44. Методы вторичной стат. Обработки данных в псих..

С помощью вторичных методов статистической обработки экспериментальных данных непосредственно проверяются, доказываются или опровергаются гипотезы, связанные с экспериментом. Эти методы делятся на:

1. Методы сравнения между собой двух или нескольких элементарных статистик (средних, дисперсий и т.п.), относящихся к разным выборкам.

2. Методы установ статист. взаимосвязей м/у переменными, н-р их корреляции.

3. Методы выявления внутренней стат.структуры эмпирических данных.

Статист.гипотезы. Формулирование гипотез систематизирует предположения иссле­дователя и представляет их в четком и лаконичном виде. Стат. гипотезы подразделяются на нулевые и альтерна­тивные, направленные и ненаправленные.

Нулевая гипотеза - это гипотеза об отсутствии различий. Альтернативная гипотеза - это гипотеза о значимости различий H₁.

Проверка гипотез осуще с помощью критериев стати­стической оценки различий.

Статистический критерий - это решающее правило, обеспечиваю­щее надежное поведение, то есть принятие истинной и отклонение ложной гипотезы с высокой вероятностью. Критерии делятся на параметрические и непараметрические.

Параметрические: Критерии, включающие в формулу расчета параметры распределения, то есть средние и дисперсии (t - критерий Стьюдента, критерий F и др.)

Непараметрические: не включ в формулу расчета параметров распределе­ния и основанные на оперировании частотами или рангами ( Q Розенбаума, Т Вилкоксона)

Многофункциональные - это критерии, которые могут использоваться по отношению к самым разнообразным данным, выборкам и задачам.

Проверка стат.гипотезы означает проверку согласования исходных выборочных данных с выдвинутой основной гипотезой. При этом возможно возникновение 2 ситуаций – основная гипотеза может подтверд, а может и опроверг.

Ошибкой первого рода называется ошибка, состоящая в опровержении верной гипотезы. Ошибкой второго рода - в принятии ложной гипотезы.

Формулирование выводов: Правило отклонения H₀ и принятия H₁

Если эмпирическое значение критерия равняется критическому значе­нию, соответствующему р<0,05 или превышает его, то H₀ отклоняет­ся, но мы еще не можем определенно принять H₁. Если эмпирич. значение критерия равняется критич. значе­нию, соответств р<0,01 или превышает его, то H₀ отклоняется и принимается H₁.

Распределением признака -закономерность встречаемо­сти разных его значений. В псих. исследованиях чаще всего ссылаются на нор­мальное распределение.

Нормальное распределение характеризуется тем, что крайние зна­чения признака в нем встречаются достаточно редко, а значения, близ­кие к средней величине - достаточно часто. Параметры распределения - это его числовые характеристики, указывающие, где "в среднем" располагаются значения признака, на­сколько эти значения изменчивы и наблюдается ли преимущественное появление определенных значений признака. Наиболее практически важными параметрами являются среднее арифметическое, дисперсия, показатели асимметрии и эксцесса.

Нормальность распределения проверяется с помощью метода Пустыльника.

Общий принцип: асимметрия и эксцесс точно 0 = быть не могут, но даже если они мало отличаются от нуля, распределение можно считать нормальны. Надо сравнить выборочные асимметрию и эксцесс с критическими значениями, если они будут меньше, то распределение можно считать нормальным. [A]<A_кр. [Е]<Е_кр., то распредел признака можно считать нормальным. Если не выполнено-не является норм.