Содержание
- 2. Статистическое исследование — это научно организованный по единой программе сбор, сводка и анализ данных (фактов) о
- 3. 1) Статистическое наблюдение - формируются первичные статистические данные, или исходная статистическая информация, которая является основой статистического
- 4. Нормальное распределение (также называемое распределением Гаусса) — распределение вероятностей, которое в одномерном случае задается функцией плотности
- 5. Важное значение нормального распределения во многих областях науки (например, в математической статистике и статистической физике) вытекает
- 7. Параметрические и непараметрические методы. Непараметрические методы как раз и разработаны для тех ситуаций, достаточно часто возникающих
- 8. Различия между независимыми группами. Обычно, когда имеются две выборки (например, мужчины и женщины), которые вы хотите
- 9. Зависимости между переменными. Для того, чтобы оценить зависимость (связь) между двумя переменными, обычно вычисляют коэффициент корреляции.
- 11. Скачать презентацию
Статистическое исследование — это научно организованный по единой программе сбор, сводка и
Статистическое исследование — это научно организованный по единой программе сбор, сводка и
Отличительными чертами (спецификой) статистического исследования являются:
целенаправленность,
организованность,
массовость,
системность (комплексность),
сопоставимость,
документированность,
контролируемость,
практичность.
1) Статистическое наблюдение - формируются первичные статистические данные, или исходная статистическая информация,
1) Статистическое наблюдение - формируются первичные статистические данные, или исходная статистическая информация,
2) Сводка и группировка данных - на этой стадии совокупность делится по признакам различия и объединяется по признакам сходства, подсчитываются суммарные показатели по группам и в целом. С помощью метода группировок изучаемые явления в зависимости от существенных признаков подразделяются на типы, группы и подгруппы. Метод группировок позволяет ограничивать качественно однородные в существенном отношении совокупности, что служит предпосылкой для определения и применения обобщающих показателей;
3) Обработка и анализ полученных данных, выявление закономерностей.
На этом этапе с помощью обобщающих показателей рассчитываются относительные и средние величины, дается сводная оценка вариации признаков, характеризуется динамика явлений, применяются индексы, балансовые построения, рассчитываются показатели, характеризующие тесноту связей в изменении признаков. С целью наиболее рационального и наглядного изложения цифрового материала он представляется в виде таблиц и графиков.
Этапы статистического исследования
Нормальное распределение (также называемое распределением Гаусса) — распределение вероятностей, которое в одномерном случае задается функцией плотности
Нормальное распределение (также называемое распределением Гаусса) — распределение вероятностей, которое в одномерном случае задается функцией плотности
где параметр μ — математическое ожидание (среднее значение), медиана и мода распределения, а параметр σ — среднеквадратическое отклонение (σ ² — дисперсия) распределения.
Таким образом, одномерное нормальное распределение является двухпараметрическим семейством распределений.
Стандартным нормальным распределением называется нормальное распределение с математическим ожиданием μ = 0 и стандартным отклонением σ = 1.
Важное значение нормального распределения во многих областях науки (например, в математической статистике и статистической
Важное значение нормального распределения во многих областях науки (например, в математической статистике и статистической
Значение нормальности распределения:
Параметрические и непараметрические методы.
Непараметрические методы как раз и разработаны для тех
Параметрические и непараметрические методы.
Непараметрические методы как раз и разработаны для тех
Говоря более специальным языком, непараметрические методы не основываются на оценке параметров (таких как среднее или стандартное отклонение) при описании выборочного распределения интересующей величины. Поэтому эти методы иногда также называются свободными от параметров или свободно распределенными.
По существу, для каждого параметрического критерия имеется, по крайней мере, один непараметрический аналог.
Эти критерии можно отнести к одной из следующих групп:
* критерии различия между группами (независимые выборки);
* критерии различия между группами (зависимые выборки);
* критерии зависимости между переменными.
Непараметрические методы наиболее приемлемы, когда объем выборок мал. Если данных много (например, n > 100), то не имеет смысла использовать непараметрические статистики.
Различия между независимыми группами. Обычно, когда имеются две выборки (например, мужчины и
Различия между независимыми группами. Обычно, когда имеются две выборки (например, мужчины и
Непараметрическими альтернативами этому критерию являются: критерий серий Вальда-Вольфовица, U критерий Манна-Уитни и двухвыборочный критерий Колмогорова-Смирнова. Если вы имеете несколько групп, то можете использовать дисперсионный анализ .
Различия между зависимыми группами. Если вы хотите сравнить две переменные, относящиеся к одной и той же выборке (например, математические успехи студентов в начале и в конце семестра), то обычно используется t-критерий для зависимых выборок. Альтернативными непараметрическими тестами являются: критерий знаковый критерий Вилкоксона парных сравнений. Если рассматриваемые переменные по природе своей категориальны или являются категоризованными (т.е. представлены в виде частот попавших в определенные категории), то подходящим будет критерий хи-квадрат Макнемара. Если рассматривается более двух переменных, относящихся к одной и той же выборке, то обычно используется дисперсионный анализ (ANOVA) с повторными измерениями. Альтернативным непараметрическим методом является ранговый дисперсионный анализ
Зависимости между переменными. Для того, чтобы оценить зависимость (связь) между двумя переменными,
Зависимости между переменными. Для того, чтобы оценить зависимость (связь) между двумя переменными,