Вывод: успешность деятельности операторов определяется их уровнем интеллекта, измеренном в IQ.

 

Параметрическая статистика применяется в тех случаях, когда тестовые показатели измерены в интервальной шкале, шкале отношений или абсолютной шкале при соблюдении распределения Гаусса. В данном случае применяются методы анализа данных при помощи моды, медианы и среднего (Мо; Ме; Мх) [меры центральной тенденции], дисперсии и среднего квадратического отклонения (Dх ; δх), коэффициента вариации (V) [меры изменчивости], коэффициента корреляции Пирсона (Rxy)[ меры связи], t-критерия Стъюдента, υ-критерия Уэлша, F-критерия Фишера [статистический вывод] и психодиагностического прогнозирования при помощи методов линейной и нелинейной регрессии [модели регрессии].

Статистические методы применяются в определенном доверительном интервале, который задается исходя из потребностей точности измерений. Доверительным интервалом называется интервал (X ± e), который "накрывает" неизвестный параметр с заданной точностью. В биологических и социальных исследованиях максимальное значение e задается в пределах 5%. То есть e £ 0.05.

8) Основной мерой центральной тенденции в параметрическом измерении является среднее значение — математическое ожидание (Мх). Это сумма всех измеренных значений свойства, отнесенное к количеству этих измерений.

 

Мх = å xi/ n, [13]

 

где xi — i-е значение свойства;

n — количество измерений.

 

9) Изменчивость признаков в параметрических шкалах измеряется при помощи дисперсии и среднего квадратического отклонения (δх)*. Среднее квадратическое отклонение определяется как арифметическое значение квадратного корня из дисперсии — среднего арифметического квадратов отклонений отдельных значений измеренного свойства от их среднего значения.

 

 

dx = Ö å (xi — Mx)2 * ni / n — 1. [14]

 

10) Коэффициент корреляции Пирсона (Rxy) показывает наличие статистической связи между психологическими переменными х и у, при которой каждой переменной х соответствует не одно или несколько определенных значений у, а распределение у, меняющееся вместе с изменением х, которое может быть однонаправленным (+) и разнонаправленным (-).

 

N ∑ xi y i — (∑xi)(∑y i)

Rxy = , [15]

Ö [N ∑ xi 2 — (∑ xi) 2] [N ∑y i2 — ( ∑y i) 2]

 

где xi — значение показателя первой переменной;

y i — значение показателя второй переменной;

N — объем выборки.

Теоретическая интерпретация коэффициента корреляции Пирсона Rxy подобна другим статистикам из области измерения связей между переменными. Если значение Rxy более 0.5, то имеет место статистически сильная связь, если менее 0.5 — слабая. Положительные и отрицательные знаки показывают направленность связи (соответственно, прямая и обратная).

 

Практическое задание. Рассчитать коэффициент корреляции Пирсона между показателями САД** и IQ, измеренных в шкале интервалов (табл. 11).

 

Таблица 11

№ п/п САД-оц IQ-оц
Mx 5.8
dx 2.18 9.78
Аs -0.26 -0.37
Ee 1.92 1.94

 

Rxy = 0.84; p<0.05

Вывод: значения показателей двух тестов сильно связаны между собой. Корреляционная связь значима на уровне p<0.05.

 

11) При определенном количестве измерений (n) корреляционные связи могут быть значимыми и незначимыми. Исследователю необходимо это знать для того, чтобы сделать достоверный вывод о причинно-следственных связях переменных. Уровень значимости коэффициентов корреляции определяется по формуле расчета t-критерия при помощи таблиц "Квантилей t-распределения Стъюдента для доверительной вероятности" (см. табл. 12).

 
 


t = R / Ö (1 — R2)/n-2, [16]

 

где R — численное значение коэффициента корреляции;

n — объем выборки.

 

Таблица 12






Дата добавления: 2021-12-14; просмотров: 82; ЗАКАЗАТЬ НАПИСАНИЕ РАБОТЫ


Поиск по сайту:

Воспользовавшись поиском можно найти нужную информацию на сайте.

Поделитесь с друзьями:

Считаете данную информацию полезной, тогда расскажите друзьям в соц. сетях.
Poznayka.org - Познайка.Орг - 2016-2022 год. Материал предоставляется для ознакомительных и учебных целей.
Генерация страницы за: 0.026 сек.