- •Министерство образования и науки Российской Федерации
- •Введение
- •1. Психология и математика
- •1.1. Методологические проблемы использования математики в психологии
- •1.2. Планирование психологических экспериментов и обработка получаемых данных
- •1.3. Использование методов математического моделирования в психологии
- •1.4. Информация и психические процессы
- •1.5. Математические методы в проектировании деятельности человека
- •1.6. Системный анализ в психологии
- •1.7. Применение эвм в психологии
- •2. Понятие выборки
- •2.1. Полное исследование
- •2.2. Выборочное исследование
- •2.3. Зависимые и независимые выборки
- •2.4. Требования к выборке
- •2.5. Репрезентативность выборки
- •2.6. Формирование и объем репрезентативной выборки
- •3. Измерения и шкалы
- •3.1. Измерения
- •3.2. Измерительные шкалы
- •Правила ранжирования
- •3.3. Как определить, в какой шкале измерено явление
- •Задачи и упражнения
- •4. Формы учета результатов измерений
- •4.1. Таблицы исходных данных
- •4.2. Таблицы и графики распределения частот
- •Решения тестовой задачи
- •4.3. Применение таблиц и графиков распределения частот
- •4.4. Таблицы сопряженности номинативных признаков
- •Зависимость распределения оставленных и полученных открыток от их содержания
- •Задачи и упражнения
- •В трех группах
- •5. Первичные описательные статистики
- •5.1. Меры центральной тенденции
- •5.2. Выбор меры центральной тенденции
- •5.3. Квантили распределения
- •5.4. Меры изменчивости
- •Задачи и упражнения
- •6. Нормальный закон распределения и его применение
- •6.1. Понятие о нормальном распределении
- •6.2. Нормальное распределение как стандарт
- •6.3. Разработка тестовых шкал
- •Тестовые нормы – таблица пересчета «сырых» баллов в стены
- •Пример нелинейной нормализации: пересчет «сырых» оценок в шкалу стенайнов
- •6.4. Проверка нормальности распределения
- •Задачи и упражнения
- •7. Общие принципы проверки статистических гипотез
- •7.1. Проверка статистических гипотез
- •7.2. Нулевая и альтернативная гипотезы
- •7.3. Понятие уровня статистической значимости
- •7.4. Статистический критерий и число степеней свободы
- •7.5. Этапы принятия статистического решения
- •7.6. Классификация психологических задач, решаемых с помощью статистических методов
- •8. Статистические критерии различий
- •8.1. Параметрические и непараметрические критерии
- •8.2. Рекомендации к выбору критерия различий
- •9. Корреляционный анализ
- •9.1. Понятие корреляционной связи
- •9.2. Коэффициент корреляции Пирсона
- •9.3. Коэффициент корреляции рангов Спирмена
- •Случай одинаковых (равных) рангов
- •Расчет уровней значимости коэффициентов корреляции
- •Задачи и упражнения
- •Показатели количества ошибок в тренировочной сессии и показатели уровня вербального и невербального интеллекта
- •10. Параметрические критерии различия
- •Задачи и упражнения
- •Результативность испытуемых контрольной и опытной групп (среднее число пораженных мишеней из 25 в 10 сериях испытаний)
- •11. Выявление различий в уровне исследуемого признака
- •11.1. Обоснование задачи сопоставления и сравнения
- •Упорядоченные по убыванию вербального интеллекта ряды индивидуальных значений в двух студенческих выборках
- •Подсчет ранговых сумм по выборкам студентов физического и психологического факультетов
- •Подсчет ранговых сумм по группам испытуемых, работавших над четырьмя неразрешимыми анаграммами
- •Показатели по шкале Авторитетности в группах с разным
- •Задачи и упражнения
- •Показатели сокращения психологической дистанции (в %) после социодраматической замены ролей в группе
- •Показатели интенсивности внутреннего сопротивления при обращении в службу знакомств (в мм)
- •Индивидуальное значение по фактору n 16pf в 4 возрастных группах руководителей (по данным е. В. Сидоренко, 1987)
- •12. Оценка достоверности сдвига в значениях исследуемого признака
- •12.1. Обоснование задачи исследований изменений
- •Классификация сдвигов и критериев оценки их статистической достоверности
- •Оценки степени согласия с утверждениями о допустимости телесных
- •Оценки степени согласия с утверждениями о допустимости телесных
- •Расчет количества положительных, отрицательных и нулевых сдвигов в двух группах суггерендов
- •Расчет критерия т при сопоставлении замеров физического волевого усилия
- •12.4. Критерий χr2 Фридмана
- •Показатели времени решения анаграмм (сек)
- •Задачи и упражнения
- •Оценки степени согласия с утверждениями о допустимости телесных
- •Оценки реального и идеального уровней развития коммуникативных
- •13. Выявление различий в распределении признака
- •13.1. Обоснование задачи сравнения распределений признака
- •13.2.1. Сравнение эмпирического распределения с теоретическим
- •13.2.2. Сравнение двух экспериментальных распределений
- •13.2.3. Использование критерия хи-квадрат для сравнения показателей внутри одной выборки
- •13.3.1. Сопоставление эмпирического распределения с теоретическим
- •Расчет критерия при сопоставлении распределения выборов
- •13.3.2. Сопоставление двух эмпирических распределений
- •Задачи и упражнения
- •Частота встречаемости запретов на психологические поглаживания
- •14. Многофункциональные статистические критерии
- •14.1. Понятие многофункциональных критериев
- •14.2 Критерий φ* – угловое преобразование Фишера
- •Четырехклеточная таблица для расчета критерия при сопоставлении двух групп испытуемых, по процентной доле решивших задачу
- •Показатели расстояния (в см), выбираемого агрессивными и неагрессивными юношами в разговоре с сокурсником (по данным г. А. Тлегеновой, 1990)
- •Показатели интенсивности ощущения собственной недостаточности
- •Четырехклеточная таблица для расчета критерия φ* при сопоставлении групп с большей и меньшей энергией вытеснения по соотношению показателей недостаточности
- •Четырехклеточная таблица для расчета критерия φ* при сопоставлении групп с большей и меньшей энергией вытеснения по уровню показателя недостаточности
- •Четырехклеточная таблица для сопоставления групп с разной энергией вытеснения по частоте нулевых значений показателя недостаточности
- •Распределение прогнозов общепрактикующих врачей о том, какова будет доля приемных с фондами в 1993 году
- •Расчет максимальной разности накопленных частостей в распределениях прогнозов врачей двух групп
- •Распределение прогнозов у врачей с фондами и врачей без фондов
- •Четырехклеточная таблица для подсчета критерия φ* Фишера для выявления различий в прогнозах двух групп общепрактикующих врачей
- •Задачи и упражнения
- •Показатели преобладания правого и левого глаза в выборке
- •Показатели количества партнеров у врачей с фондами и врачей без фондов (по данным м. А. Курочкина, е. В. Сидоренко, ю. А. Чуракова, 1992)
- •Библиографический список
- •Критические значения коэффициента корреляции rxy Пирсона
- •Приведем оглавление диплома
- •Глава I. Теоретические основы агрессивности и тревожности личности.
- •Глава II. Основные результаты выполненного исследования агрессивности и тревожности личности и их зависимости от уровня субъективного контроля.
- •Методика Баса-Дарки
- •Методика уск (уровень субъективного контроля)
- •Методика Спилбергера-Ханина
- •Краткая классификация задач и методов их статистического решения [36,4]
5.4. Меры изменчивости
Меры центральной тенденции отражают уровень выраженности измеренного признака. Однако не менее важной характеристикой является выраженность индивидуальных различий испытуемых по измеренному признаку. Меры изменчивости применяются в психологии для численного выражения величины межиндивидуальной вариации признака.
Наиболее простой и очевидной мерой изменчивости является размах, указывающий на диапазон изменчивости значений. Размах − это просто разность максимального и минимального значений:
.
Ясно, что это очень неустойчивая мера изменчивости, на которую влияют любые возможные «выбросы». Более устойчивыми являются разновидности размаха: размах от 10 до 90-го процентиля (P90 – P10) или междуквартильный размах (Р75 – Р25). Последние две меры изменчивости находят свое применение для описания вариации в порядковых данных. А для метрических данных используется дисперсия − величина, название которой в науке является синонимом изменчивости.
Дисперсия − мера изменчивости для метрических данных, пропорциональная сумме квадратов отклонений измеренных значений от их арифметического среднего:
.
Чем больше изменчивость в данных, тем больше отклонения значений от среднего, тем больше величина дисперсии. Величина дисперсии получается при усреднении всех квадратов отклонений:
.
Следует отличать теоретическую (генеральную) дисперсию − меру изменчивости бесконечного числа измерений (в генеральной совокупности, популяции в целом) и эмпирическую, или выборочную, дисперсию – для реально измеренного множества значений признака. Выборочное значение в статистике используется для оценки дисперсии в генеральной совокупности. Выше указана формула для генеральной (теоретической) дисперсии (), которая, понятно, не вычисляется. Для вычислений используется формула выборочной (эмпирической) дисперсии(Dx), отличающаяся знаменателем:
.
Пример. Вычислим дисперсию признака Х для выборки N = 6:
-
№
xi
(xi – Mx)
(xi – Mx)2
1
4
4 – 3
1
2
2
2 – 3
1
3
4
4 – 3
1
4
1
1 – 3
4
5
5
5 – 3
4
6
2
2 – 3
1
∑
18
0
12
Мх = 18 : 6 = 3; Dx= 12 : (6 – 1) = 2,4.
Стандартное отклонение илисреднеквадратическое отклонение σ (сигма) − положительное значение квадратного корня из дисперсии:
.
На практике чаще используется именно стандартное отклонение, а не дисперсия. Это связано с тем, что сигма выражает изменчивость в исходных единицах измерения признака, а дисперсия − в квадратах исходных единиц.
Свойства дисперсии.
Если значения измеренного признака не отличаются друг от друга (равны между собой) − дисперсия равна нулю. Это соответствует отсутствию изменчивости в данных.
Прибавление одного и того же числа к каждому значению переменной не меняет дисперсию:
Dx+c = Dx, так как ∑[(xi + c) – (Mx + c)]2 = ∑(xi – Mx)2.
Прибавление константы к каждому значению переменной сдвигает график распределения этой переменной на эту константу (меняется среднее), но изменчивость (дисперсия) при этом остается неизменной.
3. Умножение каждого значения переменной на константу с изменяет дисперсию в с2 раз:
Dx∙c = Dx∙c2, так как ∑[(хi∙с) − (Mx∙с)]2 = c2∙∑(xi – Мх)2.
При объединении двух выборок с одинаковой дисперсией, но с разными средними значениями дисперсия увеличивается.
Рис. 5.1. Графики распределения частот: с разной дисперсией
(D1 < D2), одинаковой дисперсией (D2 = D3) и разными средними арифметическими (M2 < M3)
Пример. Если одна группа содержит значения: 1, 1, 1, 1, 1, а другая группа − значения 3, 3, 3, 3, 3, то дисперсии этих групп одинаковы и равны 0. Если же объединить эти две группы, то дисперсия будет равна не 0, а 1.
Вообще говоря, справедливо утверждение: при объединении двух групп к внутригрупповой дисперсии каждой группы добавляется дисперсия, обусловленная различием между группами (их средними). И чем больше различие между средними значениями, тем больше увеличивается дисперсия объединенных групп.
Стандартизация или z-преобразование данных − это перевод измерений в стандартную Z-шкалу со средним Мz = 0 и Dz (или σz) = 1. Сначала для переменной, измеренной на выборке, вычисляют среднее Мх стандартное отклонение σх. Затем все значения переменной хi, пересчитываются по формуле:
. (5.1)
В результате преобразованные значения (z-значения) непосредственно выражаются в единицах стандартного отклонения от среднего. Если для одной выборки несколько признаков переведены в z-значения, появляется возможность сравнения уровня выраженности разных признаков у того или иного испытуемого. Для того чтобы избавиться от неизбежных отрицательных и дробных значений, можно перейти к любой другой известной шкале: IQ (среднее 100, сигма 15); Т-оценок (среднее 50, сигма 10); 10-балльной − стенов (среднее 5, 5, сигма 2) и др. Перевод в новую шкалу осуществляется путем умножения каждого z-значения на заданную сигму и прибавления среднего:
Si = σs∙zi + Ms.
Асимметрия − степень отклонения графика распределения частот от симметричного вида относительно среднего значения. Если исходные данные переведены в z-значения, показатель асимметрии вычисляется по формуле:
.
Рис. 5.2. Асимметрия распределений:
а) левосторонняя, положительная;
б) правосторонняя, отрицательная
Для симметричного распределения асимметрия равна 0. Если чаще встречаются значения меньше среднего, то говорят о левосторонней, или положительной асимметрии (As > 0). Если же чаще встречаются значения больше среднего, то асимметрия − правосторонняя, или отрицательная (As < 0). Чем больше отклонение от нуля, тем больше асимметрия.
Эксцесс − мера плосковершинности или остроконечности графика распределения измеренного признака. Если исходные данные переведены в z-значения, показатель эксцесса определяется формулой:
.
Рис. 5.3. Эксцесс: а) положительный; б) отрицательный
Островершинное распределение характеризуется положительным эксцессом (Ех > 0), а плосковершинное − отрицательным (-3 < Ех < 0). «Средневершинное» (нормальное) распределение имеет нулевой эксцесс (Ех = 0).