Банк рефератов содержит более 364 тысяч рефератов, курсовых и дипломных работ, шпаргалок и докладов по различным дисциплинам: истории, психологии, экономике, менеджменту, философии, праву, экологии. А также изложения, сочинения по литературе, отчеты по практике, топики по английскому.
Полнотекстовый поиск
Всего работ:
364150
Теги названий
Разделы
Авиация и космонавтика (304)
Административное право (123)
Арбитражный процесс (23)
Архитектура (113)
Астрология (4)
Астрономия (4814)
Банковское дело (5227)
Безопасность жизнедеятельности (2616)
Биографии (3423)
Биология (4214)
Биология и химия (1518)
Биржевое дело (68)
Ботаника и сельское хоз-во (2836)
Бухгалтерский учет и аудит (8269)
Валютные отношения (50)
Ветеринария (50)
Военная кафедра (762)
ГДЗ (2)
География (5275)
Геодезия (30)
Геология (1222)
Геополитика (43)
Государство и право (20403)
Гражданское право и процесс (465)
Делопроизводство (19)
Деньги и кредит (108)
ЕГЭ (173)
Естествознание (96)
Журналистика (899)
ЗНО (54)
Зоология (34)
Издательское дело и полиграфия (476)
Инвестиции (106)
Иностранный язык (62792)
Информатика (3562)
Информатика, программирование (6444)
Исторические личности (2165)
История (21320)
История техники (766)
Кибернетика (64)
Коммуникации и связь (3145)
Компьютерные науки (60)
Косметология (17)
Краеведение и этнография (588)
Краткое содержание произведений (1000)
Криминалистика (106)
Криминология (48)
Криптология (3)
Кулинария (1167)
Культура и искусство (8485)
Культурология (537)
Литература : зарубежная (2044)
Литература и русский язык (11657)
Логика (532)
Логистика (21)
Маркетинг (7985)
Математика (3721)
Медицина, здоровье (10549)
Медицинские науки (88)
Международное публичное право (58)
Международное частное право (36)
Международные отношения (2257)
Менеджмент (12491)
Металлургия (91)
Москвоведение (797)
Музыка (1338)
Муниципальное право (24)
Налоги, налогообложение (214)
Наука и техника (1141)
Начертательная геометрия (3)
Оккультизм и уфология (8)
Остальные рефераты (21697)
Педагогика (7850)
Политология (3801)
Право (682)
Право, юриспруденция (2881)
Предпринимательство (475)
Прикладные науки (1)
Промышленность, производство (7100)
Психология (8694)
психология, педагогика (4121)
Радиоэлектроника (443)
Реклама (952)
Религия и мифология (2967)
Риторика (23)
Сексология (748)
Социология (4876)
Статистика (95)
Страхование (107)
Строительные науки (7)
Строительство (2004)
Схемотехника (15)
Таможенная система (663)
Теория государства и права (240)
Теория организации (39)
Теплотехника (25)
Технология (624)
Товароведение (16)
Транспорт (2652)
Трудовое право (136)
Туризм (90)
Уголовное право и процесс (406)
Управление (95)
Управленческие науки (24)
Физика (3463)
Физкультура и спорт (4482)
Философия (7216)
Финансовые науки (4592)
Финансы (5386)
Фотография (3)
Химия (2244)
Хозяйственное право (23)
Цифровые устройства (29)
Экологическое право (35)
Экология (4517)
Экономика (20645)
Экономико-математическое моделирование (666)
Экономическая география (119)
Экономическая теория (2573)
Этика (889)
Юриспруденция (288)
Языковедение (148)
Языкознание, филология (1140)

Реферат: Статистика в обработке материалов психологических исследований

Название: Статистика в обработке материалов психологических исследований
Раздел: Рефераты по психологии
Тип: реферат Добавлен 08:15:41 06 февраля 2008 Похожие работы
Просмотров: 111 Комментариев: 2 Оценило: 0 человек Средний балл: 0 Оценка: неизвестно     Скачать

Статистические методы применяются при обработке материалов психологических исследований для того, чтобы извлечь из тех коли­чественных данных, которые получены в экспериментах, при опросе и наблюдениях, возможно больше полезной информации. В частности, в обработке данных, получаемых при испытаниях по психологиче­ской диагностике, это будет информация об индивидуально-психоло­гических особенностях испытуемых. Психологические исследования обычно строятся с опорой на количественные данные.

Вот пример.

К школьному психологу обратился шестиклассник Саша Ю. с прось­бой испытать его двигательный темп. Его очень интересовал баскетбол, и он собирался вступить в баскетбольную команду, а баскетболист, не­сомненно, должен иметь высокий двигательный темп. Психолог разра­ботал план небольшого исследования. Он начал с того, что попросил Сашу так быстро, как он только может, ставить точки в центре кружков, нарисованных на листке бумаги. За одну минуту мальчик поставил 137 то­чек. Насколько этот темп характерен для него? Чтобы установить это, психолог попросил Сашу повторить эту пробу 25 раз. Действительно, некоторые результаты превышали первоначально полученное число, но некоторые оказались и поменьше. Психолог просуммировал все полу­ченные за 25 проб результаты, а сумму разделил на 25 — таким путем он получил среднее арифметическое по всем пробам. Это среднее ариф­метическое составило 141. Таков по этой пробе максимальный темп это­го мальчика. Можно ли считать этот темп высоким? Потребовался еще один шаг в исследовании. Психолог сформировал группу из 50 шести­классников, не отличающихся от Саши и друг от друга по возрасту более чем на полгода. С этими ребятами психолог также провел сначала по несколько тренировочных проб, чтобы получить надежные данные об их темпе, и, наконец, последнюю пробу для обработки.

Все эти данные в виде средних арифметических были построены в один порядковый ряд, который был разбит по десяткам (по децилям).

Сашины данные вошли в первый десяток с наиболее быстрыми резуль­татами. По этим количественным данным психолог сделал вывод о том, что мальчик обладает сравнительно высоким двигательным темпом, о чем и было ему сообщено.

Современная математическая статистика представляет собой боль­шую и сложную систему знаний. Нельзя рассчитывать на то, что каж­дый психолог овладеет этими знаниями. Между тем статистика нужна психологу постоянно в его повседневной работе. Специалисты-стати­стики разработали целый комплекс простых методов, которые совер­шенно доступны любому человеку, не забывшему то, что он выучил еще в средней школе.

В зависимости от требований, которые предъявляют к статистике различные области науки и практики, создаются пособия по геологи­ческой, медицинской, биологической, психологической статистике '.

В этом приложении даются простейшие методы статистики для пси­хологов. Все необходимые для их применения вычисления можно вы­полнять вручную или на компьютере. Уместное грамотное применение этих методов позволит практику и исследователю, во всяком случае проведя начальную обработку, получить общую картину того, что дают количественные результаты его исследований, оперативно проконт­ролировать ход исследований. В дальнейшем, если возникнет такая необходимость, материалы исследований могут быть переданы для более глубокой разработки специалисту-статистику на большой компьютер.

Статистические шкалы

Применение тех или других статистических методов определяется тем, к какой статистической шкале относится полученный материал. С. Стивенс предложил различать четыре статистические шкалы:

1. шкалу наименований (или номинальную);

2. шкалу порядка;

3. шкалу интервалов;

4. шкалу отношений.

Зная типические особенности каждой шкалы, нетрудно установить, к какой из них следует отнести подлежащий статистической обработ­ке материал.

Шкала наименований. К этой шкале относятся материалы, в ко­торых изучаемые объекты отличаются друг от друга по их качеству.

При обработке таких материалов нет никакой нужды в том, чтобы располагать эти объекты в каком-то порядке, исходя из их характери­стик. В принципе, объекты можно располагать в любой последователь­ности.

Вот пример: изучается состав международной научной конференции. Среди участников есть французы, англичане, датчане, немцы и русские. Имеет ли значение порядок, в котором будут расположены участники при изучении состава конференции? Можно расположить их по алфавиту, это удобно, но ясно, что никакого принципиального значения в этом распо­ложении нет. При переводе этих материалов на другой язык (а значит и на другой алфавит) этот порядок будет нарушен. Можно расположить национальные группы по числу участников. Но при сравнении этого ма­териала с материалом другой конференции найдем, что вряд ли этот порядок окажется таким же. Отнесенные к шкале наименований объек­ты можно размещать в любой последовательности в зависимости от цели исследования.

При статистической обработке такого рода материалов нужно счи­таться с тем, каким числом единиц представлен каждый объект. Име­ются весьма эффективные статистические методы, позволяющие по этим числовым данным прийти к научно значимым выводам (напри­мер, метод хи-квадрат).

Шкала порядка. Если в шкале наименований порядок следования изучаемых объектов практически не играет никакой роли, то в шкале порядка — это видно из ее названия — именно на эту последователь­ность переключается все внимание.

К этой шкале в статистике относят такие исследовательские ма­териалы, в которых рассмотрению подлежат объекты, принадлежа­щие к одному или нескольким классам, но отличающиеся при их сравне­нии одного с другим — «больше-меньше», «выше-ниже»- и т. п.

Проще всего показать типические особенности шкалы порядка, если об­ратиться к публикуемым итогам любых спортивных соревнований. В этих итогах последовательно перечисляются участники, занявшие соответ­ственно первое, второе, третье и следующие по порядку места. Но в этой информации об итогах соревнований нередко отсутствуют или отходят на второй план сведения о фактических достижениях спортсменов, а на первый план ставятся их порядковые места.

Допустим, шахматист Д. занял в соревнованиях первое место. Како­вы же его достижения? Оказывается, он набрал 12 очков. Шахматист Е. занял второе место. Его достижение — 10 очков. Третье место занял Ж. с восемью очками, четвертое — 3. с шестью очками и т. д. В сообщениях о соревновании разница в достижениях при размещении шахматистов отходит на второй план, а на первом остаются их порядковые места. В том, что именно порядковому месту отводится главное значение, есть свой смысл. В самом деле, в нашем примере З. набрал шесть, а Д. — 12 очков. Это абсолютные их достижения — выигранные ими партии. Если попытаться истолковать эту разницу в достижениях чисто арифме­тически, то пришлось бы признать, что 3. играет вдвое хуже, чем Д. Но с этим нельзя согласиться. Обстоятельства соревнований не всегда про­сты, как не всегда просто и то, как провел их тот или другой участник. Поэтому, воздерживаясь от арифметической абсолютизации, ограничи­ваются тем, что устанавливают: шахматист 3. отстает от занявшего пер­вое место Д. на три порядковых места.

Шкала интервалов. К ней относятся такие материалы, в которых дана количественная оценка изучаемого объекта в фиксированных еди­ницах.

Вернемся к опытам, которые провел психолог с Сашей. В опытах учиты­валось, сколько точек могут поставить, работая с максимально доступ­ной им скоростью, сам Саша и каждый из его сверстников. Оценочными единицами в опытах служило число точек. Подсчитав их, исследователь получил то абсолютное число точек, которое оказалось возможным по­ставить за отведенное время каждому участнику опытов. Главная труд­ность при отнесении материалов к шкале интервалов состоит в том, что нужно располагать такой единицей, которая была бы при всех повтор­ных измерениях тождественной самой себе, т. е. одинаковой и неизмен­ной. В примере с шахматистами (шкала порядка) такой единицы вообще не существует.

В самом деле, учитывается число партий, выигранных каждым участ­ником соревнований. Но ясно, что партии далеко не одинаковы. Воз­можно, что участник соревнований, занявший четвертое место — он выиграл шесть партий, — выиграл труднейшую партию у самого лидера! Но в окончательных итогах как бы принимается, что все выигранные партии одинаковы. В действительности же этого нет. Поэтому при рабо­те с подобными материалами уместно их оценивать в соответствии с требованиями шкалы порядка, а не шкалы интервалов. Материалы, соответствующие шкале интервалов, должны иметь единицу измерения.

Шкала отношений. К этой шкале относятся материалы, в которых учитываются не только число фиксированных единиц, как в шкале ин­тервалов, но и отношения полученных суммарных итогов между собой. Чтобы работать с такими отношениями, нужно иметь некую абсолют­ную точку, от которой и ведется отсчет. При изучении психологиче­ских объектов эта шкала практически неприменима.

О параметрических и непараметрических методах статистики

Приступая к статистической обработке своих исследований, психо­лог должен решить, какие методы ему более подходят по особенностям его материала — параметрические или непараметрические. Раз­личие между ними легко понять.

Ранее уже говорилось об измерении двигательной скорости детей-шес­тиклассников.

Как обработать эти данные?

Нужно записать все произведенные измерения — в данном случае это будет число точек, поставленных каждым испытуемым, — затем вычис­лить для каждого испытуемого среднее арифметическое по его резуль­татам. После этого расположить все данные в их последовательности, например начиная с наименьших к наибольшим. Для облегчения обозри­мости этих данных их обычно объединяют в группы; в этом случае можно объединить по 5-9 измерений в группе. Вообще же при таком объеди­нении желательно, если общее число случаев не более ста, чтобы общее число групп было порядка двенадцати.

Далее нужно установить, сколько раз в опытах встретились числовые значения, соответствующие каждой группе. Сделав это, для каждой группы записать ее численность. Полученные в такой таблице данные носят назва­ние распределения численностей или частот. Рекомендуется предста­вить это распределение в виде диаграммы, на которой изображается по­лигон распределения, или гистограмма распределения. Контуры этого полигона помогут решить вопрос о статистических методах обработки.

Нередко эти контуры напоминают контуры колокола, с наивысшей точкой в центре полигона и с симметричными ветвями, отходящими в ту и другую сторону. Такой контур соответствует кривой нормально­го распределения. Это понятие было введено в математическую ста­тистику К. Ф. Гауссом (1777-1855), поэтому кривую именуют также кривой Гаусса . Он же дал математическое описание этой кривой. Для построения кривой Гаусса (или кривой нормального распределения) теоретически требуется бесчисленное количество случаев. Практиче­ски же приходится довольствоваться тем фактическим материалом, который накоплен в исследовании. Если данные, которыми распола­гает исследователь, при их внимательном рассмотрении или после пе­реноса их на диаграмму лишь в незначительной степени расходятся с кривой нормального распределения, то это дает право исследователю применять в статистической обработке параметрические методы, ис­ходные положения которых основываются на нормальной кривой рас­пределения Гаусса.

Нормальное распределение называют параметрическим потому, что для построения и анализа кривой Гаусса достаточно иметь всего два параметра: среднее значение, которое должно соответствовать высоте перпендикуляра, восстановленного в центре кривой, и так называемое среднее квадратическое, или стандартное, отклонение величины, ха­рактеризующей рассеивание значений вокруг среднего значения; о спо­собах вычисления той и другой величины будет рассказано ниже.

Параметрические методы обладают для исследователя многими преимуществами, но нельзя забывать о том, что применение их право­мерно только тогда, когда обрабатываемые данные показывают рас­пределение, лишь несущественно отличающееся от гауссовского.

При невозможности применить параметрические надлежит обра­титься к непараметрическим методам . Эти методы успешно разраба­тывались в последние 3-4 десятилетия, и их разработка была вызвана прежде всего потребностями ряда наук, в частности психологии. Они показали свою высокую эффективность. Вместе с тем они не требуют сложной вычислительной работы.

Современному психологу-исследователю нужно исходить из того, что «...имеется большое количество данных, которые либо вообще не поддаются анализу с помощью кривой нормального распределения, либо не удовлетворяют основным предпосылкам, необходимым для ее использования».

Генеральная совокупность и выборка . Психологу постоянно при­ходится иметь дело с этими двумя понятиями.

Генеральная совокупность, или просто совокупность, — это мно­жество достаточно большого объема, все элементы которого обла­дают какими-то общими признаками.

Так, все подростки-шестиклассники 12 лет (от 11,5 до 12,5) образу­ют совокупность. Дети того же возраста, но не обучающиеся в школе или же обучающиеся, но не в шестых классах, не подлежат включению в эту совокупность.

В ходе конкретизации проблем своего исследования психологу не­избежно придется обозначить границы изучаемой им совокупности.

Следует ли включать в изучаемую совокупность детей того же воз­раста, но обучающихся в колледжах, гимназиях, лицеях и других по­добных учебных заведениях?

В ответе на этот и другие такие же вопросы может помочь статистика.

В подавляющем большинстве случаев исследователь не в состоя­нии охватить в изучении всю совокупность. Приходится, хотя это и связано с некоторой утратой информации, взять для изучения лишь часть совокупности, ее и называют выборкой. Задача исследователя заключается в том, чтобы подобрать такую выборку, которая репре­зентировала бы, представляла совокупность; другими словами, при­знаки элементов совокупности должны быть представлены в выборке. Это достигается, прежде всего, использованием случайной выборки из совокупности. Составить такую выборку, в точности повторяющую все разнообразные сочетания признаков, которые имеются в элемен­тах совокупности, вряд ли возможно. Поэтому некоторые потери в информации оказываются неизбежными. Важно, чтобы были сохра­нены в выборке существенные с точки зрения данного исследования признаки совокупности. Возможны случаи, и для их обнаружения есть статистические методы, когда задачи исследования требуют создания двух выборок одной совокупности; при этом нужно установить, не взя­ты ли выборки из равных совокупностей. Эти и другие подобные ка­зусы нужно иметь в виду психологу при обработке результатов выбо­рочных исследований.

Следует рассмотреть типы задач, с которыми чаще всего имеет дело психолог. Соответственно приводятся и статистические методы, которые приложимы для обработки психологических материалов, на­правленных на решение этих задач.

Первый тип задач. Данный тип задач представлен в ситуации, когда психологу нужно дать сжатую и достаточно информативную харак­теристику психологических особенностей какой-то выборки , например школьников определенного класса. Чтобы подойти к решению этой задачи, необходимо располагать; результатами диагностических испы­таний; эти испытания, разумеется, следует заранее спланировать так, чтобы они давали информацию о тех особенностях группы, которые в этом конкретном случае интересуют психолога. Это могут быть осо­бенности умственного развития, психофизиологические особенности, данные об изменении работоспособности и т. д.

Получив все экспериментальные результаты и материалы наблю­дений, следует подумать о том, как их подать пользователю в компакт­ном виде, чтобы при этом свести к минимуму потерю информации. В перечне статистических методов, используемых при решении подоб­ных задач, обычно находят свое место и параметрические, и непара­метрические методы; о возможностях применения тех и других, как было сказано выше, судят по самому полученному материалу. Об этих статистических методах и их использовании пойдет речь далее.

Второй тип задач. Это, пожалуй, наиболее часто встречающиеся задачи в исследовательской и практической деятельности психолога: сравниваются между собой несколько выборок, чтобы установить, яв­ляются ли выборки независимыми или принадлежат одной и той же совокупности. Так, проведя эксперименты в восьмых классах двух раз­личных школ, психолог сравнивает эти выборки между собой.

К этому же типу относятся задачи с определением тесноты связи двух рядов показателей, полученных на одной и той же выборке ; в та­кой обработке чаще всего применяют метод корреляций.

Третий тип задач. Это задачи, в которых обработке подлежат вре­менные ряды, ряды, в которых расположены показатели, меняющиеся во времени; их называют также динамическими рядами. В предшеству­ющих типах задач фактор времени не принимался во внимание, и ма­териал анализировался так, как будто он весь поступил в руки иссле­дователя в одно и то же время. Такое допущение можно оправдать тем, что за тот короткий период времени, который был затрачен на собира­ние материала, он не претерпел существенных перемен. Но психологу приходится работать и с таким материалом, в котором наибольший интерес представляют как раз его изменения во времени. Допустим, психолог намерен изучить изменение работоспособности школьников в течение учебной четверти. В этом случае информативными будут показатели, по которым можно судить о динамике работоспособнос­ти. Берясь за такой материал, психолог должен понимать, что при ана­лизе динамических рядов нет смысла пользоваться средним арифме­тическим ряда, так как среднее арифметическое замаскирует нужную информацию о динамике.

В основном тексте книги упоминалось о лонгитюдинальном иссле­довании , т. е. таком, в котором однообразный по содержанию психоло­гический материал по одной выборке собирается в течение длитель­ного времени. Показатели лонгитюда — это также динамические ряды, и при их обработке следует пользоваться методами, предназначенны­ми для таких рядов.

Четвертый тип задач. Это задачи, возникающие перед психологом, за­нимающимся конструированием диагностических методик, проверкой и обработкой результатов их применения. Отчасти об этих задачах уже говорилось в других главах, но не уделялось внимания специально ста­тистике. Психологическая диагностика, в особенности тестология, имеет целый ряд канонических правил, применение которых должно обеспечивать высокое качество информации, получаемой посредством диагностических методик. Так, методика должна быть надежной, гомогенной, валидной. По упрочившимся в тестологии правилам все эти свойства проверяются статистическими методами.

Выше были перечислены типы задач, с которыми чаще всего встре­чаются психологи. Теперь мы перейдем к изложению конкретных статистических методов, способствующих успешному решению пере­численных задач. Но прежде следует высказать некоторые соображе­ния о возможностях статистики в проведении психологического ис­следования.

Назначение статистики состоит в том, чтобы извлечь из этих материалов боль­ше полезной информации. Вместе с тем статистика показывает, что эта информация не случайна и что добытые данные имеют определен­ную и значимую вероятность.

Статистические методы раскрывают связи между изучаемыми яв­лениями. Однако необходимо твердо знать, что, как бы ни была высока вероятность таких связей, они не дают права исследователю признать их причинно-следственными отношениями. Статистика, например, утверждает, что существует значимая связь между двигательной ско­ростью и игрой в теннис. Но отсюда еще не вытекает, будто двигатель­ная скорость и есть причина успешной игры. Нельзя, по крайней мере в некоторых случаях, исключить и того, что сама двигательная ско­рость явилась следствием успешной игры.

Чтобы подтвердить или отвергнуть существование причинно-след­ственных отношений, исследователю зачастую приходится продумы­вать целые серии экспериментов. Если они будут правильно постро­ены и проведены, то статистика поможет извлечь из результатов этих экспериментов информацию, которая необходима исследователю, что­бы либо обосновать и подтвердить свою гипотезу, либо признать ее недоказанной.

Статистические методы, примеры их применения для принятия решения

Первый тип задач

Допустим, что школьному психологу нужно представить краткую информацию о развитии психомоторных функций учащихся шестых классов. В этих классах обучается 50 учеников. В процессе выполнения своей программы психолог провел диагностическое изучение дви­гательной скорости, применив ранее описанную методику (описание дано на первой странице данного раздела).

Для реализации своей программы психологу надлежало получить количественные характеристики, свидетельствующие о состоянии изучаемой функции — ее центральной тенденции, величины, показы­вающей размах колебания, в пределах которого находятся данные от­дельных учеников, и то, как распределяются эти данные. Какими ме­тодами вести обработку, зависит от того, в какой статистической шкале измерены значения исследуемого признака. Визуальное озна­комление с полученными данными показывает, что возможно вычис­ление среднего арифметического , выражающего центральную тен­денцию , и среднеквадратического отклонения , показывающего размах и особенности варьирования экспериментальных результатов.

Нельзя ограничиться вычислением только среднего арифметиче­ского, так как оно не дает полных сведений об изучаемой выборке.

Вот пример.

В одном купе вагона поместилась бабушка 60 лет с четырьмя внука­ми: один — 4 лет, двое — по 5 лет и один — 6 лет. Среднее арифметиче­ское возраста всех пассажиров этого купе 80/5= 16.

В другом купе расположилась компания молодежи: двое — 15-летних, один — 16-летний и двое — 17-летних. Средний возраст пассажиров это­го купе также равен 80/5= 16. Таким образом, по средним арифметическим пассажиры этих купе как бы и не отличаются. Но если обратиться к особенностям варьирования, то сразу можно установить, что в одном купе возраст пассажиров варьируется в пределах 56 единиц, а во вто­ром — в пределах 2.

Для вычисления среднего арифметического применяется формула:

" х = ∑ х / n

а для среднеквадратического отклонения формула:

σ = √∑ (х - " х )2 / n

В этих формулах "х означает среднее арифметическое, х — каждую величину изучаемого ряда, ∑ означает сумму; σ означает среднеквадратическое отклонение; буквой n обозначают число членов изучаемо­го ряда.

Ниже представлен весь ход его обработки.

В опытах участвовало 50 испытуемых. Каждый из них выполнил 25 проб, по 1 мин каждая. Вычислено среднее для каждого испытуемого. Полу­ченный ряд упорядочен, и все индивидуальные результаты представле­ны в последовательности от меньшего к большему.

85-93-93-99-101-105-109-110-111-115-115-116-116-117-117-117-118-119-121-121-122-124-124-124-124-125-125-125-127-127-127-127-127-128-130-131-132-132-133-134-134-135-138-138-140-143-144-146-150-158.

Для удобства дальнейшей обработки эти первичные данные соеди­нены в группы. Благодаря группировке отчетливее выступает присущее данному ряду распределение величин и их численностей. Отчасти упро­щается и вычисление среднего арифметического и среднеквадратиче­ского отклонения. Этим компенсируется количественное искажение ин­формации, неизбежное при вычислениях на сгруппированных данных.

При выборе группового интервала следует принять во внимание такие соображения. Если ряд не очень велик, например содержит до 100 элементов, то и число групп не должно быть очень велико, напри­мер порядка 8-12. Желательно, чтобы при группировании начальная величина — при соблюдении последовательности от меньшей величи­ны к большей — была меньше самой меньшей величины ряда, а самая большая — больше самой большой величины изучаемого ряда. Если ряд, как в данном случае, начинается с 85, группирование нужно на­чать с меньшей величины, а поскольку ряд завершается числом 158, то и группирование должно завершаться большей величиной. В ряду, который нами изучается, с учетом высказанных соображений можно выбрать групповой интервал в 9 единиц и произвести разбивку ряда на группы, начав с 83. Тогда последняя группа будет завершаться ве­личиной, превышающей значение последней величины ряда (т. е. 159). Число групп будет равно 9. В табл. 1 представлены группы в их после­довательности и все другие величины для вычисления среднего ариф­метического и среднеквадратического отклонения. Таблица состоит из 8 столбцов.

1-й столбец — группы, полученные после разбиения изучаемого ряда.

2-й столбец — средние значения интервалов по каждой группе.

3-й столбец показывает результаты «ручной» разноски величин ряда или иксов (каждая величина занесена в соответствующую ее зна­чению группу в виде черточки).

4-й столбец — итог подсчета результатов разноски.

5-й столбец — произведения величин 2-го столбца на величины 4-го столбца по строчкам. Итоги 4-го и 5-го столбцов дают суммы, необхо­димые для вычисления среднего арифметического.

Таблица 1

Вычисление среднего арифметического и среднеквадратического

отклонения

Границы интерва­лов Средние интер­валов х

Резуль­тат

разно­ски

Итоги

разно­ски

f *х х – "х (х - " х )2 f *(х - "х)2
1 2 3 4 5 6 7 8
83-91 87 I 1 87 -36 1296 1296
92-100 96 3 288 -27 729 2187
101-109 105 3 315 -18 324 972
110-118 114 10 1140 -9 81 810
119-127 123 16 1968 0 0 0
128-136 132 9 1188 9 81 729
137-145 141 5 705 18 324 1620
146-154 150 2 300 27 729 1458
155-163 159 I 1 159 36 1296 1296

n = 50 ; ∑f * х = 6150 ; ∑f *(х - " х )2 = 10368

6-й столбец показывает построчные разности между значениями х 2-го столбца и средним арифметическим "х.

7-й столбец — квадрат этих разностей.

8-й столбец показывает построчные произведения значений 4-го и 7-го столбцов. Суммирование величин этого столбца дает итог, не­обходимый для вычисления среднеквадратического отклонения.

Включение буквы f, означающей, насколько часто встречалась та или другая величина, ничего не изменяет в формулах среднего ариф­метического и среднеквадратического отклонения. Поэтому формулы

" х = ∑х/ n = ∑f *х/ n

Как и формулы вполне тождественны.

σ = √∑ (х - " х )2 / n = √∑f * (х - " х )2 / n

Остается показать, как вычисляются по формулам среднее арифме­тическое и среднеквадратическое отклонение. Обратимся к величи­нам, полученным в табл. 1:

" х = 6150/50 = 123

При составлении табл. 1 это число было заранее вычислено, без него нельзя было бы получить числовые значения 6, 7 и 8-го столбцов таблицы.

σ = √10368/50 = √207,3 = 14,4

При обработке изучаемого ряда оказалось возможным применение параметрического метода; визуально можно заметить, что распределе­ние численностей приближается к нормальному.

Нормальное распределение обладает некоторыми весьма полезны­ми для исследователя свойствами. Так, в границах "х ± σ находится примерно 68 % всего ряда или всей выборки. В границах "х ± 2σ нахо­дится примерно 95 %, а в границах "х ± 3σ - 99,7 % выборки. В практи­ке исследований часто берут границы "х ± 2/3σ. В этих границах при нормальном распределении будут находиться 50 % выборки; распре­деление это симметрично, поэтому 25 % окажутся ниже, а 25 % выше гра­ниц "х ± 2/3σ. Все эти расчеты не требуют никакой дополнительной проверки при условии, что изучаемый ряд имеет нормальное распре­деление, а число элементов в нем велико, порядка нескольких сотен или тысяч.

Для рассматриваемого примера необходимо также вычислить ко­эффициент вариации по формуле:

V = σ/ "х ·100 %.

В примере, который был рассмотрен выше,

V = 14,4/123 ·100% = 11,7%.

Выполнив все эти вычисления, психолог может представить инфор­мацию об изучении двигательной скорости с помощью примененной методики в шестых классах. Согласно результатам изучения в шестых классах, получены:

· среднее арифметическое — 123;

· среднеквадратическое отклонение — 14,4;

· коэффициент вариации — 11,7 %.

Если значения изучаемого признака измерены в порядковой шкале, то в качестве меры центральной тенденции выступает медиана, а ха­рактеристикой диапазона варьирования выступает среднее кварталь­ное отклонение.

Вот пример.

После проведения диагностических испытаний уровня умственного развития учеников шестого класса все полученные данные были упоря­дочены, т. е. расположены в последовательности от меньшей величины к большей. Испытания проходили 18 учащихся. Буквами обозначены уча­щиеся, числами — полученные ими баллы по тесту, столбцы под буква­ми R — ранги (табл. 2).

Процедура ранжирования состоит в следующем. Все числа ряда в их последовательности получают по своим порядковым местам присва­иваемые им ранги. Если какие-нибудь числа повторяются, то всем по­вторяющимся числам присваивается один и тот же ранг — средний из общей суммы занятых этими числами мест. Так, числу «28» в изучаемом ряду присвоен ранг «2». Затем следуют трижды повторяющиеся числа «39». На них приходятся занятые ими ранговые места «3», «4», «5». По­этому этим числам присваивается один и тот же средний ранг, в данном случае — «4». Поскольку места до 5 включительно заняты, то следующее число получает ранг «6» и т. д.

Таблица 2

Ранжирование результатов

Учащиеся Баллы по тесту Ранг (R) Учащиеся Баллы по тесту Ранг (R)
А 25 1 К 68 10
Б 28 2 Л 69 11,5
В 39 4 м 69 11,5
Г 39 4 н 70 14,5
д 39 4 О 70 14,5
Е 45 6 п 70 14,5
Ж 50 7 р 70 14,5
3 52 8,5 с 74 17,5
И 52 8,5 т 74 17,5

При обработке ряда, не имеющего признаков нормального распре­деления, иначе — непараметрического ряда, — для величины, которая выражала бы его центральную тенденцию, более всего пригодна меди­ана, т. е. величина, расположенная в середине ряда. Ее определяют по срединному рангу по формуле.

Медиана ряда определяется по ранговой медиане:

MeR = (n +1)/2

где n — число членов ряда.

Возьмем, к примеру, ряд в семь членов: 3-5-6-7-9-10-11.

Проранжировав этот ряд, имеем:

1-2-3-4-5-6-7.

Ранговая медиана

MeR = (7 + 1)/2 = 4 ,

дает медиану рассматриваемого ряда Me = 7.

Возьмем ряд в восемь членов: 3-5-6-7-9-10-11-12.

Проранжировав этот ряд, имеем:

1-2-3-4-5-6-7-8.

Ранговая медиана в этом ряду равна:

MeR = (8+1)/2 = 4,5

Этому рангу соответствует середина между двумя величинами, име­ющими ранг 4 и ранг 5, т. е. между 7 и 9. Медиана этого ряда равна:

Me = (7 + 9)/2 =8

Следует обратить внимание на то, что величины 8 в составе ряда пет, но таково значение медианы этого ряда.

Вернемся к изучаемому ряду. Он состоит из 18 членов. Его ранго­вая медиана равна:

MeR = (18+1)/2= 9,5.

Она расположится между 9-й и 10-й величиной ряда. 9-я величина ряда - 52, 10-я величина ряда - 68. Медиана занимает срединное ме­сто между этими величинами, следовательно:

Me = (52 + 68)/2 = 60

По обе стороны от этой величины находится по 50% величин ряда. Характеристику распределения численностей в непараметрическом ряду можно получить из отношения его квартилей. Квартилью назы­вается величина, отграничивающая 1/4 всех величин ряда. Квартиль первая - ее обозначение Q1- вычисляется по формуле:

Q1 = R1 + Rn/2(лев) / 2

Это полусумма первого и последнего рангов первой, левой от меди­аны половины ряда; квартиль третья, обозначаемая Q3, вычисляется, по формуле:

Q3 = Rn/2 + Rn/2(прав) / 2

т. е. как полусумма первого и последнего рангов второй, правой от ме­дианы половины ряда. Берутся порядковые значения рангов по их пос­ледовательности в ряду. В обрабатываемом ряду

Q1 = (1+9)/2 = 5, Q3 = (10+18)/2 = 14

Рангу 5 в этом ряду соответствует величина 39, а рангу 14 - вели­чина 70.

Для характеристики распределения в непараметрическом ряду вы­числяется среднее квартальное отклонение, обозначаемое Q.

Формула для Q такова:

Q = (Q3 - Q1)/2

В обрабатываемом ряду Q3 = 70, a Q1 = 39, следовательно:

Q = (70 – 39)/2 =15,5.

Были рассмотрены статистическая обработка параметрического ряда ("х и σ) и статистическая обработка непараметрического ряда (Me и Q). Параметрический ряд относится к шкале интервалов, непараметричес­кий — к шкале порядка. Но встречаются также ряды, относящиеся к шкале наименований. Наиболее краткая, но малоинформативная ха­рактеристика такого ряда может быть получена с помощью моды — величины в ряду, имеющей наибольшую численность из числа п — чле­нов ряда. Следует заметить, что моду можно лишь условно считать вы­ражением центральной тенденции в ряду, относящемуся к шкале наи­менований. Она выражает наиболее типичную величину ряда.

Рассмотрим пример, где речь идет об участниках некой конференции; в их числе 3 англичанина, 2 датчанина, 5 немцев, 1 русский и 2 фран­цуза. Мода в данном ряду приходится на участников конференции — немцев. Число членов ряда — 13, а мода Мо = 5.

Оценить/Добавить комментарий
Имя
Оценка
Комментарии:
Где скачать еще рефератов? Здесь: letsdoit777.blogspot.com
Евгений06:48:55 19 марта 2016
Кто еще хочет зарабатывать от 9000 рублей в день "Чистых Денег"? Узнайте как: business1777.blogspot.com ! Cпециально для студентов!
20:40:26 28 ноября 2015

Работы, похожие на Реферат: Статистика в обработке материалов психологических исследований

Назад
Меню
Главная
Рефераты
Благодарности
Опрос
Станете ли вы заказывать работу за деньги, если не найдете ее в Интернете?

Да, в любом случае.
Да, но только в случае крайней необходимости.
Возможно, в зависимости от цены.
Нет, напишу его сам.
Нет, забью.



Результаты(149887)
Комментарии (1829)
Copyright © 2005-2016 BestReferat.ru bestreferat@mail.ru       реклама на сайте

Рейтинг@Mail.ru