σ_1^2 + (n_2 - 1)σ_2^2}{n_1+n_2 - 2}
Generalnie łatwiej jest obliczyć to w kawałkach, zaczynając od sp2 wartość, a następnie wstaw wartość do równania dla t. Ostatnim krokiem jest sprawdzenie wyniku, za który otrzymujesz t w tabeli (patrz Zasoby) dla odpowiedniego poziomu istotności, który zwykle wynosi 0,95 (jeśli testujesz różnica w obu kierunkach, czyli wyżej i niżej, to albo użyj tabeli do testu „dwustronnego” albo użyj 0,975 wartość). Musisz sprawdzić wiersz pod kątem liczby stopni swobody (całkowity rozmiar próbki minus 2), a jeśli Twój t wartość (ignorując wszelkie znaki minus) jest wyższa niż wartość w tabeli, znalazłeś znaczącą różnicę.
Oczywiście to tak naprawdę dopiero początek: co robisz z wynikiem, gdy go znajdziesz? W następnej części tego artykułu dowiesz się, jak interpretować Twoje wyniki.