Ak chcete zvíťaziť na vedeckom veľtrhu, je štatistická analýza vašich údajov skvelým spôsobom, ako odlíšiť od konkurencie, ale keď získate výsledok, povedzte P = 0,04 - čo to v skutočnosti znamená znamenajú? Celú matematiku môžete urobiť z prvá časť tohto príspevku, ale ak skutočne nerozumiete číslam, ktoré sa vrátia štatistické testy, stále skutočne neviete, čo váš experiment našiel.
Napríklad: Môžete odmietnuť „nulová hypotéza“Na základe vášho výsledku? Čo to vôbec znamená? Je možné, že váš nález je výsledkom náhody? Čo vám hovorí korelácia o vzťahu medzi dvoma premennými? Toto sú typy otázok, na ktoré budete musieť odpovedať, aby bola interpretácia vašich vedecky spravodlivých výsledkov správna.
Nulová hypotéza
Kedykoľvek robíte štatistiku, staviate „nulovú hypotézu“ proti „experimentálnej hypotéze“. Nulová hypotéza je vždy v zásade rovnaká: Medzi vecami, ktoré ste, nie je žiadny vzťah testovanie. Vo vedeckých experimentoch predpokladáte, že nulová hypotéza je pravdivá, kým nebudete mať dostatok dôkazov na jej vyvrátenie. Inými slovami, nepredpokladáte, že zo svojich experimentov získate určitý výsledok - predpokladáte, že vaša hypotéza nie je pravdivá, kým vedecké výsledky nepovedia inak.
Zmätený? Tu je príklad. Povedzme, že robíte vedecký projekt na zistenie, či sú psy pravou alebo ľavou rukou. Vaša nulová hypotéza by mohla byť, že psy nemajú dominantnú labku. Od tejto chvíle vám vaše výsledky povedia, či je vaša nulová hypotéza pravdivá, alebo či sa zdá, že psy sú pravák alebo ľavák.
Ako však spoznáte rozdiel medzi skutočnými výsledkami a tým, čo sa môže stať čistou náhodou? Štatistiky, samozrejme!
Určenie toho, čo je „dostatočné“, je úlohou štatistických testov, a pretože testujete nulovú hypotézu, je najlepšie presne definovať, čo je pre váš experiment vhodné. Mali by ste to urobiť skôr, ako začnete pracovať, ale aj keď ste sa sústredili na svoje experimenty hypotéza (vzťah, o ktorom si myslíte, že by v skutočnosti mohol existovať), je ľahké po ňom zostaviť nulovú hypotézu fakt.
P Hodnoty a štatistická významnosť
Ak vám váš experiment poskytne dostatočný dôvod na odmietnutie nulovej hypotézy, nazýva sa to „štatisticky významný“ výsledok. Ale rovnako ako vo väčšine vecí vo vede, aj tu existuje veľmi konkrétna definícia toho, čo to v skutočnosti znamená, a mali by ste mať jasno v tom, keď sa pozeráte na svoje vedecky spravodlivé výsledky. Definícia vychádza z významu slova P hodnotu, ktorú získate zo svojho štatistického testu.
The P hodnota sa často nesprávne interpretuje, čo znamená „pravdepodobnosť, že výsledok je výsledkom náhody“, a hoci sa to blíži významu, je to vlastne nie je pravda. The P hodnota vám namiesto toho hovorí o šanci, že ak by bola nulová hypotéza pravdivá, získali by ste svoj výsledok v dôsledku náhodného štatistického šumu. Napríklad ak testujete, či bola minca nerovnomerne vážená (s nulovou hypotézou, že ide o spravodlivú mincu), výsledok 45 hláv až 55 chvostov by bolo pravdepodobné, že hodia spravodlivú mincu kvôli všeobecným štatistickým odchýlkam, a to je to, čo the P hodnota kvantifikuje.
„Hladina významnosti“ je medzná hodnota pre P - čokoľvek pod týmto sa považuje za dostatočne nepravdepodobné na to, aby ste odmietli nulovú hypotézu. Zvyčajne sa vyberá ako P = 0,05 (bola by teda iba 5% šanca, že by sa vaše výsledky dosiahli vo svete, kde bola nulová hypotéza pravdivá), ale v konečnom dôsledku ide iba o konvenciu. Za určitých okolností úroveň významnosti P = 0,10 je úplne v poriadku a v iných vedci trochu „zdvihnú latku“ a stanovia prísnejšiu hranicu P = 0.01. Spravidla je najlepšie sa len držať P = 0,05, ale uvedomte si, že niekedy existujú zmeny.
Tlmočenie korelácií
Ak testujete rozdiel medzi dvoma skupinami, pochopenie významu štatistickej významnosti stačí, ale ak váš test zahŕňa korelácie medzi dvoma skupinami premenné (napríklad množstvo svetla, ktoré rastlina prijíma a ako vysoko rastie, alebo počet predchádzajúcich pokusov a vaše skóre v hre), sú veci tak trochu rôzne. Testy na korelácie vrátia hodnoty medzi −1 a +1 a pochopenie týchto a toho, čo ktorý typ korelácie znamená pre príčinnú súvislosť, je pri interpretácii vašich výsledkov nevyhnutné.
Po prvé, korelačné skóre je ľahko pochopiteľné, ak vezmete do úvahy extrémne prípady. Akákoľvek pozitívna hodnota korelácie znamená, že sa zvyšujú obe premenné spolua hodnota +1 je a perfektné korelácia, kde graf jednej premennej proti druhej je priamka. Rovnakým spôsobom akákoľvek mínusová korelačná hodnota znamená, že keď sa jedna premenná zvyšuje, druhá klesá, a hodnota –1 predstavuje dokonalú negatívnu koreláciu. Nakoniec hodnota 0 znamená, že vôbec neexistuje korelácia. Samozrejme, väčšina výsledkov bude desatinná (napríklad 0,65), pričom väčšie hodnoty (vyššie čísla, kladné alebo záporné) znamenajú silnejšiu koreláciu.
Kľúčovou výhradou však je korelácia neznamená príčinnú súvislosť. Inými slovami, to, že spolu súvisia dve veci, neznamená, že jedna spôsobuje druhú, a nemali by ste byť v pokušení vyvodiť takýto záver vo svojom zápise na základe korelácie sám. Dobrým príkladom je korelácia medzi žltými zubami a rakovinou pľúc: Nie sú to také žlté zuby príčina rakovina pľúc; je to tak, že fajčenie spôsobuje žlté zuby aj rakovinu pľúc. Rovnakým spôsobom môžu byť vaše výsledky spôsobené ďalším faktorom, ktorý ste nezohľadnili, takže je vždy riskantné uvádzať kauzálne tvrdenia bez veľmi silných dôkazov presahujúcich jednoduchú koreláciu.
Majte na pamäti tieto body, bez ohľadu na to, aký je váš vedecký veľtrh projekt, mali by ste byť schopní robiť potrebné štatistiky a presne vysvetliť, čo ukazujú. Možno nevyhráte, ale to, čo ste sa naučili, vám dá nástroje, ktoré potrebujete, aby ste skutočne dostali pozornosť sudcov.