Önce cevabı aklınızdan söyleyin, sonra kartı tıklayın.
"Nasıl" ve "neden" ile başlayan, deneyimi anlamaya çalışan sorular.
Açık uçlu, nötr, somut.
Alıntılara kod verilir, benzer kodlar bir temada toplanır.
Statik germe gününde ortalama sıçrama 40,6 cm, dinamik ısınma gününde 42,1 cm. Fark 1,5 cm. Bu ne anlama geliyor? (Öğretim amaçlı sonuçlar.)
İki koşulun ortalamaları arasındaki fark.
Değerlerin ortalamadan tipik olarak ne kadar uzaklaştığı.
Farkın, kişiler arası yayılıma göre ne kadar büyük olduğu.
"Fark yok" doğru olsaydı bu kadar büyük bir farkı görme olasılığı.
Farkın yalnız şansla açıklanması pek olası değil.
Gerçek farkın büyük olasılıkla bulunduğu aralık.
Ölçülen sonuç.
Bulgudan çıkarılan anlam.
İki ortalamanın farkının standart sapmaya bölünmesi: "fark kaç SS?"
Sahada önemli sayılan en küçük değişim; çoğu kez 0,2 × SS.
Aynı kişinin iki ölçümü arasındaki olağan oynama.
Aynı uygulamaya kişilerin farklı büyüklükte yanıt vermesi.
Etki yokken "var" demek / etki varken onu kaçırmak.
Gerçek bir etkiyi yakalama olasılığı; en az 0,80 istenir.
Anlamlı sonuç çıkana kadar test, değişken ya da kişi değiştirmek.
Bulguyu abartarak sunmak · Bir sonucu yeni katılımcılarla yeniden sınamak.
İngilizcesi: standard deviation
İngilizcesi: effect size
Bir sonucu okurken üç ayrı soru sorulur. Her biri ayrı bir sayıyla cevaplanır.
İngilizcesi: p-value
Başlangıç değerleri Ece ve Mert'in: 1,5 cm fark, 14 oyuncu. Farkı küçültün, oyuncu sayısını değiştirin; p'nin nasıl değiştiğine bakın.
Doğru okuma: Germe etkisiz olsaydı bu kadar büyük bir farkı görmek pek olası olmazdı.
Yanlış okuma: "Sonucun şans eseri çıkmış olma olasılığı binde birden az."
İngilizcesi: confidence interval
Dört çalışmanın aralıkları, Ece ve Mert'in 0,8–2,2 cm'lik aralığı gibi okunur: sıfırı kesiyor mu, sahada önemli sayılan eşiği geçiyor mu?
Anlamlı (sıfırı kesmiyor) ama fark sahada önemsiz.
Ortalama büyük ama aralık sıfırı kesiyor: belirsiz, daha çok kişi gerek.
Hem anlamlı hem sahada önemli.
Anlamlı; önemli olup olmadığı belli değil.
p değeri "fark yok" doğru olsaydı bu sonucu görme olasılığıdır; sonucun şans olma olasılığı değildir. "Kanıtlandı" denmez. p farkın büyüklüğü hakkında da bir şey söylemez: 0,05 sn sahada önemli mi, ayrıca düşünülür.
Bulgu ölçtüğümüzdür; yorum bizim ondan çıkardığımız; sınır ise ikisinin nereye kadar taşınabileceğidir.
Raporda bu üç cümle ayrı ayrı yazılır. Karıştırıldığında okuyucu neyin ölçüldüğünü, neyin tahmin edildiğini ayırt edemez.
Aynı çalışma için yazılmış beş cümle. Bulgudan ne kadar uzaklaştığına bakın.
Tek bir küçük deney değerlidir, ama bir karar için tek başına yetmez. Kanıt çok çalışmanın birikmesiyle güçlenir.
Bir makalenin bulgular tablosu birkaç satırdır; ama ortalama, standart sapma, kişi sayısı ve etki büyüklüğü birlikte okunmadan sonuç anlaşılmaz.
Kadın voleybolcularda 8 haftalık pliometrik antrenman çalışmasının tablosu (öğretim amaçlı sayılar). Önce tabloyu okuyun, sonra sağdaki beş soruyu sorun.
| Grup | n | Öntest Ort ± SS | Sontest Ort ± SS | Değişim |
|---|---|---|---|---|
| Pliometri | 12 | 31,4 ± 3,8 | 34,2 ± 4,0 | +2,8 |
| Kontrol | 11 | 31,0 ± 4,1 | 31,6 ± 3,9 | +0,6 |
| Gruplar arası fark | 2,2 cm · %95 GA 0,4 ile 4,0 · p = 0,02 · d = 0,56 | |||
Birim ne? Santimetre. 2,2 cm bir voleybolcu için blokta yaklaşık bir parmak boyu yükseklik demektir.
± sonrası ne? SS: oyuncuların kendi aralarında ne kadar farklı olduğu (3,8 cm). Ölçüm hatası değil.
n kaç? 12 ve 11. Başta 12'şer başladıysa kontrolde bir kayıp var; nedeni yöntemde yazmalı.
Hangi fark? Kontrol de 0,6 cm artmış. Asıl soru değişimlerin farkıdır: 2,8 − 0,6 = 2,2 cm.
Ne kadar kesin? Gerçek fark 0,4 ile 4,0 cm arasında olabilir: sıfır değil ama alt ucu küçük.
d, iki ortalama arasındaki farkı standart sapma cinsinden yazar. Böylece santimetre, saniye, kilogram ve anket puanı aynı cetvelle karşılaştırılabilir.
İki ortalamanın farkını al (birimli).
Grupların ortak standart sapmasını bul (kabaca iki SS'nin ortalaması).
Farkı SS'ye böl. Sonuç birimsizdir: "fark kaç SS?"
| Ad | Cohen | Hopkins |
|---|---|---|
| Önemsiz | < 0,2 | < 0,2 |
| Küçük | 0,2 | 0,2 |
| Orta | 0,5 | 0,6 |
| Büyük | 0,8 | 1,2 |
| Çok büyük | · | 2,0 |
| Aşırı büyük | · | 4,0 |
Halter: 6 ÷ 15 = 0,40: Cohen'e göre küçük-orta, Hopkins'e göre küçük. Psikoloji: 4 ÷ 5 = 0,80: Cohen'e göre büyük, Hopkins'e göre orta. Kilogram ile puan doğrudan karşılaştırılamazdı; d ile karşılaştırılabilir.
"Anlamlı" bir istatistik sözcüğüdür. Antrenörün sorusu başkadır: "Bu değişim sahada fark eder mi, yoksa ölçümün kendi titremesi mi?"
SWC = 0,2 × 1,5 = 0,30 sn. Değişim 0,25 sn: SWC'nin altında ve tipik hatayla (0,20 sn) neredeyse aynı büyüklükte. "Gerçek ve önemli iyileşme" denemez. Elektronik dokunmatik pano ile birkaç yarışın ortalamasına bakılmalı.
Bouchard C, An P, Rice T ve ark. (1999). Journal of Applied Physiology, 87(3), 1003–1008. Egzersiz fizyolojisinin en çok atıf alan "bireysel yanıt" çalışmalarından biri.
12 hentbolcunun 6 haftalık sprint programı sonrası 30 m süresindeki değişim (öğretim amaçlı). Ortalama 0,06 sn iyileşme; ama noktalar başka bir şey söylüyor.
Yanıt veren: iyileşme, sarı bölgenin (SWC + ölçüm hatası) dışında.
Belirsiz: değişim ölçümün titremesi kadar; "yanıt vermedi" demek için erken.
Kötüleşen: yorgunluk, sakatlık, uyku? Antrenör bu iki oyuncuyla ayrıca konuşur.
Ortalama ± SS göstermez. Bireysel değişimlerin listesi, nokta grafiği ya da "kaç kişi SWC'yi aştı" sayısı gösterir. Makalede bunlar yoksa bireysel yanıt hakkında yorum yapılamaz.
Aynı iki sayı: halterde iki grubun koparma 1TM ortalaması 120 kg ve 123 kg. Eksen nereden başladığına göre fark küçük ya da dev görünür.
Standart sapma: kişilerin yayılımı. En geniş çubuk. "Sporcular ne kadar farklı?"
Standart hata: ortalamanın kesinliği (SS ÷ √n). Dar görünür, farkı olduğundan büyük gösterebilir.
%95 güven aralığı: yaklaşık 2 SH genişliğinde. Karar için en kullanışlı çubuk.
Her istatistik kararı iki biçimde yanılabilir. Küçük örneklem ve çok sayıda test bu yanılgıları büyütür.
Hafta 3'teki mahkeme benzetmesi: H₀ "etki yok" sanığın masumiyetidir. Mahkeme iki biçimde yanılır: suçsuzu mahkûm etmek ya da suçluyu salıvermek.
| Gerçekte etki YOK | Gerçekte etki VAR | |
|---|---|---|
| "Etki var" dedik (p < 0,05) | Tip I hata (α) Yanlış alarm. Etkisiz takviyeye bütçe harcanır. | Doğru karar Güç (1 − β) |
| "Etki gösterilemedi" dedik | Doğru karar | Tip II hata (β) Kaçırılan etki. İşe yarayan program bırakılır. |
Futbol kulübü, etkisi olmayan bir toparlanma ceketini "anlamlı fark var" diye takıma alıyor.
10 öğrenciyle denenen yeni BE ders modeli "fark yok" çıktı ve okul modeli bıraktı.
8 cimnastikçide denenen bir sakatlık önleme programı anlamlı çıkmadı.
Ceket: etki yokken "var" demek, Tip I. BE modeli ve cimnastik programı: az kişiyle "fark yok" bulmak, gerçek bir etkiyi kaçırmış olabilir, Tip II riski. Küçük örneklemde "fark çıkmadı" etkisizlik kanıtı değildir.
Güç, gerçekten var olan bir etkiyi yakalama olasılığıdır. Üç şeye bağlıdır: etkinin büyüklüğü, kişi sayısı ve seçilen α.
| Beklenen d | Grup başına kişi |
|---|---|
| 0,2 (küçük) | ≈ 394 |
| 0,5 (orta) | ≈ 64 |
| 0,8 (büyük) | ≈ 26 |
d = 0,3 için grup başına 170'ten fazla kişi gerekir; 8 kişiyle güç çok düşüktür ve "fark yok" sonucu büyük olasılıkla Tip II hata olur. Öneri: aynı koşucuların kafein ve plasebo günleriyle çapraz (eşli) desen, kör uygulama ve birden fazla deneme.
Her test %5 yanlış alarm riski taşır. Etki hiç yokken bile test sayısı arttıkça "en az bir anlamlı sonuç" bulmak neredeyse kesinleşir.
| Test sayısı | Olasılık | Ne demek? |
|---|---|---|
| 1 | %5 | 20 çalışmadan 1'i |
| 5 | %23 | yaklaşık 4'te 1 |
| 10 | %40 | neredeyse yarı yarıya |
| 20 | %64 | çoğu kez "bir şey" çıkar |
Çok sonuç: sprint, sıçrama, çeviklik, esneklik ölçülür; yalnız anlamlı çıkan yazılır.
Ara bakış: her 5 kişide analiz; p 0,05'in altına inince toplama durdurulur.
Alt grup avı: "yalnız kadın U16 kalecilerde etkili" bulgusu.
Uygun aykırı değer: sonucu bozan sporcu gerekçesiz çıkarılır.
HARKing (Hypothesizing After the Results are Known): sonucu görünce hipotezi yeniden yazmak.
Güven aralığı hem küçük bir kötüleşmeyi hem de anlamlı bir iyileşmeyi içeriyor. 9 kişiyle güç düşüktür; gerçek bir etki kaçırılmış olabilir. "Fark yok" değil, "henüz bilmiyoruz" denir. Sonuç yayımlanabilir; böyle sonuçların yayımlanmaması literatürü yanıltır.
Bir bulgu sahaya ulaşana kadar basın bülteninden, haberden ve sosyal medyadan geçer. Her basamakta biraz büyür.
Sumner P, Vivian-Griffiths S, Boivin J ve ark. (2014). BMJ, 349, g7015. Sağlık haberlerindeki abartının kaynağını arayan geriye dönük gözlemsel çalışma.
Makalede olmayan davranış önerisi ("şunu yapın").
İlişkisel veriden neden-sonuç cümlesi.
Hayvan çalışmasından insana çıkarım.
Abartılı sunum (spin): bulguyu olduğundan güçlü, genel ya da yararlı gösteren anlatım. Dört haber başlığı, dört farklı abartı türü.
Kesitsel anket: düzenli koşanların depresyon puanı daha düşük. İlişki var; neden-sonuç gösterilmedi. Depresyonu az olan kişi de daha çok koşuyor olabilir.
Çalışma farelerde yapılmış. İnsanlarda, hele sporcularda aynı sonucun çıkıp çıkmayacağı bilinmiyor. Doğru başlık: "Farelerde ... ilişkili bulundu."
10 oyuncu, tek maç, ağrı puanı ölçülmüş; sprint ya da maç performansı ölçülmemiş. "Kanıtladı" değil, "bu örneklemde ağrı puanı daha düşüktü".
Çalışma sağlıklı, bağımsız yaşayan 65–75 yaş gönüllülerde kavrama kuvvetinin arttığını gösteriyor. Kalp hastalığı olanlara ya da 85 yaş üstüne genelleme ve öneri makalede yok.
Tekrar (replikasyon, replication): aynı soruyu aynı yöntemle yeni katılımcılarla yeniden sınamak. Bilimin hata düzeltme yolu budur.
İyi bir makale kendi zayıf yanını söyler. Okuyucunun işi, söylenmeyeni de bulmaktır. Her soruyu bir spor örneğiyle düşünün.
Hayır. Küçüklüğün sonuca etkisi (geniş güven aralığı, düşük güç) ve diğer sınırlar (desen, ölçüm, süre, genelleme) da yazılmalı.
Öğretim amaçlı özet. Önce dört soruyu kendiniz cevaplayın, sonra kartları açın.
2,2 km/sa, d = 0,45: Cohen'e göre küçük-orta, Hopkins'e göre küçük. 180 km/sa'lik bir serviste %1,2 kadar.
Sıfırı kesmiyor ama alt ucu 0,3 km/sa: gerçek etki neredeyse önemsiz de olabilir, 4 km/sa da.
11 testte etki yokken en az bir yanlış alarm olasılığı yaklaşık %43. Bu tek anlamlı sonuç şansla çıkmış olabilir.
Üç: "artırır" (kesinlik), "sakatlıkları önler" (ölçülmedi), "tüm kulüplere" (genelleme). Doğrusu: "Bu örneklemde servis hızında küçük bir artış görüldü."
"Önce" kutusunda germe günü, "Sonra" kutusunda ısınma günü (cm), aynı oyuncu sırasıyla. En küçük önemli değişim (EKÖD) 0,6 cm: Hafta 6'daki araçta halının en küçük anlamlı değişimi 0,62 cm çıkmıştı.
Ortalama fark 1,50 cm, eşli t = 4,58, p < 0,001; %95 GA 0,79–2,21 cm; Cohen d 0,55 (orta). Anlamı: germe günü sıçrama büyük olasılıkla 1–2 cm düşük; sıfır olası değil. Aralığın tamamı 0,6 cm'nin üstünde: fark hem güvenilir hem önemli.
EKÖD kutusuna 1 yazın: aralık 1'i içine alır, araç "önemli olup olmadığı belirsiz" der. Aynı veri, farklı eşik. Tablonun son satırına da bakın: veriyi iki ayrı grup gibi test etmek t'yi 1,44'e düşürür (p = 0,16): gerçek fark şans gibi görünür.
Akılda kalsın: "Germe günü sıçrama 1,5 cm düşüktü; gerçek fark büyük olasılıkla 0,8 ile 2,2 cm arasında. Orta bir etki. Tek başına karar değil, ama derlemelerle aynı yönde."
Kaynak kartınızdaki makalenin özetini açın. Cümleleri üç renge boyayın ve yanınızdakiyle karşılaştırın.
p yalnız şansla açıklanıp açıklanamayacağını söyler. Binlerce kişiyle önemsiz bir fark da anlamlı çıkar.
p, "fark yok" doğru olsaydı bu sonucu görme olasılığıdır; sonucun şans olma olasılığı değildir.
Etki küçük olabilir ya da kişi sayısı az olabilir. Güven aralığına bakılır.
Literatürle aynı yönde çıkan küçük bir çalışma kararı destekler; tek başına kesin karar vermez.
Bir sonucu okumanın dört kuralı.
Bir makaleyi okurken sorulacak dört soru daha.
Gerçek fark sıfır da olabilir, büyük de. Daha çok veri gerekir.
Ölçülen şey, sayı ve birimle.
Aynı kişilerin iki ölçümü: fark, p, %95 GA, d ve en küçük önemli değişim.
Aç → Hesaplayıcıİki grup: kişi sayısı büyüdükçe p küçülür, etki aynı kalır.
Aç → HesaplayıcıSS, SH ve %95 güven aralığı grafikte nasıl ayırt edilir?
Aç → HesaplayıcıKanıt piramidinin tepesi: tek çalışmalar ortak bir sonuçta nasıl birleşir?
Aç →