Hypothesis Moving Average

Wiki Como escrever uma Hipótese Selecione um tópico. Escolha um tópico que lhe interessa, e que você ache que seria bom saber mais sobre isso. Se você está escrevendo uma hipótese para uma tarefa escolar, este passo pode ser cuidado para você. Leia a pesquisa existente. Reúna todas as informações que você pode sobre o tópico selecionado. Você precisará se tornar um especialista sobre o assunto e desenvolver uma boa compreensão do que já é conhecido sobre o assunto. Concentre-se na escrita acadêmica e acadêmica. Você precisa estar certo de que suas informações são imparciais, precisas e abrangentes. Você pode encontrar informações em livros didáticos, em uma biblioteca e on-line. Se você estiver na escola, você também pode pedir ajuda de professores, bibliotecários e seus colegas. Analise a literatura. Passe algum tempo lendo os materiais que você coletou. Ao fazê-lo, procure e tome nota de questões não respondidas na literatura. Estes podem fornecer excelentes ideias para áreas a serem investigadas. Por exemplo, se você estiver interessado nos efeitos da cafeína sobre o corpo humano, note-se que ninguém parece ter explorado se a cafeína afeta os homens de maneira diferente do que as mulheres, isso poderia ser algo para formular uma hipótese. Ou, se você estiver interessado em agricultura orgânica, você pode notar que ninguém testou se o fertilizante orgânico resulta em diferentes taxas de crescimento para plantas do que fertilizantes não orgânicos. Às vezes, você pode encontrar buracos na literatura existente procurando por declarações como desconhecidas ou lugares onde a informação está claramente ausente. Você também pode encontrar uma reivindicação na literatura que parece exagerada, improvável ou muito boa para ser verdadeira, como se a cafeína melhore as habilidades matemáticas. Se a reivindicação for testável, você pode fornecer um ótimo serviço ao conhecimento científico ao fazer sua própria investigação. Se você confirmar a reivindicação, a reivindicação torna-se ainda mais credível. Se você não encontrar suporte para a reivindicação, você está ajudando com o aspecto de auto-correção necessário da ciência. Examinar esses tipos de perguntas fornece uma maneira excelente para você se separar preenchendo lacunas importantes em um campo de estudo. Crie perguntas. Depois de estudar a literatura sobre o assunto, gere uma ou mais perguntas não respondidas, você gostaria de explorar mais. Estas são suas questões de pesquisa. Seguindo os exemplos acima, você pode perguntar: como a cafeína afeta as mulheres em comparação com os homens ou como o fertilizante orgânico afeta o crescimento das plantas em relação ao fertilizante não orgânico. O resto da sua pesquisa terá como objetivo responder a essas perguntas. Procure pistas sobre o que a resposta pode ser. Depois de gerar a sua pergunta de pesquisa ou perguntas, procure na literatura para ver se as descobertas existentes e as teorias sobre o tópico fornecem pistas que permitiriam que você criasse idéias sobre quais as respostas às suas perguntas de pesquisa. Em caso afirmativo, essas pistas podem constituir a base para sua hipótese. Seguindo os exemplos acima, se você descobrir na literatura que existe um padrão de que alguns outros tipos de estimulantes parecem afetar as mulheres mais do que os homens, isso pode ser uma pista de que o mesmo padrão pode ser verdade para a cafeína. Da mesma forma, se você observar o padrão de fertilizante orgânico que parece estar associado a plantas menores em geral, você pode explicar esse padrão com a hipótese de que as plantas expostas ao fertilizante orgânico crescem mais lentamente do que as plantas expostas a fertilizantes não orgânicos. Determine suas variáveis. Uma hipótese generalizadora descreve um padrão que você acha que pode existir entre duas variáveis: uma variável independente e uma variável dependente. Se suas experiências confirmam o padrão, você pode decidir sugerir um motivo pelo qual o padrão existe ou um mecanismo que gera o padrão. A razão ou mecanismo que você sugere é uma hipótese explicativa. Você pode pensar na variável independente como aquele que está causando algum tipo de diferença ou efeito para ocorrer. Nos exemplos, a variável independente seria o gênero, isto é, se uma pessoa é do sexo masculino ou feminino, e o tipo de fertilizante, isto é, se o fertilizante é orgânico ou não orgânico. A variável dependente é o que é afetado por (isto é, depende) da variável independente. Nos exemplos acima, a variável dependente seria o impacto medido da cafeína ou do fertilizante. Sua hipótese deve apenas sugerir um relacionamento. Mais importante, deve ter apenas uma variável independente. Se você tiver mais de um, você não poderá determinar qual é realmente a fonte de quaisquer efeitos que você possa observar. Gere uma hipótese simples. Depois de passar algum tempo pensando sobre suas questões de pesquisa e variáveis, anote sua idéia inicial sobre como as variáveis ​​podem estar relacionadas como uma afirmação declarativa simples. Não se preocupe muito neste ponto por ser preciso ou detalhado. Nos exemplos acima, uma hipótese faria uma declaração sobre se um gênero de pessoas pode afetar a forma como a pessoa é afetada pela cafeína, por exemplo, neste ponto, sua hipótese pode ser simplesmente: um gênero de pessoas está relacionado a como a cafeína afeta sua ou Seu ritmo cardíaco. A outra hipótese faria uma declaração geral sobre o crescimento e o fertilizante das plantas, por exemplo, sua hipótese explicativa simples pode ser que as plantas com diferentes tipos de fertilizantes sejam diferentes, pois elas crescem a taxas diferentes. Decida a direção. As hipóteses podem ser direcionais ou não direcionais. Uma hipótese não direcional diz simplesmente que uma variável afeta o outro de alguma maneira, mas não diz especificamente de que maneira. Uma hipótese direcional fornece mais informações sobre a natureza (ou direção) do relacionamento, indicando especificamente como uma variável afeta o outro. Com o nosso exemplo, nossas hipóteses não direcionais seriam que existe uma relação entre um gênero de pessoas e quanto a cafeína aumenta a freqüência cardíaca das pessoas, e há uma relação entre o tipo de fertilizante e a velocidade em que as plantas crescem. As previsões direcionais usando o mesmo exemplo de hipóteses acima seriam. As mulheres experimentam um maior aumento na freqüência cardíaca após o consumo de cafeína do que os homens, e as plantas fertilizadas com fertilizantes não orgânicos crescerão mais rapidamente do que as fertilizadas com fertilizante orgânico. Na verdade, essas previsões e as hipóteses que os permitem são tipos muito diferentes de afirmações. Mais sobre esta distinção abaixo. Se a literatura fornecer qualquer base para fazer uma previsão direcional, é melhor fazê-lo, pois fornece mais informações. Especialmente nas ciências físicas, as previsões não direcionais são muitas vezes vistas como inadequadas. Seja específico. Depois de ter uma idéia inicial no papel, é hora de começar a refinar. Faça suas hipóteses tão específicas como você pode, então é claro exatamente quais ideias você estará testando e tornar suas previsões específicas e mensuráveis ​​para que elas provem uma relação entre as variáveis. Quando necessário, especifique a população (ou seja, as pessoas ou coisas) sobre as quais você deseja descobrir novos conhecimentos. Por exemplo, se você só estivesse interessado nos efeitos da cafeína em pessoas idosas, sua previsão pode ser lida: mulheres com mais de 65 anos irão experimentar um maior aumento na freqüência cardíaca do que os homens da mesma idade. Se você estava interessado apenas em como o fertilizante afeta as plantas de tomate, sua previsão pode ser lida: as plantas de tomate tratadas com fertilizantes não orgânicos crescerão mais rapidamente nos primeiros três meses do que as plantas de tomate tratadas com fertilizante orgânico. Verifique se ele é testável. Sua hipótese deve sugerir uma relação entre duas variáveis ​​ou uma razão pela qual duas variáveis ​​estão relacionadas que podem ser observadas e medidas de forma viável no mundo real e observável. Por exemplo, você não gostaria de fazer a hipótese: o vermelho é a cor mais bonita. Esta afirmação é uma opinião e não pode ser testada com uma experiência. No entanto, propor a hipótese generalizante de que a cor vermelha é a mais popular é testável com uma pesquisa aleatória simples. Se você realmente confirmar que o vermelho é a cor mais popular, seu próximo passo pode ser perguntar: Por que o vermelho é a cor mais popular A resposta que você propõe é sua hipótese explicativa. Muitas vezes, as hipóteses são declaradas na forma de frases if-then. Por exemplo, se as crianças recebem cafeína, suas taxas de coração aumentarão. Esta afirmação não é uma hipótese. Este tipo de afirmação é uma breve descrição de um método experimental seguido por uma previsão e é a maneira mais comum de que as hipóteses sejam mal representadas na educação científica. Uma maneira fácil de chegar à hipótese para esse método e predição é perguntar-se por que você acha que as taxas de coração aumentarão se as crianças receberem cafeína. Sua hipótese explicativa neste caso pode ser que a cafeína é um estimulante. Neste ponto, alguns cientistas escrevem o que é chamado de hipótese de pesquisa. Uma afirmação que inclua a hipótese, o experimento e a predição em uma única afirmação: se a cafeína é um estimulante e algumas crianças recebem uma bebida com cafeína enquanto outras recebem uma bebida sem cafeína, e as taxas cardíacas dessas crianças são dadas Uma bebida com cafeína aumentará mais do que a freqüência cardíaca das crianças com uma bebida não cafeína. Pode parecer estranho, mas os pesquisadores raramente provam que uma hipótese é correta ou errada. Em vez disso, eles procuram provas de que o oposto de suas hipóteses provavelmente não é verdade. Se o contrário (a cafeína não é um estimulante) provavelmente não é verdade, a hipótese (a cafeína é um estimulante) provavelmente é verdade. Usando o exemplo acima, se você testasse os efeitos da cafeína sobre as taxas cardíacas de crianças, a evidência de que sua hipótese não é verdadeira, às vezes chamada de hipótese nula. Pode ocorrer se as frequências cardíacas das crianças que receberam a bebida com cafeína e as crianças que receberam a bebida não cafeinada (denominada controle de placebo) não mudaram, ou baixaram ou aumentaram com a mesma magnitude, se não houvesse diferença entre os dois Grupos de crianças. Se você quisesse testar os efeitos de diferentes tipos de fertilizantes, a evidência de que sua hipótese não era verdadeira seria que as plantas crescessem à mesma taxa, independentemente do fertilizante, ou se as plantas tratadas com adubo orgânico crescessem mais rapidamente. É importante notar aqui que a hipótese nula realmente se torna muito mais útil quando os pesquisadores testam o significado de seus resultados com as estatísticas. Quando as estatísticas são usadas nos resultados de um experimento, um pesquisador está testando a idéia da hipótese estatística nula. Por exemplo, que não há relação entre duas variáveis ​​ou que não há diferença entre dois grupos. 1 Teste sua hipótese. Faça suas observações ou conduza sua experiência. Sua evidência pode permitir que você rejeite suas hipóteses nulas, dando assim suporte à sua hipótese experimental. No entanto, sua evidência pode não permitir que você rejeite sua hipótese nula e isso está certo. Qualquer resultado é importante, mesmo quando seu resultado o envia de volta ao quadro de desenho. Constantemente ter que voltar para o quadro de desenho e refinar suas idéias é como a ciência autêntica realmente funciona 2 Ao examinar a literatura, procure pesquisas semelhantes às que deseja fazer e tente construir as descobertas de outros pesquisadores. Mas também procure reivindicações que você acha suspeitas e teste você mesmo. Seja específico em suas hipóteses, mas não tão específico que sua hipótese não pode ser aplicada a qualquer coisa fora de sua experiência específica. Você definitivamente quer ser claro sobre a população sobre a qual você está interessado em tirar conclusões, mas ninguém (exceto seus colegas de quarto) estará interessado em ler um artigo com a previsão: meus três companheiros de quarto poderão fazer uma quantidade diferente de flexões . Mantenha seus sentimentos e opiniões fora de sua pesquisa. Hipóteses nunca devem dizer que eu acredito. Eu acho que. Eu sinto. Ou a minha opinião é essa. Lembre-se de que a ciência não é necessariamente um processo linear e pode ser abordada de várias maneiras. 3 Como usar palavras simples na escrita técnica Como fazer água destilada Como fazer um modelo de DNA Usando materiais comuns Como entender Emc2 Como evitar (estático) Choque elétrico Como fazer um circuito elétrico simples Como calcular a pressão parcial Como Faça um eletroímã Como avaliar o significado estatístico Como se tornar um cientista Testando a hipótese sobre a deriva de parâmetros no modelo de média móvel Primeiro Online: 24 de março de 2009 Recebido: 04 de abril de 2007 Cite este artigo como: Erlikh, IG Moscow Univ. Matemática. Touro. (2009) 64: 7. doi: 10.3103 S0027132209010021 24 Downloads As estatísticas de teste para verificar a conformidade do modelo de média móvel com as observações são construídas. As estatísticas são baseadas em processos seqüenciais construídos usando resíduos e compatíveis com a equação para estimar o parâmetro desconhecido do modelo postulado. No caso estacionário e no caso em que os parâmetros do modelo permitem uma deriva em relação ao tempo, as distribuições limitantes das estatísticas de teste são obtidas. Texto russo original I. G. Erlikh, 2009, publicado em Vestnik Moskovskogo Universiteta, Matematika. Mekhanika, 2009, Vol. 64, No. 1, pp. 811. Referências D. Pikard, Testing and Estimating Change-Point in Time Series, Adv. Appl. Probab. 7. 841 (1985). CrossRef Google Scholar S. Ling, Fraca Convergência dos Processos Empíricos Seqüenciais de Residuais em Modelos Autoregressivos Não Estacionários, Ann. Esttista. 26. 741 (1998). MATH CrossRef MathSciNet Google Scholar J. Bai, Fraca Convergência dos Processos Empíricos Sequenciais de Residuais em Modelos ARMA, Ann. Esttista. 22. 2051 (1994). MATH CrossRef MathSciNet Google Scholar H. L. Koul, assintóticos de alguns estimadores e empiricamente residuais sequenciais em séries temporais não lineares, Ann. Esttista. 24 (1), 380 (1996). MATH CrossRef MathSciNet Google Scholar M. V. Boldin Processos empíricos de resíduos sequenciais no modelo ARCH, Uspekhi Matem. Nauk 57 (2), 185 (2002) Russ. Matemática. Pesquisas, 57 (2), 413 (2002). MathSciNet Google Scholar M. V. Boldin, sobre estimativas medianas e testes em modelos autoregressivos, matemática. Métodos Estatista. 3 (2), 435 (1994). MathSciNet Google Scholar M. V. Boldin, A estimativa de mínimos de módulos na autoregresão não estacionária e teste de estacionaria, Theory of Probab. E seu Appl. 41 (2), 409 (1996). MathSciNet Google Scholar P. Billingsley, Convergência de Medidas de Probabilidade (Wiley, 1968 Nauka, Moscou, 1977). A. M. Pardjanadze, Teoremas de Limitação Funcional no Problema de Detecção de Discordia Posteriori, Teoria de Probab. E seu Appl. 31 (2), 408 (1986). Google Scholar Informações de direitos autorais Allerton Press, Inc. 2009 Autores e afiliações I. G. Erlikh 1 1. Faculdade de Mecânica e Matemática Moscow State University Moscou Rússia Sobre este artigo Imprimir ISSN 0027-1322 Online ISSN 1934-8444 Nome do editor Allerton Press, Inc.