02 Jun

Avsnitt 151 – X ger Y

151 – en typ av Bacardi. Men 151 är också det antal avsnitt som hittills utkommit av din bästa podcast Kvack!. I detta etthundrafemtioförsta avsnitt pratar vi fan inte om Mad Max igen. Eller så gör vi det, men bara lite. Och David berättar vad han tycker om folk i andra postnummerområden, Henrik raserar drömmen för alla som försöker banta med choklad och Frida har hittat Guds favoritbloggare.

Dessutom: kreationism, healing och religion. Bättre kan det ej bli, se till att lyssna nu!

 

En fil, en fil, en mp3 fil

INTRO

http://copywrongs.eu/
NYHETSRONDEN

Ingen kreationism i naturvetenskapen i skottska skolor

Irland och Elfenbenskusten – same same enligt religiösa tokar

Forskare vet varför osten har hål

“Invasion av skäggiga damer”

Big Bang Theory instiftar stipendium

En ny “anden i glaset”

Inte längre lagligt att döda spanjorer på Island

Regina Lund healar schlagervinnare

Kreationist råkade hitta fossil 

Modebloggare utvald av gud
DISKUSSION

Att gå ner i vikt med choklad – eller hur man lurar världspressen (Om det där med källkritik: http://instituteofdiet.com/2015/03/29/international-press-release-slim-by-chocolate/)

Flattr this!

3 thoughts on “Avsnitt 151 – X ger Y

  1. Tycker ni att Das Bild är en seriös tidning eller gissar ni bara? Ungefär lika överraskande som att det är spökprogram på sjuan.

  2. Angående p-värden, jag kan skriva ett par rader.

    Som ni redan tagit upp många gånger, så jobbar vi ofta med hypoteser inom vetenskapen.
    Om man vill undersöka om X ger cancer brukar man vända på frågan, och ställa upp hypoteserna:

    nollhypotes: X ger inte cancer
    alternativhypotes: X ger cancer

    Om man kan avfärda nollhypotesen med en viss säkerhet så har man bevis för motsatsen (dvs X ger cancer i det här fallet). För att testa nollhypotesen brukar man göra ett försök, och baserat på detta beräknar man ett p-värde för nollhypotesen som ger sannolikheten för att den är sann.
    P-värdet är en sannolikhet, och ligger därför mellan 1 och 0. Ett högt p-värde betyder att försöket stöder nollhypotesen, och ett litet p-värde indikerar att nollhypotesen är fel.

    Exempel: vi har en jättestor kontrollgrupp av personer some inte utsätts för X, och baserad på den vet vi att 1 på tusen personer får cancer av “vanliga” orsaker (inom ett tidsintervall, säg 10 år). Vi har en testgrupp på 5000 personer som har identisk ålder/inkomst/etisk fördelning som kontrollgruppen, men som alla utsatts för X.
    Om nollhypotesen är sann, kommer varje person av de 5000 ha 1/1000 risk att få cancer.
    I snitt bör vi vänta oss att 5 personer har cancer med en viss spridingin pga slumpen.
    Om jag fick det rätt är det ~3% sannolikhet att det är 10 eller fler personer som får cancer i testgruppen (om nollhypotesen är sann). Så skulle det visa sig att 10 personer i testgruppen får cancer kan man säga att p-värdet för nollhypotesen är 0.03 (dvs 3%). Detta kan man tolka som en (rätt stark) indikation att X ger cancer. I en riktig analys tillkommer dock felkällor som gör att det krävs en starkare signal för att få samma låga p-värde.

    • Ett enkelt sätt att beskriva p=0.05 som passar bra in på den “torture the data until it confesses”-approach som används i exemplet är att i snitt 5% av alla korrelationer hamnar utanför intervallet för “ingen effekt” enbart pga brus. I snitt är alltså var 20e variabel de tittade på fick statistisk signifikans enbart pga slumpen. Det här är en av orsakerna till att det krävs flera studier för att påvisa ett resultat.

Leave a Reply