Анализ Данных

Статистическая обработка результатов исследования

Методы статистической обработки результатов исследования-это математические приемы формулы способы кол-венных расчетов с помощью которых показатели получаемые в ходе исследования можно обобщать приводить в систему выявлять скрытые в них закономерности.

В Зависимости от применяемых методов можно охарактеризовать выборочное распределения можно судить о динамике изменения различных показателей

О статистических связях между исследуемыми переменными величинами

Математическая обработка результатов дает возможность ответить на ряд вопросов:

1 чем человек или группа отличаются друг от друга

2 чем отличается уровень развития какой либо социологической характеристики

3 какова динамика развития

И.т.д

Главная цель статистических методов представить кол-венные данные в сжатой форме

С тем что бы упростить их понимания выявиить тенденции развития и более качественно проводить анализ

Все методы статистического анализа условно делятся на первичные и вторичные

Первичные называются мтоды с помощью которых можно получить показатели отражающие результаты проводимых в эксперименте измерений

Под первичными статистическими показателями понимаются такие показатели которые используются в самих исследованиях и являются итогом начальной статистической

Обработки результатов диагностики

К ним относятся определения среднего значения дисперсии моды и медианы

Вторичными называются методы статистической обработки с помощью которых

На базе первичных данных выявляют скрытые в них статистические закономерности

К вторичным методам отностися корелляционный аналих факторный анализ регресионный методы сравнения первичных данных 2-х или нескольких выборок

Меры центральной тенденции

Средневыборочное значение представляет собой среднюю оценку изучаемого

В эксперименте признака. Эта оценка характеризует степень его развития в целом у той

Гр испытуемых которая была подвергнута исследованию

M=∑xi/n

Мода –наиболее часто встречающийся результат распределения

В интервальном частотном распределении мода опрелеляется как середина интервала для которого частота максимальна

Мода само число

Третья мера центральной тенденции медиана Me результат находящийся в середине последовательности показателей если они расположены в порядке возрастания(убывания)

Ме 545673628697

Поскольку в нашем случае имеется четное число эл-тов то сущ 2 середины в этом случае медиана это среднее арифметическое

Значение чедианы и моды полезны для того что б установить является ли распределение

Значений признака симмтетричным признакам и приближающимся к нормальному распределению

Ср ариф Мо Ме обычно совпадают

Меры разброса данных

Для более полного описания результатов эмпирического исследования используются меры разброса данных характеризующие степень индивидульных отклонений от центральной тенденции

Мера разброса данных позволяют сравнивать между собой данные полученные в результате разных экспериментов для разных тестовых групп

Чем сильнее варьируется изменяемый признак тем больше величина разброса данных

Ниаболее точным методом измерения разброса данных основанном на учетн разности между каждым индивидуальным результатом и средним значением по группе является

Мера дисперсии и ср квадр откл. Дисперсия характеризует насколько частные значения отклонений от средней величины больше чем отклонения при общем разбросе данных

Дисперсия определяется по формуле

σ^2=∑(xi-M)/n

В числителе записано выражение означающее что для всех значений признака х в данной

Выборке вычисляетяс разность между частными и средними значениями эти разности возводятся в квадрат и суммируются

Ср зн М=∑xi/n

Алгоритм вычисления дисперсии

Вычисляется среднее по выборке для каждого эл-та выборки вычисляется отклонения от среднего каждый эл-т множества возводится в квадрат ннаходится сумма квадратов сумма делится на объем выборки

Очень часто вместо дисперсии для выявления разброса данных используют производную

От дисперсии величину наз стандартным отклонением ср квадр откл

Стандартное отклонение равно корню из дисперсии

Методы вторичной обработки результатов исследования

С помощью вторичных методов статистической обработки проверяются данныйе

Доказываются или опровергаются гипотезы связанные с эмпирическим исследованием

Чаще всего в исследованиях применяются следующие методы обработки результатов

Методы сравнения нескольких

Эл-тарных статистик методы установления связи между переменными (корлеяционый анализ) методы выявления внутренней статистической структуры (факторный анализ)

В общем случае решаемые с помощью методов мат статистики задачи можно разделить на несколько групп

1 задачи требующие устарновления содства различия

2 задачи требующие групировки и классификации

3 задачи предпологающие возможность прогноза

Статистический критерий различий

Одной из наиболее встречающихся статистических задач является задача сравнения результатов обследования какого либо признака в разных условиях измерения

(нарпимер до или после определенного воздействия )

Или обследования контрольной или эксперементальной групп для решения подобных задач используется большой выбор статистических методов наз-х критериями различий

Они позволяют оценить степень статистической достоверности различий между разнообразными показателями

Каждый из критерие имеет свою специфику различаясь между собой по основаниям

По типу шкалы объему выборки по качеству выборки

Кроме этого критерии различаются по мощности

Мощность способность выявлять различия и отклонять нулевую гипотезу если она не верна

При проверки статистических гипотез используется 2 понятия нулевая гипотеза и альтернативная

Принята считать что нулеваю гипотеза о схлдстве а нулевая о различии

Таким образом принятие нулевой гипотезы об отсутствии различий