Содержание
- 2. Оглавление (для перехода к соответствующему разделу нажмите кнопку) Введение Понятие генеральной совокупности и выборки Измерения и
- 3. Исследование в любой области, в том числе и в педагогике, психологии, социологии, предполагает получение результатов -
- 4. Но любая программа обработки данных переводит один набор чисел в другой набор чисел. При этом предлагается
- 5. Эти умения не заменят ни компьютерная программа, ни математик и программист, придумавшие и написавшие данную программу.
- 6. Единое информационное пространство ЧЕЛОВЕКОВЕДЕНИЕ ПЕДАГОГИКА ПСИХОЛОГИЯ СОЦИОЛОГИЯ Педагогическая Психология Социальная психология Социальная педагогика
- 7. Основные вопросы, на которые нужно уметь отвечать специалисту (любому!) ЭТО И ЕСТЬ ОСНОВЫ СИСТЕМНО-СТРУКТУРНОГО АНАЛИЗА
- 8. Основные задачи, которые стоят перед специалистом ОСНОВНОЕ: ФОРМИРОВАНИЕ ПРОФЕССИОНАЛЬНЫХ КОМПЕТЕНЦИЙ
- 9. Соотношение обыденного и научного познания
- 10. Генеральная совокупность и выборка В дальнейшем мы будем исходить из следующих положений: Генеральная совокупность — это
- 11. Репрезентативность выборки — иными словами, ее представительность - это способность выборки представлять изучаемые явления достаточно полно
- 12. Статистическая достоверность, или статистическая значимость, результатов исследования определяется при помощи методов статистического вывода которые предъявляют определенные
- 13. ИЗМЕРЕНИЯ И ШКАЛЫ Измерение в терминах производимых исследователем операций - это приписывание объекту числа по определенному
- 14. 3. В шкале интервалов, или интервальной шкале, каждое из возможных значений измеренных величин отстоит от ближайшего
- 15. ФОРМЫ УЧЕТА РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ Исходная информация может быть представлена в виде: Таблиц; Числовых последовательностей; Статистических рядов;
- 16. Пример обычной таблицы Сбор информации о «праворуких» и «леворуких» учениках одной школы
- 17. Числовая последовательность: 2; 4; 6; 6; 8; 8; 8; 9; 9; 10 Статистический ряд X i
- 18. Пример формирования имени признака, метки и её значений с помощью SPSS (Statistical Package for the Social
- 19. Пример представления данных в виде таблицы в SPSS (столбец – признак, строка – респондент)
- 20. Пример таблицы сопряженности (перекрестной таблицы) Связь социального положения и психического состояния для студентов обучающихся в одном
- 21. Столбчатая диаграмма, полученная из таблицы сопряженности (связь психического состояния и социального положения)
- 22. Данные полученные после обработки таблиц сопряженности с разбиением на страты (по полу: женский и мужской)
- 23. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ РАСПРЕДЕЛЕНИЙ. НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ Числовой характеристикой выборки как правило не требующей вычислений является так называемая
- 24. Квантиль - это точка на числовой прямой, которая делит совокупность исходных наблюдений на две части с
- 25. Дисперсия — мера изменчивости для метрических данных, пропорциональная сумме квадратов отклонений измеренных значений от их арифметического
- 26. Нормальное распределение играет большую роль в математической статистике, поскольку многие статистические методы предполагают, что, анализируемые с
- 27. Стандартное нормальное распределение (μ=0,σ=1)
- 28. Нормальный закон распределения. Представлены 4 кривые с различными параметрами (μ,σ) Заштрихованные области показывают «перекрытие» кривых (1
- 29. Пример распределения близкого к нормальному
- 30. Для отражения близости формы распределения к нормальному виду существует две основные характеристики: асимметрия и эксцесс. Эксцесс
- 31. Асимметрия (skewness) показывает, в какую сторону относительно среднего сдвинуто большинство значений распределения. Нулевое значение асимметрии означает
- 32. Асимметрия – это показатель симметричности / скошенности кривой распределения, а эксцесс определяет ее островершинность. При левостронней
- 33. Если в распределении преобладают значения близкие к среднему арифметическому, то формируется островершинное распределение. В этом случае
- 34. Распределение оценивается как предположительно близкое к нормальному, если установлено, что от 50 до 80 % всех
- 35. Пример левосторонней и правосторонней асимметрии
- 36. Островершинное и плосковершинное распределение в сравнении с нормальным распределением
- 37. ОБЩИЕ ПРИНЦИПЫ ПРОВЕРКИ СТАТИСТИЧЕСКИХ ГИПОТЕЗ Под статистической гипотезой обычно понимают формальное предположение о том, что сходство
- 38. Уровнем значимости называется вероятность ошибочного отклонения нулевой гипотезы. Или уровень значимости это вероятность ошибки первого рода
- 39. Традиционная интерпретация уровней значимости при α=0.05
- 40. Традиционная интерпретация уровней значимости при α=0.05 (А.Д. Наследов)
- 41. Из приведенного ниже слайда следует, что точка на оси значимости отражает положение полученного результата относительно двух
- 42. Общие принципы анализа результатов исследования При использовании компьютерных методов обработки получается асимптотическое значение, которое и сравнивается
- 43. Схема - классификации статистических гипотез Статистические гипотезы Направленные нулевая Ненаправленные альтерна- тивная нулевая альтерна- тивная Н0:
- 44. Классификация задач, решаемых с использованием математических методов Задачи, требующие установления сходства или различия. Задачи, требующие группировки
- 45. Классификация психологических задач по методам обработки (по Е. Сидоренко)
- 46. Дополнительные возможности
- 47. СТАТИСТИЧЕСКИЕ КРИТЕРИИ
- 48. Параметрические критерии Критерии, включающие в формулу расчета параметры распределения, то есть средние и дисперсии (t-критерий Стьюдента,
- 49. ПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ Позволяют прямо оценить различия в средних, полученных в двух выборках (t - критерий Стьюдента).
- 50. НЕПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ 1. Позволяют оценить лишь средние тенденции, например, ответить на вопрос, чаще ли в выборке
- 51. 4. Экспериментальные данные могут не отвечать ни одному из этих условий: а) значения признака могут быть
- 52. Общие принципы анализа результатов исследования При использовании компьютерных методов обработки получается асимптотическое значение, которое и сравнивается
- 53. НЕПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ Связанные (зависимые выборки) К=2 Не связанные (независимые выборки) К>2 К=2 К>2 G-знаков Уилкоксона МакНемара
- 54. G - Критерий знаков Критерий знаков используется при проверке нулевой гипотезы о равенстве двух непрерывно распределенных
- 55. Критерий Мак-Немара - является аналогом непараметрического критерия Уилкоксона, применяется для анализа связанных измерений в случае изменения
- 56. Критерий Фридмана - это непараметрический аналог дисперсионного анализа повторных измерений, применяется для анализа повторных измерений, связанных
- 57. U-критерий Манна — Уитни Непараметрический критерий, используемый для оценки различий между двумя независимыми выборками по уровню
- 58. Н - критерий Крускала-Уоллиса. Критерий предназначен для оценки различий одновременно между тремя, четырьмя и т.д. выборками
- 59. НЕПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ обращение к критериям через SPSS
- 60. SPSS Критерий Вилкоксона
- 61. Критерий Вилкоксона (обработка)
- 62. Критерий Фридмана (исходный набор данных и обращение к критерию)
- 63. Результат обработки Нулевая гипотеза подтверждена
- 64. Критерий МакНемара
- 65. Различия на уровне значимости 0,05
- 66. Критерий Манна Уитни Сравнение результатов контрольной работы двух классов. Данные ранжированы
- 67. Критерий Манна Уитни, различие на уровне 0,05. Ненулевая гипотеза не подтвердилась
- 68. Критерий Краскала-Уоллеса. Время решения задач разными группами
- 69. Обработка критерия
- 71. Т-критерий Стьюдента Критерий t Стьюдента направлен на оценку различий величин средних и двух выборок X и
- 72. В случае неравночисленных выборок , выражение будет вычисляться следующим образом: В обоих случаях подсчет числа степеней
- 73. Различные варианты обработки данных с применением t -критерия позволяют сделать вывод о различии двух средних значений.
- 74. T-критерий для независимых выборок предназначен для сравнения средних значений двух выборок. Для сравниваемых выборок должны быть
- 75. T-критерий для парных, или зависимых, выборок позволяет сравнить средние значения двух измерений одного признака для одной
- 76. Одновыборочный t-критерий позволяет сравнить среднее значение этой выборки с некоторой эталонной величиной. Например, отличается ли среднее
- 77. t-критерий Стьюдента обращение к критерию из SPSS
- 78. T-критерий для независимых выборок Обработка (ex01.sav) см. А.Д. Наследов
- 80. T-критерий для парных выборок Обработка (ex01.sav) см. А.Д. Наследов Сравнение успеваемости по двум срезам
- 82. Значимое различие оценок 1-го и 2-го измерения
- 83. Одновыборочный T-критерий. Сравнение средних с эталоном (ex01.sav) см. А.Д. Наследов
- 86. T - критерий для независимых и связанных выборок
- 87. Дисперсионный анализ Дисперсионный анализ (Analysis Of Variances, ANOVA — общепринятое обозначение метода) — это процедура сравнения
- 88. Ближайшим и более простым аналогом ANOVA является t-критерий. В отличие от t-критерия дисперсионный анализ предназначен для
- 89. Вариативность, обусловленная действием исследуемых переменных и их взаимодействием соотносится со случайной вариативностью. Показателем этого соотношения является
- 90. Например, если мы выдвигаем гипотезу о зависимости успешности работы должностного лица от фактора Н (социальной смелости
- 91. Исходные данные для дисперсионного анализа
- 92. Запуск процедуры вычислений
- 97. Зависимость счет в уме/хобби
- 99. КОРРЕЛЯЦИОННЫЙ АНАЛИЗ Корреляция - это статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно
- 100. Использование коэффициентов корреляции в зависимости от типа шкалы измерения
- 101. Корреляция Пирсона, называемся так же линейной корреляцией. Установить прямую связь между переменными и их абсолютными значениями
- 102. Формула для вычисления коэффициента корреляции Пирсона В случае двух переменных коэффициент корреляции вычисляется по следующей формуле:
- 103. Корреляционный анализ в SPSS
- 104. Запуск программы вычисления
- 105. Результаты обработки (фрагмент)
- 106. Коэффициентом ранговой корреляции Спирмена называют непараметрический метод, используемый при статистическом исследовании связи между различными явлениями. Два
- 107. Таблица сопряженности признаков, измеренных в ранговой шкале (связь статуса преподавателя и количества публикаций в научных журналах)
- 108. Коэффициент корреляции Спирмена Пример вычисления где: di разность пар рангов для i-го объекта, n – число
- 109. Для вычисления коэффициента ранговой корреляции Кендала выделим пару объектов и сравним их ранги по одному признаку
- 110. Коэффициент корреляции Кендала Пример вычисления Где берутся из таблицы сопряженности
- 111. gh
- 112. Запуск вычислений
- 113. Пример решения задачи с использованием SPSS
- 114. Частные корреляции Если удалось установить тесную зависимость между двумя исследуемыми величинами, отсюда ещё непосредственно не следует
- 115. Исключить влияние третьей переменной позволяет частный коэффициент корреляции. Частным коэффициентом корреляции между случайными величинами x и
- 116. Пример вычислений
- 117. Сравнение результатов вычисления общего и частного коэффициентов корреляции
- 120. Скачать презентацию