Типы шкал определяют статистические методы, которые мы можем применять для обработки данных.

Модель принятия решения.

Модель моделирует поведение людей, которые принимают решения, действуя в соответствии с некоторыми аксиомами. В основе принятие решений лежит предположение, что выбор альтернатив должен осуществляться 2мя факторами:

1. Субъективная вероятность – представления человека, принимающего решение о возможных исходах.

2. Ожидаемая полезность – предпочтения, отдаваемые различным исходам.

Теория игр.

Родоначальник этой теории – Нейман, в России – Поспелов и Гермейер. Теория используется для моделирования поведения в конфликтных ситуациях. Конфликт – явление, в котором указаны какие стороны и как в нем участвуют, возможны исходы кто и как в них заинтересован. Понятие оптимальности поведения сторон представляет важный элемент подхода к изучению конфликтов.

Динамическое программирование – построение математических моделей в социально-психологических явлениях. К данному типу относятся:

1. Модель целенаправленного поведения (Корнев Г. В. – схемы выработки решений).

2. Функциональная система Анохина – модель организации и регуляции поведенческого акта.

Модель Корнева – схема выработки решений и приведение его в действие. Решение человека реализуется при выполнении движения, результатом которого является достижение конечной цели. Модель включает 2 элемента – идентификация обстановки (сопоставляется обстановка с определенным психомоторным актом) и принятие решения о выполнении движения, которое выражает волю человека. Принятое решение реализуется через команды, которые приводят в действие мышечный аппарат. При этом формируется оценка результатов действия (сравнивается ожидаемый результат с реальным - если ожидаемый результат не совпадает с реальным, то запускается новые поиски эффективных действий).

Функциональная система В. К. Анохина (модель организации и регуляции поведенческого акта) – схема с ориентированными графами. Схема:

ОА – обстановочная афферентация (различные воздействия – шум, плохая видимость, влажность и т.д.). Одни афферентные сигналы направляют нашу реакцию, а другие – обеспечивают запуск нашей реакции

ПА – пусковая афферентация (обеспечивает запуск нашей реакции)

Блок 1 – афферентный синтез (выбор поведения) – сбор и оценка поступающей информации, происходит выбор поведения, помогает мозгу выработать и принять решения

Блок 2 – принятие решения

Блок 3 – программа действия – формируется еще до самого совершения действия

Блок 4 – акцептор действия (аппарат, где формируется модель ожидаемого результат)

Блок 5 – результат. При не совпадении реальных результатов с ожидаемыми, идет возврат к 1му блоку

Блок 6 – изменение гомеостаза

Изменение гомеостаза позволяет организму:

1. Гибко приспосабливаться к окружающей среде

2. Выбирать оптимальные пути достижения своих целей

3. Прогнозировать будущие события на основе прошлого опыта

Модели научения – зависимость количества проб от количества ошибок. Чем больше проб, тем меньше ошибок. График:

 

2. Проблема измерения психических явлений.

Измерение – операция приписывания объектам числовых значений, которые отражают меру наличия свойства у данного объекта.

Суть психологического измерения в 3х основных процедурах:

1. Определение сходства и различия тех или иных свойств и респондентов с целью относения их к определенному типу личности

2. Измерение стимулов внешних объектов (другие люди, предметы внешнего мира, собственные состояние, которые прорываются во вне). При этом сам респондент играет роль измерительного прибора – оценивает, ранжирует, классифицирует

3. Совместное измерение и людей, и стимулов – поведение человека рассматривается как проявление взаимодействия личности и ситуации. Измерение как процедура может быть самостоятельным, а может являться часть эксперимента. Эксперимент выявляет причинно-следственные связи, а иногда может быть всего лишь одним из этапов эксперимента.

В ходе измерения числовые значения приписываются рьхектом по пор правилам и они образуют шкалу

Шкала (лат. – лестница) – измерительный инструмент или способ измерения объекта. Понятие было введено в психологию в 1950 г. Стивенсом.

Наглядное изображения корреляционных связей, метод корреляционных плеяд.

В ходе исследования обнаружились статистически значимые корреляционные зависимости между личностными особенностями и видами лжи (см. корреляционные плеяды).

Пример пренебрежения логикой в интерпретации психологических закономерностей.

Неполные семья служат причиной подростковых правонарушений.

Вопросы:

1) Является ли А достаточным (одно из многих) условием для наступления В

2) Является ли В достаточным условием для А

3) Является ли А необходимым условием (главное, без которого какой-то факт не наступит) для В

4) Является ли В необходимым условием для А

Необходимость и достаточность условий позволяют логически определиться в ограничениях рассматриваемого утверждения

Корректная интерпретация: неполные семьи наряду с другими конкретными факторами являются достаточным условием для порождения нарушений. Но возможность правонарушений не является необходимым следствием того, что подросток из неполной семьи.

Таким образом, важно помнить, что корреляция еще не означает наличие причинно-следственной связи.

12. Метод корреляционных плеяд.
Наглядное изображения корреляционных связей, метод корреляционных плеяд.

В ходе исследования обнаружились статистически значимые корреляционные зависимости между личностными особенностями и видами лжи (см. корреляционные плеяды).

Задание

Используя формула расчет коэффициент Пирсона рассчитать сопряженность между цветом волос и цветом глаз в данной выборке.

Были собраны следующие данные:

Совместное распределение частот цвета волос и цвета глаз

Цвет глаз	Цвет волос
Светлые	Русые	Черные	Рыжие	∑
Голубые
Серые
Карие
∑

Алгоритм расчета:

1. Рассчитать сумму отношений квадратов частот каждой клетки таблицы к произведению итоговых частот соответствующего столбца и строки

2. Вычислить показатель взаимной сопряженности по формуле

3. Подставим полученные данные в формулу

Ответ:

Связь между цветом волос и цветом глаз в данной выборке прямая и слабая (мы не можем по цвету глаз определить с точностью какой будет цвет волос и наоборот).

15. Дисперсионный однофакторный. Отличие дисперсионного анализа
корреляционного. Этапы подготовки данных к дисперсионному анализу.
Дисперсионный анализ.

Методы многомерного анализа: регрессионный, дисперсионный, факторный анализ.

Позволяют выделить срытые переменные, признаки и внутреннюю структуру связей между ними.

Независимая переменная – фактор, который изменяется или учитывается исследователем (возврат испытуемых).

Зависимая переменная – результативный признак, отклик на изменение независимой переменой. (обучаемость и эффективность выполнения задачи)

Дисперсионный анализ – это анализ изменчивости признака (з/п) под влиянием каких-либо контролируемых факторов (н/п).

Метод основан на сравнении дисперсий. Если различия между дисперсиями значимы, то фактор оказывает существенное влияние на признак. ANOVA – анализ вариативности.

Автором методом является Фишер.

Критерия Фишера является параметрическим, потому что в формулу расчета входят оценки дисперсий. В дисперсионном анализе исследователь исходит из положения, что они переменные могут рассматриваться как причины, а другие как следствие.

Ближайшим и более простым аналогом ANOVA является Т-критерий Стьюдента (тоже параметрический критерий), но в отличии от Т-критерия, дисперсионный анализ предназначен для сравнения не 2х выборок, а больше.

Есть несколько видов анализа:

1. Однофакторный дисперсионный анализ (one way) – в этой команде можно задать одну независимую переменную, всегда номинативную и имеющую несколько градаций (низкое, среднее, высокое). Можно задать 1 независимую переменную, которая группирует объекты заданной выборки в сравниваемой выборке и задать несколько зависимых переменных (они всегда количественного или метрического типа)

· Связанная выборка

· Несвязанная выборка

2. Многофакторный (МANOVA) – позволяет анализировать как множество зависимых, так и множество зависимых переменных

Подготовка данных к дисперсионному анализу:

1. Создание комплексов – для каждого испытуемого создается отдельная карточка, куда вносятся все его данные по всем измеренным признакам

2. Уравновешивание комплексов - равномерный комплекс тот, в котором каждая ячейка представлена одинаковым количеством наблюдений. В случае если оказалось неравное количество наблюдений, необходимо отсеять некоторые из них

3. Проверка нормальности распределения признака.

Алгоритм дисперсионного анализа для связанной выборки:

1. Назначение метода – метод дисперсионного анализа для связанных выборок применяется в тех случаях, когда исследуется влияние одного фактора на одну и ту же выборку испытуемых. Градации фактора должно быть не менее 3х. Это лонгитюдный метод

2. Описание метода

Пример:

Группа из 5 испытуемых была обследована с помощью 3х экспериментальных заданий, направленных на изучение интеллектуальной настойчивости. Каждому испытуемому индивидуально предъявлялись последовательно 3 одинаковые анаграммы (4, 5, 6-буквенные). Можно ли считать, что фактор длины анаграммы влияет на длительность попыток решения или же будут влиять другие факторы.

Модель принятия решения.

Модель моделирует поведение людей, которые принимают решения, действуя в соответствии с некоторыми аксиомами. В основе принятие решений лежит предположение, что выбор альтернатив должен осуществляться 2мя факторами:

1. Субъективная вероятность – представления человека, принимающего решение о возможных исходах.

2. Ожидаемая полезность – предпочтения, отдаваемые различным исходам.

Теория игр.

Родоначальник этой теории – Нейман, в России – Поспелов и Гермейер. Теория используется для моделирования поведения в конфликтных ситуациях. Конфликт – явление, в котором указаны какие стороны и как в нем участвуют, возможны исходы кто и как в них заинтересован. Понятие оптимальности поведения сторон представляет важный элемент подхода к изучению конфликтов.

Динамическое программирование – построение математических моделей в социально-психологических явлениях. К данному типу относятся:

1. Модель целенаправленного поведения (Корнев Г. В. – схемы выработки решений).

2. Функциональная система Анохина – модель организации и регуляции поведенческого акта.

Модель Корнева – схема выработки решений и приведение его в действие. Решение человека реализуется при выполнении движения, результатом которого является достижение конечной цели. Модель включает 2 элемента – идентификация обстановки (сопоставляется обстановка с определенным психомоторным актом) и принятие решения о выполнении движения, которое выражает волю человека. Принятое решение реализуется через команды, которые приводят в действие мышечный аппарат. При этом формируется оценка результатов действия (сравнивается ожидаемый результат с реальным - если ожидаемый результат не совпадает с реальным, то запускается новые поиски эффективных действий).

Функциональная система В. К. Анохина (модель организации и регуляции поведенческого акта) – схема с ориентированными графами. Схема:

ОА – обстановочная афферентация (различные воздействия – шум, плохая видимость, влажность и т.д.). Одни афферентные сигналы направляют нашу реакцию, а другие – обеспечивают запуск нашей реакции

ПА – пусковая афферентация (обеспечивает запуск нашей реакции)

Блок 1 – афферентный синтез (выбор поведения) – сбор и оценка поступающей информации, происходит выбор поведения, помогает мозгу выработать и принять решения

Блок 2 – принятие решения

Блок 3 – программа действия – формируется еще до самого совершения действия

Блок 4 – акцептор действия (аппарат, где формируется модель ожидаемого результат)

Блок 5 – результат. При не совпадении реальных результатов с ожидаемыми, идет возврат к 1му блоку

Блок 6 – изменение гомеостаза

Изменение гомеостаза позволяет организму:

1. Гибко приспосабливаться к окружающей среде

2. Выбирать оптимальные пути достижения своих целей

3. Прогнозировать будущие события на основе прошлого опыта

Модели научения – зависимость количества проб от количества ошибок. Чем больше проб, тем меньше ошибок. График:

 

2. Проблема измерения психических явлений.

Измерение – операция приписывания объектам числовых значений, которые отражают меру наличия свойства у данного объекта.

Суть психологического измерения в 3х основных процедурах:

1. Определение сходства и различия тех или иных свойств и респондентов с целью относения их к определенному типу личности

2. Измерение стимулов внешних объектов (другие люди, предметы внешнего мира, собственные состояние, которые прорываются во вне). При этом сам респондент играет роль измерительного прибора – оценивает, ранжирует, классифицирует

3. Совместное измерение и людей, и стимулов – поведение человека рассматривается как проявление взаимодействия личности и ситуации. Измерение как процедура может быть самостоятельным, а может являться часть эксперимента. Эксперимент выявляет причинно-следственные связи, а иногда может быть всего лишь одним из этапов эксперимента.

В ходе измерения числовые значения приписываются рьхектом по пор правилам и они образуют шкалу

Шкала (лат. – лестница) – измерительный инструмент или способ измерения объекта. Понятие было введено в психологию в 1950 г. Стивенсом.

Типы шкал определяют статистические методы, которые мы можем применять для обработки данных.

3. Типы шкал.
Типы шкал определяют статистические методы, которые мы можем применять для обработки данных. Стивенсоном была предложена классификация из 4х основных типов шкал и типология шкал:

1. Номинативная (шкала наименований, номинальная шкала, шкала категорий)

2. Порядковая шкала

3. Интервальная шкала

4. Шкала отношений

Номинативная шкала (лат. nomen – имя, название) – это шкала, классифицирующая субъектов или объектов по названию. Образуется путем приписывания имен объектам. Пример: номера на майках футболистов – у вратаря всегда №1. Вариант номинативной шкалы – дихотомическая шкала, состоящая из 2х ячеек (например: да-нет). Альтернативный признак – признак, который измеряется по дихотомической шкале наименований и может принимать 2 значения и исследователей интересует только 1 признак – проявился он или нет. Другой вариант номинативной шкалы – классификация из 3х и более ячеек, например когда исследуются поведенческие реакции. Номинативная шкала позволяет от имен перейти к числам. Единица измерения номинативной шкалы – количество реакций выборов наблюдений. позволяет подсчитать число повторяемости наименований. Применение в психологии: процедуры диагностики личности приводит к типологизации (типы темперамента).

Порядковая шкала – классифицирует по принципу «больше - меньше». Объекты организуют определенную последовательность и идет порядок от самого малого значения к самому большему или наоборот. Здесь должно быть не менее 3х ячеек (рангов). Принудительное ранжирование - ранжирование, при котором количество рангов соответствует количеству объектов. Единицей измерения является 1 ранг. Применение в психологии: психология познавательных процессов, социальная психология, педагогическая психология, при тестировании личностных черт и способностей.

Интервальная шкала – первая метрическая шкала, классифицирующая по принципу «больше на определенное количество единиц - меньше на определенное количество единиц». Требования к данной шкале: равномерность ее делений (термометр например). Применение в психологии: с помощью этой школы можно сравнить 2 объекта и выяснить при этом на сколько более или менее выражено определенное свойство объекта, чем у другого и на сколько единиц.

Шкала отношений – измерительная шкала, на которой выражены отношения между величинами вычисляемых показателей. Фундаментальное свойство этой шкалы – наличие абсолютной нулевой точки отсчета (шкала температур Кельвина например). Эта шкала практически не применяется в психологии, за исключением шкалы оценки компетентности, основанная на модели Раша; шкала порогов абсолютной чувствительности, измерение массы, времени реакции, времени тестового задания. Практически не применяется в психологии, потому что возможности человеческой психики настолько велики, что трудно себе представить абсолютный ноль какого-то явления.

 

4. Порядок построения шкал: дискретной и интервальной.
Дискретным вариационным рядом распределения называется ранжированная совокупность вариантов с соответствующими им частотами или частностями. Варианты дискретного ряда – это дискретно прерывно изменяющиеся значения признак, обычно это результат подсчета.

Дискретные вариационные ряды строят обычно в том случае, если значения изучаемого признака могут отличаться друг от друга не менее чем на некоторую конечную величину. В дискретных рядах задаются точечные значения признака. Пример: Распределение мужских костюмов, реализованных магазинами за месяц по размерам.

Размер костюма	Число проданных костюмов, шт.
44	12
46	31
48	127
50	215
52	164
54	91
56	47
58	28
60	11
Итого	726

Интервальным вариационным рядом называется упорядоченная совокупность интервалов варьирования значений случайной величины с соответствующими частотами или частостями попаданий в каждый из них значений величины. Интервальные ряды предназначены для анализа распределения непрерывно изменяющегося признака, значение которого чаще всего регистрируется путем измерения или взвешивания. Варианты такого ряда – это группировка.

Пример: Распределение покупок в продуктовом магазине по сумме.

Сумма покупки, руб.	Число покупок
До 50	37
50,1-100	78
100,1-150	111
150,1-200	105
200,1-250	68
Свыше 250	49
Итого	448

Если в дискретных вариационных рядах частотная характеристика относится непосредственно к варианту ряда, то в интервальных к группе вариантов.

Ряды распределения удобно анализировать при помощи их графического изображения, позволяющего судить и о форме распределения, о закономерностях. Дискретный ряд изображается на графике в виде ломаной линии – полигона распределения. Для его построения в прямоугольной системе координат по оси абсцисс в одинаковом масштабе откладываются ранжированные (упорядоченные) значения варьирующего признака, а по оси ординат наносится шкала для выражения частот.

Интервальные ряды изображаются в виде гистограмм распределения (то есть столбиков диаграмм).

При построении гистограммы на оси абсцисс откладываются величины интервалов, а частоты изображаются прямоугольниками, построенными на соответствующих интервалах. Высота столбиков в случае равных интервалов должна быть пропорциональна частотам.

Любая гистограмма может быть преобразована в полигон распределений, для этого необходимо соединить между собой отрезками прямой вершины ее прямоугольников.

5. Формы представления данных исследования.
Завершением любой исследовательской работы является представление результатов в той форме, которая принята научным сообществом. Следует различать две основные формы представления результатов: квалификационную и научно-исследовательскую.

Квалификационная работа – курсовая, дипломная работа, диссертация и т. д. – служит для того, чтобы студент, аспирант или соискатель, представив свое научное исследование, получил документ, удостоверяющий уровень компетентности. Требования к таким работам, способу их оформления и представления результатов изложены в соответствующих инструкциях и положениях, принятых учеными советами.

Результаты научно-исследовательской работы – это результаты, полученные в ходе исследовательской деятельности ученого. Представление научных результатов обычно происходит в трех формах: 1) устные изложения; 2) публикации; 3) электронные версии. В любой их этих форм присутствует описание. В. А. Ганзен под описанием понимает любую форму представления информации о полученных в исследовании результатах.[98]

Различают следующие варианты представления информации: вербальная форма (текст, речь), символическая (знаки, формулы), графическая (схемы, графики), предметнообразная (макеты, вещественные модели, фильмы и др.).

Вербальная форма – наиболее распространенный вариант представления описаний. Любое научное сообщение – это прежде всего текст, организованный по определенным правилам. Различают два вида текстов: на естественном языке («природном», обыденном) и на научном языке. Обычно представление результатов научного исследования является текстом «смешанного» вида, где в естественную речевую структуру включены фрагменты, сформулированные на строго научном языке. Эти языки нельзя строго разграничить: научные термины входят в повседневное обращение, а наука черпает из естественного языка слова для обозначения вновь открытых сторон реальности. Но в отличие от обыденного употребления каждый научный термин имеет однозначное предметное содержание. В психологии в качестве научных терминов употребляются такие слова, как «личность», «внимание», «чувство» и т. п. Здесь грань между научной и обыденной терминологией весьма тонка, что порождает дополнительную трудность для автора-психолога.

Главное требование к научному тексту – последовательность и логичность изложения. Автор должен по возможности не загружать текст избыточной информацией, но может использовать метафоры, примеры, для того чтобы привлечь внимание к особо значимому для понимания сути звену рассуждений. Научный текст в отличие от литературного текста или повседневной речи очень клиширован – в нем преобладают устойчивые структуры и обороты (в этом он сходен с «канцеляритом» – бюрократическим языком деловых бумаг). Роль таких штампов чрезвычайно важна, поскольку внимание читателя не отвлекается на литературные изыски или неправильности изложения, а сосредоточивается на значимой информации: суждениях, умозаключениях, доказательствах, цифрах, формулах. «Наукообразные» штампы на самом деле играют важную роль «рамок», стандартной установки для нового научного содержания.

Текст состоит из высказываний. Каждое высказывание имеет определенную логическую форму. Существуют основные логические формы высказывания: 1) индуктивное – обобщающее некоторый эмпирический материал; 2) дедуктивное – логический вывод от общего к частному или описание алгоритма; 3) аналогия – «трансдукция»; 4) толкование или комментарий – «перевод», раскрытие содержания одного текста посредством создания другого.

Геометрические (пространственно-образные) описания являются традиционным способом кодирования научной информации. Поскольку геометрическое описание дополняет и поясняет текст, оно «привязано» к описанию языковому. Геометрическое описание наглядно. Оно позволяет одновременно представить систему отношений между отдельными переменными, исследуемыми в эксперименте. Информационная емкость геометрического описания очень велика.

В психологии используется несколько основных форм графического представления научной информации. Для первичного представления данных используются следующие графические формы: диаграммы, гистограммы и полигоны распределения, а также различные графики.

Начальным способом представления данных является изображение распределения. Для этого используют гистограммы и полигоны распределения. Часто для наглядности распределение показателя в экспериментальной и контрольной группах изображают на одном рисунке.

Гистограмма – это «столбчатая» диаграмма частотного распределения признака на выборке. При построении гистограмм на оси абсцисс откладывают значения измеряемой величины, а на оси ординат – частоты или относительные частоты встречаемости данного диапазона величины в выборке.

В полигоне распределения количество испытуемых, имеющих данную величину признака (или попавших в определенный интервал величины), обозначают точкой с координатами. Точки соединяются отрезками прямой. Перед тем как строить полигон распределения или гистограмму, исследователь должен разбить диапазон измеряемой величины, если признак дан в шкале интервалов или отношений, на равные отрезки. Рекомендуют использовать не менее пяти, но не более десяти градаций. В случае использования шкалы наименований или порядковой шкалы такой проблемы не возникает.

Если исследователь хочет нагляднее представить соотношение между различными величинами, например доли испытуемых с разными качественными особенностями, то ему выгоднее использовать диаграмму. В секторной круговой диаграмме величина каждого сектора пропорциональна величине встречаемости каждого типа. Величина круговой диаграммы может отображать относительный объем выборки или значимость признака.

Переходным от графического к аналитическому вариантом отображения информации являются в первую очередь графики, представляющие функциональную зависимость признаков. Идеальный вариант завершения экспериментального исследования – обнаружение функциональной связи независимой и зависимой переменных, которую можно описать аналитически.

Можно выделить два различных по содержанию типа графиков: 1) отображающие зависимость изменения параметров во времени; 2) отображающие связь независимой и зависимой переменных (или любых двух других переменных). Классическим вариантом изображения временной зависимости является обнаруженная Г. Эббингаузом связь между объемом воспроизведенного материала и временем, прошедшим после заучивания («кривая забывания»). Аналогичны многочисленные «кривые заучивания» или «кривые утомления», показывающие изменение эффективности деятельности во времени.

В психологии часто встречаются и графики функциональной зависимости двух переменных: законы Г. Фехнера, С. Стивенса (в психофизике), закономерность, описывающая зависимость вероятности воспроизведения элемента от его места в ряду (в когнитивной психологии), и т. п.

Л.В. Куликов дает начинающим исследователям ряд простых рекомендаций по построению графиков.[99]

1. График и текст должны взаимно дополнять друг друга.

2. График должен быть понятен «сам по себе» и включать все необходимые обозначения.

3. На одном графике не разрешается изображать больше четырех кривых.

4. Линии на графике должны отражать значимость параметра, важнейшие параметры необходимо обозначать цифрами.

5. Надписи на осях следует располагать внизу и слева.

6. Точки на разных линиях принято обозначать кружками, квадратами и треугольниками.

Если необходимо на том же графике представить величину разброса данных, то их следует изображать в виде вертикальных отрезков, чтобы точка, обозначающая среднее, находилась на отрезке (в соответствии с показателем асимметрии).

Видом графиков являются диагностические профили, которые характеризуют среднюю выраженность измеряемых показателей у группы или определенного индивида.

При представлении информации с использованием топологических характеристик применяются графы. Например, в виде графа представлена иерархическая модель интеллекта Д. Векслера.

Наряду с графами в психологии применяются пространственно-графические описания, в которых учитываются структура параметров и отношения между элементами. Примером является описание структуры интеллекта – «куб» Д. Гилфорда. Другой вариант применения пространственного описания – пространство эмоциональных состояний по В. Вундту или же описание типов личности по Г. Айзенку («круг Айзенка»).

В случае, если в пространстве признаков определена метрика, используется более строгое представление данных. Положение точки в пространстве, изображенном на рисунке, соответствует ее реальным координатам в пространстве признаков. Таким способом представляются результаты многомерного шкалирования, факторного и латентно-структурного анализа, а также некоторых вариантов кластерного анализа.

Наиболее важный способ представления результатов научной работы – числовые значения величины, в частности:

1) показатели центральной тенденции (среднее, мода, медиана);

2) абсолютные и относительные частоты;

3) показатели разброса (стандартное отклонение, дисперсия, процентильный разброс);

4) значения критериев, использованных при сравнении результатов разных групп;

5) коэффициенты линейной и нелинейной связи переменных и т. д.

Стандартный вид таблиц для представления первичных результатов таков: по строкам располагаются испытуемые, по столбцам – значения измеренных параметров. Результаты математической статистической обработки также сводятся в таблицы. Существующие компьютерные пакеты статистической обработки данных позволяют выбрать любую стандартную форму таблиц для представления их в научной публикации.

6. Понятие о математическом планировании эксперимента. Параметры распределения
Математическое планирование начинается с преобразования формы информации, которая осуществляется через:

1. Числовое кодирование – перевод качественных показателей в количественные.

Уровень образования	Ранг
Средний уровень
Среднее специальное
Незаконченное высшие
Высшее

2. Отбрасывание выскакивающих вариантов (выделяющиеся значения) – могут возникнуть из-за ошибок в записывании, невнимательности. Это отбрасывают с помощью t-критерия выпада. Задача критерия - определить находится ли данная варианта в интервале, характерном для всех выборки или же она вне его.

, где

V – артефак, выпадающее значение

3. Анализ первичных статистик. Для определения способов математической обработки, необходимо оценить характер распределения признаков – методы параметрической статистики и методы непараметрической статистики.

Нормальное распределение.

Нормальное распределение – распределение, при котором крайнее значение признака встречаются редко, а значения, близкие к средним – часто.

1733 год – в Англии Муавр открыл закон нормального распределения

1809 год – Гаусс открыл закон нормального распределения

1812 год – Лапласс открыл закон нормального распределения

Параметры распределения – числа, указывающие, где в среднем располагаются значения признаков.

Параметры распределения:

1. Математическое ожидание, среднее арифметическое:

Дает возможность:

· Охарактеризовать исследуемую выборку одним числом

· Сравнить отдельные величины со средним значением

· Позволяет вычислять другие статистические показатели или критерии

2. Дисперсия

3. Стандартное отклонение (среднее квадратичное отклонение) – показывает на сколько в среднем отклоняется каждая варианта от среднего арифметического

4. Размах варьирования – разность между максимальным и минимальным значением в ряду

W = x_max - x_min

5. Коэффициент асимметрии – показатель скошенности распределения в левую или правую сторону по оси абсцисс.

7. Кривая нормального распределения. Асимметрия. Эксцесс.
Для симметричных распределение асимметрия равна 0. Асимметрия бывает 2х видов – левосторонняя (положительная) – часто встречаются низкие значения;

правосторонняя симметрия – часто встречаются высокие значения (отрицательная)

6. Эксцесс – при нормальном распределении эксцесс не наблюдается.

Встречается 2 вида: положительный – преимущественное появление средних значений; отрицательный - одновременное преобладание крайних значений – низких и высоких.

7. Мода – часто встречаемое значение. М_о

8. Медиана – среднее значение М_е – варианта, которая делит вариационный ряд на 2 равные части.

Методы параметрической статистики. Алгоритм расчета критерия Пирсона и Стьюдента.

Параметрические критерии – критерии, включающие в формулу расчета параметры распределения. Пример: t-критерий Стьюдента, х² критерий Пирсона, f-критерий Фишера. Данные критерии требуют, что бы переменные были нормально распределены.