Якщо ви хочете виграти свою наукову ярмарок, статистичний аналіз ваших даних - це чудовий спосіб виділитися серед конкурентів, але коли ви отримаєте результат - скажіть P = 0,04 - що це робить насправді маю на увазі? Ви можете зробити всю математику з перша частина цього допису, але якщо ви по-справжньому не розумієте цифр, які повертають статистичні тести, ви все ще не знаєте, що виявив ваш експеримент.
Наприклад: Чи можете ви відхилити "нульова гіпотеза”За вашим результатом? Що це взагалі означає? Чи можливо ваша знахідка зумовлена випадковістю? Що кореляція говорить вам про зв'язок між двома змінними? На такі типи запитань вам потрібно буде відповісти, щоб правильно інтерпретувати результати ваших наукових виставок.
Нульова гіпотеза
Щоразу, коли ви робите статистику, ви ставите «нульову гіпотезу» проти своєї «експериментальної гіпотези». Нульова гіпотеза завжди в основному однакова: між речами, якими ви є, немає взаємозв’язку тестування. У наукових експериментах ви припускаєте, що нульова гіпотеза відповідає дійсності, поки у вас не буде достатніх доказів для її спростування. Іншими словами, ви не припускаєте, що отримаєте певний результат своїх експериментів - ви вважаєте, що ваша гіпотеза не відповідає дійсності, поки наукові результати не скажуть вам інакше.
Розгублений? Ось приклад. Скажімо, ви робите науковий проект, щоб з’ясувати, чи собаки правші чи лівші. Ваша нульова гіпотеза може полягати в тому, що собаки не мають домінуючої лапи. Звідти ваші результати покажуть вам, чи відповідає ваша нульова гіпотеза чи собакам здається правшею чи лівшею.
Але як ви можете визначити різницю між реальними результатами і тим, що може статися випадково? Статистика, звичайно!
Визначення «достатніх» доказів - це робота статистичних тестів, і оскільки ви перевіряєте нульову гіпотезу, найкраще точно визначити, що це таке для вашого експерименту. Ви дійсно повинні зробити це перед тим, як розпочати свою роботу, але навіть якщо ви зосередилися на своєму експерименті гіпотеза (відносини, які, як ви підозрюєте, насправді можуть існувати), легко скласти нульову гіпотезу після факт.
Значення P та статистична значимість
Якщо ваш експеримент дає вам достатньо підстав для відхилення нульової гіпотези, це називається „статистично значущим” результатом. Але, як і в більшості речей в науці, існує дуже конкретне визначення того, що це насправді означає, і ви повинні це чітко розуміти, коли дивитесь на результати своїх наукових ярмарків. Визначення зводиться до значення P значення, яке ви отримуєте за допомогою вашого статистичного тесту.
P значення часто трактується неправильно, що означає "ймовірність того, що результат обумовлений випадковістю", і хоча це наближається до значення насправді неправда. P значення замість цього повідомляє вам шанс, що якби нульова гіпотеза була істинною, ви отримали свій результат через випадкові статистичні шуми. Наприклад, якщо ви перевіряли, чи монета нерівномірно зважена (з нульовою гіпотезою, що це справедлива монета), результат з 45 голів до 55 хвостів було б досить ймовірно від перевертання справедливої монети через загальні статистичні коливання, і ось що P значення кількісно.
“Рівень значущості” є граничним значенням для P - все, що нижче цього, вважається досить малоймовірним для того, щоб ви відкинули нульову гіпотезу. Зазвичай це вибирають як P = 0,05 (отже, існує лише 5% ймовірності того, що ваші результати будуть отримані у світі, де нульова гіпотеза відповідала дійсності), але в кінцевому рахунку це лише умова. За деяких обставин рівень значущості P = 0,10 - цілком нормально, а в інших - вчені трохи «піднімають планку» і встановлюють більш суворе обмеження P = 0.01. Зазвичай найкраще просто дотримуватися P = 0,05, але розумійте, що іноді бувають зміни.
Інтерпретація співвідношень
Якщо ви тестуєте на різницю між двома групами, достатньо зрозуміти значення статистичної значущості, але якщо ваш тест передбачає співвідношення між двома змінні (наприклад, кількість світла, яке отримує рослина, і наскільки вона зростає, або кількість попередніх спроб та ваш рахунок у грі), справа трохи інший. Тести на кореляційні зв'язки повертають значення між -1 і +1, а розуміння їх і того, що будь-який тип кореляції передбачає для причинно-наслідкового зв'язку, є важливим для інтерпретації ваших результатів.
По-перше, оцінку кореляції легко зрозуміти, якщо врахувати крайні випадки. Будь-яке позитивне значення кореляції означає, що обидві змінні збільшуються разом, а значення +1 дорівнює a ідеально кореляція, де графік однієї змінної щодо іншої є прямою лінією. Так само, будь-яке мінусове значення кореляції означає, що коли одна змінна збільшується, інша зменшується, і значення −1 є ідеальною негативною кореляцією. Нарешті, значення 0 означає, що взагалі немає кореляції. Звичайно, більшість результатів будуть десятковими (наприклад, 0,65), з більшими значеннями (більші числа, позитивні чи негативні), що означає сильнішу кореляцію.
Однак ключовим застереженням є це кореляція не передбачає причинно-наслідкових зв’язків. Іншими словами, те, що дві речі співвідносяться, не означає, що одне спричиняє інше, і ви не повинні спокушатися зробити такий висновок у своєму списку на основі співвідношення поодинці. Хороший приклад - співвідношення між жовтими зубами та раком легенів: це не те, що жовті зуби причина рак легенів; це те, що куріння викликає як жовті зуби, так і рак легенів. Так само, ваші результати можуть бути зумовлені іншим фактором, який ви не враховували, тому завжди ризиковано висувати причинно-наслідкові претензії без дуже вагомих доказів, що не відповідають простому співвідношенню.
Маючи на увазі ці моменти, яким би не був ваш науковий ярмарковий проект, ви повинні мати змогу робити необхідну статистику і пояснити, що саме вони показують. Можливо, ви не переможете, але те, що ви дізналися, дає вам інструменти, необхідні для того, щоб справді привернути увагу суддів.