آزمایشگاه آزاد؛ بدون نیاز به ورود
چطور یک آزمایش رشد گیاه را بخوانیم؟
برای سنجیدن اثر یک عامل، بقیه‌ی شرایط را ثابت نگه می‌داریم و چند نمونه می‌سنجیم. این شبیه‌ساز برای تمرین همین روش ساخته شده: قدها را با یک قاعده‌ی ساده و کمی شانس می‌سازد، نه از اندازه‌گیری گیاه واقعی.
آزمایش رو شروع کنبا گزینه‌ی نور، سطح ۶۰٪ و ۵ تکرار شروع کن. هر بار اجرا یک گروه تصادفی تازه می‌سازد؛ نتیجه‌ها را مثال همین مدل ببین. عوض کردن گزینه‌ی نور، آب یا کود در این شبیه‌ساز فرمول رشد را عوض نمی‌کند.
آزمایشگاه در حال آماده شدنه…
حالا خودت امتحان کن
هر بار فقط یک چیز رو تغییر بده تا اثرش رو ببینی. قبل از اجرا، نتیجه رو حدس بزن.
یک گروه پنج‌تایی را بسنج
گزینه‌ی نور، سطح ۶۰٪ و تعداد تکرار ۵ را نگه دار و اجرای آزمایش را بار اول بزن.
حدست چیه؟ میانگین قدها و اختلاف بین گیاه‌ها چه چیزی را درباره‌ی همین گروه می‌گویند؟
توضیح نتیجه رو ببین
برای نمونه، در اجرای اول میانگین حدود ۲۱٫۰ سانتی‌متر و پراکندگی حدود ۲٫۶ سانتی‌متر شد. هر پنج قد جداگانه روی شکل دیده می‌شوند؛ اجرای دوباره با همین تنظیم هم گروه تصادفی تازه‌ای می‌سازد.
سطح عامل را بالا ببر
بعد از اجرای اول، سطح را از ۶۰٪ به ۸۰٪ برسون، تعداد تکرار را روی ۵ نگه دار و اجرای دوم را انجام بده.
حدست چیه؟ میانگینِ این گروه حتماً از گروه قبلی بیشتر می‌شود، یا شانس هم روی عددها اثر دارد؟
توضیح نتیجه رو ببین
در نمونه‌ی اجرای دوم، میانگین حدود ۲۹٫۵ و پراکندگی حدود ۵٫۲ سانتی‌متر بود. این گروه دوباره با تغییرات تصادفی ساخته شده؛ پس اختلاف دو میانگین به‌تنهایی اثر واقعی نور را ثابت نمی‌کند، به‌خصوص که این مدل داده‌ی گیاه واقعی ندارد.
تعداد تکرارها را بیشتر کن
سطح ۸۰٪ را نگه دار، تعداد تکرار را از ۵ به ۹ برسون و اجرای سوم را بزن.
حدست چیه؟ با ۹ گیاه، پراکندگیِ قدها حتماً کمتر می‌شود یا فقط گروه بزرگ‌تری می‌بینیم؟
توضیح نتیجه رو ببین
در نمونه‌ی اجرای سوم ۹ گیاه دیده می‌شود؛ میانگین حدود ۲۶٫۷ و پراکندگی حدود ۳٫۴ سانتی‌متر است. این اعداد از اجرای تصادفی سوم‌اند؛ بیشتر شدن تکرارها در یک گروه تضمین نمی‌کند که اختلاف قدهای همان گروه کمتر شود.
پشت این حرکت چه خبره؟
هر بار یک عامل را تغییر بده
در یک آزمایش منصفانه، عامل مورد بررسی را عوض می‌کنی و شرایط دیگر را ثابت نگه می‌داری. بعد باید نتیجه را با احتیاط تفسیر کنی؛ اگر چند چیز با هم تغییر کنند، نمی‌فهمی کدامشان روی نتیجه اثر گذاشته‌اند.
چند نمونه از یک گیاه بهترند
قد چند گیاه یکسان نیست؛ تفاوت نمونه‌ها می‌تواند بر اثر شانس یا شرایط ریز باشد. تکرارها کمک می‌کنند هم میانگین گروه را ببینی و هم پخش بودن قدها را، ولی جای آزمایش واقعی و کنترل مناسب را نمی‌گیرند.
میانگین، مرکز گروه است
mean = sum(h_i)/n
ارتفاع‌های جداگانه‌ی گیاه‌ها را جمع کن و بر تعدادشان تقسیم کن؛ این عدد مرکز گروه را خلاصه می‌کند. یک میانگین به‌تنهایی نشان نمی‌دهد گیاه‌ها چقدر با هم فرق دارند.
پراکندگی، فرق قدهای گروه را خلاصه می‌کند
SD = sqrt(sum((h_i - mean)^2)/n)
خروجی پراکندگی در این مدل انحراف معیارِ همان گروه است: هرچه قدها از میانگین دورتر باشند، این عدد معمولاً بزرگ‌تر می‌شود. این عدد نه فاصله‌ی بلندترین و کوتاه‌ترین گیاه است و نه خطای میانگین.
سؤالت رو بپرس، جوابش رو هم ببین
وقتی توی چت دربارهٔ یک مفهوم درس می‌خونی، دستیار هوش مصنوعی می‌تونه شبیه‌سازی مرتبط رو کنار توضیحش نشون بده. پارامترها رو تغییر می‌دی و با کمک توضیح بعدی، نتیجه رو بهتر می‌فهمی.
شروع یادگیری با چتبرای ادامه در چت، وارد مسیر شروع و ورود می‌شی. نتیجهٔ این آزمایش به چت منتقل نمی‌شه.
نمونهٔ نمایشی از آموزش در چت
اگر میانگین اجرای دوم از اول بیشتر شد، یعنی نور حتماً باعث رشد بیشتر شده؟
نه به‌تنهایی. هر اجرا گروه تازه‌ای از قدهای تصادفی می‌سازد، و گزینه‌ی نور در این مدل اصلاً محاسبه را از آب یا کود جدا نمی‌کند. این عددها برای دیدن تفاوت میانگین و پراکندگی‌اند؛ اثر واقعی نور را باید با گیاه واقعی، شرایط ثابت و تکرارهای مناسب بسنجی.
سؤال‌های رایج
این قدها را می‌شود پیش‌بینی گیاه واقعی دانست؟
نه. قدها با یک قانون ساده و اعداد تصادفی ساخته می‌شوند و از اندازه‌گیری واقعی نیامده‌اند. برای بررسی گیاه واقعی باید نوع گیاه و شرایط رشد را مشخص و اندازه‌گیری کنی.
فرق میانگین با پراکندگی چیست؟
میانگین مرکز قدهای گروه را خلاصه می‌کند؛ پراکندگی یا انحراف معیار می‌گوید قدهای جداگانه چقدر دوروبر آن مرکز پخش‌اند. ممکن است دو گروه میانگین یکسان ولی پراکندگی متفاوت داشته باشند.
چرا اجرای دوباره با همان تنظیم‌ها عددهای دیگری می‌دهد؟
چون هر بار قدهای نمونه با تغییرات تصادفی تازه ساخته می‌شوند. این برای نشان دادن تفاوت بین نمونه‌هاست؛ عدد یک اجرا را نتیجه‌ی همیشگی حساب نکن.
اگر تعداد گیاه‌ها را بیشتر کنم، پراکندگی حتماً کم می‌شود؟
نه. پراکندگی، اختلاف قدهای همان گروه است؛ گروه بزرگ‌تر هم می‌تواند گیاه‌های کوتاه‌وبلند داشته باشد. تکرارهای بیشتر کمک می‌کنند نمونه‌ی بزرگ‌تری ببینی، اما یک اجرای تصادفی نمی‌تواند تضمین کند پراکندگی پایین بیاید.
نور و آب و کود در نتیجه تفاوتی دارند؟
در شبیه‌ساز فعلی نه؛ انتخابشان فرمول قدها را عوض نمی‌کند. این محدودیت را در نظر بگیر و از خروجی درباره‌ی اثر واقعی یک عامل خاص نتیجه نگیر.
خروجی اختلاف ارتفاع یعنی قد بلندترین منهای کوتاه‌ترین؟
نه. این خروجی انحراف معیار قدهاست و فاصله‌ی معمول آن‌ها از میانگین را خلاصه می‌کند؛ اختلاف دو سرِ بازه یا خطای میانگین نیست.