13. Метод Плохинского

1.находим показатели асимметрии и эксцесса.

2. вычисляем ошибки репрезентативности асимметрии и эксцесса по формуле : ; n – объем выборки.

3. вычислем коэффициенты ;

4. если , то делаем вывод о том, что наше экспериментальное распределение не отличается от теоретически нормального.

Если или , то делаем вывод о том, что экспериментальное распределение отличается от теоретические нормального.

14. Метод Пустыльника

1. рассчитываем показатели асимметрии и эксцесса.

2. находим критические значения для этих показателей

Сравниваем показатели асимметрии и эксцесса с найденными критическими значением : Если и ,то делаем вывод о том, что экспериментальное распределение не отличается от теоретически нормального. Если же наоборот(только больше или равно) то отличается.

15. Статистические гипотезы

Статистическая гипотеза - это предположение о свойствах выборки. Сущность проверки статистических гипотез заключается в том, чтобы установить, согласуются ли экспериментальные данные с выдвинутой гипотезой.

Под статистической гипотезой обычно понимают формальное предположение о том, что сходство (или различие) некоторых параметрических или функциональных характеристик случайно или достоверно.

Существует 2 типа статистических гипотез, используемых в психологии: нулевая ( ) и альтернативная ( ). Принято считать, что - это гипотеза о сходстве, а гипотеза - это гипотеза о различии. Поэтому, если принимается гипотеза , то речь идёт об отсутствии различий, а если принимается гипотеза , то речь идёт о существовании различий.

Гипотезы и бывают ненаправленными и направленными. Если в гипотезе не указывается направление изменения признака, а речь идёт только о выявлении различий, то такая гипотеза называется ненаправленной. В противном случае гипотеза называется направленной.

Примеры ненаправленных гипотез: : «значение признака 1-й выборке не отличается от значения признака во 2-й выборке»; : «значение признака в 1-й выборке отличается от значения признака во 2-й выборке».

Примеры направленных гипотез: : «значение признака в 1-й выборке не превосходит значение признака во 2-й выборке»; : «значение признака в 1-й выборке превосходит значение признака во 2-й выборке».

16. Уровни значимости

Принятие нулевой или альтернативной гипотезы неизбежно связано с риском принятия ложного решения.

В связи с этим возможны ошибки 2-х родов: ошибка 1-го рода и ошибка 2-го рода.

Ур-нем значимости называется вероятность ошибочного отклонения нулевой гипотезы или, иными словами, ур-нь знач-ти - это вероятность ошибки 1-го рода при принятии решения. Для обозначения этой вероятности используют латинскую букву P или греческую букву α (это альфа).

В прикладных науках, использующих статистику, и в частности в психологии, считается, что низким уровнем статистической значимости являются уровни P = 0,05, достоверным уровнем считается P = 0,01 и высшим уровнем считается P = 0,001. Поэтому в статистических таблицах, которые приводятся в приложении к учебникам, обычно даются табличные значения для этих уровней.

В общем же, в математической статистике, уровни статистической значимости вычисляются специально для каждой конкретной экспериментальной задачи. В настоящее время этому процессу способствует существование современных статистических пакетов на ЭВМ.

(В конспекте вместо стоит , а вместо - ).

Будем рассматривать стандартные уровни статистической значимости P = 0,05 и P = 0,01.

Уровень статистической значимости P = 0,05 означает, что допускается 5 ошибок из 100 испытуемых.

P = 0,01 означает, что допускается одна ошибка для выборки из 100 испытуемых.