Vencer a feira de ciências significa se destacar da competição.
Não nos leve a mal, criar um incrível vulcão de bicarbonato de sódio pode virar algumas cabeças. Mas você precisa fazer algo um pouco mais robusto do que isso se quiser levar o prêmio principal, seja em sua escola ou para a Feira de ciências do Google.
Além de ter um experimento sensato e bem projetado, uma das coisas mais importantes quando você está tentando tirar uma conclusão firme é analisar seus resultados com precisão. Embora você possa não querer ouvir - este não é o da maioria das pessoas favorito parte de fazer ciência - isso significa fazer algumas estatísticas básicas para ver se as diferenças que você observa são estatisticamente significativo ou possivelmente apenas por acaso.
Não se preocupe, porém, realizar testes estatísticos não é realmente difícil, mas é uma das melhores maneiras de fazer seu projeto realmente se destacar para os jurados.
Por que usar estatísticas
Se você escolher qualquer variável - por exemplo, altura, pontuação no teste de ortografia ou o número de sementes germinadas com sucesso - sempre haverá alguma variação por acaso. Geralmente, há uma distribuição de resultados em torno de algum valor central. Isso torna um pouco difícil realmente
conhecer se uma diferença aparente entre dois resultados é realmente importante ou apenas devido a essa variação intrínseca. É para isso que você usa as estatísticas.Testes estatísticos como o t-teste e o coeficiente de correlação de Pearson fornecem as ferramentas para separar os efeitos do acaso aleatório dos efeitos genuínos além daqueles esperados pelo acaso. Por exemplo, se você quiser saber se os meninos são mais altos do que as meninas, não basta comparar as médias (mais sobre isso em um momento), você precisa olhar como as diferenças dentro de um grupo compare com as diferenças entre os grupos.
Medidas estatísticas básicas
Para usar testes estatísticos em seu projeto de ciências, você precisa saber algumas coisas básicas primeiro. O primeiro é muito simples: o conceito de "média", que é o que a maioria das pessoas fala quando diz "média". Isso é simplesmente a soma de um conjunto de valores dividido pelo número de valores. Portanto, se você tiver cinco pontuações de teste: 20, 13, 18, 22 e 16, a média é:
\ begin {alinhado} \ text {média} & = μ = \ frac {20 + 13 + 18 + 22 + 16} {5} \\ & = 17,8 \ end {alinhado}
O outro conceito importante é o desvio padrão. Esta é uma medida da dispersão dos valores em torno da média e é usada como parte de muitos testes estatísticos. A fórmula para o desvio padrão é:
σ = \ sqrt {\ frac {1} {N} \ sum (x_i - μ) ^ 2}
Isso pode parecer assustador, mas é muito fácil de calcular: comece calculando a média μe, em seguida, subtraia esse valor de cada um dos resultados individuais (o xeu na equação), antes de elevar a resposta ao quadrado. Agora some todos esses valores individuais, divida pelo número de resultados (N) e, por fim, obtenha a raiz quadrada da resposta.
Testando uma diferença: o teste t
Se você quiser testar a diferença em uma determinada variável entre dois grupos - por exemplo, a altura média dos meninos vs. meninas ou resultados de testes de alunos que fizeram um curso de recapitulação vs. aqueles que não - o t-test é um dos testes estatísticos mais comumente usados. Ele assume que seus dados são normalmente distribuídos (como uma curva de sino - provavelmente será, então você não precisa se preocupar muito com isso), que os quadrados dos desvios padrão (a "variância") de cada grupo são os mesmos e que as observações são independentes de cada outro.
Para realizar um t-teste, você usa a fórmula:
t = \ frac {μ_1 - μ_2} {\ sqrt {\ frac {s_p ^ 2} {n_1} + \ frac {s_p ^ 2} {n_2}}}
Agora, tudo que você precisa saber é o que cada um dos símbolos significa. Em primeiro lugar, o μ símbolos são os meios para as amostras, o n valores são o número de resultados em cada grupo, e o sp os valores envolvem os desvios padrão das amostras. Isso é um pouco mais complicado e tem uma fórmula separada:
s_p ^ 2 = \ frac {(n_1 - 1) σ_1 ^ 2 + (n_2 - 1) σ_2 ^ 2} {n_1 + n_2 - 2}
Geralmente é mais fácil calcular isso em partes, começando com o sp2 valor e, em seguida, coloque o valor na equação para t. A etapa final é pesquisar o resultado que você obtém t em uma tabela (consulte Recursos) para o nível de significância apropriado, que geralmente é 0,95 (se você estiver testando para um diferença em ambas as direções, ou seja, superior e inferior, então use uma tabela para o teste "bilateral" ou use o 0,975 valor). Você precisa verificar a linha para o seu número de graus de liberdade (o tamanho total da amostra menos 2), e se o seu t valor (ignorando qualquer sinal de menos) é maior do que o valor na tabela, você encontrou uma diferença significativa.
Claro, isso é realmente apenas o começo: o que você faz com o resultado quando o encontra? A próxima parte deste artigo se aprofundará na interpretação de seus resultados.