- •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]
6.2. Нормальное распределение как стандарт
Каждому психологическому (или шире − биологическому) свойству соответствует свое распределение в генеральной совокупности. Чаще всего оно является нормальным и характеризуется своими параметрами: средним (М) и стандартным отклонением (σ). Только эти два значения отличают друг от друга бесконечное множество нормальных кривых, одинаковой формы, заданной уравнением (6.1). Среднее задает положение кривой на числовой оси и выступает как некоторая исходная, нормативная величина измерения. Стандартное отклонение задает ширину этой кривой, зависит от единиц измерения и выступает как масштаб измерения (рис. 6.3).
Рис. 6.3. Семейство нормальных кривых, 1-е распределение
отличается от 2-го стандартным отклонением (σ1 < σ2),
2-е от 3-го средним арифметическим (М2 < М3)
Все многообразие нормальных распределений может быть сведено к одной кривой, если применить z-преобразование (по формуле 5.1) ко всем возможным измерениям свойств. Тогда каждое свойство будет иметь среднее 0 и стандартное отклонение 1. На рисунке 6.4 построен график нормального распределения для М = 0 и σ = 1. Это и есть единичное нормальное распределение, которое используется как стандарт − эталон. Рассмотрим его важные свойства.
1) Единицей измерения единичного нормального распределения является стандартное отклонение.
2) Кривая приближается к оси Z по краям асимптотически − никогда не касаясь ее.
3) Кривая симметрична относительно М = 0. Ее асимметрия и эксцесс равны нулю.
4) Кривая имеет характерный изгиб: точка перегиба лежит точно на расстоянии в одну σ от М.
5) Площадь между кривой и осью Z равна 1.
Последнее свойство объясняет название «единичное нормальное распределение» и имеет исключительно важное значение. Благодаря этому свойству площадь под кривой интерпретируется как вероятность, или относительная частота. Действительно, вся площадь под кривой соответствует вероятности того, что признак примет любое значение из всего диапазона его изменчивости (от − ∞ до + ∞). Площадь под единичной нормальной кривой слева или справа от нулевой точки равна 0,5. Это соответствует тому, что половина генеральной совокупности имеет значение признака больше 0, а половина − меньше 0. Относительная частота встречаемости в генеральной совокупности значений признака в диапазоне от z1 до z2 равна площади под кривой, лежащей между соответствующими точками. Отметим еще раз, что любое нормальное распределение может быть сведено к единичному нормальному распределению путем z-преобразования.
Рис. 6.4. Стандартное нормальное распределение
Таким образом:
а) если хi имеет нормальное распределение со средним М и стандартным отклонением σ, то z = (х − Мх)/σ характеризуется единичным нормальным распределением со средним 0 и стандартным отклонением 1;
б) площадь между х1 и х2 в нормальном распределении со средним Мх и стандартным отклонением σ равна площади между z1 = (х1 − Мх)/σ и z2 = (х2 − Мх)/σ в единичном нормальном распределении.
Итак, наиболее важным общим свойством разных кривых нормального распределения является одинаковая доля площади под кривой между одними и теми же двумя значениями признака, выраженными в единицах стандартного отклонения.
Полезно помнить, что для любого нормального распределения существуют следующие соответствия между диапазонами значений и площадью под кривой:
М ± σ соответствует «68% (точно − 68,26%) площади;
М ± 2σ соответствует «95% (точно − 95,44%) площади;
М ± 3σ соответствует «100% (точно − 99,72%) площади.
Единичное нормальное распределение устанавливает четкую взаимосвязь стандартного отклонения и относительного количества случаев в генеральной совокупности для любого нормального распределения. Например, зная свойства единичного нормального распределения, мы можем ответить на следующие вопросы. Какая доля генеральной совокупности имеет выраженность свойства от − 1σ до + 1σ? Или какова вероятность того, что случайно выбранный представитель генеральной совокупности будет иметь выраженность свойства, на 3σ превышающую среднее значение? В первом случае ответом будет 68,26% всей генеральной совокупности, так как от −1 до +1 содержится 0,6826 площади единичного нормального распределения. Во втором случае ответ: (100 − 99,72)/2 = 0,14%.
Полезно знать, что если распределение является нормальным, то:
90% всех случаев располагается в диапазоне значений М ± 1,64σ;
95% всех случаев располагается в диапазоне значений М ± 1,96σ;
99% всех случаев располагается в диапазоне значений М ± 2,58σ.
Существует специальная таблица, позволяющая определять площадь под кривой справа от любого положительного z (приложение 1). Пользуясь ею, можно определить вероятность встречаемости значений признака из любого диапазона. Это широко используется при интерпретации данных тестирования.
Примеры
1. Значение IQ по шкале Векслера (М = 100, σ = 15) некоторого тестируемого равно 125. Вопрос о степени выраженности интеллекта у данного индивидуума переформулируем следующим образом: насколько часто или редко встречаются значения IQ ниже или выше 125?
Решение. Перейдем от шкалы IQ к единицам стандартного отклонения (z-значениям): z = (125 – 100)/15 = 1,66. По таблице 20 из приложения 1 находим площадь под кривой справа от этого значения, она равна 0,0485. Это значит, что IQ 125 и выше встречается довольно редко − менее, чем в 5% случаев.
2. Какова вероятность того, что случайно выбранный человек будет иметь IQ по шкале Векслера в диапазоне от 100 до 120?
Решение. В единицах стандартного отклонения z1 = 0,0; z2 = 1,66. Площадь справа от z1 − 0,5, справа от z2 − примерно 0,0918, следовательно, площадь между z1 и z2 равна 0,5 − 0,0918 = 0,4082. Таким образом, вероятность того, что случайно выбранный человек будет иметь IQ в диапазоне от 100 до 120, равна примерно 0,41.
Несмотря на исходный постулат, в соответствии с которым свойства в генеральной совокупности имеют нормальное распределение, реальные данные, полученные на выборке, нечасто распределены нормально. Более того, разработано множество методов, позволяющих анализировать данные без всякого предположения о характере их распределения как в выборке, так и в генеральной совокупности. Эти обстоятельства иногда приводят к ложному убеждению, что нормальное распределение − пустая математическая абстракция, не имеющая отношения к психологии. Тем не менее, как мы увидим в дальнейшем, можно указать, по крайней мере, на три важных аспекта применения нормального распределения:
Разработка тестовых шкал.
Проверка нормальности выборочного распределения для принятия решения о том, в какой шкале измерен признак − в метрической или порядковой.
Статистическая проверка гипотез, в частности − при определении риска принятия неверного решения.