Если вы хотите выиграть свою научную ярмарку, статистический анализ ваших данных - отличный способ выделиться среди конкурентов, но когда вы получите результат - скажите п = 0,04 - что это на самом деле иметь в виду? Вы можете делать всю математику из первая часть этого поста, но если вы не совсем понимаете, какие цифры возвращают статистические тесты, вы все равно не знаете, что было найдено в ходе эксперимента.
Например: можете ли вы отклонить «нулевая гипотеза”На основании вашего результата? Что это вообще значит? Возможно ли, что вы нашли случайно? Что корреляция говорит вам о взаимосвязи между двумя переменными? Это типы вопросов, на которые вам нужно будет ответить, чтобы правильно интерпретировать результаты вашей научной выставки.
Нулевая гипотеза
Когда вы ведете статистику, вы противопоставляете «нулевую гипотезу» своей «экспериментальной гипотезе». Нулевая гипотеза всегда в основном одна и та же: нет никакой связи между тем, чем вы являетесь. тестирование. В научных экспериментах вы предполагаете, что нулевая гипотеза верна, пока у вас не будет достаточно доказательств, чтобы опровергнуть ее. Другими словами, вы не предполагаете, что получите определенный результат от своих экспериментов - вы предполагаете, что ваша гипотеза неверна, пока научные результаты не скажут вам иное.
Смущенный? Вот пример. Допустим, вы занимаетесь научным проектом, чтобы выяснить, правша или левша собака. Ваша нулевая гипотеза может заключаться в том, что у собак нет доминирующей лапы. Оттуда ваши результаты покажут вам, верна ли ваша нулевая гипотеза, или собаки кажутся правшами или левшами.
Но как отличить реальные результаты от того, что может произойти по чистой случайности? Статистика, конечно!
Определение того, какие доказательства являются «достаточными», - это задача статистических тестов, и поскольку вы проверяете нулевую гипотезу, лучше всего точно определить, что это такое для вашего эксперимента. Вам действительно следует сделать это перед тем, как приступить к работе, но даже если вы сосредоточились на экспериментальной гипотезы (отношения, которые, как вы подозреваете, могут действительно существовать), легко составить нулевую гипотезу после факт.
Значения P и статистическая значимость
Если ваш эксперимент дает вам достаточные основания для отклонения нулевой гипотезы, это называется «статистически значимым» результатом. Но, как и в большинстве случаев в науке, существует очень конкретное определение того, что это на самом деле означает, и вы должны четко понимать это, когда смотрите на результаты своей научной ярмарки. Определение сводится к значению п значение, полученное вами в результате статистического теста.
В п значение часто неверно интерпретируется как «вероятность того, что результат является случайным», и хотя это близко к значению, это не совсем правда. В п value вместо этого говорит вам о вероятности того, что, если бы нулевая гипотеза была верна, вы получили бы свой результат из-за случайного статистического шума. Например, если вы проверяли, была ли монета неравномерно взвешенной (с нулевой гипотезой о том, что это честная монета), результат из 45 орлов до 55 решек будет довольно вероятно из-за подбрасывания честной монеты из-за общих статистических различий, и это то, что в п значение количественно.
«Уровень значимости» - это пороговое значение для п - все, что ниже этого значения, считается достаточно маловероятным, чтобы вы отклонили нулевую гипотезу. Обычно это выбирается как п = 0,05 (так что вероятность того, что ваши результаты будут получены в мире, где истинна нулевая гипотеза, составляет всего 5%), но в конечном итоге это всего лишь соглашение. В некоторых случаях уровень значимости п = 0,10 вполне нормально, а в других случаях ученые немного «поднимают планку» и устанавливают более строгое ограничение п = 0.01. Обычно лучше просто придерживаться п = 0,05, но имейте в виду, что иногда возможны отклонения.
Интерпретация корреляций
Если вы проверяете разницу между двумя группами, достаточно понять значение статистической значимости, но если ваш тест включает корреляции между двумя переменные (например, количество света, которое получает растение и насколько оно вырастает, или количество предыдущих попыток и ваш счет в игре), вещи немного разные. Тесты на корреляции возвращают значения между -1 и +1, и понимание их и того, что подразумевает какой-либо тип корреляции для причинности, важно для интерпретации ваших результатов.
Во-первых, показатель корреляции легко понять, если учесть крайние случаи. Любое положительное значение корреляции означает, что обе переменные увеличиваются. все вместе, а значение +1 - это идеально корреляция, где график зависимости одной переменной от другой представляет собой прямую линию. Точно так же любое значение отрицательной корреляции означает, что, когда одна переменная увеличивается, другая уменьшается, а значение -1 является идеальной отрицательной корреляцией. Наконец, значение 0 означает, что корреляции нет вообще. Конечно, большинство результатов будут десятичными (например, 0,65), причем большие значения (более высокие числа, положительные или отрицательные) означают более сильную корреляцию.
Однако главное предостережение заключается в том, что корреляция не подразумевает причинно-следственной связи. Другими словами, то, что две вещи взаимосвязаны, не означает, что одна вызывает другую, и у вас не должно возникнуть соблазна сделать такой вывод в своей рецензии на основе корреляции один. Хороший пример - корреляция между желтыми зубами и раком легких. Дело не в том, что желтые зубы причина рак легких; дело в том, что курение вызывает как желтые зубы, так и рак легких. Точно так же ваши результаты могут быть связаны с другим фактором, который вы не учли, поэтому всегда рискованно делать причинно-следственные утверждения без очень веских доказательств, помимо простой корреляции.
Имея это в виду, независимо от вашего проекта научной выставки, вы должны иметь возможность собирать необходимую статистику. а также объясните, что именно они показывают. Возможно, вы не выиграете, но то, что вы узнали, дает вам инструменты, необходимые для привлечения внимания судей.