Vetenskapliga metoder Ordförråd

Vetenskapliga experiment involverar variabler, kontroller, hypoteser och en mängd andra begrepp och termer som kan vara förvirrande.

Ordlista över vetenskapliga villkor

Här är en ordlista över viktiga vetenskapliga experimenttermer och definitioner:

• Centrala gränsvärdessatsen: Anger att med ett tillräckligt stort prov kommer provmedlet att fördelas normalt. Ett normalt fördelat provmedelvärde är nödvändigt för att tillämpa t-test, så om du planerar att utföra en statistisk analys av experimentella data är det viktigt att ha ett tillräckligt stort prov.
• Slutsats: Fastställande av om hypotesen ska accepteras eller avvisas.
• Kontrollgrupp: Testpersoner som slumpmässigt tilldelats att inte få den experimentella behandlingen.
• Kontrollvariabel: Alla variabler som inte ändras under ett experiment. Även känd som en konstant variabel.
• Data (singular: datum): Fakta, siffror eller värden erhållna i ett experiment.
• Beroende variabel: Variabeln som svarar på den oberoende variabeln. Den beroende variabeln är den som mäts i experimentet. Även känd som beroende mått eller svara variabel.
• Dubbelblind: När varken forskaren eller ämnet vet om ämnet får behandlingen eller placebo. "Blindning" hjälper till att minska partiska resultat.
• Tom kontrollgrupp: En typ av kontrollgrupp som inte får någon behandling, inklusive placebo.
• Experimentell grupp: Testpersoner som slumpmässigt tilldelats att få den experimentella behandlingen.
• Extrem Variabel: Extra variabler (inte oberoende, beroende eller kontrollvariabler) som kan påverka ett experiment men som inte redovisas eller mäts eller är utanför kontrollen. Exempel kan inkludera faktorer som du anser vara obetydliga vid tidpunkten för ett experiment, till exempel tillverkaren av glasvaran vid en reaktion eller färgen på papper som används för att göra ett pappersflygplan.
• Hypotes: En förutsägelse om den oberoende variabeln kommer att ha en effekt på den beroende variabeln eller en förutsägelse av effekten av effekten. 
• Oberoende eller Oberoende av: När en faktor inte påverkar en annan. Till exempel bör en studiedeltagare inte påverka vad en annan deltagare gör. De fattar beslut oberoende. Oberoende är avgörande för en meningsfull statistisk analys.
• Oberoende slumpmässig tilldelning: Slumpmässigt välja om en testperson kommer att vara i en behandlings- eller kontrollgrupp.
• Oberoende variabel: Variabeln som manipuleras eller ändras av forskaren.
• Oberoende variabla nivåer: Ändring av den oberoende variabeln från ett värde till ett annat (t.ex. olika läkemedelsdoser, olika mängder tid). De olika värdena kallas "nivåer".
• Inferentialstatistik: Statistik (matematik) tillämpas för att dra slutsatser om en population baserat på ett representativt urval från befolkningen.
• Intern giltighet: När ett experiment exakt kan avgöra om den oberoende variabeln ger en effekt.
• Betyda: Genomsnittet beräknas genom att lägga till alla poäng och sedan dividera med antalet poäng.
• Nollhypotesen: Hypotesen "ingen skillnad" eller "ingen effekt", som förutspår behandlingen kommer inte att ha någon effekt på ämnet. Nollhypotesen är användbar eftersom det är lättare att bedöma med en statistisk analys än andra former av en hypotes.
• Nollresultat (obetydliga resultat): Resultat som inte motbeviser nollhypotesen. Nollresultat bevisar inte nollhypotesen eftersom resultaten kan ha resulterat i brist på makt. Vissa nollresultat är typ 2-fel.
• p < 0.05: En indikation på hur ofta chansen ensam kan redovisa effekten av den experimentella behandlingen. Ett värde p < 0.05 means that five times out of a hundred, you could expect this difference between the two groups purely by chance. Since the possibility of the effect occurring by chance is so small, the researcher may conclude the experimental treatment did indeed have an effect. Other p, eller sannolikhet, värden är möjliga. Gränsen på 0,05 eller 5% är helt enkelt ett vanligt riktmärke för statistisk betydelse.
• Placebo (placebo-behandling): En falsk behandling som inte bör ha någon effekt utanför förslagets kraft. Exempel: I läkemedelsförsök kan testpatienter ges en piller som innehåller läkemedlet eller en placebo, som liknar läkemedlet (piller, injektion, vätska) men inte innehåller den aktiva ingrediensen.
• Befolkning: Hela gruppen forskaren studerar. Om forskaren inte kan samla in data från befolkningen, kan man studera stora slumpmässiga prover tagna från befolkningen för att uppskatta hur befolkningen skulle svara.
• Kraft: Förmågan att observera skillnader eller undvika att göra fel på typ 2.
• Slumpmässig eller slumpmässighet: Valt eller utfört utan att följa något mönster eller metod. För att undvika oavsiktlig partiskhet använder forskare ofta slumptalgeneratorer eller vänd mynt för att göra val.
• Resultat: Förklaringen eller tolkningen av experimentella data.
• Enkelt experiment: Ett grundläggande experiment som är utformat för att bedöma om det finns ett orsak och effektförhållande eller för att testa en förutsägelse. Ett grundläggande enkelt experiment kan bara ha ett testämne jämfört med ett kontrollerat experiment, som har minst två grupper.
• Single-Blind: När antingen experimenteraren eller försökspersonen är omedvetna om patienten får behandlingen eller placebo. Blindning av forskaren hjälper till att förhindra förspänning när resultaten analyseras. Blindning av motivet förhindrar deltagaren från att ha en partisk reaktion.
• Statistisk signifikans: Observation, baserat på tillämpningen av ett statistiskt test, att ett förhållande troligen inte beror på ren chans. Sannolikheten anges (t.ex.., p < 0.05) and the results are said to be statistiskt säkerställt.
• T-test: Vanlig statistisk dataanalys tillämpad på experimentell data för att testa en hypotes. De t-test beräknar förhållandet mellan skillnaden mellan gruppmedlet och standardfelet för skillnaden, ett mått på sannolikheten för gruppmedlet kan avvika rent av en slump. En tumregel är att resultaten är statistiskt signifikanta om du observerar en skillnad mellan värdena som är tre gånger större än standardfelet för skillnaden, men det är bäst att leta upp det förhållande som krävs för betydelse på en t-tabell.
• Typ I-fel (typ 1-fel): Händer när du avvisar nollhypotesen, men det var faktiskt sant. Om du utför t-testa och ställa in p < 0.05, there is less than a 5% chance you could make a Type I error by rejecting the hypothesis based on random fluctuations in the data.
• Typ II-fel (typ 2-fel): Händer när du accepterar nollhypotesen, men den var faktiskt falsk. De experimentella förhållandena hade effekt, men forskaren kunde inte hitta det statistiskt signifikant.