科学实验涉及变量、控制、假设和许多其他可能令人困惑的概念和术语。...
科学实验涉及变量、控制、假设和许多其他可能令人困惑的概念和术语。
科学术语表
以下是重要科学实验术语和定义的词汇表:
- 中心极限定理:说明有足够大的样本,样本平均值将服从正态分布。正态分布的样本均值是应用t检验所必需的,因此,如果您计划对实验数据进行统计分析,那么拥有足够大的样本是很重要的。
- 结论:决定是否接受或拒绝该假设。
- 对照组:随机分配不接受实验治疗的受试者。
- 控制变量:在实验过程中不变的任何变量。也称为常量变量。
- 数据(单数:数据):在实验中获得的事实、数字或数值。
- 因变量:与自变量对应的变量。因变量是实验中测量的变量。也称为因变量或响应变量。
- 双盲:研究者和受试者都不知道受试者是接受治疗还是安慰剂。”“盲目”有助于减少有偏见的结果。
- 空白对照组:不接受任何治疗的对照组,包括安慰剂。
- 实验组:随机分配接受实验治疗的受试者。
- 无关变量:可能影响实验但未被解释、测量或无法控制的额外变量(非独立变量、因变量或控制变量)。例子可能包括在实验时你认为不重要的因素,比如玻璃器皿在反应中的制造商或纸飞机的颜色。
- 假设:预测自变量是否会对因变量产生影响,或预测影响的性质。
- 独立或独立:当一个因素不影响另一个因素时。例如,一名研究参与者的行为不应影响另一名参与者的行为。他们独立做决定。独立性对于有意义的统计分析至关重要。
- 独立随机分配:随机选择受试者是属于治疗组还是对照组。
- 自变量:研究者操纵或改变的变量。
- 自变量水平:将自变量从一个值更改为另一个值(例如,不同的药物剂量、不同的时间量)。不同的值称为“级别”
- 推断统计学:应用统计学(数学)从人口中的代表性样本推断人口特征。
- 内部效度:当一个实验能够准确地确定自变量是否产生影响时。
- 平均值:将所有分数相加,然后除以分数数计算得出的平均值。
- 无效假设:“无差异”或“无效”假设,预测治疗不会对受试者产生影响。无效假设是有用的,因为它比其他形式的假设更容易通过统计分析进行评估。
- 无效结果(非重要结果):不推翻无效假设的结果。无效结果不能证明无效假设,因为结果可能是由于缺乏力量造成的。一些空结果是类型2错误。
- p<0.05:表明单凭偶然性可以解释实验治疗效果的频率。值p<0.05意味着百分之五,两组之间的差异纯属偶然。由于偶然发生效应的可能性很小,研究人员可能会得出结论,实验治疗确实有效果。其他p或概率值也是可能的。0.05%或5%的限值仅仅是统计显著性的共同基准。
- 安慰剂(安慰剂治疗):一种虚假的治疗,除了暗示的力量之外,应该没有任何效果。例如:在药物试验中,受试者可能会服用含有该药物的药片或安慰剂,类似于药物(药片、注射剂、液体),但不含活性成分。
- 人口:研究人员正在研究的整个群体。如果研究人员无法从人群中收集数据,则可以通过研究从人群中随机抽取的大样本来估计人群的反应。
- 能力:观察差异或避免犯第2类错误的能力。
- 随机性或随机性:选择或执行时不遵循任何模式或方法。为了避免无意的偏见,研究人员经常使用随机数发生器或硬币来进行选择。
- 结果:实验数据的解释或解释。
- 简单实验:旨在评估因果关系或检验预测的基本实验。一个基本的简单实验可能只有一个测试对象,而对照实验至少有两组。
- 单盲:当实验者或受试者不知道受试者正在接受治疗还是安慰剂时。在分析结果时,使研究者失明有助于防止偏见。蒙蔽受试者可防止受试者产生偏见反应。
- 统计学意义:基于统计检验的观察结果表明,一段关系可能并非纯粹出于偶然。说明了概率(例如,p<0.05),并认为结果具有统计学意义。
- T检验:对实验数据进行常用统计数据分析,以检验假设。t检验计算组平均值之间的差异与差异的标准误差之间的比率,这是组平均值完全偶然差异的可能性的度量。经验法则是,如果观察到两个值之间的差异比差异的标准误差大三倍,则结果在统计上具有显著性,但最好在t表上查找显著性所需的比率。
- 类型I错误(类型1错误):当您拒绝无效假设时发生,但它实际上是真的。如果进行t检验并设置p<0.05,则通过拒绝基于数据随机波动的假设而产生I型错误的可能性小于5%。
- 第二类错误(第二类错误):当您接受无效假设,但它实际上是错误的时发生。实验条件有一定的影响,但研究人员没有发现有统计学意义。
-
发表于 2021-09-06 21:52
- 阅读 ( 132 )
- 分类:公共