В попытках доказать гипотезу, ученые часто анализируют огромные массивы результатов, полученных при проведении научных экспериментов. Ожидается, что эти конечные результаты продемонстрируют определенную зависимость от изначально заданных переменных.
В ряде случаев приходится многократно повторять измерения для получения максимально достоверных данных. В то же время при статистическом анализе полученной информации может оказаться, что результат эксперимента зависит от слишком большого количества факторов. В таком случае ученому следует правильно отделить основные факторы от второстепенных.
Вопрос методологии выделения факторов заслуживает отдельного многостраничного обзора. Подходов известно множество и предпочтение одних перед другими часто объясняется лишь личной предрасположенностью ученого.
Здесь же сделаем акцент на удержании в поле зрения нулевой гипотезы.
В попытках получить результат, ученый может увлечься получением слишком больших массивов данных, которые в конце-концов будут подтверждать различные, часто противоположные гипотезы. Нулевая гипотеза утверждает, что результат - конечная цель любого исследования - просто может не существовать. В соответствии с ней, следует прекратить искать взаимосвязь там, где ее нет.
Естественным образом стает вопрос: когда собранных данных стает достаточно для использования нулевой гипотезы?
С одной стороны, слишком большое количество экспериментов грозит увести в длительный поиск сложных взаимосвязей среди массивов статистической информации. С другой - при малом количестве данных можно не успеть отследить искомый результат.
Вновь приходим к понятию "золотой середины". Но любопытно существует ли математическая зависимость качества эксперимента в целом от количества полученных данных?
0 комментариев:
Отправить комментарий