Квантили t-распределения Стъюдента для доверительной вероятности
1-α/2 (α) | 0.900 (α=0.2) | 0.950 (α=0.1) | 0.975 (α=0.05) | 0.990 (α=0.025) | 0.995 (α=0.01) | 0.999 (α=0.002) |
f | ||||||
1.476 | 2.015 | 2.571 | 3.365 | 4.032 | 5.893 | |
1.372 | 1.812 | 2.228 | 2.764 | 3.169 | 4.144 | |
1.341 | 1.753 | 2.131 | 2.602 | 2.947 | 3.733 | |
1.330 | 1.734 | 2.101 | 2.552 | 2.878 | 3.610 | |
1.325 | 1.725 | 2.086 | 2.528 | 2.845 | 3.552 | |
1.319 | 1.714 | 2.069 | 2.500 | 2.807 | 3.485 | |
1.316 | 1.708 | 2.060 | 2.495 | 2.787 | 3.450 | |
1.315 | 1.706 | 2.056 | 2.479 | 2.779 | 3.435 | |
1.314 | 1.703 | 2.052 | 2.473 | 2.771 | 3.421 | |
1.313 | 1.701 | 2.048 | 2.467 | 2.763 | 3.408 | |
1.311 | 1.699 | 2.045 | 2.462 | 2.756 | 3.396 | |
1.310 | 1.697 | 2.042 | 2.457 | 2.750 | 3.385 | |
1.303 | 1.684 | 2.021 | 2.423 | 2.704 | 3.307 | |
1.296 | 1.671 | 2.000 | 2.390 | 2.660 | 3.232 | |
1.289 | 1.658 | 1.980 | 2.358 | 2.617 | 3.160 | |
∞ | 1.282 | 1.646 | 1.960 | 2.326 | 2.576 | 3.090 |
где f — число степеней свободы. Для определения значимости коэффициентов корреляции f = n — 1. Для вычисления значимости различий средних двух выборок f = n1 + n2 — 2.
Алгоритмом принятия решения по уровню значимости R может быть следующая последовательность действий:
а) производится расчет t-критерия (по формуле);
б) по объему выборки (n — 1) осуществляется «вход» в таблицу "Квантилей t-распределения Стъюдента..." (см. табл. 12);
в) расчетное tp сравнивается с tт;
г) если tp > tт, то R значим на соответствующем уровне доверительной вероятности.
Практическое задание. Рассчитать уровень значимости коэффициентов корреляции Пирсона при их следующих значениях:
R = 0.18 | n = 1000, | tp = 6, | tт = 1.96, | tp > tт0.05 | p < 0.001 |
R = 0.52 | n = 8, | tp = 1.43, | tт= 2.45, | tp < tт0.05 | p < 0.2 |
Вывод: уровень значимости коэффициента корреляции зависит от объема экспериментальной выборки и от величины коэффициента.
12) Точечный биссериальный коэффициент корреляции Пирсона (Rpb) — метод корреляционного анализа отношения переменных, одна из которых измерена в дихотомической шкале наименований, а другая — в интервальной шкале отношений или порядка. Точечно-биссериальный коэффициент корреляции применяется также для определения дискриминативности заданий тестов*.
Rpb = [(Mx — Mо) / δx] √ n1 nо / n (n — 1), [17]
где Mx — среднее по Х объектов со значением 1 по Y;
Mо — среднее по Х объектов со значением 0 по Y;
δ x — стандартное отклонение всех значений по Х;
n1 — число объектов с 1 по Y;
nо — число объектов с 0 по Y;
n — общее число объектов.
Интервал измерения Rpb от –1 до +1. Теоретическая интерпретация значений подобна Rxy.
Практическое задание. Рассчитать величину статистической взаимозависимости показателей теста САД по направленности на техническую деятельность (1) и уровня обучаемости испытуемого (в «сырых» оценках) (см. табл. 13).
Таблица 13
Номер испытуемого | Техническая направленность | Оценка обучаемости | Расчет Rpb |
Mx = 14.8 Mо = 7 δ x = 4.48 n1 = 5 nо = 5 n = 10 | |||
Mx = 10.9 δ x = 4.48 | Rpb = 0.92 |
13) Расчет коэффициентов корреляции является инструментом, позволяющим осуществить корреляционный, факторный и кластерный анализ эмпирических данных.
Корреляционный анализ — метод исследования взаимозависимости признаков в генеральной совокупности, являющихся случайными величинами, имеющими нормальное многомерное распределение. Для наглядности интеркорреляционные показатели представляются в виде таблиц корреляций переменных, матриц и графов.
Факторный анализ — раздел многомерного статистического анализа, сущность которого заключается в выявлении непосредственно неизмеряемого признака, являющегося "главной компонентой" (производной) группы измеренных тестовых показателей.
Кластерный анализ — совокупность статистических (и иных, в том числе качественных) методов, предназначенных для дифференциации относительно отдаленных друг от друга групп и близких между собой объектов по информации о связях (мерах близости) между ними.
14) t-критерий Стъюдента, υ-критерий Уэлша, F-критерий Фишера представляют собой методы статистического вывода о наличии значимой связи между признаками или выявления признака, характеризующего генеральную совокупность. На практике они применяются для оценки подобия двух групп испытуемых, у которых измерены определенные свойства, по средней и дисперсии тестовых данных. t-критерий в отличие от υ-критерия применяется в ситуации равенства средних квадратических отклонений. F-критерий определяет подобие выборок по дисперсии их эмпирических переменных.
t = (Мх1 — М х2) / √ {[(n1 –1)* δ12 + (n2 –1)* δ22 ] / (n1 + n2 — 2)}*(1/n1 +1/n2); [18]
υ = (Мх1 — М х2) / √ (δ12 /n1) + (δ22/n2), [19]
где Мх — средние значения тестовых данных;
n — количество испытуемых;
δ — среднеквадратическое отклонение.
Анализ результатов исследования при помощи t -критерия осуществляется по следующему алгоритму:
а) производится расчет значений t-критерия;
б) по количеству испытуемых осуществляется вход в таблицу "Квантилей t-распределения Стъюдента..."(см. табл. 12);
в) значение расчетного t-критерия (tp) сравнивается с табличным значением (tт);
г) если tp > tт, то выборки значимо различаются на уровне доверительной вероятности;
д) если tp < tт, то группы испытуемых принадлежат одной совокупности.
Практическое задание. Рассчитать по t-критерию Стъюдента однородность выборок по средним значениям уровня интеллекта, измеренного при помощи теста САД (Какая/какие из контрольных групп вместе с экспериментальной принадлежат одной совокупности?). Показатели теста САД экспериментальной и трех контрольных выборок помещены в табл. 14.
Таблица 14
Дата добавления: 2021-12-14; просмотров: 283;