- •Пояснительная записка
- •Раздел 1. Основные теоретические сведенья по вопросам дисциплины
- •Тема 1. Введение. Измерение в психологии. Основы математической статистики Введение
- •Измерения в психологии
- •Порядковая (ранговая, ординарная) шкала
- •Шкала интервалов
- •Шкала отношений
- •Основы математической статистики
- •Выборочный метод
- •Классификации выборочного наблюдения
- •Характеристики генеральной и выборочной совокупности
- •Тема 2. Случайные величины. Распределения случайных величин
- •Нормальное рапределение
- •Тема 3. Статистические оценки параметров распределения
- •Оценки параметров генеральной совокупности
- •Точечные оценки
- •Интервальные оценки
- •Тема 4. Статистическая проверка статистических гипотез. Исследование статистических зависимостей
- •Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •Тема 5. Корреляционный анализ. Ранговая корреляция
- •Тема 6. Регрессионный анализ
- •Парная линейная регрессия
- •Тема 7. Дисперсионный анализ
- •Однофакторный дисперсионный анализ при равном числе наблюдений на различных уровнях
- •Однофакторный дисперсионный анализ при неравном числе наблюдений на различных уровнях
- •Тема 8. Факторный анализ
- •Тема 9. Кластерный анализ
- •Раздел 2. Задания для решения на занятиях
- •Тема 1. Введение. Измерения в психологии. Основы математической статистики Задачи для решения на занятии
- •Лабораторная работа
- •Тема 2. Случайные величины. Распределения случайных величин. Задачи для решения на занятии.
- •Лабораторная работа
- •2. Распределение Пуассона.
- •3. Нормальное распределение.
- •Тема 3. Статистика оценки параметров распределения. Лабораторная работа.
- •Тема 4. Статистическая проверка статистических гипотез. Исследование статистических зависимостей Лабораторная работа.
- •Тема 5. Корреляционный анализ. Ранговая корреляция Лабораторная работа
- •Тема 6. Регрессионный анализ Лабораторная работа
- •Тема 7. Дисперсионный анализ Лабораторная работа
- •Тема 9. Кластерный анализ
- •Раздел 3. Задания для самостоятельной работы
- •Тема 1. Введение. Измерения в психологии. Основы математической статистики
- •Тема 2. Случайные величины. Распределения случайных величин
- •Тема 3. Статистика оценки параметров распределения
- •Тема 4. Статистическая проверка статистических гипотез. Исследование статистических зависимостей
- •Тема 5. Корреляционный анализ. Ранговая корреляция
- •Тема 6. Регрессионный анализ
- •Тема 7. Дисперсионный анализ
- •Тема 9. Кластерный анализ
- •Примерный перечень вопросов к экзамену
- •Рекомендуемая литература
- •Содержание
Нормальное рапределение
Нормальным называют распределение вероятностей непрерывной случайной величины, которое задается следующей функцией плотности:
.
Здесь – математическое ожидание, а – среднее квадратичное отклонение нормального распределения.
График дифференциальной функции нормального распределения называется нормальной кривой (кривой Гаусса). Форма кривой зависит от значений а и .
Пaрамeтp а не изменяет форму кривой, a изменяет лишь ее расположение относительно оси У. При а0 кривая сдвинута вправо, а при а0 - влево. С возрастанием максимальная ордината нормальной кривой убывает.
Пусть нормально распределенная случайная величина Х примет значение, принадлежащее интервалу . Вероятность этого события определяется формулой:
где – функция Лапласа – интегральная функция нормального распределения для случая и, т.е. центрированного и нормированного распределения, .
Вероятность того, что отклонение нормально распределенной величины по абсолютной величине меньше заданного числа определяется следующим образом:
.
Правило трех сигм:.
Используемая литература: [1-5,9,13,15,16,18-21].
Тема 3. Статистические оценки параметров распределения
Пусть изучается какой-либо количественный или качественный признак в выборке. При этом значении признакавстречается,–раз и т.д. Наблюдаемые значения признаканазываютсявариантами, а числа –частотами. Последовательность вариант и соответствующих им частот, записанная в возрастающем порядке, называется вариационным рядом. Отношения называются относительными частотами.
Эмпирической функцией распределения (функцией распределения выборки) называют функцию , определяющую для каждого значенияотносительную частоту события, т.е.
,
где – число вариант, меньших.
Свойства эмпирической функции распределения совпадают со свойствами функции распределения случайной величины.
Оценки параметров генеральной совокупности
Пусть Х– изучаемый количественный признак генеральной совокупности. Как известно, исчерпывающую информацию о генеральной совокупности дает распределение вероятностей. Естественно, возникает задача оценки (приближенного значения) параметров, которыми определяется это распределение. Например, для нормального распределения таких параметров два – математическое ожидание и среднее квадратическое отклонение.
Как правило, известны лишь выборочные данные из генеральной совокупности, например, значения изучаемого признака х1,х2, …,хn, полученные в результатеnнаблюдений. На их основании и делается вывод относительно всей генеральной совокупности.
Точечные оценки
Точечной называют оценку, которая определяется одним числом. Пусть Θ* – статистическая оценка неизвестного параметра Θ теоретического распределения. Для того, чтобы оценка была в определенном смысле наилучшей, к ней предъявляется ряд требований:
Состоятельность. Точечная оценка называется состоятельной, если при неограниченном увеличении объема выборки (n) она стремится к истинному значению параметра Θ.
Несмещенность. Оценка называется несмещенной, если она не содержит систематической ошибки, т.е. среднее значение оценки, определенное по многократно повторенной выборке объема nиз одной и той же генеральной совокупности, стремится к истинному значению соответствующего генерального параметра. Другими словами, математическое ожиданиеМ(Θ*)=Θ.
Эффективность. Эффективной называют статистическую оценку, которая (при заданном объеме выборки) имеет наименьшую возможную дисперсию D(Θ*)=Dmin.
Доказано, что наилучшей в указанном смысле оценкой математического ожидания М(Х) является , т.е.
В качестве оценки дисперсии признака Хв генеральной совокупностиD(X) берется исправленная выборочная дисперсияDB*