Identificación de las posibles razones de los resultados inconsistentes de un experimento

Resultados inconsistentes

Un buen científico sabe que una de las mejores formas de asegurarse de que su experimento se realizó correctamente es ejecutarlo varias veces. Si todo va bien, debería obtener los mismos resultados cada vez. Pero a veces obtienes resultados diferentes, ¡lo que puede ser realmente frustrante! Pensaste que eras diligente, cuidadoso y minucioso, pero debe haber algo mal en alguna parte porque obtuviste algo diferente cada vez.

Hay dos razones principales por las que sus resultados pueden no ser consistentes: error y condiciones no controladas. La buena noticia es que una vez que aprenda sobre estos y cómo planificarlos, la mayoría de las veces, este tipo de frustración se puede evitar y sus resultados experimentales serán más similares que no.

Condiciones incontroladas

Algo que siempre debe tener en cuenta al diseñar y ejecutar experimentos es controlar los posibles factores de confusión. Puede recordar que una variable es cualquier parámetro de un experimento que puede cambiar. Esto incluye todo tipo de cosas, como peso, temperatura y tasa de crecimiento.

Una variable de control es un tipo específico de variable que se controla durante y entre experimentos. La llamamos la variable de control porque estamos controlando sus influencias sobre otras variables en el experimento.

Por ejemplo, si estamos interesados ​​en saber cómo el fertilizante afecta el crecimiento de las plantas, entonces necesitaríamos controlar otros factores que afectan el crecimiento de las plantas, como el agua, la temperatura del aire y la luz solar. Para controlarlos, simplemente los haríamos iguales para cada planta. Entonces, si decidimos que las plantas recibirán 6 horas de luz solar y dos riegos de 1 onza cada día y que se alojarán en una habitación a 75 ° F, entonces estos factores tienen que ser los mismos para TODAS las plantas del experimento. .

En este caso, las condiciones del experimento están controladas; nos hemos asegurado de que nada más que la cantidad de fertilizante sea diferente para las plantas. De esa manera, podemos estar seguros de que el fertilizante es lo único que afecta el crecimiento de las plantas.

Probablemente puedas ver a dónde voy con esto. Es probable que las condiciones incontroladas afecten su experimento de maneras que usted no desea. Si desea conocer los efectos del fertilizante para plantas, pero no controla la cantidad de luz solar que reciben las plantas cada día, no tiene idea de si el crecimiento de la planta se debió al fertilizante o la luz solar. También es probable que obtenga un resultado diferente cada vez que realice este experimento porque la cantidad de luz solar puede ser diferente cada vez.

Error experimental aleatorio

Controlar sus condiciones experimentales es una forma bastante fácil de reducir la posibilidad de obtener resultados inconsistentes. Una cosa que no es tan sencilla es el error experimental , que es la diferencia entre una medición y su valor aceptado. No estamos hablando de errores humanos aquí, como derramar un frasco de productos químicos u olvidar apagar las luces del invernadero. Lo que queremos decir es cualquier cosa que haga que nuestros datos sean imperfectos.

Para comprender lo que esto significa, necesitará saber un poco más sobre los datos. No lo tome a mal, pero técnicamente, todos sus datos son falsos. Esto no es una crítica; es solo que los datos son solo representaciones de nuestras observaciones del mundo natural. Nunca podemos recopilar valores y medidas “exactos”, aunque podemos acercarnos bastante. Y debido a que ningún dato es perfecto, intrínsecamente tienen algún tipo de error asociado, al que llamamos error aleatorio , o error que ocurre aleatoriamente en el espacio y el tiempo.

Por ejemplo, si mide algo a lo largo del borde de una regla, nunca medirá la longitud “exacta” del artículo. Está estimando dónde se encuentra el final, incluso si parece que cae exactamente en el borde de una de las marcas de graduación. Del mismo modo, si lleva a su perro al veterinario para determinar su peso y la báscula marca 45 libras, eso es solo una estimación redondeada de su peso real. De hecho, su peso puede ser 44,999 libras o 45,2483 libras, pero la báscula no es tan exacta, por lo que lo que obtienes es una estimación. La diferencia entre el peso “verdadero” y el peso medido es su error.

En casos como este, esa pequeña cantidad de error no es realmente un gran problema. Probablemente no le importe si su perro pesa 44.999 libras frente a 45.0 libras o 45.2483 libras. Pero cuando está ejecutando un experimento, esas pequeñas diferencias pueden sumarse y, por lo tanto, afectar sus resultados.

La buena noticia es que, a menudo, puede eludir la influencia de este tipo de error en sus resultados aumentando la cantidad de mediciones que toma. Cuando lanza una moneda, es tan probable que salga cara como cruz. El error aleatorio funciona de la misma manera: sus datos tienen la misma probabilidad de tener un error alto que un error bajo (valores por encima o por debajo de la medición “verdadera”). Por lo tanto, cuantas más veces recopile una medición, más se equilibrarán esos errores y más consistentes serán sus resultados.

Resumen de la lección

El diseño de experimentos incluye mucha planificación y preparación. Una pregunta que debe hacerse es: “¿Obtendría los mismos resultados si ejecuto este experimento varias veces?” Para asegurarse de que su respuesta sea un rotundo “¡SÍ!”, Deberá identificar los posibles factores que lo llevarían a obtener resultados inconsistentes.

Las dos razones principales por las que sus resultados pueden no coincidir cada vez son las condiciones no controladas y los errores experimentales. Es probable que las condiciones incontroladas influyan en sus resultados porque no ha controlado todas las variables que afectan su experimento. El error aleatorio experimental es inevitable por naturaleza, pero puede reducirse con un aumento en el número de mediciones que se toman porque los errores tienden a equilibrarse.

Los resultados del aprendizaje

Esta lección te preparó para:

• Identificar las dos razones principales por las que se obtienen resultados inconsistentes al realizar un experimento.
• Diferenciar entre condiciones controladas y no controladas
• Explicar por qué el error aleatorio experimental es inevitable y cómo reducir su probabilidad de ocurrencia.