[問題] 物理和醫學實驗的差別

看板Physics作者 (SaltLake)時間5年前 (2020/09/26 10:51), 5年前編輯推噓22(22推 0噓 105→)
留言127則, 16人參與, 5年前最新討論串1/2 (看更多)
做醫學實驗的時候，比方說新聞常提到的新藥臨床試驗，我們必須 隨機找足夠數量的樣本，並且在實驗組以外設置對照組，然後進行 試驗。試驗數據經過統計分析之後，也只能宣稱結果是統計顯著的 ，而且這結果是對母群體的平均估計，而不能對單一個體宣稱結果 。也就是說，這試驗結果只能說，平均而言，在某種統計信心水準 下，對母群體的平均結果有統計上的效果。至於隨便從母體中找個 患者出來，新藥不一定對該人有效。 可是我們做物理實驗的時候，似乎就沒這麼麻煩，而且結論似乎 更強，是根據試驗結果宣稱有因果關係。例如用實驗驗證牛頓第二 運動定律的時候，雖然我們會重複做一些量測並取平均值。但是我 們根據實驗結果是宣稱 F = m*a 普遍成立。 這兩類實驗的差別在哪裡? -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.24.93.224 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Physics/M.1601088711.A.EB8.html
推
09/26 11:13, 5年前 , 1F
醫學針對每個生物體都有不同的狀況，跟物理差不少。
09/26 11:13, 1F
→
09/26 11:13, 5年前 , 2F
但我記得F=ma在巨觀實驗的不確定度似乎極小?
09/26 11:13, 2F
→
09/26 11:14, 5年前 , 3F
或者說我們"相信"這個因果關係是成立的
09/26 11:14, 3F
→
09/26 11:16, 5年前 , 4F
可重複性差超多
09/26 11:16, 4F
運動試驗似乎不會拿一堆樣本做試驗? ※ 編輯: saltlake (114.24.93.224 臺灣), 09/26/2020 11:21:41
推
09/26 12:34, 5年前 , 5F
你以為史上有只有你上課做的那組實驗在驗證f = ma嗎…
09/26 12:34, 5F
→
09/26 12:38, 5年前 , 6F
那我反問你好了，生醫界應該沒有任何人會懷疑「喝酒會醉」
09/26 12:38, 6F
→
09/26 12:38, 5年前 , 7F
是因果關係。喝酒和服用新藥差別在哪？
09/26 12:38, 7F
推
09/26 13:44, 5年前 , 8F
物理實驗可isolate 實驗條件.醫學不行。
09/26 13:44, 8F
→
09/26 16:25, 5年前 , 9F
隨機誤差在二者的程度很不同
09/26 16:25, 9F
推
09/27 00:50, 5年前 , 10F
醫學是巨觀的觀測，裡面不確定性很多。如果要以物理來比
09/27 00:50, 10F
→
09/27 00:50, 5年前 , 11F
喻，就是大氣觀測或多體相對運動。
09/27 00:50, 11F
→
09/27 04:27, 5年前 , 12F
主要還是變因能控制的程度, 你實驗室F=ma可以找兩個質
09/27 04:27, 12F
→
09/27 04:27, 5年前 , 13F
量一樣的物體重複驗證, 醫學上你要怎麼找到兩個先後天
09/27 04:27, 13F
→
09/27 04:27, 5年前 , 14F
完全一樣的人?
09/27 04:27, 14F
→
09/27 04:30, 5年前 , 15F
另外物理實驗一樣只是給你統計關係, 不然做實驗幹嘛還
09/27 04:30, 15F
→
09/27 04:32, 5年前 , 16F
要辛苦算誤差傳遞? 越前端越難做的實驗誤差估越重要,
09/27 04:32, 16F
→
09/27 04:33, 5年前 , 17F
會覺得F=ma不用管統計, 單純只是過去樣本已經太龐大
09/27 04:33, 17F
但這引起另個問題，物理實驗一樣也只給統計關係，那麼所謂的因果關係 到底怎麼回事? 還是因果關係其實只是主觀信心? 牛頓運動定律，我們的認知是，在其先決條件成立下(低速而不到相對效 應)，對任何物體都成立。那麼我們用不同的汽車做實驗也該成立。但這時要 找到兩臺完全一致的汽車可沒那麼容易。如果用一列火車、一架飛機或一艘 輪船，則能找到完全一致者更不容易。 ※ 編輯: saltlake (114.24.88.172 臺灣), 09/27/2020 13:20:33
推
09/27 13:26, 5年前 , 18F
「實驗規模差很多」哦, 不過我猜你可能會誤會這句話.
09/27 13:26, 18F
→
09/27 13:26, 5年前 , 19F
套一句費曼的話, 「物理定律要滿足所有的已知現象」.
09/27 13:26, 19F
→
09/27 13:27, 5年前 , 20F
所以其實人類每天都在做物理實驗...
09/27 13:27, 20F
→
09/27 13:28, 5年前 , 21F
蓋房子開飛機都算在牛頓力學裡面, 你看實驗規模差多少.
09/27 13:28, 21F
→
09/27 23:14, 5年前 , 22F
實驗的確只能證偽，不能證明。回到「喝酒會醉」的例子，除
09/27 23:14, 22F
→
09/27 23:14, 5年前 , 23F
了給人喝酒看人醉以外，難道人類還做了什麼不同的事證明因
09/27 23:14, 23F
→
09/27 23:14, 5年前 , 24F
果關係嗎？沒有嘛。
09/27 23:14, 24F
→
09/27 23:18, 5年前 , 25F
只不過是一般的生醫實驗規模真的差太多罷了。高能物理沒有
09/27 23:18, 25F
→
09/27 23:18, 5年前 , 26F
五個sigma不敢發表，生醫paper有兩個sigma就真是祖上積德十
09/27 23:18, 26F
→
09/27 23:18, 5年前 , 27F
八代啦。
09/27 23:18, 27F
推
09/28 03:13, 5年前 , 28F
生醫系統誤差跟統計誤差都太大 顯著度也不夠
09/28 03:13, 28F
→
09/28 05:32, 5年前 , 29F
在實驗室裡會控制好變因把條件簡化, 沒人會拿汽車來做
09/28 05:32, 29F
→
09/28 05:34, 5年前 , 30F
F=ma實驗, 只要控制質量的話, 找兩個完全一致只有質量
09/28 05:34, 30F
→
09/28 05:34, 5年前 , 31F
不同的砝碼一點都不難
09/28 05:34, 31F
舉利用整臺車做實驗是有明確目地的。 為了把一臺汽車或甚至飛機的風阻等設計好，用整臺汽車或者飛機去吹風洞， 是實務上真正發生的。雖說目的不是為了驗證牛頓運動定律就是了。
→
09/28 05:38, 5年前 , 32F
反觀生醫是研究無法簡化的複雜系統, 這系統裡還有諸多
09/28 05:38, 32F
→
09/28 05:40, 5年前 , 33F
特性是未知或無法測量追蹤的, 根本沒辦法像簡單物理實
09/28 05:40, 33F
→
09/28 05:42, 5年前 , 34F
驗那樣簡化固定條件, 未知變因多當然系統誤差也更大
09/28 05:42, 34F
複雜系統和假設的控制方程式含有隨機性質，應該是兩回事情。 難道描述複雜系統的理論聳用的控制方程式與邊界條件就一定得置入隨機變數?
→
09/28 05:44, 5年前 , 35F
然後單一物理實驗結論也不見得像你說的結論多強啦, 我
09/28 05:44, 35F
還有 54 則推文
還有 4 段內文
→
09/30 18:39, 5年前 , 90F
教授大大做參考。
09/30 18:39, 90F
→
09/30 18:40, 5年前 , 91F
轉注是多字一義
09/30 18:40, 91F
→
09/30 18:40, 5年前 , 92F
更正。
09/30 18:40, 92F
推
09/30 18:51, 5年前 , 93F
很多英文單字有引申暗示之意，比如discriminate 有判
09/30 18:51, 93F
→
09/30 18:51, 5年前 , 94F
別區別意思，因為區別，所以歧視，引申做歧視之意，
09/30 18:51, 94F
→
09/30 18:51, 5年前 , 95F
這個是張海潮教授講到discrimination說的
09/30 18:51, 95F
推
09/30 18:53, 5年前 , 96F
還有很多單字皆是如此
09/30 18:53, 96F
推
09/30 22:08, 5年前 , 97F
英文有單字是形容詞和同時副詞的類似中文的轉品
09/30 22:08, 97F
推
09/30 23:34, 5年前 , 98F
歧視字面上就只是分別看待而已。字面上來看的話，孔子因材
09/30 23:34, 98F
→
09/30 23:36, 5年前 , 99F
施教就是一種歧視，有教無類則沒有歧視，貶低是歧視，同樣
09/30 23:36, 99F
→
09/30 23:37, 5年前 , 100F
地羨慕、崇拜也是歧視。
09/30 23:37, 100F
推
10/01 00:03, 5年前 , 101F
推vulpix大深得我心
10/01 00:03, 101F
→
10/01 14:19, 5年前 , 102F
因材施教是歧視? 真神人也
10/01 14:19, 102F
→
10/01 14:22, 5年前 , 103F
中文的「歧視」和現代英文的「discriminate」都是負面的。
10/01 14:22, 103F
→
10/01 14:22, 5年前 , 104F
要在英文裡面找中性用法，你可能要往上回溯一兩個世紀。
10/01 14:22, 104F
→
10/01 14:24, 5年前 , 105F
這事兒就跟「罄竹難書」的竹子上是不是只能寫壞事一樣，只
10/01 14:24, 105F
→
10/01 14:25, 5年前 , 106F
看字面是不對的。
10/01 14:25, 106F
推
10/01 16:50, 5年前 , 107F
我知道啊，所以我有加前提。有個if啦。
10/01 16:50, 107F
→
10/01 16:51, 5年前 , 108F
話說教育部不是說過罄竹難書只能看字面嗎XDDDD
10/01 16:51, 108F
→
10/01 16:52, 5年前 , 109F
我講得那麼誇張，只是想說「正歧視」也是一種歧視。
10/01 16:52, 109F
推
10/12 18:43, 5年前 , 110F
10/12 18:43, 110F
→
10/12 18:44, 5年前 , 111F
和現在看的科學哲學相關
10/12 18:44, 111F
推
10/16 19:14, 5年前 , 112F
一個越研究越簡單 一個越研究越複雜
10/16 19:14, 112F
→
10/16 19:22, 5年前 , 113F
我看過有書說在以前也有段時間 因為物理學的研究方法太成功
10/16 19:22, 113F
→
10/16 19:23, 5年前 , 114F
也是有人想說能不能生物或人體也可以用這些研究方法得到什麼
10/16 19:23, 114F
→
10/16 19:24, 5年前 , 115F
生物學第一定律之類的 比方有個東西叫做冪次定律 當初發現
10/16 19:24, 115F
→
10/16 19:26, 5年前 , 116F
還想說這可不可以算 不過結果還是不行 因為例外太多
10/16 19:26, 116F
樓上是指下面的? 冪定律 https://zh.wikipedia.org/wiki/%E5%86%AA%E5%AE%9A%E5%BE%8B 維基百科，自由的百科全書 跳至導覽跳至搜尋 冪定律（英語：power law）是一種多項式關係。遵守這關係的多項式，會展現出標度不 變性（scale invariance）的性質。 .... ※ 編輯: saltlake (114.24.93.167 臺灣), 10/17/2020 00:28:45
→
10/17 09:24, 5年前 , 117F
不是那個 有個叫克萊柏定律 表示生物基礎代謝率與體重的齒
10/17 09:24, 117F
→
10/17 09:26, 5年前 , 118F
3/4冪次成正比
10/17 09:26, 118F
→
10/17 09:26, 5年前 , 119F
有個字多打請忽略
10/17 09:26, 119F
→
10/17 09:34, 5年前 , 120F
這個定律可能就是類似歐姆定律那樣 算是個經驗式
10/17 09:34, 120F
→
10/17 09:36, 5年前 , 121F
總之你在這問題可以先想想 牛頓 熱力學那些定律和一些經驗
10/17 09:36, 121F
→
10/17 09:36, 5年前 , 122F
式的差別是什麼
10/17 09:36, 122F
→
10/17 09:39, 5年前 , 123F
還有普生最一開始也會說生物學在意的是emergent properties
10/17 09:39, 123F
→
10/17 09:40, 5年前 , 124F
而非某些不知道到底存不存在的深層的化約規則
10/17 09:40, 124F
不好意思，生止步於高中生物水準。關於上面提到的 緊急屬性(emergent properties)等大學普生的概念，有甚麼入門書可以先得到 基本概念? ※ 編輯: saltlake (114.24.92.17 臺灣), 10/17/2020 12:24:33
→
10/17 14:54, 5年前 , 125F
google就有了 中文可能叫突現性質比較對
10/17 14:54, 125F
→
10/17 14:55, 5年前 , 126F
我知道這個詞也是看了campbell 最前面那一章
10/17 14:55, 126F
→
10/17 14:56, 5年前 , 127F
不過只是要知道大概 yt上也就有影片了
10/17 14:56, 127F
‣ 更多 saltlake 的文章
文章代碼(AID): #1VRgp7wu (Physics)
‣ 更多 saltlake 的文章
文章代碼(AID): #1VRgp7wu (Physics)