Алгоритм 1 Принятие решения о задаче и методе обработки на стадии, когда данные уже получены

1. По первому столбцу Табл.1.2. определить, какая из задач стоит в вашем исследовании.

2. По второму столбцу Табл.1.2. определить, каковы условия решения вашей задачи, например, сколько выборок обследовано или на какое количество групп вы можете разделить обследованную выборку.

3. Обратиться к соответствующей главе и по алгоритму принятия решения о выборе критерия, приведенного в конце каждой главы, определить, какой именно метод или критерий вам целесообразно использовать.

Если вы еще находитесь на стадии планирования исследования, то лучше заранее подобрать математическую модель, которую вы будете в дальнейшем использовать. Особенно необходимо планирование в тех случаях, когда в перспективе предполагается использование критериев тенденций или (в еще большей степени) дисперсионного анализа. В этом случае алгоритм принятия решения таков:

Алгоритм 2 Принятие решения о задаче и методе обработки на стадии планирования исследования

1. Определите, какая модель вам кажется наиболее подходящей для доказательства ваших научных предположений.

2. Внимательно ознакомьтесь с описанием метода. Примерами и задачами для самостоятельного решения, которые к нему прилагаются.

3. Если вы убедились, что это то, что вам нужно, вернитесь к разделу «Ограничения критерия» и решите, сможете ли вы собрать данные, которые будут отвечать этим ограничениям (большие объемы выборок, наличие нескольких выборок, монотонно различающихся по какому-либо признаку, например, по возрасту и т.п.).

4. Проводите исследование, а затем обрабатывайте полученные данные по заранее выбранному алгоритму, если вам удалось выполнить ограничения.

5. Если ограничения выполнить не удалось, обратитесь к алгоритму 1.

В описании каждого критерия сохраняется следующая последовательность изложения:

• назначение критерия;

• описание критерия;

• гипотезы, которые он позволяет проверить;

• графическое представление критерия;

• ограничения критерия;

Кроме того, для каждого критерия создан алгоритм расчетов. Если критерий сразу удобнее рассчитывать по алгоритму, то он приводится в разделе «Пример»; если алгоритм легче можно воспринять уже после рассмотрения примера, то он приводится в конце параграфа, соответствующего данному критерию.

Список обозначений Латинские обозначения:

А - показатель асимметрии распределения

c - количество групп или условий измерения

d – разность между рангами, частотами или частностями

df – число степеней свободы в дисперсионном анализе

Е – показатель эксцесса

F – критерий Фишера для сравнения дисперсий

f – частота

f – частность, или относительная частота

G – критерий знаков

Н – критерий Крускала-Уоллиса

i – индекс, обозначающий порядковый номер наблюдения

j – индекс, обозначающий порядковый номер разряда, класса, группы

k – количество классов или разрядов признака

L- критерий тенденций Пейджа

М – среднее значение признака или средняя арифметическая; то же, что и x

m – биномиальный критерий

n – количество наблюдений ( испытуемых, реакций, выборов и т.п.)

N – общее количество наблюдений в двух или более выборках

P – вероятность того, что событие произойдет

p – вероятность ошибки 1 рода ( то же, что и a ), уровень статистической значимости

Q - 1) вероятность того, что событие не произойдет

2) критерий Розенбаума

r – коэффициент ранговой корреляции Спирмена

S – критерий Джонкира

S – оценка дисперсии

Si – количество значений, которые выше или ниже данного значения

SS – суммы квадратов (в дисперсионном анализе)

Т – критерий Вилкоксона

Тс – суммы рангов по столбцам

Тх – большая сумма рангов в критерии U

U – критерий Манна-Уитни