Anonim

I biologiske vitenskaper studerer forskere inkludert studenter som deg hvordan levende organismer fungerer både inne og ute. Siden biologi er studiet av alle levende ting, har forskere på dette feltet mye grunn til å dekke. For å hjelpe oss med å forstå vår verden og oss selv litt bedre, samler disse biologene data. Studiene deres kan variere fra registrering av lydfiler av fugleanrop i jungelen til å måle veksten av kreftceller på et laboratorium.

Uten statistisk analyse ville ikke alle dataene som er samlet inn av biologer betydd mye. Statistiske tester brukt i biologi tjener en rekke funksjoner, inkludert måling av korrelasjon, sammenligning av middel for variabler og forutsigelse av endring i variabler. Typene statistiske tester som brukes inkluderer chi-kvadrater, t-tester, ANOVA, regresjonstester og mer. På grunn av statistikkens rolle i biologi, må du ta flere kurs i statistikk for biologiske vitenskaper hvis du vil ha hovedfag i biologi.

Hva er statistikkens rolle i biologi?

Statistiske tester brukt i biologi hjelper forskere med innsikt om prosesser som er for store, for mikroskopiske eller for mange til å bli analysert med andre metoder. Statistikkens viktigste rolle i biologien er å teste hypoteser. Imidlertid brukes andre statistiske tester i biologi for å hjelpe med å sette opp eksperimenter og tolke resultater.

relaterte artikler

Utstyr brukt i antropologi Multivariate teknikker: Fordeler og ulemper Hva er multivariat statistisk analyse? Hvordan evaluere statistisk analyse

Noen statistiske konsepter kan hjelpe med å velge prøvestørrelse eller hvilke organismer du skal studere fra en gruppe. Selv om det kan virke som å velge emner fra en gruppe tilfeldig vil gi den beste gruppen å analysere, kan tilfeldige prøvetakinger tilfeldigvis produsere mønstre som ikke naturlig forekommer utenfor prøvegruppen. Biologer er nøye med å bruke statistiske programmer for å hjelpe dem med prøvetaking for å holde funnene rene.

Hvilke typer statistiske tester bruker biologer?

De grunnleggende typene statistiske tester brukt i biologi faller inn i fire grunnleggende kategorier: korrelasjonell, sammenligning av midler, regresjon og ikke-parametrisk. Korrelasjonelle tester måler hvor nær to eller flere variabler er relatert. Sammenligninger av virkemidler måler forskjellen mellom midlene til to eller flere sett med variabler eller datasett. Regresjoner analyserer om en endring i en variabel kan forutsi endring i en annen, og ikke-parametriske tester brukes til datasett som ikke oppfyller kravene til parametriske analysetester.

Hvordan tolker biologer data?

Mange biologiske eksperimenter krever tolkning av store datasett som er for store eller for kompliserte for forskere å analysere for hånd. For å utføre mange av de statistiske testene som er brukt i biologi, bruker forskere spesialiserte instrumenter innen felt og statistisk programvare i laboratoriet som er spesielt designet for databehandling.

Instrumentene biologene bruker i feltet varierer veldig avhengig av deres spesialitet. Mange forskere samler visuelle prøver ved bruk av fotografering. Noen forskere studerer trekkmønstre med dyr med GPS-brikker og programvare. Et veldig spesialisert instrument brukt av forskere på området er en Kestral vindmåler, som måler vindhastighet og kan være nyttig for å analysere effekten av klimatiske forhold på dyr på et bestemt sted.

Når de analyserer data i laboratoriet, setter forskere programvare for databehandling til å fungere. Tre programmer som vanligvis brukes til dette formålet i biologilaboratorier er det statistiske analysesystemet, statistiske produkt- og tjenesteløsninger og strata. Å bruke disse dataprogrammene krever ofte veldig spesialisert opplæring, inkludert forberedelse i elementære programmeringsspråk. De fleste studenter som går videre til biologiske studier på doktorgradsnivå, bør forvente å bli kjent med ett eller flere av disse dataprogrammene.

I noen få situasjoner, for eksempel feltundersøkelser av hval dorsal finmarking, er biologer avhengige av observasjon og beskrivende teknikker for å samle inn data. I slike tilfeller blir beskrivende observasjoner ofte sammenkoblet med numeriske data for å gi en mer helhetlig forståelse av emnet som studeres.