4. Які пільги надаються працівникам за роботу, що не відповідає санітарним нормам?

Робітники, які працюють в умовах, що не відповідають нормам безпеки і санітарним нормам, користуються пільгами та отримують компенсацію. Перелік шкідливих виробництв, професій і посад із шкідливими умовами праці, які мають право на отримання пільг, затверджений Кабінетом Міністрів України, Держкомпраці України і профспілками. Система пільг і компенсацій доповнює весь комплекс заходів по охороні праці, по забезпеченню безпечних і здорових умов праці на підприємстві. Ця система включає додаткові відпустки, скорочений робочий час і робочі дні, пільгове пенсійне забезпечення, лікувально-профілактичне харчування, певні доплати до заробітної плати. Додаткова відпустка від 6 до 36 днів сприяє зняттю втоми організму внаслідок напруженої розумової і фізичної праці, сприяє виведенню з організму токсичних і шкідливих речовин, відновленню порушених функцій, а також ліквідації несприятливих фізіологічних змін в органах людини. Засоби індивідуального захисту видаються працівникам тих професій та посад, що передбачені типовими галузевими нормами безплатної видачі таких. В Україні затверджено ряд типових положень, що регулюють порядок видачі спеціального одягу, спеціального взуття та інших засобів індивідуального захисту залежно від галузевої підпорядкованості підприємства, установи, організації.

Зазначені нормативні акти встановлюють обов'язковий мінімум забезпечення працівників засобами індивідуального захисту.

Білет № 20

1. Методи статистичної обробки емпіричних даних

2. Психологічні закономірності процесу формування особистості студента.

3. Предмет і основні категорії психології організацій.

4. Що Ви знаєте про вступний інструктаж? Яка його мета, правила проведення та оформлення?

1. Методи статистичної обробки емпіричних даних

Методами статистичної обробки результатів експерименту називаються математичні прийоми, формули, способи кількісних розрахунків, за допомогою яких показники, отримані в ході експерименту, можна узагальнювати, приводити в систему, виявляючи приховані в них закономірності. Мова йде про такі закономірності статистичного характеру, які існують між досліджуваними в експерименті змінними величинами. Всі методи математико-статистичного аналізу умовно діляться на первинні і вторинні. Первинними називають методи, за допомогою яких можна отримати показники, безпосередньо відображають результати вироблених в експерименті вимірювань. До них належать:

• Мода – числова характеристика вибірки, як правило не вимагає обчислень. Це кількісне значення досліджуваної ознаки, найбільш часто зустрічається у вибірці.

• Медіана – значення досліджуваного ознаки, яке ділить вибірку, впорядковану за величиною даної ознаки, навпіл. Праворуч і ліворуч від медіани в упорядкованому ряду залишається за однаковою кількістю ознак.

• Вибіркове середнє (середнє арифметичне) значення як статистичний показник являє собою середню оцінку досліджуваної в експерименті психологічної якості. Ця оцінка характеризує загальний ступінь її розвитку у групи досліджуваних, яка була піддана психодіагностичному обстеженню. Порівнюючи середні значення двох або декількох вибірок, ми можемо судити про відносний ступінь розвитку цієї якості у людей, що складають ці вибірки.

де х - вибіркова середня величина або середнє арифметичне значення по вибірці; n - кількість випробуваних у вибірці чи приватних психодіагностичних показників, на основі яких обчислюється середня величина; х k - приватні значення показників у окремих досліджуваних. Усього таких показників n, тому індекс k даної змінної приймає значення від 1 до n; Σ - прийнятий у математиці знак підсумовування величин тих змінних, які знаходяться праворуч від цього знаку. Вираз відповідно означає суму всіх х з індексом k, від 1до n.

• Розкид вибірки (іноді цю величину називають розмахом) позначається літерою R. Це самий простий показник, який можна отримати для вибірки - різниця між максимальною і мінімальною величинами даного конкретного варіаційного ряду.

R = х max - х min

• Дисперсія як статистична величина характеризує, наскільки приватні значення відхиляються від середньої величини в даній вибірці. Чим більше дисперсія, тим більше відхилення або розкид даних.

де 5 - вибіркова дисперсія, або просто дисперсія;

2 (... ...) - вираз, що означає, що для всіх х, від першого до останнього в даній вибірці необхідно обчислити різниці між приватними і середніми значеннями, звести ці різниці в квадрат і підсумувати;

п - кількість випробуваних у вибірці чи первинних значень, за якими обчислюється дисперсія.

Проте сама дисперсія, як характеристика відхилення від середнього, часто незручна для інтерпретації. Для того, щоб наблизити розмірність дисперсії до розмірності вимірюваної ознаки застосовують операцію добування квадратного кореня з дисперсії. Отриману величину називають стандартним відхиленням. Із суми квадратів, ділених на число членв ряду витягується квадратний корінь.

За допомогою вторинних методів статистичної обробки експериментальних даних безпосередньо перевіряються, доводяться або спростовуються гіпотези, пов'язані з експериментом. Ці методи, як правило, складніші, ніж методи первинної статистичної обробки, і вимагають від дослідника гарної підготовки в галузі елементарної математики і статистики. До них належать:

• Регресійне числення - це метод математичної статистики, що дозволяє звести окремі розрізнені дані до певного лінійного графіку, який приблизно відбиває їх внутрішній взаємозв'язок, і отримати можливість за значенням однієї із змінних приблизно оцінювати ймовірне значення іншої змінної.

Графічне вираження регресійного рівняння називають лінією регресії. Лінія регресії виражає найкращі передбачення залежною зміною (Y) із незалежним змінним (X).

Регресію виражають за допомогою двох рівнянь регресії, які в самому прямому випадку виглядають, як рівняння прямої.

Y = a 0 + a 1 * X (1)

X = b 0 + b 1 * Y (2)

У рівнянні (1) Y - залежна змінна, X - незалежна змінна, a 0 - вільний член, a 1 - коефіцієнт регресії, або кутовий коефіцієнт, що визначає нахил лінії регресії по відношенню до осей координат.

У рівнянні (2) X - залежна змінна, Y - незалежна змінна, b 0 - вільний член, b 1 - коефіцієнт регресії, або кутовий коефіцієнт, що визначає нахил лінії регресії по відношенню до осей координат.

Кількісне уявлення зв'язку (залежності) між Х та Y (між Y і X) називається регресійним аналізом. Головне завдання регресійного аналізу полягає в знаходженні коефіцієнтів a 0, b 0, a 1 та b 1 і визначенні рівня значимості отриманих аналітичних виразів, що зв'язують між собою змінні Х і У.

При цьому коефіцієнти регресії a 1 і b 1 показують, наскільки в середньому величина однієї змінної змінюється при зміні на одиницю заходи інший. Коефіцієнт регресії a 1 у рівнянні можна підрахувати за формулою:

а коефіцієнт b 1 в рівнянні за формулою

де r yx - коефіцієнт кореляції між змінними X і Y;

S x - середньоквадратичне відхилення, підраховану для змінної X;

S y - Середньоквадратичне відхилення, підраховану для змінної У;

Для застосування методу лінійного регресійного аналізу необхідно дотримуватися таких умов:

1. Порівнянні змінні Х і Y повинні бути виміряні в шкалі інтервалів або відносин.

2. Передбачається, що змінні Х і Y мають нормальний закон розподілу.

3. Число варіюють ознак у порівнюваних змінних має бути однаковим.

• Кореляція – метод вторинної статистичної обробки, за допомогою якого з'ясовується зв'язок або пряма залежність між двома рядами експериментальних даних. Показує, яким чином одне явище впливає на інше або пов'язані з ним у своїй динаміці. Коли підвищення рівня однієї змінної супроводжується підвищенням рівня іншої, то мова йде про позитивну кореляцію. Якщо ж зростання однієї змінної відбувається при зниженні рівня іншої, то говорять про негативну кореляції. За відсутності зв'язку змінних ми маємо справу з нульовою кореляцією.

Є кілька різновидів цього методу: лінійний, ранговий, парний і множинний. Лінійний кореляційний аналіз дозволяє встановлювати прямі зв'язки між змінними величинами з їхнім абсолютним значенням. Ці зв'язки графічно виражаються прямою лінією, звідси назва "лінійний". Рангова кореляція визначає залежність не між абсолютними значеннями змінних, а між порядковими місцями, або рангами, займаними ними в упорядкованому за величиною ряду. Парний кореляційний аналіз включає вивчення кореляційних залежностей тільки між парами перемінних, а множинний, або багатовимірний, - між багатьма змінними одночасно. Поширеною у прикладній статистиці формою багатовимірного кореляційного аналізу є факторний аналіз. (5)

Коефіцієнт лінійної кореляції визначається за допомогою наступної формули:

де r xy - коефіцієнт лінійної кореляції;

х, у - середні вибіркові значення порівнюваних величин;

х i, у i - приватні вибіркові значення порівнюваних величин;

n - загальне число величин в порівнюваних рядах показників;

S 2 x, S 2 y - дисперсії, відхилення порівнюваних величин від середніх значень.

До коефіцієнту рангової кореляції в психолого-педагогічних дослідженнях звертаються в тому випадку, коли ознаки, між якими встановлюється залежність, є якісно різними і не можуть бути досить точно оцінені за допомогою так званої інтервальної вимірювальної шкали. Інтервальної називають таку шкалу, яка дозволяє оцінювати відстані між її значеннями і судити про те, яке з них більше і наскільки більше іншого. Наприклад, лінійка, за допомогою якої оцінюються і порівнюються довжини об'єктів, є інтервального шкалою, так як, користуючись нею, ми можемо стверджувати, що відстань між двома і шістьма сантиметрами в два рази більше, ніж відстань між шістьма і вісьма сантиметрами. Якщо ж, користуючись деяким вимірювальним інструментом, ми можемо тільки стверджувати, що одні показники більше за інших, але не в змозі сказати на скільки, то такий вимірювальний інструмент називається не інтервальним, а порядковим.

Більшість показників, які отримують у психолого-педагогічних дослідженнях, належать до порядковим, а не до інтервальним шкалами (наприклад, оцінки типу "так", "ні", "скоріше ні, ніж так" та інші, які можна переводити у бали), тому коефіцієнт лінійної кореляції до них непридатний. У цьому випадку звертаються до використання коефіцієнта рангової кореляції, формула якого наступна:

де R s - коефіцієнт рангової кореляції за Спирмену;

d i - різниця між рангами показників одних і тих же випробовуваних в упорядкованих рядах;

n - число досліджуваних або цифрових даних (рангів) у корелюється рядах.

Метод множинних кореляцій на відміну від методу парних кореляцій дозволяє виявити загальну структуру кореляційних залежностей, які існують всередині багатовимірного експериментального матеріалу, який включає більше двох змінних, і представити ці кореляційні залежності у вигляді деякої системи.

Для застосування приватного коефіцієнта кореляції необхідно дотримуватися таких умов:

1. Порівнянні змінні повинні бути виміряні в шкалі інтервалів або відносин.

2. Передбачається, що всі змінні мають нормальний закон розподілу.

3. Число варіюють ознак у порівнюваних змінних має бути однаковим.

4. Для оцінки рівня достовірності кореляційного відносини Пірсона слід користуватися формулою (11.9) і таблицею критичних значень для t-критерію Стьюдента при k = n - 2.

• Факторний аналіз – статистичний метод, який використовується при обробці великих масивів експериментальних даних. Завданнями факторного аналізу є: скорочення числа змінних (редукція даних) та визначення структури взаємозв'язків між змінними, тобто класифікація змінних, тому факторний аналіз використовується як метод скорочення даних або як метод структурної класифікації. Важлива відмінність факторного аналізу від всіх описаних вище методів полягає в тому, що його не можна застосовувати для обробки первинних, або, як кажуть, "сирих", експериментальних даних, тобто отриманих безпосередньо при обстеженні досліджуваних.