Quando la raccolta dei dati , non è sempre chiaro quali saranno presenti correlazioni o quali variabili dovranno dimostrare di essere il più importante . Tuttavia , interpretando correttamente i dati per giungere a conclusioni solide è il passo più importante . Fortunatamente , combinazione di metodi statistici e visive può rendere più facile trovare i modelli significativi . Regressione

tecniche di regressione utilizzano punti dati per determinare la relazione funzionale tra due variabili . Regressione lineare , ad esempio , trova la retta che meglio si adatta ai dati . Anche se la regressione lineare può essere utilizzato per qualsiasi insieme di dati , spetta al ricercatore di determinare quando queste tecniche sono appropriati . Calcolo del coefficiente di correlazione tra due variabili è spesso una buona guida da quando le tecniche di regressione potrebbe funzionare .

Residui

Se pensi che i tuoi dati si trova lungo una curva particolare , può essere utile per fare una trama residui , che mostra la deviazione tra la curva prevista e i dati effettivi . Se tutti i punti sono vicini allo zero , la previsione è probabilmente valido . Se vi è una certa deviazione uniforme , per esempio , se tutti i residui si aggirano intorno a un punto diverso da zero , allora la predizione potrebbe avere una correzione lineare . Modelli più complicati a volte rivelano relazioni non lineari e le variabili che non sono stati contabilizzati .

Valori anomali

A volte, ogni punto in un insieme di dati si trovano lungo una curva , tranne uno . I valori anomali sono punti che sono notevolmente differente da tutto il resto dei dati . Errori sistematici sono il primo colpevole , digitando accidentalmente in uno zero in più può fare un punto dati troppo grande . I valori anomali sono talvolta ignorati durante la curva-montaggio , ma non dovrebbero essere scartati . Il buco nello strato di ozono è stato scoperto da uno scienziato alla ricerca in alcuni valori anomali , che altri scienziati erano state ignorando per anni .

Analisi dimensionale

La maggior parte dei dati trucchi di interpretazione coinvolgere guardando un grafico , ma a volte non è chiaro quali dati deve essere collocato su un grafico , in primo luogo . L’analisi dimensionale cerca numeri – dimensione e poi li usa come variabili indipendenti

.

Uno degli esempi più noti in fisica è il numero di Reynolds , un valore adimensionale , coinvolgendo velocità , densità, viscosità e la lunghezza , che prevede la turbolenza di un fluido . Tracciare una qualsiasi delle altre variabili invece che il numero di Reynolds adimensionale produce grafici che sembrano non avere alcun senso .