Министерство образования и науки Российской Федерации Автономная некоммерческая образовательная организация высшего профессионального образования «тамбовский институт социальных технологий»

Рассмотрен и утвержден на заседании кафедры социально-гуманитарных наук «___» ________________ 201_ г. протокол № ____ Зав. кафедрой ____________

Утвержден на заседании Учебно-методического совета АНОО ВПО «ТИСТ» «___» ________________ 201_ г. протокол № ____ Председатель _____________ Воротникова А.И.

Учебно-методический комплекс дисциплины «Математические методы психологии» Автор: к.Пс.Н. Андреева а.А.

Направление: 030300.62 «Психология»

Квалификация (степень) выпускника: БАКАЛАВР

Форма обучения: заочная

Тамбов 2010 г

Раздел 1. Организационно-педагогическое описание учебного курса «Математические методы в психологии»

1.1. Назначение и цели дисциплины

Цель преподавания дисциплины.

Сформировать у студентов знания о системе математико-статистических методов и умения применять их в зависимости от исследовательской ситуации.

Задачи изучения дисциплины.

Сформировать систему знаний об основах измерения и количественного описания данных в психологии.

Сформировать умения пользоваться методами статистического вывода и многомерными методами и моделями.

Сформировать пользовательские умения в статистическом пакете SPSS.

Взаимосвязь учебных дисциплин:

Общий психологический практикум

Экспериментальная психология

Практикум по социально-психологическому исследованию

1.2. Обязательный минимум содержание дисциплины

1. Основы математической статистики (повторение изученного в курсе «Математика»).

Измерительные шкалы. Виды организации эксперимента. Понятие генеральной и выборочной совокупности. Построение вариационных рядов. Расчет статистических характеристик.

Проверка статистических гипотез. Основные понятия. Понятие о статистической ошибке I и II рода. Параметрические и непараметрические критерии.

2. Способы представления экспериментальных данных.

Методы группировки экспериментальных данных. Представление данных в виде таблиц и графиков. Представление результатов статистической обработки данных.

3. Критерии согласия.

Понятие о критериях согласия. Основные критерии, используемые для проверки согласия экспериментальных данных с модельным распределением (– критерий Колмогорова, 2 – критерий Пирсона). Применение коэффициентов асимметрии и эксцесса для проверки нормальности распределения.

4. Параметрические критерии.

Проверка гипотезы о равенстве генеральных дисперсий (критерий Фишера – Снедекора, критерий Кочрена, критерий Барлетта, условия их применения). Проверка гипотезы о равенстве генеральных средних ( - критерий Стьюдента для зависимых и независимых выборок, - критерий, условия их применения).

5. Непараметрические критерии.

Непараметрические критерии для зависимых совокупностей (G – критерий знаков, Т – критерий Вилкоксона, – критерий Фридмана, L – критерий тенденций Пейджа). Ограничения данных критериев и условия их применения.

Непараметрические критерии для независимых совокупностей (Q – критерий Розенбаума, U – критерий Манна-Уитни, Н – критерий Крускала-Уоллиса, S – критерий тенденций Джонкира, Х – критерий Ван-дер-Вардена,  - критерий Колмогорова-Смирнова). Ограничения данных критериев и условия их применения.

6. Анализ номинативных данных.

Основные методы анализа номинативных данных. Сравнение эмпирического наблюдения с теоретическим (биномиальный критерий, – критерий Пирсона). Сравнение двух эмпирических распределений (критерий - угловое преобразование Фишера, – критерий Пирсона, оценка разностей между долями, критерий Мак-Нимара).

7. Корреляционный анализ.

Понятие о корреляционной зависимости. Параметрический показатель связи – коэффициент линейной корреляции Пирсона. Построение уравнения регрессии.

Непараметрические показатели связи (коэффициент корреляции рангов Спирмена, коэффициент ассоциации, коэффициент взаимной сопряженности).

8. Дисперсионный анализ (ANOVA)

Понятие о дисперсионном анализе. Виды дисперсионного анализа (однофакторный, многофакторный, дисперсионный анализ с повторными измерениями, многомерный дисперсионный анализ). Математическая идея дисперсионного анализа, ограничения метода.

Однофакторный дисперсионный анализ в случае равномерного и неравномерного дисперсионного комплекса. Множественные сравнения в дисперсионном анализе.

Дисперсионный анализ с повторными измерениями.

Многофакторный дисперсионный анализ, математическая модель многофакторного дисперсионного анализа.

9. Многомерные методы.

Назначение многомерных методов. Классификация многомерных методов по назначению, по исходным предположениям о структуре данных, по виду исходных данных.

Множественный регрессионный анализ, математико-статистическая идея метода. Цели применения и основные методы множественного регрессионного анализа.

Факторный анализ, математическая идея метода. Понятие фактора, цель факторного анализа. Проблемы факторного анализа. Основные этапы факторного анализа.

Дискриминантный анализ, математическая идея метода. Цель дискриминантного анализа.

Многомерное шкалирование, математическая идея метода. Общая схема многомерного шкалирования.

Кластерный анализ, математическая идея метода. Виды кластерного анализа. Роль кластерного анализа в прикладном исследовании.