2. Які математичні перетворення можна застосовувати до порядкових ознак?

Між об’єктами можна встановлювати відношення рівності/нерівності та порядку (послідовності) більше/менше ( !але не в скільки чи на скільки!). Наприклад, «дуже добре», «добре», «як добре так і погано», «погано», «зовсім погано».

<  – монотонне перетворення, не змінює властивостей чисел, приписаних пунктам (властивостям об’єкта). Відома лише послідовність, а не відстані між ними.

Відстані між пунктами не рівні. Числа – можуть викликати ілюзію рівності.

3. Які математичні операції можна застосовувати до номінальних ознак?

Номінальні шкали – найнижчий рівень вимірювання.

Необхідно вміти встановлювати факт рівності/нерівності – у змісті розглянутої ознаки – для розподілу об’єктів на підмножини, що не перетинаються.

Кожна підмножина відповідає подільці шкали.

Кожній підмножині можемо присвоїти число.

Моделювання відношень

Операції:

Множинні перетворення: широкий спектр взаємно однозначних перетворень.

Різні різні; однакові однакові.

7. Табулювання соціологічних даних.

табулювання (побудова та аналіз таблиць одновимірних та двовимірних

розподілів ознак).

8. Таблиця одномірного розподілу.

9. Характеристики форми розподілу.

Які параметри має нормальний розподіл? Якою є сфера основного застосування цього розподілу?

Нормальний розподіл (розподіл Ґауса) — розподіл ймовірностей випадкової величини, що характеризується густиною ймовірності

де μ — математичне сподівання, σ2 — дисперсія випадкової величини.

Параметри: μ параметр знаходження ; σ2 > 0 квадрат параметру масштабу

Нормальное распределение зависит от двух параметров — смещения и масштаба, то есть, является, с математической точки зрения, не одним распределением, а целым их семейством. Значения параметров соответствуют значениям среднего (математического ожидания) и разброса (стандартного отклонения).

Нормальное распределение встречается во впечатляюще большом числе приложений. Теоретическое объяснение этого факта дают предельные теоремы теории вероятностей, из которых следует, что нормальное распределение служит хорошим приближением каждый раз, когда исследуемая случайная величина представляет собой сумму большого числа независимых случайных величин, максимальная из которых мала по сравнению со всей суммой.

Очень часто нормальное распределение используется как модель, так как многие совокупности измерений имеют распределение, приближающееся к нормальному.

.Які параметри має розподіл ² ? Якою є сфера основного застосування цього розподілу?

Распределение (хи-квадрат) с n степенями свободы — это распределение суммы квадратов n независимых стандартных нормальных случайных величин.

Параметр - n>0 число степеней свободы.

Сфера застосування – перевірка гіпотез про таблиці частот.a

1. Які параметри має розподіл Стьюдента? Якою є сфера основного застосування цього розподілу?

Распределе́ние Стью́дента в теории вероятностей — это однопараметрическое семейство абсолютно непрерывных распределений. Распределение Стьюдента симметрично. В частности если t˜t(n), то

− t˜t(n).

Параметр- ν > 0 ступені свободи

t-распределение Стьюдента - это непрерывное одномерное распределение с одним параметром - количеством степеней свободы. Форма распределения Стьюдента похожа на форму нормального распределения (чем больше число степеней свободы, тем ближе распределение к нормальному). Отличием является то, что хвосты распределения Стьюдента медленнее стремятся к нулю, чем хвосты нормального распределения.

Обычно распределение Стьюдента появляется в задачах, связанных с оценкой математического ожидания нормально распределенных случайных величин.

Распределение Стьюдента используется в статистике для точечного оценивания, построения доверительных интервалов и тестирования гипотез, касающихся неизвестного среднего статистической выборки из нормального распределения.

Які параметри має розподіл Фішера? Якою є сфера основного застосування цього розподілу?

Распределе́ние Фи́шера в теории вероятностей — это двухпараметрическое семейство абсолютно непрерывных распределений.

Параметры - числа степеней свободы

Графік відносної щільності є графіком розподілу.

Основна сфера застосування – порівняння дисперсій.