AP统计学:如何在实验中识别混杂因素
学习AP统计的概念，示例问题和解释
例子问题
问题1:如何识别实验中的混杂因素
让我们假设一家公司想要评估一种新的医疗设备是否比现有设备更好。它进行了一个小实验来评估新装置的有效性。为了进行实验，该公司随机分配了一组使用需要用户保持良好水分的新医疗设备，另一组使用旧设备。
我们应该如何控制混杂变量?
接受新设备的小组应该只接受设备，而不被要求保持水分。
接受旧设备的小组也应该保持水分。
参与者应该能够选择适合他们的设备。
接受旧设备的小组也应该保持水分。
在比较一种治疗方法的有效性时，应尽量确保只有治疗方法在不同组之间有所不同。在这种情况下，将新设备与旧设备进行比较。然而，这种新设备也需要用户保持充足的水分。如果我们观察到新设备的任何积极效果，我们也不知道新设备是否有效，或者仅仅保持充足的水分实际上是有效的。为了排除这个混杂变量，我们还应该要求使用旧机器条件的小组也保持水分。
问题91:数据
医学研究人员进行了一项实验，以确定饮用咖啡因与肺癌严重程度之间的关系。结果表明，这两个变量之间存在高度相关性。以下哪项可能是实验中潜在的混淆变量?
咖啡因的摄入
医学研究人员
吸烟
肺癌
这些都不是潜在的混杂变量
吸烟
混杂变量是可能对研究中的自变量和因变量都有潜在影响的变量。在这种情况下，吸烟和咖啡因以及吸烟和肺癌之间可能存在联系。
问题1:如何识别实验中的混杂因素
一项研究发现，咖啡因的摄入量与大学生的成绩有很强的正相关关系。换句话说，平均而言，一个学生摄入的咖啡因越多，他的成绩就越高。
以下哪一项可能是本实验中的混淆变量?
每个学生喝的咖啡量
a级学生得到
学生的咖啡因摄入量
学生每晚的睡眠时间
每个学生消耗的汽水量
学生每晚的睡眠时间
这个实验中唯一的混淆变量是每个学生的睡眠时间。混杂变量是对因变量和自变量都有影响的变量。学生的睡眠时间可能与咖啡因的摄入量有关，而咖啡因的摄入量又会影响学生在考试或作业中的成绩。
问题1:如何识别实验中的混杂因素
一项测试咖啡因对运动员耐力表现影响的实验将咖啡因随机分配给一组运动员，并让他们锻炼。在另一项试验中，同一组人在没有任何东西的情况下进行锻炼。结果与预期的结果不相符。应该做些什么来改进这个实验?
每次试验应使用不同的组，因为运动员的第一次试验可能会影响他们的第二次试验。
咖啡因可能会产生安慰剂效应，所以应该给对照组同样的不含咖啡因的应用。
没什么，实验是合理的
这个群体应该从运动员和非运动员中随机选择，而不仅仅是运动员。
咖啡因可能以不同的方式影响不同的人，所以应该摄入不同量的咖啡因。
咖啡因可能会产生安慰剂效应，所以应该给对照组同样的不含咖啡因的应用。
安慰剂效应可能是一个潜在的混淆变量。通过故意服用某种物质，参与者可能会感到更有活力。通过在两次试验中使用相同的物质，唯一改变的是咖啡因含量，这纠正了这个可能的混淆变量。
问题1:如何识别实验中的混杂因素
当地一家小雨伞公司正试图通过观察他们每年卖出多少把雨伞来测试他们雨伞的有效性。
2014年，该公司售出了2000把雨伞。
2015年，他们卖出了1500把雨伞。
他们认为他们的伞效果较差，这就是销量下降的原因。
然而，可能有许多混杂因素。以下哪项不是可能的混杂因素?
价格上涨可能已导致销售量下降。
2015年的降雨量可能比2014年少，因此减少了对雨伞的需求。
其中三个可能是混淆因素。
如果同样的人在2014年和2015年住在这个城市，那么人们可能在2015年就已经有雨伞了，可能不需要再买了。
没有混杂因素。
其中三个可能是混淆因素。
这些答案中的任何一个都可以解释雨伞销量下降的原因。你不能假设任何特定的原因可以解释这样的数据变化——应该做进一步的实验，而不是假设因果关系。
