
- •Мат.Статистика
- •1)Измерение социальных явлений и процессов. Измерительные шкалы: номинальные, ранговые (порядковые) и интервальные.
- •6) Интервальные оценки неизвестных параметров распределения по выборке. Доверительная вероятность. Доверительные интервалы.
- •7) Задачи интервального оценивания параметров нормального закона распределения.
- •8) Расчет объема выборочной совокупности.
- •9)Проверка статистических гипотез. Понятие статистической гипотезы. Уровень значимости. Нулевая гипотеза.
- •10)Проверка гипотезы о равенстве средних.
- •11) Проверка гипотез о законе распределения
- •12) Ранговый критерий проверки статистических гипотез Ван-дер-Вардена.
- •13) Понятие корреляционной зависимости между выборочными случайными величинами.
- •14) Связь номинальных признаков. Таблицы сопряженности. Коэффициент ассоциации Пирсона.
- •15) Связь порядковых признаков. Коэффициент корреляции рангов Спирмена.(первая чать вопроса не найдена!!!!!)
- •16) Связь количественных признаков. Корреляционная таблица. Линейный коэффициент корреляции. Уравнение регрессии.
- •Коэффициент линейной корреляции Пирсона
- •Уравнение регрессии
- •17) Случайное событие. Составные и элементарные события.
- •18) Достоверное и невозможное событие. Полная группа событий.
- •19) Произведение и сумма событий.
- •20) Понятие вероятности события. Классическая формула расчета вероятностей. Свойства вероятностей.
- •21) Независимые и зависимые события. Условная вероятность. Теорема умножения вероятностей.
- •22) Несовместные и совместные события. Теорема сложения вероятностей.
- •23) Формула полной вероятности. Формула Байеса.
- •24) Понятие дискретной случайной величины. Закон распределения. Ряд распределения. Функция распределения дискретной случайной величины.
- •25) Математическое ожидание и дисперсия дискретной случайной величины. Среднее квадратическое отклонение.
- •26) Функция распределения, плотность распределения непрерывной случайной величины, их взаимосвязь и свойства.
- •27) Математическое ожидание и дисперсия непрерывной случайной величины. Среднее квадратическое отклонение
- •28) Плотность распределения непрерывной случайной величины. Закон равномерной плотности.
- •29) Нормальный закон распределения случайной величины.
- •30) Функция Лапласа. Вероятность попадания величины, распределенной по нормальному закону, на заданный интервал.
- •31) Закон больших чисел.
- •32) Центральная предельная теорема Ляпунова.
14) Связь номинальных признаков. Таблицы сопряженности. Коэффициент ассоциации Пирсона.
Таблица сопряженности - средство представления совместного распределения двух переменных, предназначенное для исследования связи между ними. Таблица сопряженности является наиболее универсальным средством изучения статистических связей, так как в ней могут быть представлены переменные с любым уровнем измерения.
Строки таблицы сопряженности соответствуют значениям одной переменной, столбцы - значениям другой переменной (количественные шкалы предварительно должны быть сгруппированы в интервалы). На пересечении строки и столбца указывается частота совместного появления fij соответствующих значений двух признаков xi и yj. Сумма частот по строке fi называется маргинальной частотой строки; сумма частот по столбцу fj - маргинальной частотой столбца. Сумма маргинальных частот равна объему выборки n; их распределение представляет собой одномерное распределение переменной, образующей строки или столбцы таблицы.
В таблицах сопряженности могут быть представлены как абсолютные, так и относительные частоты (в долях или процентах). Относительные частоты могут рассчитываться по отношению:
- к маргинальной частоте по строке
-к маргинальной частоте по столбцу
- к объему выборки
Таблицы сопряженности используются для проверки гипотезы о наличии связи между двумя признаками ( Статистическая связь, Критерий "хи-квадрат" ), а также для измерения тесноты связи ( Коэффициент фи, Коэффициент контингенции, Коэффициент Крамера)
Коэффициент ассоциации Пирсона, (критерий Х2) применяется в двух целях: 1) Для сопоставления эмпирического распределения признака с теоретическим равномерным, нормальным или каким-то иным. 2) Для сопоставления двух, трех или более эмпирических распределений одного и того же признака. Коэффициент ассоциации Пирсона позволяет сопоставлять распределения признаков, представленных в любой шкале.(надо найти формулу и первый вопрос!!!!!!)
15) Связь порядковых признаков. Коэффициент корреляции рангов Спирмена.(первая чать вопроса не найдена!!!!!)
Коэффициент корреляции рангов, предложенный К. Спирменом, относится к непараметрическим показателям связи между переменными, измеренными в ранговой шкале. При расчете этого коэффициента не требуется никаких предположений о характере распределений признаков в генеральной совокупности. Этот коэффициент определяет степень тесноты связи порядковых признаков, которые в этом случае представляют собой ранги сравниваемых величин. Величина коэффициента корреляции Спирмена также лежит в интервале +1 и -1. Он, как и коэффициент Пирсона, может быть положительным и отрицательным, характеризуя направленность связи между двумя признаками, измеренными в ранговой шкале. В принципе число ранжируемых признаков (качеств, черт и т.п.) может быть любым, но сам процесс ранжирования большего, чем 20 числа признаков -- затруднителен. Возможно, что именно поэтому таблица критических значений рангового коэффициента корреляции рассчитана лишь для сорока ранжируемых признаков (n < 40, табл. 20 приложения 6).
Ранговый коэффициент корреляции Спирмена подсчитывается по формуле:
где n - количество ранжируемых признаков (показателей, испытуемых);
D - разность между рангами по двум переменным для каждого испытуемого;
- сумма квадратов
разностей рангов.