15 Человек.
Для решения задачи М – 1, Ж -0
X |
VQ |
1 0 1 1 0 1 0 0 1 1 1 0 1 1 0 |
102 110 86 90 120 78 95 103 105 93 123 89 109 100 105 |
Порядок действия:
Найдем средние значения для мужчин и для женщин.
СМОТРИМ ПО Т-ФАКТИЧЕСКОМУ.
НАЗНАЧЕНИЕ КЛАССИФИКАЦИЙ МНОГОМЕРНЫХ МЕТОДОВ
Назначение матметодов.
Исходная функция математических методов – есть представление эмпирическиъ данныъ в пригодном для интерпретации виде, поиск смысла в обилии исходной информации.
Эмпирические-математические модели:
1) Описательные математические модели применяемые для представления исходных эмпирических данных в доступном для интерпретации виде, сюда относятся среднеарифметические, медианы, минимум и максимум и т.д. Считается, что они идентичны мыслительным операциям.
2) Многомерные методы – дальнейшее развитие эмпирических математических моделей в отношении многостороннего описания изучаемых явлений. Всопроизводит мыслительные операции человека на более высоком уровне.
Выполняен следующие интеллектуальные функции:
1) Структурирование эмпирической информации; Множество признаков измеренных у множество испытуемых. (факторный анализ)
2) Классификация – кластерный анализ
3) Распознавание образов – дискрименантный анализ
4) Экстрополяция – прогнозирование – множественный регрессионный анализ. Этот метод позволяет устовивть в прошлом тенденцию на будующий период.
Классификация методов по назначению:
1) Методы предсказания (экстрополяции) Множественный регрессионный анализ. Уравнение У=a0+////fdf/d/fdf/. Предсказывает значение метрической переменной по множеству известных значений независимых переменных измеренных у множества объектов испытуемых. Сюда же относится дискрименантный анализ. Предсказывает принадлежность объектов испытуемых к одному из известных классов (номинативной шкале). По измеренным метрическим дискрименантным переменным. Методы классификации. Варианты кластерного анализа и дискрименантого анализа.
Кластерный анализ по измеренным характеристикам множества объектов (испытуемых), либо по данным об их попарном сходстве различий разбивает это множество объектов на группы. В каждой из которых содержатся объекты более похожие друг на друга, чем на объекты из других групп.
Дискрименантный анализ позволяет … по известным классам, исходя из измеренных у них признаков. Пользуясь решающими правилами, выработанными предварительно на выборке идентичных объектов, у которых было измерено …..
3) структурные методы: факторный анализ – направленный на структуру переменных, как совокупности факторов, каждый из которых это скрытая обобщающая причина взаимосвязи группы переменных. Многомерное шкалирование выявляет шкалы как критерии, по которым поляризуются объекты при их субъективном попарном сравнении.
Классификация методов по исходным предположениям о структуре данных:
1) Методы исходящие из предположения о согласованной изменчивости признаков. Измеренных у множества объектов. Сюда относятся: факторный, множественно-регрессионый, дискрименантный анализ.
2) Методы исходящие из предположения о том, что различия между объектами можно описать как расстояние между ними. На дистантной модели основаны: кластерный анализ, и многомерное шкалирование, частично дискрименнантный анализ. Дискрементный анализ и многомерное шкалирование предполагает, что исходное различие между объектами можно представить, как расстояние между ними в пространстве небольшого числа шкал или функций.
Классификация методов по виду исходных данных:
1) методы использующие в качестве исходных данных, только признаки измеренные у группы объектов. Это множественный регрессионный анализ, дискрименантный и факторный анализ.
2) Методы исходными данными для которых могут быть попарные сходства (различия) между объектами – это кластерный анализ и многомерное шкалирование. Кроме того можно анализировать данные между совокупностью объектов оцененной группы экспертов, при это анализируются как различия между объектами, так и индивидуальные различия между экспертами.
Дисперсионный анализ
Особая специфика – близок к АНОВА, есть прогнозирование
Но + ко всему он относится к методам классификации.
Здесь независимая переменная должен иметь метрическую характеристику.
Результирующие признаки имеют статус наминативной шкалы.
1 –здоров
2 –диагноз есть симптомы не беспокоят
3 – диагноза нет симптомы беспокоят
4 – дигноз и симптомы
АНОВА
Условия: следствие предпелогает метрчиескую характеристику, так как нормальность распределения
ФАктоРный:
1) Множество измерений, множество испытуемых
Суть – огромное обилие эмпирической инфы,и мы её сжимаем.
А как он это делает?
Этапы:
1) Внесение своих данных в комп
2) Параметрический метод
3) для того чтобы получить результат, нужно осуществить поворот в факторной структуре.
Самое трудное это интерпретация. Мы должны посмотреть какие переменных входят в данный фактор.
ДЛЯ ЗАЩИТЫ КУРСОВОЙ РАБОТЫ.
Эмпирическая или теоретическая, или смешанная.
7-10 минут
Проговорить:
3-4 минуты – актуальность исследования.
Оставшее время – выводы.
Презинтацию.
Х1 – Различия между экспериментальной и контрольной группе в конце рабочего дня по параметру внимания являются достоверными
Х1 – Сдвиг между значениями экспериментальной группы до и после эксперимента является достоверным
1) Можно ли использовать непараметрическую статистику для анализа причины следственных связей, если да, то приведите пример.
2) Как выбрать критерий.
n =6 равен. Три времени
Будут ли найдены статистические различия между решения первых трех заданий теста.
C=4 Тест бурдона
Фиксировалось число ошибок
Будут ли достоверные различия.
Араканцева Т.А. Гендернаые аспекты родительско-детских отношений. Учебное пособие. М.: Изд-во Московского психолого-социального института, 2006. – 61 С.