försöks- planering, forts– 1) minskning i kroppsarbete prediktion 1: Ökande skillnad mellan...

Försöks-planering, forts

Per Milberg, IFM biologi

Mån 31 mar 2014

1. Snabbrepetion

2. Datatyper

3. Frågeställning

4. Datahantering

5. “Felpinnar”

1a. Snabbrepetition 1

� Kunskapshanteringsexpert

� Försöksplanering & statistik: gäller alla (inte barablivande forskare)

� Försöksplanering– Optimera den statistiska styrkan

– Minimera risken för felslut

– Precisera frågeställningen

� Frågor av olika typ– Omöjliga, orealistiska, oprecisa frågor

– “Naturvetenskapliga frågor” = skall gå att besvara med tillgänglig metodik

1b. Snabbrepetition 2

� Naturvetenskapliga hypoteser

� Observation => tolkning (hypotes) => prediktion

� Viktsutveckligen hos yngre svenska män 1920=>– 1) Minskning i kroppsarbete

� Prediktion 1: Ökande skillnad mellan yrkesgrupper

– 2) Ökat födointag� Prediktion 2: Matportionernas storlek har ökat

– 3) Mer energirikt födointag� Prediktion 3: Matportionernas energiinnehåll har ökat

– 4) Speglar bara på en allmän ökning i kroppsstorlek� Prediktion 4: Om vi korrigerar data för kroppsstorleksökning (tex

kroppslängd, BMI) så ser vi inte längre någon ökning i vikt

1c. Snabbrepetition 3

� Precision kontra noggrannhet

– Dålig precision => ökad replikering (fler prov)

� Pilotförsök:– Praktiskta problem

– Tidsåtgång => kostnader

– Vilka koncentrationer; doser; tätheter...?

– Hur ser data ut (medelvärde, varians)? =>styrkeanalyser

hög precision låg precision hög precision låg precisionhög noggrannhet hög(?) noggrannhet låg noggrannhet låg noggrannhet

1d. Snabbrepetition 4

� Urval: population kontra stickprov– Population: Den ”grupp” du vill uttala dig om

– ”SIFOs senaste väljarbarometer visar att…”

– Stickprov: Den ”grupp” du undersöker

� Exempel: Könskvot i sal E324, 25/1 2013, 10.15-12– Sanna värdet: 33,33333333333333…% utgörs av män

– Stickprov 1 (stort N=15) => 40,0%

1d. Snabbrepetition 4

� Urval: population kontra stickprov– Population: Den ”grupp” du vill uttala dig om

– ”SIFOs senaste väljarbarometer visar att…”

– Stickprov: Den ”grupp” du undersöker

� Exempel: Könskvot i sal E324, 25/1 2013, 10.15-12– Sanna värdet: 33,33333333333333…% utgörs av män

– Stickprov 1 (stort N=15) => 40,0%

– Stickprov 2 (litet N=5) => 0,0%

– Stickprov 3 (litet N=5) => 60,0%

Mån 31 mar 2014

1. Snabbrepetion

2. Datatyper

3. Frågeställning

4. Datahantering

5. “Felpinnar”

2a. Olika typer av data� BIKUPA: Hitta på flera exempel på dessa båda datatyper

2a. Olika typer av data� p 34-36 i statistikboken

� Enormt stor betydelse!1. försöksplanering

2. val av analys

3. statistisk styrka

2b. Olika typer av data

� En del attribut/egenskaper är av en viss typ� kön, ögonfärg, HIV-positiv

� Andra attribut är svåra att mäta� Hårfärg, smärta, studenters uppfattning om en kurs

� Frestande/nödvändigt att använda klasser� Mörkhårig, ljushårig

� Svarthårig, blond, rödhårig

� Svarthårig, mörkblond, mellanblond, ljusblond

2c Olika typer av data� Fenomenet vi studerar är troligen

“kontinuerligt”, men vi väljer att klassa� Sjuk/frisk

� Antibiotikaresistent/icke-abr

� Aggresiv invasionsart/icke-aggresiv

� Problemhund/icke-problemhund

� Studenter är nöjda med kursen/icke-nöjda med kursen

� +/- data: minsta möjliga informationsvärde; gränsdragningsproblem

� Alltid bättre att (om möjligt) mäta än att klassa� Grumligt/Klart

� Grumligt/Halvgrumligt/Halvklart/Klart

� Absorbans vid 470 nm i en 10-mm kolonn

� Alltid bättre att (om möjligt) klassa i >2 grupper än i bara 1

Fre 15 feb 2013

1. Snabbrepetion

2. Datatyper

3. Frågeställning

4. Datahantering

5. “Felpinnar”

3b. Förfina frågeställningen 1

� Frågeställningen som redskap– Precisera

– Kommunicera

� Frågeställningar: “de glasögon genom vilka vi betraktar världen”

8h. Förfina frågeställningFall 4: Sprit och dagisbarn

� Sprit är ett billigt och effektivt desinfektionsmedel

� Men blir dagisbarnen verkligen friskare av att personalenanvänder sprit istället för tvål (som är billigare men mindreeffektivt)?

� Formulera en relevant forskningsbar frågeställningkring ovanstående

FrågeställningarSprit och dagisbarn

� “… determine if the use of alcohol-based hand-disinfection as a complement to regular hand washing by children and staff at DCCs can reduce the rate of childhood absenteeism.” Lennell et al. (2008) Acta Paediatrica 97, 1672–80

� “… evaluate the possibilities for reducing the transmission of infections by an infection prevention program. The program was introduced in 10 day care centers and 10 centers served as controls. … 15-month. Records were made of the occurrence of infections and absences among the children, parents and personnel.” Uhari et al. (1999) Pediatric Infectious Disease Journal 18, 672-677

Fre 15 feb 2013

1. Snabbrepetion

2. Datatyper

3. Frågeställning

4. Datahantering

5. “Felpinnar”

Konventioner kringdatahanterning: Protokoll

1)BIKUPA: För och nackdelarmed att ha ett genomtänktprotokoll (på papper, eller idatorn)?

Konventioner kringdatahanterning: Protokoll1) Protokoll• Sparar tid...

• i fält, växthus, eller lab• vid datorn

• “Snyggt och prydligt”• Bättre stöd för minnet• Lättare för andra att förstå & använda data

• Minskar risken att glömma...• objekt (tex en viss planta, eller patient)• variabel (tex antal blad, eller kroppsvikt)• avläsningstidpunkt

• Enkelt att göra i tex Excel

Konventioner kringdatahanterning: Datafil

1) Uppställningen kan ofta likna protokollets• Variabler (antal blad; kroppsvikt; ögonfärg; CFU) i kolumner• Objekt (planta; patient; petriskål) i rader• Logisk ordning: 1) löpnr, 2) datum, 3) expr beh, 4) respons,

5) uträknade variabler

Plant-ID Datum Behandling Höjd (cm) Antalblad

Internodlängd

1 1 april 2011 GA3, 0.1 2.1 3 0.70

2 1 april 2011 GA3, 1.0 3.2 3 1.08

3 1 april 2011 GA3, 10.0 4.6 4 1.15

4 1 april 2011 GA3, 0.1 2.4 3 0.80

... ... ...

Konventioner kringdatahanterning: Datafil

• Uppställningen kan ofta likna protokollets• Variabler (antal blad; kroppsvikt; CFU) i kolumner• Objekt (planta; patient; petriskål) i rader• Logisk ordning: 1) löpnr, 2) datum, 3) expr beh, 4) respons,

5) uträknade variabler

“Gibberellinets betydelse...”

• Upprepade mätningar på samma objekt (planta), specialfall=>

Plant-ID Beh. Höjd(cm)1 apr

Höjd(cm)4 apr

Höjd(cm)9 apr

#blad1 apr

#blad4 apr

#blad9 apr

Inter-nod1 apr

Inter-nod4 apr

Inter-nod9 apr

1 GA3, 0.1

2.1 3 0.70

2 GA3, 1.0

3.2 3 1.08

3 GA3, 10.0

4.6 4 1.15

4 GA3, 0.1

2.4 3 0.80

... ...

Botaniklaboration

•Flera laborationer•Hormon som påverkar tillväxt•“3. Gibberellinets betydelse för tillväxten”•Långtidsförsök•Komplext experiment•Genererar mycket data•Kontinuerliga data•Variansanalys

Nästa seminarium

� Deadline– 1) Labrapport (individuell)

– 2) Data (gruppvis)

– 3) Frågor på kapitel 4-5 (Ruxton & Colegrave) –individuellt, en diskutabel fråga per kapitel

� Seminariet– Diskkuterar

� (i) frågor på kapitel 4-5

� (ii) urval av era frågeställningar (labrapport)

� (iii) era redovisningar av resultat (labrapport)

� (iv) era resultat & slutsatser (övergripande)

Fre 15 feb 2013

1. Snabbrepetion

2. Datatyper

3. Frågeställning

4. Datahantering

5. “Felpinnar”

Konfidensintervall, “felpinnar”, felmarginal(error bars) i praktiken

� Beskriva variation i data (tex SD)

� Beskriva precision i estimat (texmedelvärde)

� Informell jämförelse av estimat

� =>oerhört användbart, vanligt & viktigt!

� NBIB44: tolkning� (“felpinnar” ord myntat av Laila Karlsson;

finns ej officiellt, än...; Ty: Fehlerbalken)

-0.4

0.0

0.4

0.8

1.2

Sant värde kontra stickprov: andel män i E324

Sant värde: 33.3%

Prov 1: 40%

Prov 2: 0%

Prov 3: 60%

Osäkerhet, som ökar med minskade provstorlek

Hastighet (miles per hour)

40,4 km/h

Felpinnar i praktiken 2

� Konfidensintervall (CI)

� Standardfel (SE; standard error)

� Standardavvikelse (SD; standard deviation)

� Boxplot

� Range graph

-0.4

0.0

0.4

0.8

1.2


� Standardavvikelse (SD): spridningen idata

� Standardfel (SE): precision i estimat(tex medel)

� SE=SD/(sqrt(N))

-0.4

0.0

0.4

0.8

1.2


� SE=SD/(sqrt(N))

� SD oberoende av N

� SE minskar med N

-0.4

0.0

0.4

0.8

1.2


� SE=SD/(sqrt(N))

� CI95%~2*SE

� För att kunna tolka måste vi veta vadpinnarna illustrerar

� Hädanefter 95%-konfidensintervall

-0.4

0.0

0.4

0.8

1.2

Jämföravärden

Rule of thumb for CI95%:

� If the overlap is about half of one one-sided error bar, the difference is sign at ~ p <0.05

� If the error bars just about meet, the difference is sign at ~ P<0.01

� Works if N>10

Cumming & Finch, 2005

Tolkning av felpinnarFall 1: Ogräskonkurens

� Effekt av närvaro avogräs på biomassanav hirs.

� Referenslinjen ärbiomassa utan ogräs.

� Felpinnarna ärkonfidensintervall96%

Parthenium Tagetes Verbesina0.13

0.14

0.15

0.16

0.17

0.18

0.19

0.20

0.21

0.22

Ave

rage

bio

mas

s so

rghu

m (

g)

Tolkning av felpinnarFall 2: Ogräsbekämpning i Etiopien

� Relativ mängd (%) biomassa av parthenium efter 5 metoder förogräskontroll jämfört med obehandlad kontroll. Försöketutfördes på två platser (Babile, Dire Dawa). Horisontal linje iboxen är medel, boxen inkluderar ±1 SE, och de vertikalapinnarna KI95%

� Hoeing=hackning; Smother=täckgröda; 2,4-D=herbicid

försöks- planering, forts– 1) minskning i kroppsarbete prediktion 1: Ökande skillnad mellan...

Documents