- •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
Гипотезы к задаче
Н0: Доля учащихся, получивших результат в пределах 41-100%, среди учащихся городских школ не больше, чем среди учащихся районных школ.
Н1: Доля учащихся, получивших результат в пределах 41-100%, среди учащихся городских школ больше, чем среди учащихся районных школ.
По таблице определяем величины , соответствующие процентным долям «эффекта» в каждой из групп:
1(57,8%)=1,727 ,
2(36,0%)=1,287 .
Подсчитываем по формуле 12.8:
.
Критические величины этого критерия:
.
«Ось значимости»
Ответ
*эмп =1,764,Н0 отвергается. Доля учащихся, получивших результат в пределах 41-100%, среди учащихся городских школ больше, чем среди учащихся районных школ (=0,039).
? ВОПРОСЫ И УПРАЖНЕНИЯ
Перечислите типы задач, которые решаются с помощью критерия 2 Пирсона.
Перечислите ограничения, которые накладывают на выборки данных следующие критерии: 2 Пирсона,Колмогорова-Смирнова, угловое преобразование Фишера.
В эксперименте испытуемый должен произвести выбор левого или правого стола с заданиями. В инструкции психолог подчеркивает, что задания на обоих столах одинаковы. Из 150 испытуемых правый стол выбрали 94 человека, а левый 56. Можно ли утверждать, что подобный выбор левого или правого стола равновероятен, или он обусловлен какой-либо причиной, неизвестной психологу?
ЗАКЛЮЧЕНИЕ
Изучение методов многомерного анализа – следующая ступень применения математических методов в психологии, не вошедшая в это пособие.
Можно выделить две основные причины, связанные со спецификой психологических явлений, приводящие к необходимости использовать сложные математические методы в их изучении:
многосторонность психологических явлений, которая вынуждает исследователя использовать систему показателей;
невозможность прямого замера многих психологических явлений и использование для этого косвенных показателей.
Применяя на практике систему показателей нескольких психологических явлений, психолог сталкивается с задачей объяснить и интерпретировать структуру связи психологических переменных. При этом перед исследователем могут встать следующие задачи.
Во-первых, установить факты непосредственных связей психологических явлений и их направление. Для этого используют регрессионный и дисперсионный анализы.
Регрессионный анализ, имеет своей целью, связать одну конкретную психологическую переменную c другой.
Дисперсионный анализ – система статистических методов исследования влияния независимых качественных переменных (факторов) на изучаемую зависимую количественную переменную по дисперсии.
Во-вторых, выявить факты парных связей и установить глубинные групповые взаимосвязи между психологическими явлениями. Для этого используют корреляционный, факторный, кластерный и дискриминантный анализы.
Корреляционный анализ, главное назначение которого – выявить взаимовлияние психологических переменных между собой, был описан в теме 9 данного пособия.
Факторный анализ – метод статистического анализа психологической информации, применяемый при исследовании статистически связанных признаков с целью выявления латентных факторов.
Дискриминантный анализ – метод многомерной статистики для различения (дифференциации) и диагностирования психологическихявлений, отличия между которыми не очевидны.
Кластерный анализ – это математическая процедура многомерного анализа нахождения «расстояния» (меры различия) между объектами по всей совокупности параметров и изображения их отношений графически. Смысл кластеризации состоит в последовательном объединении объектов в так называемые кластеры, т.е. группы, где сходства между объектами выше, чем с другими объектами или кластерами – группами объектов.
Латентной переменной (фактором) называется величина, которую непосредственно измерить нельзя и для которой не известны уравнения связи с какими-либо явными переменными. Большинство психических явлений, безусловно, должно рассматриваться как латентные переменные. Во многих случаях мы не знаем о них ничего, кроме того, что они существуют и, обусловливая жизнедеятельность, проявляются в действиях (реакциях) индивида. Сами эти действия представляют собой явные переменные, так как их можно объективно измерить, прямо или косвенно.
Явной переменной называется величина, которую можно непосредственно или косвенно измерить. Например, можно непосредственно измерить длительность зрительно-моторной реакции секундомером. Величину процесса торможения в коре головного мозга можно косвенно измерить посредством электроэнцефалограммы. Длительность зрительно-моторной реакции, величина процесса торможения – это явные переменные. Отметим, что при косвенных измерениях переменной X через переменную Y должно быть известно в явном виде уравнение X = f(Y). Причем, явная или латентная переменная – это переменная, которую мы хотим оценить. Такую переменную называют зависимой переменной, или откликом. Переменная, используемая для оценки отклика, называется независимой переменной, или фактором.
Основная функция методов многомерного анализа – выявление скрытой, или латентной, структуры психологического явления, выступающей в качестве модели.
ПРИЛОЖЕНИЕ 1
Статистические таблицы критических значений
Таблица 1