Vetenskaplig metod och statistik

Relevanta dokument
Vetenskaplig metod och Statistik

Vetenskaplig metod och statistik

Vetenskaplig Metod och Statistik. Maja Llena Garde Fysikum, SU Vetenskapens Hus

Finns det över huvud taget anledning att förvänta sig något speciellt? Finns det en generell fördelning som beskriver en mätning?

Lektionsanteckningar 11-12: Normalfördelningen

FMSF55: Matematisk statistik för C och M OH-bilder på föreläsning 5, a 2 e x2 /a 2, x > 0 där a antas vara 0.6.

F3 Introduktion Stickprov

Två innebörder av begreppet statistik. Grundläggande tankegångar i statistik. Vad är ett stickprov? Stickprov och urval

Forskningsmetodik 2006 lektion 2

Hur skriver man statistikavsnittet i en ansökan?

F9 SAMPLINGFÖRDELNINGAR (NCT

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

34% 34% 13.5% 68% 13.5% 2.35% 95% 2.35% 0.15% 99.7% 0.15% -3 SD -2 SD -1 SD M +1 SD +2 SD +3 SD

F14 HYPOTESPRÖVNING (NCT 10.2, , 11.5) Hypotesprövning för en proportion. Med hjälp av data från ett stickprov vill vi pröva

Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

Beskrivande statistik. Tony Pansell, Leg optiker Docent, Universitetslektor

Analys av medelvärden. Jenny Selander , plan 3, Norrbacka, ingång via den Samhällsmedicinska kliniken

Introduktion. Konfidensintervall. Parade observationer Sammanfattning Minitab. Oberoende stickprov. Konfidensintervall. Minitab

Föreläsning 5. Kapitel 6, sid Inferens om en population

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

Föreläsning 4. Kapitel 5, sid Stickprovsteori

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

Tentamen i statistik (delkurs C) på kursen MAR103: Marina Undersökningar - redskap och metoder.

Idag. EDAA35, föreläsning 4. Analys. Kursmeddelanden. Vanliga steg i analysfasen av ett experiment. Exempel: exekveringstid

Föreläsningsmanus i matematisk statistik för lantmätare, vecka 5 HT06

17/10/14. Kvantitativ metod och grundläggande statistik. Varför. Epidemiologi

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Föreläsning 12: Regression

Ingenjörsmetodik IT & ME 2011 Föreläsning 11

1 Mätdata och statistik

, s a. , s b. personer från Alingsås och n b

Transport över membran Undersökning osmos och växtceller (potatis)

Studietyper, inferens och konfidensintervall

Experimentella metoder 2014, Räkneövning 1

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

2. Test av hypotes rörande medianen i en population.

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

TMS136. Föreläsning 7

STATISTISK POWER OCH STICKPROVSDIMENSIONERING

Föreläsning 1. NDAB02 Statistik; teori och tillämpning i biologi

STOCKHOLMS UNIVERSITET FYSIKUM

Översikt. Experimentell metodik. Mer exakt. Människan är en svart låda. Exempel. Vill visa orsakssamband. Sidan 1

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Envägs variansanalys (ANOVA) för test av olika väntevärde i flera grupper

EXAMINATION KVANTITATIV METOD vt-11 (110319)

TMS136. Föreläsning 4

Uppgift 1 (a) För två händelser, A och B, är följande sannolikheter kända

Vi har en ursprungspopulation/-fördelning med medelvärde µ.

Idag. EDAA35, föreläsning 4. Analys. Exempel: exekveringstid. Vanliga steg i analysfasen av ett experiment

Provmoment: Tentamen 6,5 hp Ladokkod: A144TG Tentamen ges för: TGMAI17h, Maskiningenjör - Produktutveckling. Tentamensdatum: 28 maj 2018 Tid: 9-13

Föreläsning 7: Punktskattningar

Statistikens grunder. Mattias Nilsson Benfatto, Ph.D

VANLIGA TERMER OCH BEGREPP INOM MEDICINSK VETENSKAP OCH STATISTIK

Föreläsning 11: Mer om jämförelser och inferens

Prediktera. Statistik för modellval och prediktion. Trend? - Syrehalt beroende på kovariater. Sambands- och trendanalys

SF1901: SANNOLIKHETSTEORI OCH HYPOTESPRÖVNING. STATISTIK. Tatjana Pavlenko. 4 oktober 2016

Tentamen för kursen. Linjära statistiska modeller. 16 augusti

Lösningsförslag till tentamen på. Statistik och kvantitativa undersökningar STA100, 15 hp. Fredagen den 13 e mars 2015

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

Lösningar till tentamensskrivning för kursen Linjära statistiska modeller. 14 januari

Föreläsning 7: Punktskattningar

Statistik 1 för biologer, logopeder och psykologer

F9 Konfidensintervall

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIKTE- ORIN (INFERENSTEORIN):

Föreläsning 1. Repetition av sannolikhetsteori. Patrik Zetterberg. 6 december 2012

Tentamentsskrivning: Matematisk Statistik med Metoder MVE490 1

Tentamen i Statistik, STA A10 och STA A13 (9 poäng) Måndag 14 maj 2007, Kl

Hur måttsätta osäkerheter?

Föreläsning G60 Statistiska metoder

TMS136. Föreläsning 13

Finansiell statistik, vt-05. Kontinuerliga s.v. variabler. Kontinuerliga s.v. F7 Kontinuerliga variabler

LMA521: Statistisk kvalitetsstyrning

LMA522: Statistisk kvalitetsstyrning

Lärare 1. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

4 Diskret stokastisk variabel

Föreläsning G60 Statistiska metoder

Föreläsning 8 för TNIU23 Integraler och statistik

HYPOTESPRÖVNING sysselsättning

Lärare 4. Lärare 1 Binomial och normalfördelning Fel i statistiska undersökningar Att tolka undersökningar Falska samband Jämföra i tid och rum

Kunskap genom vetenskap. observationer och experiment

Föreläsning 7. NDAB01 Statistik; teori och tillämpning i biologi

Statistik 1 för biologer, logopeder och psykologer

F13 Regression och problemlösning

π = proportionen plustecken i populationen. Det numeriska värdet på π är okänt.

Kapitel 12: TEST GÄLLANDE EN GRUPP KOEFFICIENTER - ANOVA

Sju sätt att visa data. Sju vanliga och praktiskt användbara presentationsformat vid förbättrings- och kvalitetsarbete

Varför statistik? det finns inga dumma frågor, bara dumma svar! Serik Sagitov

Introduktion till statistik för statsvetare

Stockholms Universitet Fysikum Tentamensskrivning i Experimentell fysik för lärare 7.5 hp, för FK2004. Onsdagen den 14 december 2011 kl 9-14.

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Vetenskaplig teori och metod Provmoment: Tentamen 1 Ladokkod:

Rättningstiden är i normalfall 15 arbetsdagar, till detta tillkommer upp till 5 arbetsdagar för administration, annars är det detta datum som gäller:

Hypotestestning och repetition

Laboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer

Kort om mätosäkerhet

0 om x < 0, F X (x) = x. 3 om 0 x 1, 1 om x > 1.

Parade och oparade test

1b) Om denna överstiger det kritiska värdet förkastas nollhypotesen. 1c)

Beskrivande statistik

Transkript:

Vetenskaplig metod och statistik

Innehåll Vetenskaplighet Hur ska man lägga upp ett experiment? Hur hanterar man felkällor? Hur ska man tolka resultatet från experimentet? Experimentlogg Att fundera på

Vad är vetenskap? Evolution är bara en teori Jag har en teori om vem som tog sista kakan Observation Hypotes(er) Experiment Teori Falsifierbarhet och pessimism Lätt att motbevisa en teori

Hypotes Ett kvalificerat antagande om verkligheten Teori En väl beprövad och ännu inte motbevisad hypotes

Experiment NE: prövning av en hypotes, en teori eller en konstruktion för att om möjligt bekräfta eller vederlägga den. Ett experiment ska lösa fyra uppgifter: 1. Realisera Få fram det fenomen man vill titta på. 2. Separera Isolera det man vill titta på så att man inte har en massa annat som påverkar. 3. Kontrollera Kontrollera det som kan påverka fenomenet. 4. Observera Studera fenomenet. NE = Nationalencyklopedin (Wikipedia, men gjord av träd)

Exempel Vi vill mäta hur lång tid det tar att koka upp en liter saltlösning för olika salthalter Realisera Separera Kontrollera Observera

Realisera Ordna en experimentuppställning. Vi behöver: Saltlösningar Kastrull Spis Klocka Termometer... Realisera Separera Kontrollera Observera

Variabler Saker som kan påverka är: hur varmt det är i rummet hur bra plattan fungerar lufttrycket hur noga vi mätt hur mycket vatten vi har hur noga vi mätt salthalten hur noga vi mätt utgångstemperaturen hur noga vi mäter tiden...

Separera och Kontrollera Det finns ofta många saker som kan påverka det man vill mäta i sitt experiment. Man kan kontrollera detta genom: 1. Konstanthållning - försöka att hålla alla variabler konstanta. 2. Kontrollerad variation - genomför samma försök med flera olika ingångsvärden, men håll resterande variabler konstanta. De variabler man inte har kontroll över är rimligen felkällor; slumpmässiga, systematiska eller både och. Realisera Separera Kontrollera Observera

Kontroll av variabler Kontrollerad variation Vi varierar salthalten och mäter hur koktiden ändras med salthalten Konstanthållning För att få en bra mätning på koktiden för de olika salthalterna bör vi se till att alla andra variabler är konstanta. (Vi bör ha samma lufttemperatur, använda samma platta, samma mängd saltlösning samma utgångstemperatur...) Men vi kan inte garantera att vi mäter lika bra varje gång...

Felkällor dåligt ord! Det blir alltid lite fel när man mäter. Det kan vara både slumpmässiga, systematiska eller både och. Slumpmässiga osäkerheter minimerar man genom att göra många likvärdiga mätningar och sen ta medelvärdet av resultatet. Exempel: Man mäter inte lika exakt varje gång. Systematiska osäkerheter är svårare att hitta men kan läggas till efteråt. Exempel: Tidtagaruret visar alltid lite för kort tid

Exempel på mätvärden från en experimentuppställning A Slump (liten spridning) B Slump (liten spridning) och systematisk skiftning C Slump (stor spridning)

Exempel på mätvärden från en experimentuppställning A Slump (liten spridning) (och systematisk skiftning?) B Slump (liten spridning) (och systematisk skiftning?) C Slump (stor spridning) (och systematisk skiftning?)

Statitstik Många mätningar

Normalfördelning... Fördelningen är typisk för utfallet av många förlopp som beror på slumpen och används inom bl.a. natur- och samhällsvetenskap för att beskriva variationen hos olika variabler.... (NE)

Medelvärde och Standardavvikelse Medelvärde Standardavvikelse är ett statistiskt mått på utspridningen hos data eller en fördelning.... (NE) Standardavvikelse Medelvärdets standardavvikelse σ x = 1 n n ( x x i ) 2 i=1 n 1

Normalfördelning 68.2 % att det sanna värdet ligger mellan gränserna µ± σ 95.4 % att det sanna värdet ligger inom intervallet µ± 2 σ 99.7 % att det sanna värdet inom gränserna µ± 3 σ Man brukar ange 1 σ gränser

Observera Vi gör ett antal mätningar för varje saltlösning och skriver ner resultaten. Nu gäller det att tolka våra mätvärden och presentera dem på ett vettigt sätt. Realisera Separera Kontrollera Observera

Hur anger man felen? 10 ± 1 min 10 min ± 10% Tid [min] 11 10 9 8 7 6 5 1 Skrivs inte ut. Bara som exempel här. Notera att axeln inte går ner till noll! 1 Salthalt [%]

Tolka resultatet Ser vi någon skillnad i hur lång tid det tar att koka upp lösningen? Om ändringen är mindre än felmarginalen kan vi inte säga att vi ser någon ändring.

Dåliga exempel... Tydlig minskning... Hendersons diagram över sambandet mellan en ökad global uppvärmning och ett minskat antal pirater. Och inte statistiskt säkerställt är ingen bra ursäkt... Temperaturen är under det normala för årstiden...

Experimentlogg Anteckna allt som ni gör så noga att ni kan gå tillbaka och göra om det eller kanske hitta felkällor ni inte tänkte på. Datum Experimentuppställning och förhållanden (temperatur, tryck...) Sudda inte! Stryk istället över och skriv nytt om ni ändrar något. Det är bra att kunna följa hur man tänkte. Använd ett block, inte lösbladssystem.

Sammanfattning När man ställer upp ett experiment bör man bara variera en faktor i taget. Det är viktigt att försöka ta hänsyn allt som kan störa experimentet. Det man inte kan kontrollera får man se som en felkälla. När man presenterar sina resultat måste man redovisa möjliga felkällor. Skriv en experimentlogg!!!

Att fundera på Vad är vår hypotes? Hur bör experimentuppställningen se ut? Vilka variabler har vi att ta hänsyn till? Vilken variabel vill vi variera? Hur ska vi kontrollera resterande variabler? Vilka felkällor har vi? Hur ska vi presentera våra resultat?