Выборки для психологических исследований

Иными способами формируются стратегии построения групп для психологических исследований. Отбор групп для этих целей осуществляется так, чтобы обеспечить максимально возможное соблюдение внутренней и внешней валидности. При этом репрезентативность выборок, как правило, не обеспечивается, психологические исследования проводятся с иными целями.

Для построения групп психологических исследований могут применяться следующие методы:

• Рандомизация, или случайный отбор, используется для создания простых случайных выборок. Использование такой выборки основывается на предположении, что каждый член популяции с равной вероятностью может попасть в выборку. Например, чтобы сделать случайную выборку из 100 студентов вуза, можно сложить бумажки с именами всех студентов вуза в шляпу, а затем достать из неё 100 бумажек — это будет случайным отбором.

• Попарный отбор — стратегия построения групп выборки, при котором группы испытуемых составляются из субъектов, эквивалентных по значимым для эксперимента побочным параметрам. Данная стратегия эффективна для экспериментов с использованием экспериментальных и контрольных групп с лучшим вариантом — привлечением близнецовых пар (моно- и дизиготных), так как позволяет создать условия сравнения индивидов по отдельным отличающимся у них качествам или свойствам на фоне совпадения многих других. Например, так анализируют зависимость уровня здоровья от образа жизни: физиологически и по социализации близнецы обычно очень близки, поэтому различия в уровне здоровья могут с высокой вероятностью определяться различиями в стилях их жизни.

• Стратометрический отбор — рандомизация с выделением страт (или кластеров). При данном способе формирования выборки генеральная совокупность делится на группы (страты), обладающие определёнными характеристиками (пол, возраст, политические предпочтения, образование, уровень доходов и др.), и отбираются испытуемые с соответствующими характеристиками.

• Приближённое моделирование — составление ограниченных выборок и обобщение выводов об этой выборке на более широкую популяцию. Например, при участии в исследовании студентов 2-го курса университета, данные этого исследования распространяются на «людей в возрасте от 17 до 21 года». Допустимость подобных обобщений крайне ограничена.

• Приближенное моделирование – формирование модели, которая для четко оговоренного класса систем (процессов) описывает его поведение (или нужные явления) с приемлемой точностью.

Эмпирическая функция распределения и её свойства

Статистическим аналогом функции распределения случайной величины в выборочной ситуации является эмпирическая функция распределения.

Эмпирической функцией распределения, соответствующей выборке из распределения называется функция , где - это число элементов реализации выборки , которые являются меньшими значения аргумента .

При каждом значении аргумента величину можно рассматривать как число успехов в испытаниях Бернулли с вероятностью успеха в отдельном испытании . В таком случае эмпирическая функция распределения будет представлять долю успехов из общего числа испытаний и по теореме Бернулли при эмпирическая функция распределения будет стремиться по вероятности к функции распределения , для которой построена выборка: . Поэтому можно надеяться, что эмпирическая функция распределения будет тем лучше приближать функцию распределения генеральной совокупности , чем больше её значений будет включено в выборку. Так и происходит на практике.

На практике вместо эмпирической функции распределения приходится оперировать с её реализацией , где - это число элементов реализации выборки , которые являются меньшими значения аргумента . Для облегчения реальных подсчётов значений функции нужно расположить сначала все значения измерений или наблюдений в порядке возрастания значений.