- •Математические методы
- •Содержание
- •Раздел I
- •Тема 1. Измерения в психологии
- •Тема 2. Представление данных
- •Тема 3. Меры центральной тенденции
- •Тема 4. Меры изменчивости
- •Тема 5. Распределение признака.
- •Тема 6. Понятие выборки
- •1.2 Шкалы измерения
- •Представление данных
- •2.1 Группировка данных
- •2.2 Табулирование данных
- •2.3 Ранговый порядок
- •2.4 Распределение частот
- •2.5 Статистические ряды
- •2.6 Понятие распределения
- •Меры центральной тенденции
- •3.1 Мода
- •Замечание
- •3.2 Медиана
- •3.3 Среднее
- •3.4 Мода, медиана и среднее значение объединенных групп
- •3.5 Интерпретация моды, медианы и среднего значения
- •3.6 Выбор мер центральной тенденции
- •Меры изменчивости
- •4.1 Размах
- •4.2 Дисперсия и стандартное отклонение
- •Задача 4.1
- •Свойства дисперсии
- •Распределение признака. Нормальное распределение
- •5.1 Параметры распределения
- •5.2 Нормальное распределение
- •5.3 Асимметрия
- •5.4 Эксцесс
- •5.4 Применение нормального распределения
- •Понятие выборки
- •6.1 Полное и выборочное исследования
- •6.2 Зависимые и независимые выборки
- •6.3 Требования к выборке
- •6.4 Репрезентативность выборки
- •6.5 Формирование выборки
- •6.6 Определение объема выборки
- •Раздел II
- •Тема 7. Статистические гипотезы и
- •Тема 8. Классификация психологических
- •7.2 Статистические критерии
- •7.3 Параметрические и непараметрические методы
- •7.4 Уровни статистической значимости
- •Замечание
- •7.5 Правило отклонения нулевой и принятия альтернативной гипотезы
- •Задача 7.1
- •7.6 Мощность критериев
- •Классификация психологических задач, решаемых с помощью статистических методов
- •8.1 Классификация задач
- •Показатели группы а п Эффективность воздействия признаковризнак 1
- •После изменения
- •Показатели группы а п Степень согласованности или взаимосвязь ризнак 1
- •Показатели группы а у Сопоставление индивидуальных значений при изменении условийсловие 1
- •8.2 Принятие решения о задаче и методе
- •Раздел III
- •Тема 9. Корреляционный анализ
- •Тема 10. Выявление различий в уровне исследуемого признака
- •Тема 11. Оценка достоверности сдвига в значениях исследуемого
- •Тема 12. Критерии согласия
- •9.2 Коэффициент ранговой корреляции rS спирмена
- •9.3 Коэффициент линейной корреляции пирсона
- •9.4 Расчет уровней значимости коэффициентов корреляции
- •9.5 Коэффициент корреляции
- •Тема 10
- •Выявление различий в уровне исследуемого признака
- •10.1 Постановка задачи
- •10.2 Q – критерий розенбаума
- •10.3 S – критерий тенденций джонкира
- •Определим величину a: . Теперь определим величину b по формуле (10.11):
- •Тема 11
- •Оценка достоверности сдвига в значениях исследуемого признака
- •11.1 Постановка задачи
- •11.2 T – критерий вилкоксона
- •Типичными сдвигами в этой задаче являются сдвиги в сторону увеличения – их больше. Нетипичными – в сторону уменьшения.
- •Гипотезы к задаче
- •Тема 12
- •Выявление различий в распределении признака
- •12.1 Постановка задачи
- •12.2 2 Критерий пирсона
- •Гипотезы к задаче
- •12.3 – Критерий колмогорова-смирнова
- •12.4 Критерий * - угловое преобразование фишера
- •Гипотезы к задаче
- •Значение функции (ординаты единичной нормальной кривой)
- •Критические значения выборочного коэффициента корреляции рангов
- •Критические значения выборочного коэффициента линейной корреляции rxy Пирсона
- •Критические значения t-критерия Стьюдента при различных уровнях значимости
- •Критические значения критерия q-Розенбаума для уровней статистической значимости 0,05 и 0,01
- •Критические значения критерия s-Джонкира для количества групп (с) от трех до шести и количества испытуемых в каждой группе от двух до десяти
- •Критические значения критерия t Вилкоксона для уровней статистической значимости
- •Критические значения критерия 2 для уровней статистической значимости α 0,05 и α 0,01 при разном числе степеней свободы V
- •Критические значения dmax соответствующие уровням статистической значимости ,05 и 0,01 при сопоставлении эмпирического распределения с теоретическим
- •Таблицы для углового преобразования Фишера
- •Уровни статистической значимости разных значений критерия * Фишера
- •Лабораторные работы по дисциплине «Математические методы в психологии»
- •Лабораторная работа №1 Представление данных
- •Лабораторная работа №2 Графическое представление данных
- •Лабораторная работа № 3 Описательная статистика
- •Лабораторная работа №4 Корреляционный анализ
- •Данные для вариантов 1-6 (х1 – усредненные эталонные оценки, х2 – индивидуальные показатели преподавателя н-ва):
- •Данные для вариантов 7-12 (х1 – количество аварийных ситуаций, х2 – стаж вождения автомобиля):
- •Лабораторная работа №5 Оценка достоверности различий между двумя выборками по уровню признака
- •Данные для вариантов 7-12 (х1 – данные по детям из неблагополучных семей, х2 – данные по детям из благополучных семей):
- •Лабораторная работа №6 Оценка достоверности различий между несколькими выборками по уровню признака
- •Лабораторная работа №7 Оценка достоверности сдвига
- •Лабораторная работа №8 Оценка достоверности расхождения или согласия распределений (критерий Пирсона)
- •Лабораторная работа №9 Оценка достоверности расхождения или согласия распределений (критерий - Колмогорова-Смирнова)
- •Лабораторная работа №10 Многофункциональный критерий Фишера
- •Описание статистических функций табличного процессора Microsoft Excel
- •Частота
- •______________________________ Ранг
- •______________________________ Мин
- •______________________________ Срзнач
- •______________________________ Медиана
- •______________________________ Мода
- •______________________________ Счёт
- •______________________________ Счётесли
- •______________________________ Дисп
- •______________________________ Стандотклон
- •______________________________ Скос
- •Эксцесс
- •______________________________ Хи2тест
- •______________________________ Хи2обр
- •Применение пакета анализа для решения статистических задач в табличном процессоре Microsoft Excel
- •Корреляция
- •Литература
- •Математические методы в психологии Учебно-методическое пособие
7.2 Статистические критерии
Статистический критерий– это решающее правило, обеспечивающее надежное поведение, то есть принятие истинной и отклонение ложной гипотезы с высокой вероятностью [11].
Статистические критерии обозначают также метод расчета определенного числа и само это число.
Когда мы говорим, что достоверность различий определялась по критерию * (критерий– угловое преобразование Фишера), то имеем в виду, что использовали метод* для расчета определенного числа.
Когда мы говорим, далее, что *=1,36, то имеем в виду определенное число, рассчитанное по методу*. Это число обозначается какэмпирическое значение критерия.
По соотношению эмпирического и критического значений критерия мы можем судить о том, подтверждается ли или опровергается нулевая гипотеза.
В большинстве случаев для того, чтобы мы признали различия значимыми, необходимо, чтобы эмпирическое значение критерия превышало критическое, хотя есть критерии (например, критерий Манна-Уитни или критерий знаков), в которых мы должны придерживаться противоположного правила.
В некоторых случаях расчетная формула критерия включает в себя количество наблюдений в исследуемой выборке, обозначаемое как n. В этом случае эмпирическое значение критерия одновременно является тестом для проверки статистических гипотез. По специальной таблице мы определяем, какому уровню статистической значимости различий соответствует данная эмпирическая величина. Примером такого критерия является критерий*, вычисляемый на основе углового преобразования Фишера.
В большинстве случаев, однако, одно и то же эмпирическое значение критерия может оказаться значимым или незначимым в зависимости от количества наблюдений в исследуемой выборке (n) или от так называемого количества степеней свободы, которое обозначается какv или как df.
Число степеней свободы vравно числу классов вариационного ряда минус число условий, при которых он был сформирован. К числу таких условий относятся объем выборки (n), средние и дисперсии.
Допустим, группу из 50 человек разделили на три класса по принципу:
умеет работать на компьютере;
умеет выполнять лишь определенные операции;
не умеет работать на компьютере.
В первую и вторую группы попало по 20 человек, в третью – 10.
Мы ограничены одним условием – объемом выборки. Поэтому, даже если мы потеряли данные о том, сколько человек не умеют работать на компьютере, мы можем определить это, зная, что в первом и втором классах – по 20 испытуемых. Мы не свободны в определении количества испытуемых в третьем разряде, «свобода» простирается только на первые две ячейки классификации:
.
7.3 Параметрические и непараметрические методы
Критерии делятся на параметрические и непараметрические.
Параметрические критерии – критерии, включающие в формулу расчета параметры распределения, то есть средние и дисперсии.
Непараметрические критерии – критерии, не включающие в формулу расчета параметров распределения и основанные на оперировании частотами или рангами.
И те и другие критерии имеют свои преимущества и недостатки. Возможности и ограничения параметрических и непараметрических критериев приведены в таблице 7.2 [9].
Таблица 7.2
Параметрические критерии |
Непараметрические критерии |
1. Позволяют прямо оценить различия в средних, полученных в двух выборках (t - критерий Стьюдента) |
1. Позволяют оценить лишь средние тенденции, например, ответить на вопрос, чаще ли в выборке А встречаются более высокие, а в выборке Б – более низкие значения признака (например, критерии Розенбаума, угловое преобразование Фишера и др.) |
2. Позволяют прямо оценить различия в дисперсиях (например, критерий Фишера) |
2. Позволяют оценить лишь различия в диапазонах вариативности признака (например, критерий Фишера) |
3. Позволяют выявить тенденции изменения признака при переходе от условия к условию (дисперсионный однофакторный анализ), но лишь при условии нормального распределения признака |
3. Позволяют выявить тенденции изменения признака при переходе от условия к условию при любом распределении признака (критерий тенденций Пейджа и критерий Джонкира) |
4. Позволяют оценить взаимодействие двух и более факторов в их влиянии на изменения признака (двухфакторный дисперсионный анализ) |
4. Эта возможность отсутствует |
5. Экспериментальные данные должны отвечать двум, а иногда трем условиям: а) значения признака измерены по интервальной шкале;
б) распределение признака является нормальным;
в) в дисперсионном анализе должно соблюдаться требование равенства дисперсий в ячейках комплекса |
5. Экспериментальные данные могут не отвечать ни одному из этих условий:
а) значения признака могут быть представлены в любой шкале, начиная от шкалы наименований; б) распределение признака может быть любым и совпадение его с каким-либо теоретическим законом распределения необязательно и не нуждается в проверке; в) требование равенства дисперсий отсутствует |
Таблица 7.2. Продолжение
Параметрические критерии |
Непараметрические критерии |
6. Математические расчеты довольно сложны |
6. Математические расчеты по большей части просты и занимают мало времени (за исключением критериев 2 и ) |
7. Если условия, перечисленные в п.5, выполняются, параметрические критерии оказываются несколько более мощными, чем непараметрические |
7. Если условия, перечисленные в п.5, не выполняются, непараметрические критерии оказываются более мощными, чем параметрические, так как они менее чувствительны к «засорениям» |