2.4 Шкала отношений

Шкалу отношений называют также шкалой равных отношений. Особенностью этой шкалы является наличие твердо фиксированного нуля, который означает полное отсутствие какого-либо свойства или признака. Шакала отношений является наиболее информативной шкалой, допускающей любые математические операции и использование разнообразных статистических методов.

Шкала отношений по сути очень близка интервальной, поскольку если строго фиксировать начало отсчета, то любая интервальная шкала превращается в шкалу отношений.

Шкала отношений показывает данные о выраженности свойств объектов, когда можно сказать, во сколько раз один объект больше или меньше другого.

Это возможно лишь тогда, когда помимо определения равенства, рангового порядка, равенства интервалов известно равенство отношений. Шкала отношений отличается от шкалы интервалов тем, что на ней определено положение "естественного" нуля. Классический пример -- шкала температур Кельвина. (2, 3)

Именно в шкале отношений производятся точные и сверхточные измерения в таких науках, как физика, химия, микробиология и др. Измерение по шкале отношений производятся и в близких к психологии науках, таких, как психофизика, психофизиология, психогенетика. (4).

Измерения массы, времени реакции и выполнения тестового задания -- области применения шкалы отношений.

Отличием этой шкалы от абсолютной является отсутствие "естественной" масштабной единицы.

1.7. Критерий Фишера

Критерий Фишера применяется при проверке гипотезы о равенстве дисперсий двух генеральных совокупностей, распределенных по нормальному закону.

F-критерий Фишера называют дисперсионным отношением, так как он формируется как отношение двух сравниваемых несмещенных оценок дисперсий:

причем в числителе ставится большая из двух дисперсий. Расчетное F сравнивают с _____________, которое находятиз таблиц, для степеней свободы  _____________________________________где N1 - число элементов выборки, по который вычислена _______ .

N2 - число элементов выборки, по которым получена оценка дисперсии ________.

Если F<Fкр     , то принимается нулевая гипотеза о равенстве генеральных дисперсий _________________     при принятом уровне значимости q.

На рис. 1.3 показаны кривые распределения _____. Зачернена об­ласть критических значений F .

На практике задача сравнения дисперсий возникает, если требуется сравнить .точность приборов, инструментов или методов измерений. Предпочтительнее тот прибор, инструмент или метод, который обеспечи­вает наименьшее рассеяние результатов измерений, т.е. наименьшую дис­персию.

.     .

Кривые F-распределения Фишера

Рис.1.3

Если окажется, что нулевая гипотеза справедлива, т.е. генераль­ные дисперсии одинаковы, то различие несмещенных оценок дисперсий незначимо и объясняется случайными причинами, в частности  случайным отбором объектов выборки. Например, если различие несмещенных оценок дисперсий результатов измерений, выполненных двумя приборами, оказа­лось незначимым, то приборы имеют одинаковую точность.

Если нулевая гипотеза будет отвергнута, т.е. генеральные диспер­сии неодинаковы, то различие несмещенных оценок дисперсий значимо и не может быть объяснено случайными причинами, а является следствием того, что сами генеральные дисперсии различны. Например, если разли­чие _________________   результатов измерений, произведенных двумя приборами, оказалась значимым, то точность приборов различна.

4. 

Критерий Розенбаума

Описание критерия

Простой непараметрический критерий.

Мощность критерия не очень велика. В том случае, если он не выявляет различий, можно обратиться к другим статистическим критериям, например, к U-критерию Манна-Уитни или критерию φ* Фишера.

Данные для применения Q-критерия Розенбаума должны быть представлены хотя бы в порядковой шкале. Признак должен измеряться в значительном диапазоне значений (чем более значительном – тем лучше).

Ограничения применимости критерия

В каждой из выборок должно быть не менее 11 значений признака.

Объемы выборок должны примерно совпадать.

Если объемы выборок меньше 50, то абсолютная величина разности n1 (количество единиц в первой выборке) и n2(количество единиц во второй выборке) не должна быть больше 10.

Если объемы выборок между 50 и 100, то абсолютная величина разности n1 и n2 не должна быть больше 20;

Если объемы выборок больше 100, то допускается, чтобы одна из выборок превышала другую не более чем в 1,5 – 2 раза.

Диапазоны значений признака в двух выборках не должны совпадать между собой.

Использование критерия

Для применения Q-критерия Розенбаума нужно произвести следующие операции.

Упорядочить значения отдельно в каждой выборке по степени возрастания признака; принять за первую выборку ту, значения признака в которой предположительно выше, а за вторую – ту, где значения признака предположительно ниже.

Определить максимальное значение признака во второй выборке и подсчитать количество значений признака в первой выборке, которые больше его (S1).

Определить минимальное значение признака в первой выборке и подсчитать количество значений признака во второй выборке, которые меньше его (S2).

Рассчитать значение критерия Q = S1 + S2.

По таблице определить критические значения критерия для данных n1 и n2. Если полученное значение Q превышает табличное или равно ему, то признается наличие существенного различия между уровнем признака в рассматриваемых выборках (принимается альтернативная гипотеза). Если же полученное значение Q меньше табличного, принимается нулевая гипотеза.

Таблица критических значений

Различия между двумя выборками достоверны с вероятностью 95% при p=0,05 и с вероятностью 99% при p=0,01. Для выборок, в которых больше чем 26 элементов, критические значения Q принимаются равными 8 (при p=0,05) и 10 (при p=0,01).

U-критерий Манна — Уитни 

U-критерий Манна — Уитни (англ. Mann — Whitney U-test) — статистический критерий, используемый для оценки различий между двумя независимыми выборками по уровню какого-либо признака, измеренного количественно. Позволяет выявлять различия в значении параметра между малыми выборками.

Другие названия: критерий Манна — Уитни — Уилкоксона (англ. Mann — Whitney — Wilcoxon, MWW), критерий суммы рангов Уилкоксона (англ. Wilcoxon rank-sum test) или критерий Уилкоксона — Манна — Уитни (англ. Wilcoxon — Mann — Whitney test). Реже: критерий числа инверсий[1].

[История

Данный метод выявления различий между выборками был предложен в 1945 году Фрэнком Уилкоксоном (F. Wilcoxon). В 1947 годуон был существенно переработан и расширен Х. Б. Манном (H. B. Mann) и Д. Р. Уитни (D. R. Whitney), по именам которых сегодня обычно и называется.

Описание критерия

Простой непараметрический критерий. Мощность критерия выше, чем у Q-критерия Розенбаума.

Этот метод определяет, достаточно ли мала зона перекрещивающихся значений между двумя рядами (ранжированным рядом значений параметра в первой выборке и таким же во второй выборке). Чем меньше значение критерия, тем вероятнее, что различия между значениями параметра в выборках достоверны.

Ограничения применимости критерия

В каждой из выборок должно быть не менее 3 значений признака. Допускается, чтобы в одной выборке было два значения, но во второй тогда не менее пяти.

В выборочных данных не должно быть совпадающих значений (все числа — разные) или таких совпадений должно быть очень мало.

Использование критерия

Для применения U-критерия Манна — Уитни нужно произвести следующие операции.

Составить единый ранжированный ряд из обеих сопоставляемых выборок, расставив их элементы по степени нарастания признака и приписав меньшему значению меньший ранг. Общее количество рангов получится равным:

N = n1 + n2,

где n1 — количество единиц в первой выборке, а n2 — количество единиц во второй выборке.

Разделить единый ранжированный ряд на два, состоящие соответственно из единиц первой и второй выборок. Подсчитать отдельно сумму рангов, пришедшихся на долю элементов первой выборки, и отдельно — на долю элементов второй выборки. Определить большую из двух ранговых сумм (Tx), соответствующую выборке с nx единиц.

Определить значение U-критерия Манна — Уитни по формуле:

По таблице для избранного уровня статистической значимости определить критическое значение критерия для данных n1 и n2. Если полученное значение U меньше табличного или равно ему, то признается наличие существенного различия между уровнем признака в рассматриваемых выборках (принимается альтернативная гипотеза). Если же полученное значение Uбольше табличного, принимается нулевая гипотеза. Достоверность различий тем выше, чем меньше значение U.

При справедливости нулевой гипотезы критерий имеет математическое ожидание   и дисперсию   и при достаточно большом объёме выборочных данных  распределён практически нормально.