Makala kuu ya uhusiano wowote kati ya vigezo.

Tunaweza kutambua sifa mbili rahisi zaidi za uhusiano kati ya vigezo: (a) ukubwa wa uhusiano na (b) kuaminika kwa uhusiano.

- Ukubwa . Ukubwa wa utegemezi ni rahisi kuelewa na kupima kuliko kuegemea. Kwa mfano, ikiwa mwanamume yeyote katika sampuli alikuwa na hesabu ya chembechembe nyeupe za damu (WCC) thamani ya juu kuliko mwanamke yeyote, basi unaweza kusema kwamba uhusiano kati ya viambajengo viwili (Jinsia na WCC) ni wa juu sana. Kwa maneno mengine, unaweza kutabiri maadili ya kutofautisha moja kutoka kwa maadili ya mwingine.

- Kuegemea ("ukweli"). Kuegemea kwa kutegemeana ni dhana isiyo na angavu zaidi kuliko ukubwa wa utegemezi, lakini ni muhimu sana. Kuegemea kwa uhusiano ni moja kwa moja kuhusiana na uwakilishi wa sampuli fulani kwa misingi ambayo hitimisho hutolewa. Kwa maneno mengine, kutegemewa kunarejelea jinsi kuna uwezekano kwamba uhusiano utagunduliwa upya (kwa maneno mengine, kuthibitishwa) kwa kutumia data kutoka kwa sampuli nyingine inayotolewa kutoka kwa idadi sawa.

Ikumbukwe kwamba lengo kuu ni karibu kamwe kusoma sampuli hii maalum ya maadili; sampuli ni ya manufaa kwa vile tu inatoa taarifa kuhusu idadi ya watu wote. Ikiwa utafiti unakidhi vigezo fulani mahususi, basi uaminifu wa uhusiano uliopatikana kati ya vigeu vya sampuli unaweza kuhesabiwa na kuwasilishwa kwa kutumia kipimo cha kawaida cha takwimu.

ukubwa wa utegemezi na kuegemea kuwakilisha mbili sifa mbalimbali utegemezi kati ya vigezo. Hata hivyo, haiwezi kusema kuwa wao ni huru kabisa. Ukubwa mkubwa wa uhusiano (uhusiano) kati ya vigezo katika sampuli ya ukubwa wa kawaida, ni ya kuaminika zaidi (angalia sehemu inayofuata).

Umuhimu wa takwimu wa matokeo (p-level) ni makadirio ya kipimo cha imani katika "ukweli" wake (kwa maana ya "uwakilishi wa sampuli"). Kitaalamu zaidi, kiwango cha p ni kipimo ambacho hutofautiana katika kupungua kwa mpangilio wa ukubwa na kuegemea kwa matokeo. Kiwango cha juu cha p kinalingana na zaidi kiwango cha chini imani katika uhusiano kati ya vigeu vinavyopatikana kwenye sampuli. Yaani, kiwango cha p kinawakilisha uwezekano wa hitilafu unaohusishwa na usambazaji wa matokeo yaliyoonekana kwa watu wote.

Kwa mfano, kiwango cha p = 0.05(yaani 1/20) inaonyesha kuwa kuna uwezekano wa 5% kwamba uhusiano kati ya vigeuzo vinavyopatikana kwenye sampuli ni kipengele cha nasibu cha sampuli. Katika tafiti nyingi, kiwango cha p cha 0.05 kinachukuliwa kuwa "pembezo inayokubalika" kwa kiwango cha makosa.

Hakuna njia ya kuzuia uholela katika kuamua ni kiwango gani cha umuhimu kinapaswa kuzingatiwa "muhimu". Chaguo la kiwango fulani cha umuhimu juu ambayo matokeo yamekataliwa kuwa sivyo ni ya kiholela.

Juu ya mazoezi uamuzi wa mwisho kwa kawaida hutegemea ikiwa matokeo yalitabiriwa kuwa ya awali (yaani, kabla ya jaribio kufanywa) au kugundua hali ya nyuma kama matokeo ya uchanganuzi na ulinganisho mwingi uliofanywa kwenye data mbalimbali, na pia kwenye mapokeo ya uwanja wa utafiti.

Kwa kawaida, katika nyanja nyingi, matokeo ya p .05 ni mkato unaokubalika. umuhimu wa takwimu, hata hivyo, kumbuka kuwa kiwango hiki bado kinajumuisha kiasi kikubwa cha makosa (5%).

Matokeo muhimu katika kiwango cha p .01 kwa ujumla huzingatiwa kuwa muhimu kitakwimu, ilhali matokeo katika kiwango cha p .005 au p .00 kwa ujumla huchukuliwa kuwa muhimu kitakwimu. 001 kama muhimu sana. Hata hivyo, inapaswa kueleweka hivyo uainishaji huu viwango vya umuhimu ni vya kiholela na ni makubaliano yasiyo rasmi tu yaliyopitishwa kwa misingi uzoefu wa vitendo katika uwanja fulani wa masomo.

Ni wazi kwamba nini idadi kubwa zaidi uchanganuzi utafanywa kwa jumla ya data iliyokusanywa, ndivyo idadi kubwa ya matokeo muhimu (katika kiwango kilichochaguliwa) yatagunduliwa kwa bahati nasibu.

Baadhi ya mbinu za takwimu zinazohusisha kulinganisha nyingi, na hivyo kuwa na nafasi kubwa ya kurudia aina hizi za makosa, kufanya marekebisho maalum au marekebisho kwa jumla ya nambari kulinganisha. Walakini, njia nyingi za takwimu (haswa mbinu rahisi uchambuzi wa data ya uchunguzi) haitoi njia yoyote ya kutatua tatizo hili.

Ikiwa uhusiano kati ya vigezo ni "malengo" dhaifu, basi hakuna njia nyingine ya kupima uhusiano huo isipokuwa kujifunza sampuli kubwa. Hata kama sampuli ni wakilishi kikamilifu, athari haitakuwa muhimu kitakwimu ikiwa sampuli ni ndogo. Vivyo hivyo, ikiwa uhusiano ni "malengo" yenye nguvu sana, basi inaweza kugunduliwa na shahada ya juu umuhimu hata katika sampuli ndogo sana.

Kadiri uhusiano kati ya vigeu unavyopungua, ndivyo saizi ya sampuli inavyozidi kuwa kubwa inayohitajika ili kuitambua vizuri.

Nyingi tofauti hatua za uhusiano kati ya vigezo. Kuchagua kipimo maalum katika kifani inategemea idadi ya vigezo, mizani ya kipimo kutumika, asili ya tegemezi, nk.

Wengi wa hatua hizi, hata hivyo, ni chini ya kanuni ya jumla: Wanajaribu kukadiria utegemezi unaozingatiwa kwa kulinganisha na "utegemezi wa juu zaidi unaowezekana" kati ya vigeu vinavyozingatiwa. Kitaalamu, njia ya kawaida ya kufanya makadirio kama haya ni kuangalia jinsi maadili ya vigeu hutofautiana na kisha kuhesabu ni kiasi gani cha tofauti iliyopo inaweza kuelezewa na uwepo wa tofauti ya "kawaida" ("pamoja"). vigezo viwili (au zaidi).

Umuhimu unategemea hasa ukubwa wa sampuli. Kama ilivyoelezwa tayari, katika sampuli kubwa sana hata uhusiano dhaifu sana kati ya vigezo itakuwa muhimu, wakati katika sampuli ndogo hata mahusiano yenye nguvu sana si ya kuaminika.

Kwa hivyo, ili kubainisha kiwango cha umuhimu wa takwimu, chaguo la kukokotoa linahitajika ambalo linawakilisha uhusiano kati ya "ukubwa" na "umuhimu" wa uhusiano kati ya vigezo kwa kila ukubwa wa sampuli.

Chaguo kama hili la kukokotoa lingeonyesha hasa "uwezekano gani wa kupata tegemezi la thamani fulani (au zaidi) katika sampuli ya saizi fulani, ikizingatiwa kuwa hakuna utegemezi kama huo katika idadi ya watu." Kwa maneno mengine, kazi hii ingetoa kiwango cha umuhimu
(p-level), na, kwa hivyo, uwezekano wa kukataa kimakosa dhana ya kutokuwepo kwa utegemezi huu kwa idadi ya watu.

Dhana hii "mbadala" (kwamba hakuna uhusiano katika idadi ya watu) kawaida huitwa nadharia tupu.

Ingekuwa vyema ikiwa chaguo la kukokotoa linalokokotoa uwezekano wa hitilafu lilikuwa la mstari na lilikuwa na miteremko tofauti ya saizi tofauti za sampuli. Kwa bahati mbaya, kazi hii ni ngumu zaidi na sio sawa kila wakati. Hata hivyo, katika hali nyingi umbo lake hujulikana na linaweza kutumika kubainisha viwango vya umuhimu katika tafiti za sampuli za ukubwa fulani. Nyingi za chaguo hizi za kukokotoa zinahusishwa na aina ya usambazaji inayoitwa kawaida .

Wakati wa kuhalalisha uelekezaji wa takwimu, swali lazima liulizwe: uko wapi mstari kati ya kukubali na kukataa nadharia tupu? Kutokana na kuwepo kwa athari za nasibu katika jaribio, mpaka huu hauwezi kuchorwa kwa usahihi kabisa. Inatokana na dhana kiwango cha umuhimu. Kiwango cha umuhimu inaitwa uwezekano wa kukataa kwa uongo nadharia tupu. Au, kwa maneno mengine, kiwango cha umuhimu - Huu ni uwezekano wa kosa la aina ya I wakati wa kufanya uamuzi. Ili kuashiria uwezekano huu, kama sheria, hutumia herufi ya Kigiriki α au Barua ya Kilatini R. Katika zifuatazo tutatumia barua R.

Kihistoria, katika sayansi zinazotumika zinazotumia takwimu, na hasa katika saikolojia, kiwango cha chini kabisa cha umuhimu wa kitakwimu kinachukuliwa kuwa kiwango. p = 0.05; kutosha - ngazi R= 0.01 na kiwango cha juu p = 0.001. Kwa hivyo, katika majedwali ya takwimu yaliyotolewa katika kiambatisho kwa vitabu vya takwimu, maadili ya jedwali kwa viwango kawaida hupewa. p = 0,05, p = 0.01 na R= 0.001. Wakati mwingine maadili ya jedwali kwa viwango hupewa R - 0.025 na p = 0,005.

Thamani za 0.05, 0.01 na 0.001 ni viwango vinavyoitwa viwango vya umuhimu wa takwimu. Wakati wa kuchambua takwimu za majaribio, mwanasaikolojia, kulingana na malengo na hypotheses ya utafiti, lazima achague kiwango kinachohitajika cha umuhimu. Kama tunaweza kuona, hapa thamani kubwa zaidi, au kikomo cha chini cha kiwango cha umuhimu wa takwimu, ni sawa na 0.05 - hii ina maana kwamba makosa matano yanaruhusiwa katika sampuli ya vipengele mia moja (kesi, masomo) au kosa moja katika ishirini. vipengele (kesi, masomo). Inaaminika kuwa si sita, wala saba, wala kiasi kikubwa mara kati ya mia moja hatuwezi kukosea. Gharama ya makosa kama hayo itakuwa ya juu sana.

Kumbuka kuwa vifurushi vya kisasa vya takwimu kwenye kompyuta havitumii viwango vya umuhimu wa kawaida, lakini viwango vinavyohesabiwa moja kwa moja katika mchakato wa kufanya kazi na mbinu inayolingana ya takwimu. Viwango hivi, vilivyoteuliwa na barua R, inaweza kuwa tofauti usemi wa nambari katika safu kutoka 0 hadi 1, kwa mfano, p = 0,7, R= 0.23 au R= 0.012. Ni wazi kwamba katika kesi mbili za kwanza viwango vya umuhimu vilivyopatikana ni vya juu sana na haiwezekani kusema kwamba matokeo ni muhimu. Wakati huo huo katika kesi ya mwisho matokeo ni muhimu katika kiwango cha elfu 12. Hii ni kiwango cha kuaminika.

Sheria ya kukubali hitimisho la takwimu ni kama ifuatavyo: kulingana na data ya majaribio iliyopatikana, mwanasaikolojia huhesabu kinachojulikana takwimu za nguvu, au umuhimu wa kimajaribio. Ni rahisi kuashiria wingi huu kama H em . Kisha takwimu za majaribio H em inalinganishwa na maadili mawili muhimu ambayo yanalingana na viwango vya umuhimu vya 5% na 1% kwa njia iliyochaguliwa ya takwimu na ambayo inaonyeshwa kama H cr . Kiasi H cr hupatikana kwa mbinu fulani ya takwimu kwa kutumia majedwali yanayolingana yaliyotolewa katika kiambatisho kwa kitabu chochote cha takwimu. Kiasi hiki, kama sheria, ni tofauti kila wakati na kwa kile kinachofuata, kwa urahisi, zinaweza kuitwa kama H kr1 Na H kr2 . Thamani muhimu zinazopatikana kutoka kwa jedwali H kr1 Na H kr2 Ni rahisi kuiwakilisha katika fomu ifuatayo ya nukuu ya kawaida:

Tunasisitiza, hata hivyo, kwamba tulitumia nukuu H em Na H cr kama kifupi cha neno "nambari". Mbinu zote za takwimu zimepitisha viasili vyake vya ishara kwa idadi hizi zote: thamani ya majaribio inayokokotolewa kwa kutumia mbinu inayolingana ya takwimu na thamani muhimu inayopatikana kutoka kwa majedwali sambamba. Kwa mfano, wakati wa kuhesabu mgawo wa uunganisho wa safu ya Spearman kwa kutumia jedwali la maadili muhimu ya mgawo huu, maadili muhimu yafuatayo yalipatikana, ambayo kwa njia hii yanaonyeshwa na herufi ya Kiyunani ρ ("rho"). Hivyo kwa p = Thamani 0.05 imepatikana kutoka kwa jedwali ρ cr 1 = 0.61 na kwa p = 0.01 ukubwa ρ cr 2 = 0,76.

Katika aina ya kawaida ya nukuu iliyopitishwa katika wasilisho lifuatalo, inaonekana kama hii:

Sasa tunahitaji kulinganisha thamani yetu ya majaribio na maadili mawili muhimu yanayopatikana kutoka kwa majedwali. Njia bora ya kufanya hivyo ni kuweka nambari zote tatu kwenye kile kinachoitwa "mhimili wa umuhimu." "Mhimili wa umuhimu" ni mstari wa moja kwa moja, mwisho wa kushoto ambao ni 0, ingawa, kama sheria, haijawekwa alama kwenye mstari huu wa moja kwa moja, na kutoka kushoto kwenda kulia kuna ongezeko la mfululizo wa nambari. Kwa kweli, hii ni mhimili wa kawaida wa shule ya abscissa OH Mfumo wa kuratibu wa Cartesian. Walakini, upekee wa mhimili huu ni kwamba ina sehemu tatu, "kanda". Ukanda mmoja uliokithiri unaitwa ukanda wa kutokuwa na maana, ukanda wa pili uliokithiri unaitwa eneo la umuhimu, na eneo la kati linaitwa eneo la kutokuwa na uhakika. Mipaka ya kanda zote tatu ni H kr1 Kwa p = 0.05 na H kr2 Kwa p = 0.01, kama inavyoonyeshwa kwenye takwimu.

Kulingana na sheria ya uamuzi (sheria ya uelekezaji) iliyowekwa katika njia hii ya takwimu, chaguzi mbili zinawezekana.

Chaguo la kwanza: hypothesis mbadala inakubaliwa ikiwa H em ≥H cr .

Au chaguo la pili: hypothesis mbadala inakubaliwa ikiwa H em ≤H cr .

Imehesabiwa H em kulingana na njia fulani ya takwimu, lazima iwe katika moja ya kanda tatu.

Ikiwa thamani ya majaribio itaanguka katika ukanda usio na maana, basi hypothesis H 0 kuhusu kutokuwepo kwa tofauti inakubaliwa.

Kama H em huanguka katika eneo la umuhimu, hypothesis mbadala H 1 inakubaliwa O uwepo wa tofauti, na hypothesis H 0 inakataliwa.

Kama H em huanguka katika eneo la kutokuwa na uhakika, mtafiti anakabiliwa na shida. Kwa hivyo, kulingana na umuhimu wa tatizo kutatuliwa, anaweza kuzingatia makadirio ya takwimu yaliyopatikana kuwa ya kuaminika katika kiwango cha 5%, na hivyo kukubali hypothesis H 1, akikataa hypothesis H 0. , au - isiyotegemewa kwa kiwango cha 1%, na hivyo kukubali nadharia H 0. Tunasisitiza, hata hivyo, kwamba hii ndiyo kesi hasa wakati mwanasaikolojia anaweza kufanya makosa ya aina ya kwanza au ya pili. Kama ilivyojadiliwa hapo juu, katika hali hizi ni bora kuongeza ukubwa wa sampuli.

Tusisitize pia kwamba thamani H em inaweza kufanana kabisa H kr1 au H kr2 . Katika kesi ya kwanza, tunaweza kudhani kuwa makadirio ni ya kuaminika katika kiwango cha 5% na kukubali hypothesis H 1, au, kinyume chake, kukubali hypothesis H 0. Katika kesi ya pili, kama sheria, nadharia mbadala H 1 juu ya uwepo wa tofauti inakubaliwa, na nadharia H 0 inakataliwa.

Dhana ya umuhimu wa takwimu

Kuegemea kwa takwimu ni muhimu katika mazoezi ya kukokotoa ya FCC. Ilibainishwa mapema kuwa kutoka sawa idadi ya watu Sampuli nyingi zinaweza kuchaguliwa:

Ikiwa wamechaguliwa kwa usahihi, basi viashiria vyao vya wastani na viashiria vya idadi ya watu hutofautiana kidogo kutoka kwa kila mmoja kwa ukubwa wa kosa la uwakilishi, kwa kuzingatia uaminifu uliokubaliwa;

Ikiwa wamechaguliwa kutoka kwa watu tofauti, tofauti kati yao inageuka kuwa muhimu. Takwimu ni kuhusu kulinganisha sampuli;

Ikiwa zinatofautiana kidogo, bila msingi, bila maana, ambayo ni kwamba, kwa kweli ni ya idadi sawa ya watu, tofauti kati yao inaitwa. takwimu zisizotegemewa.

Inaaminika kitakwimu Tofauti ya sampuli ni sampuli ambayo inatofautiana kwa kiasi kikubwa na kimsingi, yaani, ni ya makundi mbalimbali ya jumla.

Katika FCC, kutathmini umuhimu wa takwimu wa tofauti za sampuli kunamaanisha kutatua matatizo mengi ya kiutendaji. Kwa mfano, kuanzishwa kwa mbinu mpya za kufundisha, programu, seti za mazoezi, vipimo, mazoezi ya udhibiti huhusishwa na upimaji wao wa majaribio, ambayo inapaswa kuonyesha kwamba kikundi cha mtihani kimsingi ni tofauti na kikundi cha udhibiti. Kwa hiyo, mbinu maalum za takwimu hutumiwa, zinazoitwa vigezo vya kuaminika kwa takwimu, kuruhusu kutambua kuwepo au kutokuwepo kwa tofauti kubwa ya kitakwimu kati ya sampuli.

Vigezo vyote vimegawanywa katika vikundi viwili: parametric na isiyo ya parametric. Vigezo vya parametric kutoa uwepo wa lazima wa sheria ya kawaida ya usambazaji, i.e. hii ina maana uamuzi wa lazima wa viashiria kuu vya sheria ya kawaida - wastani thamani ya hesabu X na wastani kupotoka kwa mraba O. Vigezo vya parametric ndio sahihi zaidi na sahihi. Vipimo vya nonparametric kulingana na tofauti za cheo (za kawaida) kati ya vipengele vya sampuli.

Hapa kuna vigezo kuu vya umuhimu wa takwimu vinavyotumika katika mazoezi ya FCC: Mtihani wa t wa Mwanafunzi, mtihani wa Fisher, mtihani wa Wilcoxon, mtihani wa White, mtihani wa Van der Waerden (mtihani wa ishara).

Mtihani wa mwanafunzi jina lake baada ya mwanasayansi wa Kiingereza K. Gosset (Mwanafunzi - pseudonym), ambaye aligundua njia hii. Mtihani wa mwanafunzi ni parametric, kutumika kwa kulinganisha viashiria kamili sampuli. Sampuli zinaweza kutofautiana kwa ukubwa.

Mtihani wa t wa Mwanafunzi umefafanuliwa kama ifuatavyo.

1. Tafuta mtihani wa t wa Mwanafunzi t kulingana na formula ifuatayo:

Wapi Xi, x 2 - njia za hesabu za sampuli ikilinganishwa; / i ь w 2 - makosa ya uwakilishi yaliyotambuliwa kwa misingi ya viashiria vya sampuli ikilinganishwa.

2. Mazoezi katika FCC yameonyesha kuwa kwa kazi ya michezo inatosha kukubali kutegemewa kwa akaunti. R= 0,95.

63 Kwa uaminifu wa akaunti: P= 0.95 (a = 0.05), na idadi ya digrii; uhuru k= «! + uk 2 - 2, kwa kutumia jedwali katika Kiambatisho 4, tunapata thamani \ vizuri, thamani ya kikomo ya kigezo (^ gr).

3. Kulingana na sifa za sheria ya kawaida ya usambazaji, ulinganisho unafanywa katika jaribio la Mwanafunzi t Na t^.

4. Tunafikia hitimisho:

Kama t> ftp, basi tofauti kati ya sampuli ikilinganishwa ni muhimu kitakwimu;

Kama t< 7 F, basi tofauti hiyo ni ndogo kitakwimu.

Kwa watafiti wa FCS, kutathmini umuhimu wa takwimu ni hatua ya kwanza katika kutatua tatizo mahususi: iwe kuna tofauti ya kimsingi au isiyo ya kimsingi kati ya; sampuli zinalinganishwa. Hatua inayofuata ni; tathmini ya tofauti hii kutoka kwa mtazamo wa ufundishaji, ambayo imedhamiriwa na masharti ya kazi.

Umuhimu wa takwimu

Matokeo yaliyopatikana kwa kutumia utaratibu fulani wa utafiti huitwa muhimu kitakwimu, ikiwa uwezekano wa kutokea kwao bila mpangilio ni mdogo sana. Dhana hii inaweza kuonyeshwa kwa mfano wa kurusha sarafu. Tuseme sarafu inatupwa mara 30; Vichwa vilikuja mara 17 na mikia ilikuja mara 13. Je! muhimu kupotoka kwa matokeo haya kutoka kwa inayotarajiwa (vichwa 15 na mikia 15), au je! Ili kujibu swali hili, unaweza, kwa mfano, kutupa sarafu moja mara nyingi, mara 30 mfululizo, na wakati huo huo kumbuka mara ngapi uwiano wa "vichwa" na "mikia" ya 17:13 inarudiwa. Uchambuzi wa takwimu hutuokoa kutoka kwa mchakato huu wa kuchosha. Kwa msaada wake, baada ya tosses 30 za kwanza za sarafu, unaweza kukadiria idadi inayowezekana ya matukio ya random ya "vichwa" 17 na "mikia" 13. Tathmini kama hiyo inaitwa taarifa ya uwezekano.

KATIKA fasihi ya kisayansi katika taarifa ya uwezekano wa saikolojia ya kiviwanda-shirika katika fomu ya hisabati inaonyeshwa na usemi R(uwezekano)< (менее) 0,05 (5 %), которое следует читать как «вероятность менее 5 %». В примере с киданием монеты это утверждение будет означать, что если исследователь проведет 100 опытов, каждый раз кидая монету по 30 раз, то он может ожидать случайного выпадения комбинации из 17 «орлов» и 13 «решек» менее, чем в 5 опытах. Этот результат будет сочтен статистически значимым, поскольку в индустриально-организационной психологии уже давно приняты стандарты статистической значимости 0,05 и 0,01 (R< 0.01). Ukweli huu ni muhimu kwa kuelewa fasihi, lakini haipaswi kuchukuliwa kumaanisha kuwa haina maana kufanya uchunguzi ambao haufikii viwango hivi. Yanayojulikana kama matokeo ya utafiti yasiyo ya maana (uchunguzi ambao unaweza kupatikana kwa bahati) zaidi mara moja hadi tano kati ya 100) inaweza kuwa muhimu sana katika kutambua mienendo na kama mwongozo wa utafiti ujao.

Ikumbukwe pia kwamba si wanasaikolojia wote wanaokubaliana na viwango na taratibu za kimapokeo (k.m., Cohen, 1994; Sauley & Bedeian, 1989). Masuala ya kipimo ni yenyewe mada kuu kazi ya watafiti wengi wanaosoma usahihi wa njia za kipimo na majengo ambayo yana msingi mbinu zilizopo na viwango, pamoja na kuendeleza madaktari wapya na zana. Labda wakati fulani katika siku zijazo, utafiti katika uwezo huu utasababisha mabadiliko katika viwango vya jadi vya kutathmini umuhimu wa takwimu, na mabadiliko haya yatapata kukubalika kote. (Kitengo cha Tano cha Chama cha Kisaikolojia cha Marekani ni kikundi cha wanasaikolojia wanaobobea katika utafiti wa tathmini, kipimo, na takwimu.)

Katika ripoti za utafiti, taarifa ya uwezekano kama vile R< 0.05, kutokana na baadhi takwimu, yaani, nambari inayopatikana kutokana na seti fulani ya taratibu za hesabu za kihesabu. Uthibitisho wa uwezekano hupatikana kwa kulinganisha takwimu hizi na data kutoka kwa majedwali maalum ambayo huchapishwa kwa madhumuni haya. Katika viwanda-shirika utafiti wa kisaikolojia Mara nyingi kuna takwimu kama vile r, F, t, r>(soma "chi mraba") na R(soma "nyingi" R"). Katika kila kisa, takwimu (nambari moja) zilizopatikana kutokana na uchambuzi wa mfululizo wa uchunguzi zinaweza kulinganishwa na nambari kutoka kwa jedwali lililochapishwa. Baada ya hayo, unaweza kuunda taarifa ya uwezekano kuhusu uwezekano wa kupata nambari hii kwa nasibu, yaani, kuteka hitimisho kuhusu umuhimu wa uchunguzi.

Ili kuelewa tafiti zilizoelezwa katika kitabu hiki, inatosha kuwa na ufahamu wazi wa dhana ya umuhimu wa takwimu na si lazima kujua jinsi takwimu zilizotajwa hapo juu zinavyohesabiwa. Hata hivyo, itakuwa muhimu kujadili dhana moja ambayo msingi wa taratibu hizi zote. Hili ni wazo kwamba vigeu vyote vilivyoangaliwa vinasambazwa takriban sheria ya kawaida. Kwa kuongeza, wakati wa kusoma ripoti za utafiti wa kisaikolojia wa shirika la viwanda, dhana nyingine tatu mara nyingi hukutana na mchezo huo jukumu muhimu- kwanza, uwiano na uwiano, pili, kigezo/kibashiri tofauti na “ANOVA” ( uchambuzi wa tofauti), tatu, kundi la mbinu za takwimu chini jina la kawaida"uchambuzi wa meta".

Hebu tuzingatie mfano wa kawaida matumizi ya mbinu za takwimu katika dawa. Waumbaji wa madawa ya kulevya wanapendekeza kwamba huongeza diuresis kwa uwiano wa kipimo kilichochukuliwa. Ili kupima hypothesis hii, wanawapa wajitolea watano dozi tofauti za dawa.

Kulingana na matokeo ya uchunguzi, grafu ya diuresis dhidi ya kipimo imepangwa (Mchoro 1.2A). Utegemezi unaonekana kwa macho. Watafiti wanapongeza kila mmoja kwa ugunduzi huo, na ulimwengu juu ya diuretiki mpya.

Kwa hakika, data huturuhusu tu kusema kwa uhakika kwamba diuresis inayotegemea kipimo ilizingatiwa katika watu hawa watano waliojitolea. Ukweli kwamba utegemezi huu utajidhihirisha kwa watu wote wanaotumia dawa sio zaidi ya dhana.
ZY

Na

maisha Haiwezi kusemwa kuwa haina msingi - vinginevyo, kwa nini kufanya majaribio?

Lakini dawa hiyo iliendelea kuuzwa. Wote watu zaidi kuchukua kwa matumaini ya kuongeza diuresis yao. Kwa hiyo tunaona nini? Tunaona Mchoro 1.2B, ambayo inaonyesha kutokuwepo kwa uhusiano wowote kati ya kipimo cha madawa ya kulevya na diuresis. Miduara nyeusi inaonyesha data kutoka kwa utafiti asili. Takwimu zina mbinu zinazoturuhusu kukadiria uwezekano wa kupata sampuli kama hiyo "isiyowakilisha", na yenye kutatanisha. Inabadilika kuwa kwa kukosekana kwa uhusiano kati ya diuresis na kipimo cha dawa, "utegemezi" unaosababishwa ungezingatiwa katika takriban majaribio 5 kati ya 1000. Kwa hiyo, katika kwa kesi hii watafiti hawakuwa na bahati tu. Hata kama wangetumia mbinu za hali ya juu zaidi za takwimu, bado haingewazuia kufanya makosa.

Tulitoa mfano huu wa uwongo, lakini sio mbali kabisa na ukweli, sio kuashiria ubatili
ubora wa takwimu. Anazungumza juu ya kitu kingine, juu ya asili ya uwezekano wa hitimisho lake. Kama matokeo ya kutumia mbinu ya takwimu, hatupati ukweli kamili, lakini tu makadirio ya uwezekano wa dhana fulani. Kwa kuongeza, kila mtu njia ya takwimu kulingana na mwenyewe mfano wa hisabati na matokeo yake ni sahihi kwa kiwango ambacho mtindo huu unalingana na ukweli.

Zaidi juu ya mada UTEKELEZAJI NA UMUHIMU WA TAKWIMU:

1. Tofauti kubwa za kitakwimu katika ubora wa viashiria vya maisha
2. Idadi ya watu wa takwimu. Tabia za hesabu. Dhana ya utafiti endelevu na teule. Mahitaji ya data ya takwimu na matumizi ya hati za uhasibu na ripoti
3. MUHTASARI. UTAFITI WA UWASILIFU WA VIASHIRIA VYA TONOMETER VYA KUPIMA SHINIKIZO ILIVYO ILIVYO KUPITIA MACHO YA MACHO 2018, 2018.