- •1. Статистика как наука. Статистические закономерности. Статистические наблюдения. Статистические данные.
- •2. Основные задачи математической статистики.
- •3. Представления статистических данных.
- •4. Группировка данных. Графическое представление статистических данных. Гистограмма.
- •5. Группировка данных. Графическое представление статистических данных. Полигон, кумулята.
- •6. Генеральная совокупность. Выборочный метод. Выборка. Вариационный ряд.
- •7. Ранжирование данных. Эмпирическая функция распределения.
- •8. Эмпирические (выборочные) и теоретические моменты и их взаимосвязь.
- •9. Меры изменчивости. Вариация.
- •10. Дисперсия и её свойства.
- •11. Интервальные оценки. Методы нахождения интервальных оценок.
- •12. Элементы теории корреляции.
- •13. Статистическая и корреляционная зависимость. Меры связи.
- •14. Корреляционные таблицы. Коэффициент корреляции
- •15. Методы ранговой корреляции
- •16. Методы выявления различий в уровне исследуемого признака
- •17. Непараметрические критерии. Критерий Вилкоксона.
- •18. Непараметрические критерии. Критерий знаков.
- •19. Статистическая проверка гипотез. Понятие о статистической гипотезе.
- •20. Методы проверки гипотез, основанные на интервальных оценках.
- •21. Факторный анализ. Понятие факторного анализа.
- •22. Разновидности факторного анализа.
- •23. Элементы дисперсионного анализа.
- •24. Однофакторный и двухфакторный дисперсионный анализ.
- •25. Способы оценки достоверности сдвига в значениях исследуемого признака.
- •26. Многофункциональные статистические критерии.
- •27. Преимущества и недостатки параметрических критериев.
- •28. Вариация признака в совокупности и значение ее изучения
- •29. Понятие о корреляционной связи и предпосылки ее использования
- •30. Корреляционно-регрессионный анализ.
- •31. Способы формирования выборочной совокупности
- •32. Ошибки статистического наблюдения. Методы контроля данных наблюдения.
25. Способы оценки достоверности сдвига в значениях исследуемого признака.
G – критерий знаков: предназначен для установления общего направления сдвига исследуемого признака. Позволяет установить, в какую сторону в выборке в целом изменяются значения признака при переходе от первого измерения ко второму. Критерий применим как к тем изменениям, которые могут быть определены только качественно (изменение отношения к чему-либо), так и к тем, которые могут быть измерены количественно (сокращение времени работы над заданием после экспериментального воздействия). Сдвиг – это разница между тем результатом, который показал n-ный испытуемый из выборки до и после экспериментального воздействия. Гипотезы: Но. Преобладание направления сдвига является случайным.Н1. Преобладание направления сдвига не является случайным. Ограничения критерия: Объем выборки может находиться в диапазоне от 5 до 300 элементов.
Т – критерий Вилкоксона: предназначен для сопоста показателей, измеренных в двух разных условиях на одной и той же выборке испытуемых. Способен определить, является ли сдвиг показателей в одном направлении более интенсивным, чем в другом. Суть метода состоит в том, что мы сопоставляем абсолютные величины выраженности сдвигов в том или ином направлении. Сдвиг в более часто встречающемся направлении принято считать «типичным», и наоборот. Гипотезы: Но. Интенсивность сдвигов в типичном направлении не превосх. интенсивности сдвигов в нетипич. направлении. Н1. Интенс. сдвигов в типичном направлении превышает интенсивность сдвигов в нетипичном направлении.
26. Многофункциональные статистические критерии.
Многофункциональные статистические критерии - это критерии, которые могут использоваться по отношению к самым разнообразным данным, выборкам и задачам. Многофункциональные критерии позволяют решать задачи сопоставления уровней исследуемого признака, сдвигов в значениях исследуемого признака и сравнения распределений. К числу многофункциональных критериев в полной мере относится критерий φ* Фишера (угловое преобразование Фишера) и, с некоторыми оговорками - биномиальный критерий m. Суть критериев состоит в определении того, какая доля наблюдений в данной выборке характеризуется интересующим исследователя эффектом и какая доля этим эффектом не характеризуется.
Критерий Фишера предназначен для сопоставления двух выборок по частоте встречаемости интересующего исследователя эффекта. Критерий оценивает достоверность различий между процентными долями двух выборок, в которых зарегистрирован интересующий нас эффект. Суть углового преобразования Фишера состоит в переводе процентных долей в величины центрального угла , который измеряется в радианах. Гипотезы:
H0: Доля лиц, у которых проявляется исследуемый эффект, в выборке 1 не больше, чем в выборке 2.
H1: Доля лиц, у которых проявляется исследуемый эффект, в выборке 1 больше, чем в выборке 2.
Биномиальный критерий m позволяет оценить, насколько эмпирическая частота интересующего нас эффекта превышает теоретическую, среднестатистическую или какую-то заданную частоту, соответствующую вероятности случайного угадывания, среднему проценту успешности в выполнении данного задания, допустимому проценту брака и т.п. Гипотезы:
H0: Частота встречаемости данного эффекта в обследованной выборке не превышает теоретической (заданной, ожидаемой, предполагаемой).
H1: Частота встречаемости данного эффекта в обследованной выборке превышает теоретическую (заданную, ожидаемую, предполагаемую).
