Исследовательские задачи

Сентябрь 13, 2022

Главная
Математика
Исследовательские задачи

Содержание

2. 1. Подсчет и сравнение средних 2. Определение взаимосвязи между переменными 3. Сокращение количества переменных 4. Классификация
3. 1. Подсчет и сравнение средних А. Для независимых выборок (одно и то же измерение осуществляется на
4. Независимые выборки Параметрические методы t-критерий Стьюдента Условия применения: 1) Распределение изучаемого признака в обоих выборках приблизительно
5. Зависимые выборки Параметрические методы t-критерий Стьюдента Условия: 1) распределения признака в выборках существенно не отличаются от
6. Сравнение более двух выборок Независимых Критерий H Краскала-Уоллеса Зависимых Критерий χ²-Фридмана
7. Сравнение данных по шкалам одной методики, при этом шкалы имеют разный вес (нормирование данных) Для каждой
8. 2. Определение взаимосвязи между переменными Корреляционный анализ – проверка гипотезы о связях между переменными с использованием
9. Классификация корреляционных связей: сильная, или тесная при коэффициенте корреляции r>0,70; средняя при 0,50 умеренная при 0,30
10. Методы подсчета корреляций: 1. Коэффициент корреляции r-Пирсона: Условия: - метрические переменные - небольшой объем выборки 2.
11. 3. Сокращение количества переменных Метод факторного анализа Цель: уменьшение размерности исходных данных с целью их экономного
12. 4. Классификация Метод: кластерный анализ. Цель: разбиение множества исходных объектов на классы, кластеры
14. Скачать презентацию

Слайд 2

1. Подсчет и сравнение средних
2. Определение взаимосвязи между переменными
3. Сокращение количества

переменных
4. Классификация
5. Влияние одной переменной на другую

Слайд 3

1. Подсчет и сравнение средних
А. Для независимых выборок (одно и то

же измерение осуществляется на двух разных группах испытуемых: мужская и женская, контрольная и экспериментальная группы)
Б. Для зависимых выборок (одно и то же измерение осуществляется на одной выборке: до и после эксперимента)

Слайд 4

Независимые выборки
Параметрические методы
t-критерий Стьюдента
Условия применения:
1) Распределение изучаемого признака в обоих выборках

приблизительно соответствуют нормальному;
2) Дисперсии признака в двух выборках приблизительно одинаковые
Сравнение дисперсий двух выборок по критерию F-Фишера
Распределение признака должно подчиняться нормальному закону распределения

Непараметрические методы
t-критерий U-Манна-Уитни

Слайд 5

Зависимые выборки
Параметрические методы
t-критерий Стьюдента
Условия:
1) распределения признака в выборках существенно не отличаются

от нормального;
2) данные двух измерений положительно коррелируют

Непараметрические методы:
Критерий T-Вилкоксона

Слайд 6

Сравнение более двух выборок
Независимых
Критерий H Краскала-Уоллеса
Зависимых
Критерий χ²-Фридмана

Слайд 7

Сравнение данных по шкалам одной методики, при этом шкалы имеют разный

вес (нормирование данных)

Для каждой шкалы перевод «сырых» баллов в стандартные осуществляется по формуле:
Вес максимальной шкалы Х «сырой» балл данной шкалы
Вес данной шкалы

Слайд 8

2. Определение взаимосвязи между переменными
Корреляционный анализ – проверка гипотезы о связях

между переменными с использованием коэффициента корреляции.
Коэффициент корреляции – это мера прямой или обратной пропорциональности между двумя переменными.
Прямая связь: при увеличении (уменьшении) значения одного признака значение другого также увеличивается (уменьшается), коэффициент корреляции положителен.
Обратная связь: при увеличении (уменьшении) значения одного признака значение другого уменьшается (увеличивается), коэффициент корреляции отрицателен.

Слайд 9

Классификация корреляционных связей:
сильная, или тесная при коэффициенте корреляции r>0,70;
средняя при 0,50умеренная

при 0,30слабая при 0,20очень слабая при r≤0,2.

Слайд 10

Методы подсчета корреляций:
1. Коэффициент корреляции r-Пирсона:
Условия:
- метрические переменные
- небольшой объем выборки
2.

Коэффициент корреляции r-Спирмена.
Условие: ранговые переменные.
Недостаток: меньшая чувствительность в случае несущественного отклонения распределения переменных от нормального.
3. Коэффициент Кендалла
Применяется для выявления взаимосвязи между количественными или качественными показателями, если их можно ранжировать.

Слайд 11

3. Сокращение количества переменных
Метод факторного анализа
Цель: уменьшение размерности исходных данных с

целью их экономного описания при условии минимальных потерь информации
Результат: переход от исходных переменных к факторам, число которых меньше числа переменных. При этом фактор может содержать несколько переменных

Слайд 12

Исследовательские задачи

Содержание

1. Подсчет и сравнение средних2. Определение взаимосвязи между переменными3. Сокращение количества

1. Подсчет и сравнение среднихА. Для независимых выборок (одно и то

Независимые выборкиПараметрические методыt-критерий СтьюдентаУсловия применения:1) Распределение изучаемого признака в обоих выборках

Зависимые выборкиПараметрические методыt-критерий СтьюдентаУсловия:1) распределения признака в выборках существенно не отличаются

Сравнение более двух выборокНезависимыхКритерий H Краскала-УоллесаЗависимыхКритерий χ²-Фридмана

Сравнение данных по шкалам одной методики, при этом шкалы имеют разный

2. Определение взаимосвязи между переменнымиКорреляционный анализ – проверка гипотезы о связях

Классификация корреляционных связей:сильная, или тесная при коэффициенте корреляции r>0,70;средняя при 0,50умеренная

Методы подсчета корреляций:1. Коэффициент корреляции r-Пирсона:Условия:- метрические переменные- небольшой объем выборки2.

3. Сокращение количества переменныхМетод факторного анализаЦель: уменьшение размерности исходных данных с

4. КлассификацияМетод: кластерный анализ.Цель: разбиение множества исходных объектов на классы, кластеры

Похожие презентации