จิตวิทยาสถิติ. วิธีทางสถิติทางคณิตศาสตร์ทางจิตวิทยา

คำว่า "สถิติ" มักเกี่ยวข้องกับคำว่า "คณิตศาสตร์" และสิ่งนี้ทำให้นักเรียนกลัวที่เชื่อมโยงแนวคิดนี้กับ สูตรที่ซับซ้อนต้องการความเป็นนามธรรมในระดับสูง

อย่างไรก็ตาม ดังที่ McConnell กล่าว สถิติเป็นวิธีคิดหลัก และหากต้องการใช้ คุณเพียงแค่ต้องมี การใช้ความคิดเบื้องต้นและรู้พื้นฐานทางคณิตศาสตร์ ในของเรา ชีวิตประจำวันเรามีส่วนร่วมในสถิติอย่างต่อเนื่องโดยไม่รู้ตัว เราต้องการวางแผนงบประมาณ, คำนวณปริมาณการใช้น้ำมันของรถยนต์, ประเมินความพยายามที่ต้องใช้ในการเรียนรู้หลักสูตร, โดยคำนึงถึงคะแนนที่ได้รับจนถึงตอนนี้, จัดเตรียมโอกาสที่ดีและ อากาศไม่ดีตามรายงานอุตุนิยมวิทยาหรือโดยทั่วไปเพื่อประเมินว่าเหตุการณ์นี้หรือเหตุการณ์นั้นจะส่งผลกระทบต่ออนาคตส่วนตัวหรืออนาคตร่วมกันของเราอย่างไร เราต้องเลือก จำแนก และจัดระเบียบข้อมูลอย่างต่อเนื่อง เชื่อมต่อกับข้อมูลอื่น ๆ เพื่อให้เราสามารถสรุปผลที่อนุญาตให้เราทำ การตัดสินใจที่ถูกต้อง

กิจกรรมทั้งหมดเหล่านี้แตกต่างเพียงเล็กน้อยจากการดำเนินงานที่รองรับ การวิจัยทางวิทยาศาสตร์และประกอบด้วยการสังเคราะห์ข้อมูลที่ได้รับจากกลุ่มวัตถุต่าง ๆ ในการทดลองเฉพาะในการเปรียบเทียบเพื่อค้นหาความแตกต่างระหว่างพวกเขาในการเปรียบเทียบเพื่อระบุตัวบ่งชี้ที่เปลี่ยนแปลงในทิศทางเดียวและสุดท้ายใน การทำนายข้อเท็จจริงบางอย่างโดยอาศัยข้อสรุปที่ได้จากผลลัพธ์ นี่คือจุดประสงค์ของสถิติในวิทยาศาสตร์โดยทั่วไป โดยเฉพาะอย่างยิ่งในมนุษยศาสตร์ อย่างหลังนี้ไม่มีอะไรน่าเชื่อถืออย่างแน่นอน และหากไม่มีสถิติ ข้อสรุปในกรณีส่วนใหญ่จะเป็นเพียงสัญชาตญาณล้วนๆ และไม่สามารถสร้างพื้นฐานที่มั่นคงสำหรับการตีความข้อมูลที่ได้รับจากการศึกษาอื่นๆ

เพื่อให้ได้รับประโยชน์มหาศาลจากสถิติ เราจะพยายามติดตามความคืบหน้าของการถอดรหัสและประมวลผลข้อมูลที่ได้รับจากการทดลอง ดังนั้น จากผลลัพธ์ที่เฉพาะเจาะจงและคำถามที่พวกเขาถามผู้วิจัย เราจะสามารถเข้าใจวิธีการต่างๆ และวิธีการง่ายๆ ในการนำไปใช้ อย่างไรก็ตามก่อนที่จะเริ่มทำงานนี้จะเป็นประโยชน์สำหรับเราที่จะต้องพิจารณามากที่สุด ในแง่ทั่วไปสามส่วนหลักของสถิติ

1. สถิติเชิงพรรณนาตามชื่อที่แนะนำ ช่วยให้คุณสามารถอธิบาย สรุป และทำซ้ำในรูปแบบของตารางหรือกราฟ

ข้อมูลของอย่างใดอย่างหนึ่ง การกระจาย, คำนวณ เฉลี่ยสำหรับการแจกแจงที่กำหนดและ ขอบเขตและ การกระจายตัว.

2. ความท้าทาย สถิติอุปนัย- ตรวจสอบว่าเป็นไปได้หรือไม่ที่จะเผยแพร่ผลงานที่ได้รับในครั้งนี้ การสุ่มตัวอย่างสำหรับทั้งหมด ประชากรที่นำมาเป็นตัวอย่างนี้ กล่าวอีกนัยหนึ่ง กฎของส่วนนี้ของสถิติทำให้สามารถค้นหาว่าเป็นไปได้มากน้อยเพียงใดโดยการอุปนัย เพื่อสรุปภาพรวมของวัตถุจำนวนมากขึ้นซึ่งสิ่งนี้หรือความสม่ำเสมอที่ค้นพบเมื่อศึกษากลุ่มที่จำกัดของพวกเขาในหลักสูตรใดๆ การสังเกตหรือการทดลอง ดังนั้น ด้วยความช่วยเหลือของสถิติอุปนัย ข้อสรุปและการวางนัยทั่วไปบางอย่างจึงขึ้นอยู่กับข้อมูลที่ได้รับระหว่างการศึกษาตัวอย่าง

3. ในที่สุดการวัด ความสัมพันธ์ช่วยให้เราทราบว่าตัวแปรสองตัวเกี่ยวข้องกันอย่างไร เพื่อให้เราสามารถทำนายค่าที่เป็นไปได้ของค่าใดค่าหนึ่งหากเราทราบอีกค่าหนึ่ง

มีวิธีหรือการทดสอบทางสถิติสองประเภทที่ช่วยให้คุณสามารถสรุปหรือคำนวณระดับความสัมพันธ์ได้ ประเภทแรกใช้กันอย่างแพร่หลาย วิธีพาราเมตริกซึ่งใช้พารามิเตอร์ เช่น ค่าเฉลี่ยหรือความแปรปรวนของข้อมูล ความหลากหลายที่สองคือ วิธีที่ไม่ใช่พารามิเตอร์ซึ่งให้บริการอันทรงคุณค่าเมื่อผู้วิจัยต้องจัดการกับตัวอย่างขนาดเล็กมากหรือข้อมูลคุณภาพสูง วิธีการเหล่านี้ง่ายมากทั้งในแง่ของการคำนวณและการใช้งาน เมื่อเราคุ้นเคยกับวิธีต่างๆ ในการอธิบายข้อมูลและไปยังการวิเคราะห์ทางสถิติ เราจะพิจารณาทั้งสองรูปแบบนี้

ดังที่ได้กล่าวไปแล้ว เพื่อพยายามทำความเข้าใจในด้านต่างๆ ของสถิติ เราจะพยายามตอบคำถามที่เกิดขึ้นเกี่ยวกับผลการศึกษาเฉพาะ ตัวอย่างเช่น เราจะทำการทดลองหนึ่ง ได้แก่ การศึกษาผลของการบริโภคกัญชาต่อการประสานงานของกล้ามเนื้อและเวลาตอบสนอง วิธีการที่ใช้ในการทดลองเชิงสมมุติฐานนี้ ตลอดจนผลลัพธ์ที่เราจะได้รับจากการทดลองนี้แสดงไว้ด้านล่าง

หากต้องการ คุณสามารถแทนที่รายละเอียดเฉพาะบางอย่างของการทดลองนี้ด้วยรายละเอียดอื่นๆ เช่น การใช้กัญชาเพื่อการบริโภคเครื่องดื่มแอลกอฮอล์หรือการอดนอน หรือที่ดียิ่งกว่านั้น แทนที่ด้วยข้อมูลสมมุติฐานที่คุณได้รับจริงในข้อมูลของคุณ การวิจัยของตัวเอง. ไม่ว่าในกรณีใด คุณจะต้องยอมรับ "กฎของเกมของเรา" และทำการคำนวณตามที่คุณต้องการที่นี่ ภายใต้เงื่อนไขนี้เท่านั้นที่สาระสำคัญของวัตถุจะ "เข้าถึง" คุณ หากสิ่งนี้ไม่เคยเกิดขึ้นกับคุณมาก่อน

โน๊ตสำคัญ.ในส่วนของสถิติเชิงพรรณนาและเชิงอุปนัย เราจะพิจารณาเฉพาะข้อมูลการทดลองที่เกี่ยวข้องกับตัวแปรตาม "เป้าหมายที่เข้า" สำหรับตัวบ่งชี้เช่นเวลาตอบสนองเราจะหันไปใช้ในส่วนการคำนวณความสัมพันธ์เท่านั้น อย่างไรก็ตาม ไม่ต้องบอกว่าตั้งแต่เริ่มต้น ค่าของตัวบ่งชี้นี้ควรได้รับการปฏิบัติในลักษณะเดียวกับตัวแปร "เป้าหมายการโจมตี" เราปล่อยให้ผู้อ่านทำด้วยตัวเองด้วยดินสอและกระดาษ

แนวคิดพื้นฐานบางประการ ประชากรและกลุ่มตัวอย่าง

งานหนึ่งของสถิติคือการวิเคราะห์ข้อมูลที่ได้รับจากส่วนหนึ่งของประชากรเพื่อหาข้อสรุปเกี่ยวกับประชากรโดยรวม

ประชากรในสถิติไม่ได้แปลว่ากลุ่มคนหรือชุมชนตามธรรมชาติเสมอไป คำนี้หมายถึงสิ่งมีชีวิตหรือวัตถุทั้งหมดที่สร้างกลุ่มประชากรศึกษาร่วมกัน ไม่ว่าจะเป็นอะตอมหรือนักเรียนที่มาเยี่ยมชมร้านกาแฟแห่งนี้หรือร้านกาแฟแห่งนั้น

ตัวอย่าง- นี่เป็นองค์ประกอบจำนวนเล็กน้อยที่เลือกโดยใช้วิธีการทางวิทยาศาสตร์เพื่อให้เป็นตัวแทน เช่น สะท้อนถึงประชาชนโดยรวม

(ในวรรณกรรมภายในประเทศ คำว่า "ประชากรทั่วไป" และ " กรอบการสุ่มตัวอย่าง». - บันทึก. แปล)

ข้อมูลและความหลากหลาย

ข้อมูลในสถิติ สิ่งเหล่านี้เป็นองค์ประกอบหลักในการวิเคราะห์ ข้อมูลอาจเป็นผลลัพธ์เชิงปริมาณ คุณสมบัติที่มีอยู่ในสมาชิกบางคนของประชากร สถานที่ในลำดับเฉพาะ - โดยทั่วไป ข้อมูลใดๆ ที่สามารถจัดประเภทหรือจัดหมวดหมู่เพื่อวัตถุประสงค์ในการประมวลผล

"ข้อมูล" ไม่ควรสับสนกับ "ค่า" ที่ข้อมูลสามารถรับได้ เพื่อที่จะแยกความแตกต่างระหว่างสิ่งเหล่านี้เสมอ Chatillon (1977) แนะนำให้จำวลีต่อไปนี้: "ข้อมูลมักจะใช้ค่าเดียวกัน" (เช่น ถ้าเราใช้ข้อมูลหกตัว - 8, 13, 10, 8, 10 และ 5 พวกเขาใช้เวลาเพียงสี่ ความหมายที่แตกต่างกัน- 5, 8, 10 และ 13)

อาคาร การกระจาย- นี่คือการแบ่งข้อมูลปฐมภูมิที่ได้รับจากตัวอย่างออกเป็นคลาสหรือหมวดหมู่เพื่อให้ได้ภาพลำดับทั่วไปที่อนุญาตให้วิเคราะห์ได้

ข้อมูลมีสามประเภท:

1. ข้อมูลเชิงปริมาณที่ได้ระหว่างการวัด (เช่น ข้อมูลเกี่ยวกับน้ำหนัก ขนาด อุณหภูมิ เวลา ผลการทดสอบ ฯลฯ) พวกเขาสามารถกระจายในระดับที่มีช่วงเวลาที่เท่ากัน

2. ข้อมูลลำดับ, สอดคล้องกับตำแหน่งขององค์ประกอบเหล่านี้ในลำดับที่ได้จากการเรียงลำดับจากน้อยไปมาก (1st, ..., 7th, ..., 100th, ...; A, B, C. ...) .

3. ข้อมูลเชิงคุณภาพซึ่งแสดงถึงคุณสมบัติบางอย่างขององค์ประกอบของกลุ่มตัวอย่างหรือประชากร ไม่สามารถวัดค่าได้ และการประเมินเชิงปริมาณเพียงอย่างเดียวคือความถี่ของเหตุการณ์ (จำนวนผู้ที่มีตาสีฟ้าหรือสีเขียว สูบบุหรี่และไม่สูบบุหรี่ เหนื่อยและพักผ่อน แข็งแรงและอ่อนแอ ฯลฯ)

จากข้อมูลประเภทนี้ทั้งหมด เฉพาะข้อมูลเชิงปริมาณเท่านั้นที่สามารถวิเคราะห์ได้โดยใช้วิธีการตาม ตัวเลือก(เช่นค่าเฉลี่ยเลขคณิต เป็นต้น) แต่สำหรับข้อมูลเชิงปริมาณ วิธีการดังกล่าวสามารถใช้ได้ก็ต่อเมื่อจำนวนข้อมูลเหล่านี้เพียงพอที่จะแสดงการแจกแจงแบบปกติ ดังนั้น โดยหลักการแล้ว เงื่อนไขสามประการที่จำเป็นสำหรับการใช้วิธีพาราเมตริก: ข้อมูลต้องเป็นเชิงปริมาณ จำนวนต้องเพียงพอ และการแจกแจงต้องเป็นปกติ ในกรณีอื่นๆ แนะนำให้ใช้วิธีการแบบไม่มีพารามิเตอร์เสมอ

หลายมิติ วิธีการทางสถิติในบรรดาแบบจำลองทางสถิติเชิงความน่าจะเป็นที่เป็นไปได้มากมายให้คุณเลือกอย่างสมเหตุสมผล วิธีที่ดีที่สุดสอดคล้องกับข้อมูลสถิติเริ่มต้นที่แสดงลักษณะพฤติกรรมที่แท้จริงของชุดวัตถุที่ศึกษาเพื่อประเมินความน่าเชื่อถือและความถูกต้องของข้อสรุปที่วาดบนพื้นฐานของข้อ จำกัด วัสดุทางสถิติ. คู่มือหารือ วิธีการดังต่อไปนี้หลายมิติ การวิเคราะห์ทางสถิติ: การวิเคราะห์การถดถอย, การวิเคราะห์ปัจจัย , การวิเคราะห์จำแนก. โครงสร้างของซอฟต์แวร์แอพพลิเคชั่น "Statistica" รวมถึงการนำไปใช้ในแพ็คเกจนี้ของวิธีการวิเคราะห์ทางสถิติหลายตัวแปรที่ระบุไว้

ปีที่วางจำหน่าย : 2550
ผู้เขียน : บูรีวา เอ็น.เอ็น.
ประเภท : บทช่วยสอน
สำนักพิมพ์: นิจนี นอฟโกรอด

แท็ก ,

ใน คู่มือการศึกษาความเป็นไปได้ของการใช้แพ็คเกจแอปพลิเคชัน STATISTICA (APP) สำหรับการใช้วิธีทางสถิติสำหรับการวิเคราะห์การแจกแจงเชิงประจักษ์และการสุ่มตัวอย่าง การสังเกตทางสถิติในปริมาณที่เพียงพอสำหรับการแก้ปัญหาในทางปฏิบัติที่หลากหลาย แนะนำสำหรับนักศึกษาคณะเศรษฐศาสตร์และการจัดการของวันและ สำนักงานตอนเย็นศึกษาวินัย "สถิติ" คู่มือนี้สามารถใช้ได้โดยนักศึกษาระดับบัณฑิตศึกษา นักวิทยาศาสตร์และผู้ปฏิบัติงานที่ต้องเผชิญกับความจำเป็นในการใช้วิธีทางสถิติในการประมวลผลข้อมูลเบื้องต้น คู่มือนี้มีข้อมูลเกี่ยวกับ STATISTICA PPP ที่ยังไม่ได้เผยแพร่ในภาษารัสเซีย

ปีที่วางจำหน่าย : 2552
ผู้แต่ง : Kuprienko N.V. , Ponomareva O.A. , Tikhonov D.V.
ประเภท : ช่วย
สำนักพิมพ์: SPb.: Izd-vo Politekhn. มหาวิทยาลัย

แท็ก ,

หนังสือเล่มนี้เป็นขั้นตอนแรกในการทำความคุ้นเคยกับโปรแกรม STATISTICA สำหรับการวิเคราะห์ข้อมูลทางสถิติในสภาพแวดล้อม Windows STATISTICA (ผู้ผลิต StatSoft Inc, USA) ครองตำแหน่งผู้นำอย่างต่อเนื่องในหมู่ การประมวลผลทางสถิติข้อมูลมีมากกว่า 250,000 ผู้ใช้ที่ลงทะเบียนในโลก

ในตัวอย่างง่ายๆ เข้าถึงได้ทุกคน ( สถิติเชิงพรรณนา, การถดถอย, การวิเคราะห์จำแนก ฯลฯ) นำมาจาก พื้นที่ต่างๆชีวิตแสดงความสามารถของระบบในการประมวลผลข้อมูล ในภาคผนวกจะได้รับ วัสดุสั้น ๆบนแถบเครื่องมือ ภาษา STATISTICA BASIC เป็นต้น หนังสือเล่มนี้ส่งถึงกลุ่มผู้อ่านที่กว้างที่สุดที่ทำงานบนคอมพิวเตอร์ส่วนบุคคล และพร้อมให้บริการสำหรับนักเรียนมัธยมปลาย

แท็ก ,

คู่มือองค์กรสำหรับโปรแกรม STATISTICA 6 ขนาดใหญ่และละเอียดมาก มีประโยชน์เป็นข้อมูลอ้างอิง สามารถใช้เป็นหนังสือเรียน เมื่อทำงานอย่างจริงจังกับโปรแกรม STATISTICA จำเป็นต้องมีคู่มือ
เล่มที่ 1: ข้อตกลงพื้นฐานและสถิติ I
เล่มที่สอง: กราฟิก
เล่มที่สาม: สถิติ II
รายละเอียดในไฟล์พร้อมสารบัญ.

แท็ก ,

คู่มือประกอบด้วย คำอธิบายแบบเต็มระบบ STATICA®
คู่มือประกอบด้วยห้าเล่ม:
เล่มที่ 1: ข้อตกลงและสถิติ I
เล่มที่สอง: กราฟิก
เล่มที่สาม: สถิติ II
เล่มที่ 4: สถิติอุตสาหกรรม
Volume V: LANGUAGES: BASIC และ SCL
การจัดจำหน่ายประกอบด้วยสามเล่มแรก

แท็ก ,

วิธีการโครงข่ายประสาทเทียมสำหรับการวิเคราะห์ข้อมูลตามการใช้แพ็คเกจ Statistica Neural Networks (ผู้ผลิต StatSoft) ซึ่งดัดแปลงอย่างสมบูรณ์สำหรับผู้ใช้ชาวรัสเซีย รากฐานของทฤษฎีจะได้รับ เครือข่ายประสาท; ความสนใจที่ดีทุ่มเทให้กับการแก้ปัญหาในทางปฏิบัติ ทบทวนวิธีการและเทคโนโลยีในการทำวิจัยอย่างละเอียดถี่ถ้วนโดยใช้แพ็คเกจ Statistica Neural Networks ซึ่งเป็นเครื่องมืออันทรงพลังสำหรับการวิเคราะห์และทำนายข้อมูล ซึ่งมีการใช้งานอย่างกว้างขวางในธุรกิจ อุตสาหกรรม การจัดการ และการเงิน ในเล่มมีตัวอย่างการวิเคราะห์ข้อมูลมากมาย คำแนะนำการปฏิบัติเกี่ยวกับการวิเคราะห์ การพยากรณ์ การจำแนกประเภท การจดจำรูปแบบ การควบคุมกระบวนการผลิตโดยใช้โครงข่ายประสาทเทียม

สำหรับผู้อ่านหลากหลายที่เกี่ยวข้องกับการวิจัยด้านการธนาคาร อุตสาหกรรม เศรษฐศาสตร์ ธุรกิจ การสำรวจ การจัดการ การขนส่ง และด้านอื่นๆ

แท็ก ,

หนังสือเล่มนี้อุทิศให้กับทฤษฎีและการปฏิบัติในการศึกษาขั้นพื้นฐาน สถิติทางคณิตศาสตร์และ ปัญหาการสอนที่เกิดขึ้นในกระบวนการเรียนรู้ สัญญาว่าจะมีประสบการณ์ในการใช้เทคโนโลยีสารสนเทศในการศึกษาวินัยนี้

สิ่งพิมพ์นี้อาจเป็นประโยชน์สำหรับนักศึกษา นักศึกษาระดับบัณฑิตศึกษา และอาจารย์ วิทยาลัยการแพทย์และมหาวิทยาลัย

แท็ก ,

หนังสือไฮไลท์มากที่สุด องค์ประกอบที่สำคัญทฤษฎีความน่าจะเป็น แนวคิดพื้นฐานของสถิติทางคณิตศาสตร์ บางส่วนของการวางแผนการทดลองและการวิเคราะห์ทางสถิติประยุกต์ในสภาพแวดล้อมของโปรแกรม Statistica เวอร์ชันที่หก จำนวนมากตัวอย่างมีส่วนช่วยในการรับรู้เนื้อหาอย่างมีประสิทธิภาพมากขึ้น การพัฒนาและการได้มาซึ่งทักษะในการทำงานกับ Statistica PPP
ฉบับที่ได้มี ความสำคัญในทางปฏิบัติเท่าที่จำเป็นเพื่อรองรับ กระบวนการศึกษาและงานวิจัยของมหาวิทยาลัยในระดับที่สอดคล้องกับสมัยใหม่ เทคโนโลยีสารสนเทศให้การรวบรวมที่สมบูรณ์และมีประสิทธิภาพมากขึ้นโดยนักเรียนที่มีความรู้ในด้านการวิเคราะห์ข้อมูลทางสถิติประยุกต์ซึ่งมีส่วนช่วยในการปรับปรุงคุณภาพ กระบวนการศึกษาในโรงเรียนมัธยม

จ่าหน้าซองถึงนักศึกษา บัณฑิต นักวิจัย อาจารย์ มหาวิทยาลัยทางการแพทย์, คณะชีววิทยา. มันจะเป็นประโยชน์และน่าสนใจสำหรับตัวแทนของวิทยาศาสตร์ธรรมชาติและความเชี่ยวชาญทางเทคนิคอื่น ๆ

แท็ก ,

บทช่วยสอนนี้อธิบายถึง STATICA เวอร์ชันรัสเซีย

นอกเหนือจาก หลักการทั่วไปงานในระบบและประเมินผล ลักษณะทางสถิติตัวบ่งชี้ในคู่มือ, ขั้นตอนของการดำเนินการความสัมพันธ์, การวิเคราะห์การถดถอยและการกระจาย, การจำแนกประเภทหลายตัวแปรได้รับการพิจารณาโดยละเอียด คำอธิบายมาพร้อมกับ คำแนะนำทีละขั้นตอนและ ตัวอย่างที่ดีซึ่งทำให้เนื้อหาที่นำเสนอเข้าถึงได้สำหรับผู้ใช้ที่ผ่านการฝึกอบรมไม่เพียงพอ

ตำรานี้จัดทำขึ้นสำหรับนักศึกษา นักศึกษาระดับบัณฑิตศึกษา และนักวิจัยที่สนใจในการวิจัยคอมพิวเตอร์เชิงสถิติ

แท็ก ,

ประกอบด้วยคำอธิบาย วิธีการปฏิบัติและเทคนิคการพยากรณ์ในระบบ STATISTICA ในสภาพแวดล้อม Windows และการนำเสนอ รากฐานทางทฤษฎีครบครันด้วยหลากหลาย ตัวอย่างการปฏิบัติ. รุ่นที่สอง (รุ่นที่ 1 - 1999) แก้ไขส่วนที่ 1 อย่างมีนัยสำคัญ สร้างใหม่และอธิบายกล่องโต้ตอบทั้งหมดที่เกี่ยวข้องกับการคาดการณ์ใน STATISTICA 6.0 เวอร์ชันปัจจุบัน โดยแสดงการตัดสินใจอัตโนมัติโดยใช้ภาษา STATISTICA Visual Basic ส่วนที่ 2 นำเสนอพื้นฐานของทฤษฎีทางสถิติของการพยากรณ์

สำหรับนักศึกษา นักวิเคราะห์ นักการตลาด นักเศรษฐศาสตร์ นักคณิตศาสตร์ประกันภัย นักการเงิน นักวิทยาศาสตร์ที่ใช้วิธีการพยากรณ์ในกิจวัตรประจำวัน

แท็ก ,

หนังสือเป็น เครื่องช่วยสอนในทฤษฎีความน่าจะเป็น วิธีการทางสถิติ และการวิจัยการดำเนินงาน ที่จำเป็น ข้อมูลทางทฤษฎีและอภิปรายรายละเอียดเกี่ยวกับการแก้ปัญหาของสถิติประยุกต์โดยใช้โปรแกรมสำเร็จรูป Statistica พื้นฐานของวิธีการแบบซิมเพล็กซ์ได้รับการสรุปและพิจารณาวิธีแก้ปัญหาการวิจัยการดำเนินงานโดยใช้แพ็คเกจ Excel มีการกำหนดตัวเลือกสำหรับงานและ การพัฒนาวิธีการในหัวข้อหลักของสถิติและการวิจัยการดำเนินงาน

หนังสือเล่มนี้ส่งถึงทุกคนที่ต้องการใช้วิธีทางสถิติในการทำงาน ครูและนักเรียนที่เรียนสถิติและวิธีการวิจัยการดำเนินงาน

วิธีการทางคณิตศาสตร์ในด้านจิตวิทยาใช้ในการประมวลผลข้อมูลการวิจัยและสร้างรูปแบบระหว่างปรากฏการณ์ที่ศึกษา แม้แต่การวิจัยที่ง่ายที่สุดก็ไม่สมบูรณ์หากไม่มี การประมวลผลทางคณิตศาสตร์ข้อมูล.

การประมวลผลข้อมูลสามารถดำเนินการได้ด้วยตนเองหรืออาจใช้แบบพิเศษ ซอฟต์แวร์. ผลลัพธ์สุดท้ายอาจดูเหมือนตาราง วิธีการทางจิตวิทยายังช่วยให้คุณสามารถแสดงข้อมูลที่ได้รับแบบกราฟิก สำหรับเครื่องมือการประเมินที่แตกต่างกัน (เชิงปริมาณ คุณภาพ และลำดับ) จะใช้เครื่องมือการประเมินที่แตกต่างกัน

วิธีการทางคณิตศาสตร์ในด้านจิตวิทยามีทั้งการอนุญาตให้สร้างการพึ่งพาที่เป็นตัวเลขและวิธีการประมวลผลทางสถิติ ลองมาดูสิ่งที่พบได้บ่อยที่สุดกันดีกว่า

ในการวัดข้อมูล ก่อนอื่นจำเป็นต้องกำหนดมาตราส่วนการวัด และที่นี่เราใช้ วิธีการทางคณิตศาสตร์ในทางจิตวิทยาเป็น การลงทะเบียนและ ปรับขนาดประกอบด้วยการแสดงออกของปรากฏการณ์ที่ศึกษาในรูปตัวเลข เครื่องชั่งมีหลายประเภท อย่างไรก็ตาม มีเพียงบางส่วนเท่านั้นที่เหมาะสำหรับการประมวลผลทางคณิตศาสตร์ ส่วนใหญ่เป็นมาตราส่วนเชิงปริมาณที่ช่วยให้คุณสามารถวัดระดับการแสดงออกของคุณสมบัติเฉพาะในวัตถุที่กำลังศึกษาและแสดงความแตกต่างระหว่างพวกมันเป็นตัวเลข ตัวอย่างที่ง่ายที่สุด- การวัดไอคิว มาตราส่วนเชิงปริมาณช่วยให้คุณสามารถดำเนินการกับข้อมูลการจัดอันดับ (ดูด้านล่าง) การจัดอันดับจะแปลงข้อมูลจากสเกลเชิงปริมาณเป็นค่าเล็กน้อย (เช่น ต่ำ ปานกลาง หรือ มูลค่าสูงตัวบ่งชี้) ในขณะที่การเปลี่ยนกลับไม่สามารถทำได้อีกต่อไป

ตั้งแต่คือการกระจายข้อมูลตามลำดับจากมากไปน้อย (จากน้อยไปมาก) ของคุณลักษณะที่กำลังประเมิน ในกรณีนี้จะใช้มาตราส่วนเชิงปริมาณ แต่ละค่าจะได้รับการจัดอันดับที่แน่นอน (ตัวบ่งชี้ที่มี ค่าต่ำสุด- อันดับที่ 1, ค่าต่อไป- อันดับ 2 และอื่น ๆ ) หลังจากนั้นจึงเป็นไปได้ที่จะถ่ายโอนค่าจากสเกลเชิงปริมาณไปยังค่าเล็กน้อย ตัวอย่างเช่น ตัวบ่งชี้ที่วัดได้คือระดับความวิตกกังวล ทดสอบกับคน 100 คน ผลลัพธ์จะถูกจัดอันดับ และผู้วิจัยจะดูว่ามีกี่คนที่มีคะแนนต่ำ (สูงหรือปานกลาง) อย่างไรก็ตาม วิธีการนำเสนอข้อมูลนี้ทำให้สูญเสียข้อมูลบางส่วนสำหรับผู้ตอบแบบสอบถามแต่ละคน

การวิเคราะห์ความสัมพันธ์ เป็นการสร้างความสัมพันธ์ระหว่างปรากฏการณ์ ในขณะเดียวกันก็วัดว่าตัวบ่งชี้หนึ่งจะเปลี่ยนแปลงอย่างไรเมื่อตัวบ่งชี้ในความสัมพันธ์ที่มีการเปลี่ยนแปลงเปลี่ยนไป ความสัมพันธ์จะพิจารณาในสองด้าน: ในด้านกำลังและทิศทาง อาจเป็นบวก (โดยเพิ่มขึ้นในตัวบ่งชี้หนึ่ง ตัวบ่งชี้ที่สองก็เพิ่มขึ้น) และลบ (โดยเพิ่มขึ้นในตัวบ่งชี้แรก ตัวบ่งชี้ที่สองจะลดลง ตัวอย่างเช่น ยิ่งระดับความวิตกกังวลในแต่ละบุคคลสูงขึ้นเท่าใด โอกาสก็จะยิ่งน้อยลงเท่านั้น ว่าเขาจะเป็นผู้นำในกลุ่ม) ความสัมพันธ์อาจเป็นแบบเส้นตรงหรือแบบโค้ง ความเชื่อมโยงที่ช่วยสร้างอาจไม่ชัดเจนในครั้งแรกหากใช้วิธีอื่นในการประมวลผลทางคณิตศาสตร์ในด้านจิตวิทยา นี่คือข้อดีหลัก ข้อเสียรวมถึงความเข้มแรงงานสูงเนื่องจากต้องใช้สูตรจำนวนมากและการคำนวณอย่างรอบคอบ

การวิเคราะห์ปัจจัย - นี่เป็นอีกวิธีหนึ่งที่ช่วยให้คุณคาดการณ์ผลกระทบที่อาจเกิดขึ้นได้ ปัจจัยต่างๆสำหรับกระบวนการที่กำลังศึกษาอยู่ ในขณะเดียวกัน ปัจจัยที่มีอิทธิพลทั้งหมดได้รับการยอมรับในขั้นต้นว่ามี มูลค่าเท่ากันและระดับของอิทธิพลจะถูกคำนวณทางคณิตศาสตร์ การวิเคราะห์นี้ทำให้สามารถสร้าง สาเหตุทั่วไปความแปรปรวนของปรากฏการณ์หลายอย่างพร้อมกัน

การแสดงข้อมูลที่ได้รับ วิธีสร้างตาราง (การสร้างตาราง) และ การสร้างกราฟิก(ไดอะแกรมและกราฟที่ไม่เพียงแต่ให้ภาพแทนผลลัพธ์ที่ได้รับเท่านั้น แต่ยังทำให้คุณสามารถคาดการณ์ขั้นตอนของกระบวนการได้ด้วย)

เงื่อนไขหลักที่วิธีการทางคณิตศาสตร์ทางจิตวิทยาข้างต้นรับประกันความน่าเชื่อถือของการศึกษาคือการมีตัวอย่างเพียงพอความแม่นยำของการวัดและความถูกต้องของการคำนวณ

สถิติทางจิตวิทยา (สถิติทางจิตวิทยา)

การใช้ S. ครั้งแรกในด้านจิตวิทยามักเกี่ยวข้องกับชื่อของ Sir Francis Galton ในทางจิตวิทยา "สถิติ" หมายถึงแอปพลิเคชัน มาตรการเชิงปริมาณและวิธีการบรรยายและวิเคราะห์ผลทางจิต วิจัย จิตวิทยาในฐานะวิทยาศาสตร์ของ S. เป็นสิ่งจำเป็น การบันทึก คำอธิบาย และการวิเคราะห์ข้อมูลเชิงปริมาณช่วยให้สามารถเปรียบเทียบได้อย่างถูกต้องตามเกณฑ์วัตถุประสงค์ S. ที่ใช้ในจิตวิทยามักจะประกอบด้วยสองส่วน: สถิติเชิงพรรณนา (พรรณนา) และทฤษฎีการอนุมานทางสถิติ

สถิติเชิงพรรณนา

Descriptive S. รวมถึงวิธีการจัดระเบียบ สรุป และอธิบายข้อมูล เมตริกเชิงพรรณนาช่วยให้คุณแสดงชุดข้อมูลขนาดใหญ่ได้อย่างรวดเร็วและมีประสิทธิภาพ วิธีการบรรยายที่ใช้บ่อยที่สุดคือการแจกแจงความถี่ การวัดแนวโน้มเข้าสู่ส่วนกลาง และการวัดตำแหน่งสัมพัทธ์ การถดถอยและสหสัมพันธ์ใช้เพื่ออธิบายความสัมพันธ์ระหว่างตัวแปร

การแจกแจงความถี่จะแสดงจำนวนครั้งที่แต่ละตัวบ่งชี้เชิงคุณภาพหรือเชิงปริมาณ (หรือช่วงเวลาของตัวบ่งชี้ดังกล่าว) เกิดขึ้นในอาร์เรย์ข้อมูล นอกจากนี้มักให้ความถี่สัมพัทธ์ - เปอร์เซ็นต์การตอบสนองของแต่ละประเภท การแจกแจงความถี่ให้ข้อมูลเชิงลึกอย่างรวดเร็วเกี่ยวกับโครงสร้างของข้อมูล ซึ่งเป็นเรื่องยากที่จะบรรลุได้โดยการทำงานกับข้อมูลดิบโดยตรง สำหรับ การนำเสนอภาพข้อมูลความถี่ มักใช้พล็อตประเภทต่างๆ

การวัดแนวโน้มเข้าสู่ส่วนกลางคือ S. สุดท้ายซึ่งอธิบายถึงสิ่งที่เป็นเรื่องปกติสำหรับการกระจาย โหมดกำหนดเป็นการสังเกตที่เกิดขึ้นบ่อยที่สุด (ค่า หมวดหมู่ ฯลฯ) ค่ามัธยฐานคือค่าที่แบ่งครึ่งของการแจกแจงเพื่อให้ครึ่งหนึ่งมีค่าทั้งหมดที่อยู่เหนือค่ามัธยฐานและอีกครึ่งหนึ่งรวมค่าทั้งหมดที่อยู่ด้านล่างค่ามัธยฐาน ค่าเฉลี่ยจะคำนวณเป็นค่าเฉลี่ยเลขคณิตของค่าที่สังเกตได้ทั้งหมด มาตรการใด - โหมด ค่ามัธยฐาน หรือค่าเฉลี่ย - จะอธิบายการกระจายได้ดีที่สุดขึ้นอยู่กับรูปร่างของมัน หากการกระจายเป็นแบบสมมาตรและเป็นรูปแบบเดียว (มีโหมดเดียว) ค่าเฉลี่ยมัธยฐานและโหมดจะเท่ากัน ค่าเฉลี่ยได้รับผลกระทบโดยเฉพาะอย่างยิ่งจาก "ค่าผิดปกติ" ซึ่งเปลี่ยนค่าเป็น ค่ามากการแจกแจงซึ่งทำให้ค่าเฉลี่ยเลขคณิตเป็นการวัดที่มีประโยชน์น้อยที่สุดของการแจกแจงแบบเบ้สูง (เบ้)

ดร. ลักษณะเชิงพรรณนาที่เป็นประโยชน์ของการแจกแจงคือการวัดความแปรปรวนนั่นคือขอบเขตที่ค่าของตัวแปรแตกต่างกัน ชุดการเปลี่ยนแปลง. การแจกแจงสองแบบสามารถมีค่าเฉลี่ย ค่ามัธยฐาน และโหมดเหมือนกัน แต่แตกต่างกันอย่างมากในระดับความแปรปรวนของค่า ความแปรปรวนถูกประมาณโดย S สองตัว: ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน

การวัดตำแหน่งสัมพัทธ์รวมถึงเปอร์เซ็นไทล์และคะแนนปกติที่ใช้เพื่ออธิบายตำแหน่งของค่าเฉพาะของตัวแปรที่สัมพันธ์กับค่าที่เหลือในการแจกแจง Velkowitz et al นิยามเปอร์เซ็นไทล์เป็น "ตัวเลขที่ระบุเปอร์เซ็นต์ของคดีในกลุ่มอ้างอิงเฉพาะที่มีคะแนนเท่ากันหรือต่ำกว่า" ดังนั้น เปอร์เซ็นต์ไทล์จึงให้ข้อมูลที่ถูกต้องมากกว่าการรายงานว่าการแจกแจงที่กำหนดมีค่าของตัวแปรที่สูงกว่าหรือต่ำกว่าค่าเฉลี่ย ค่ามัธยฐาน หรือค่าฐานนิยม

คะแนนมาตรฐาน (โดยทั่วไปเรียกว่าคะแนน z) แสดงความเบี่ยงเบนจากค่าเฉลี่ยในหน่วยของส่วนเบี่ยงเบนมาตรฐาน (σ) ตัวประมาณค่ามาตรฐานมีประโยชน์ตรงที่สามารถตีความค่าสัมพัทธ์กับค่ามาตรฐานได้ การแจกแจงแบบปกติ(การแจกแจง z) - เส้นโค้งรูประฆังสมมาตรที่มีคุณสมบัติที่ทราบ: ค่าเฉลี่ยเท่ากับ 0 และส่วนเบี่ยงเบนมาตรฐานเท่ากับ 1 เนื่องจากคะแนน z มีเครื่องหมาย (+ หรือ -) จึงบ่งชี้ทันทีว่าค่าที่สังเกตได้ ของตัวแปรอยู่เหนือหรือต่ำกว่าค่ากลาง (m) และเนื่องจากการประมาณค่าปกติแสดงค่าของตัวแปรในหน่วยส่วนเบี่ยงเบนมาตรฐานจึงแสดงให้เห็นว่าแต่ละค่าหายากเพียงใด: ประมาณ 34% ของค่าทั้งหมดอยู่ในช่วงจาก m ถึง m + 1σ และ 34% - ใน ช่วงเวลาจาก m ถึง m - 1σ; แต่ละ 14% - ในช่วงเวลาจาก m + 1σ ถึง m + 2σ และจาก m - 1σ ถึง m - 2σ; และ 2% ต่อค่า - ในช่วงเวลาตั้งแต่ m + 2σ ถึง m + 3σ และจาก m - 2σ ถึง m - 3σ

การเชื่อมโยงระหว่างตัวแปร การถดถอยและสหสัมพันธ์เป็นวิธีการที่ใช้บ่อยที่สุดเพื่ออธิบายความสัมพันธ์ระหว่างตัวแปร การวัดที่แตกต่างกันสองค่าที่ได้รับสำหรับแต่ละองค์ประกอบตัวอย่างสามารถแสดงเป็นคะแนนได้ ระบบคาร์ทีเซียนพิกัด (x, y) - scatterplot ซึ่งก็คือ การแสดงกราฟิกการเชื่อมโยงระหว่างมิติเหล่านี้ บ่อยครั้งที่จุดเหล่านี้ก่อตัวเป็นเส้นตรงซึ่งแสดงให้เห็น การเชื่อมต่อเชิงเส้นระหว่างตัวแปร เพื่อให้ได้เส้นถดถอย - เสื่อ สมการเส้นที่เหมาะสมที่สุดกับชุดของจุดกระจาย - ใช้ วิธีการเชิงตัวเลข. หลังจากลากเส้นถดถอยแล้ว จะสามารถทำนายค่าของตัวแปรหนึ่งตัวตามได้ ค่าที่ทราบอื่นและยิ่งกว่านั้นให้ประเมินความแม่นยำของการทำนาย

ค่าสัมประสิทธิ์สหสัมพันธ์ (r) เป็นตัวบ่งชี้เชิงปริมาณของความแน่นของความสัมพันธ์เชิงเส้นระหว่างตัวแปรสองตัว วิธีการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ไม่รวมปัญหาการเปรียบเทียบหน่วยการวัดตัวแปรต่างๆ ค่า r แปรผันตั้งแต่ -1 ถึง +1 เครื่องหมายสะท้อนถึงทิศทางของการเชื่อมต่อ ความสัมพันธ์เชิงลบหมายถึงการมีอยู่ ความสัมพันธ์ผกผันเมื่อมีค่าเพิ่มขึ้นหนึ่ง ตัวแปรค่าตัวแปรอื่นลดลง ความสัมพันธ์เชิงบวกบ่งบอกถึงความสัมพันธ์โดยตรงเมื่อค่าของตัวแปรหนึ่งเพิ่มขึ้นค่าของตัวแปรอื่นจะเพิ่มขึ้น ค่าสัมบูรณ์ r แสดงถึงความแข็งแกร่ง (ความแน่น) ของความสัมพันธ์: r = ±1 หมายถึงความสัมพันธ์แบบเส้นตรง และ r = 0 บ่งชี้ว่าไม่มีความสัมพันธ์เชิงเส้น ค่าของ r2 แสดงเปอร์เซ็นต์ของความแปรปรวนในตัวแปรหนึ่งที่สามารถอธิบายได้จากการแปรผันในอีกตัวแปรหนึ่ง นักจิตวิทยาใช้ r2 เพื่อประเมินยูทิลิตี้การทำนายของมาตรการเฉพาะ

ค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน (r) ใช้สำหรับข้อมูลช่วงเวลาที่ได้รับจากตัวแปรที่กระจายตามปกติตามที่คาดคะเน สำหรับการประมวลผลข้อมูลประเภทอื่นก็มี ทั้งเส้นการวัดความสัมพันธ์อื่น ๆ เช่น ค่าสัมประสิทธิ์สหสัมพันธ์แบบดอทไบซีเรียล ค่าสัมประสิทธิ์ j และค่าสัมประสิทธิ์ ความสัมพันธ์อันดับ(r) สเปียร์แมน ความสัมพันธ์มักใช้ในด้านจิตวิทยาเป็นแหล่งข้อมูล สำหรับกำหนดสมมติฐานเอกสเปิร์ม วิจัย การถดถอยพหุคูณการวิเคราะห์ปัจจัยและรูปแบบสหสัมพันธ์ กลุ่มที่เกี่ยวข้องมากกว่า วิธีการที่ทันสมัยซึ่งมีให้สำหรับผู้ปฏิบัติงานเนื่องจากความก้าวหน้าทางเทคโนโลยีคอมพิวเตอร์ วิธีการเหล่านี้ทำให้สามารถวิเคราะห์ความสัมพันธ์ระหว่าง จำนวนมากตัวแปร

ทฤษฎีการอนุมานทางสถิติ

ส่วนนี้ของ C. รวมถึงระบบวิธีการเพื่อให้ได้ข้อสรุปเกี่ยวกับ กลุ่มใหญ่(ประชากรจริงๆ) จากการสังเกตในกลุ่มเล็กๆ ที่เรียกว่า กลุ่มตัวอย่าง ในทางจิตวิทยา การอนุมานทางสถิติมีจุดประสงค์หลักสองประการ: 1) เพื่อประมาณค่าพารามิเตอร์ ประชากรตามสถิติตัวอย่าง 2) ประเมินโอกาสในการได้รับรูปแบบผลการวิจัยที่แน่นอนด้วยลักษณะที่กำหนดของข้อมูลตัวอย่าง

ค่าเฉลี่ยคือพารามิเตอร์ประชากรที่ประมาณค่าได้บ่อยที่สุด โดยอาศัยวิธีการคำนวณข้อผิดพลาดมาตรฐาน ตัวอย่างที่ใหญ่กว่ามักจะให้ข้อผิดพลาดมาตรฐานที่เล็กกว่า ซึ่งทำให้สถิติที่คำนวณจากตัวอย่างที่ใหญ่กว่าค่อนข้างใหญ่ ประมาณการที่แม่นยำพารามิเตอร์ประชากร การใช้ประโยชน์ มาตรฐานบกพร่องการแจกแจงความน่าจะเป็นแบบเฉลี่ยและแบบปกติ (แบบมาตรฐาน) (เช่นการแจกแจงแบบ t) เราสามารถสร้างได้ ช่วงความมั่นใจ- ช่วงของค่าที่มีโอกาสทราบที่ค่าเฉลี่ยทั่วไปที่แท้จริงจะตกอยู่ในค่าเหล่านั้น

การประเมินผลการวิจัย. ทฤษฎีการอนุมานทางสถิติสามารถนำมาใช้ในการประมาณค่าความน่าจะเป็นที่กลุ่มตัวอย่างเฉพาะเป็นของประชากรที่รู้จัก กระบวนการอนุมานทางสถิติเริ่มต้นด้วยการกำหนด สมมติฐานว่าง(H0) ซึ่งประกอบด้วยสมมติฐานที่ว่า ตัวอย่างสถิติได้จากประชากรจำนวนหนึ่ง สมมติฐานที่เป็นโมฆะจะคงอยู่หรือถูกปฏิเสธ ขึ้นอยู่กับความเป็นไปได้ของผลลัพธ์ หากความแตกต่างที่สังเกตได้มีขนาดใหญ่เมื่อเทียบกับขนาดของความแปรปรวนของตัวอย่าง ผู้วิจัยมักจะปฏิเสธสมมติฐานว่างและสรุปว่ามีโอกาสน้อยมากที่ความแตกต่างที่สังเกตได้เกิดจากความบังเอิญ: ผลลัพธ์มีนัยสำคัญทางสถิติ สถิติเกณฑ์การคำนวณที่มีการแจกแจงความน่าจะเป็นที่ทราบจะแสดงความสัมพันธ์ระหว่างความแตกต่างที่สังเกตได้และความแปรปรวน (ความแปรปรวน)

สถิติพาราเมตริก Parametric S. สามารถใช้ในกรณีที่ตรงตามข้อกำหนดสองข้อ: 1) ตัวแปรที่อยู่ภายใต้การศึกษาเป็นที่รู้จักหรืออย่างน้อยสามารถสันนิษฐานได้ว่ามีการแจกแจงแบบปกติ; 2) ข้อมูลเป็นการวัดช่วงเวลาหรือการวัดอัตราส่วน

ถ้าค่าเฉลี่ยและ ส่วนเบี่ยงเบนมาตรฐานเป็นที่ทราบกันดีอยู่แล้วว่าประชากร (อย่างน้อยก็น่าจะเป็น) เป็นไปได้ที่จะกำหนดค่าที่แน่นอนของความน่าจะเป็นที่จะได้รับความแตกต่างที่สังเกตได้ระหว่างพารามิเตอร์ทั่วไปที่ทราบและสถิติตัวอย่าง ค่าเบี่ยงเบนมาตรฐาน (คะแนน z) สามารถหาได้จากการเปรียบเทียบกับเส้นโค้งปกติมาตรฐาน (เรียกอีกอย่างว่าการแจกแจงแบบ z)

เนื่องจากนักวิจัยมักทำงานกับกลุ่มตัวอย่างขนาดเล็ก และเนื่องจากไม่ค่อยทราบพารามิเตอร์ของประชากร การแจกแจงแบบมาตรฐานของนักเรียนจึงใช้มากกว่าการแจกแจงแบบปกติ รูปแบบที่แน่นอนของการแจกแจงแบบ t จะแตกต่างกันไปขึ้นอยู่กับขนาดของตัวอย่าง (แม่นยำยิ่งขึ้นตามจำนวนองศาอิสระ เช่น จำนวนค่าที่สามารถเปลี่ยนแปลงได้อย่างอิสระในตัวอย่างที่กำหนด) ตระกูลของการแจกแจงแบบ t สามารถใช้ทดสอบสมมติฐานว่างที่กลุ่มตัวอย่างทั้งสองถูกดึงมาจากประชากรกลุ่มเดียวกัน สมมติฐานว่างนี้เป็นเรื่องปกติของการศึกษาที่มีผู้เข้าร่วม 2 กลุ่ม เช่น การทดลอง และการควบคุม

เมื่ออยู่ในการวิจัย เกี่ยวข้องมากกว่าสองกลุ่ม สามารถใช้การวิเคราะห์ความแปรปรวน (F-test) ได้ F เป็นเกณฑ์สากลที่ประเมินความแตกต่างระหว่างกลุ่มการศึกษาที่เป็นไปได้ทั้งหมดพร้อมกัน ในกรณีนี้จะเปรียบเทียบค่าการกระจายภายในกลุ่มและระหว่างกลุ่ม มีเทคนิคเฉพาะกิจมากมายสำหรับการระบุแหล่งที่มาของ F-test ที่มีนัยสำคัญ

สถิติแบบไม่อิงพารามิเตอร์ เมื่อไม่เป็นไปตามข้อกำหนดสำหรับการใช้เกณฑ์พาราเมตริกอย่างเพียงพอ หรือเมื่อข้อมูลที่รวบรวมเป็นลำดับ (อันดับ) หรือชื่อ (หมวดหมู่) จะใช้วิธีที่ไม่ใช่พาราเมตริก วิธีการเหล่านี้ขนานไปกับวิธีการแบบพาราเมตริกในแง่ของการใช้งานและวัตถุประสงค์ ทางเลือกที่ไม่ใช่พารามิเตอร์สำหรับการทดสอบ t รวมถึงการทดสอบ Mann-Whitney U, การทดสอบ Wilcoxon (W) และการทดสอบ c2 สำหรับข้อมูลที่ระบุ ทางเลือกอื่นที่ไม่ใช่พารามิเตอร์ในการวิเคราะห์ความแปรปรวน ได้แก่ การทดสอบ Kruskal-Wallace, Friedman และ c2 ตรรกะเบื้องหลังแต่ละอย่าง เกณฑ์ที่ไม่ใช่พารามิเตอร์ยังคงเหมือนเดิม: สมมติฐานว่างที่สอดคล้องกันถูกปฏิเสธหากค่าโดยประมาณของสถิติเกณฑ์อยู่นอกขอบเขตวิกฤตที่ระบุ (เช่น มีแนวโน้มน้อยกว่าที่คาดไว้)

เนื่องจากการอนุมานทางสถิติทั้งหมดขึ้นอยู่กับการประมาณความน่าจะเป็น ผลลัพธ์ที่ผิดพลาด 2 ประการจึงเป็นไปได้: ข้อผิดพลาดประเภท I ซึ่งปฏิเสธสมมติฐานว่างที่แท้จริง และข้อผิดพลาดประเภท II ซึ่งยังคงมีสมมติฐานว่างเท็จ ผลลัพธ์แรกเป็นการยืนยันสมมติฐานการวิจัยที่ผิดพลาด ในขณะที่ผลลัพธ์หลังไม่สามารถรับรู้ผลลัพธ์ที่มีนัยสำคัญทางสถิติได้

ดูสิ่งนี้ด้วย การวิเคราะห์ความแปรปรวน, การวัดแนวโน้มเข้าสู่ส่วนกลาง , การวิเคราะห์ปัจจัย , การวัด , วิธีการวิเคราะห์หลายตัวแปร , การทดสอบสมมติฐานว่าง , ความน่าจะเป็น , การอนุมานทางสถิติ

เอ. ไมเออร์

ดูว่า "สถิติทางจิตวิทยา" คืออะไรในพจนานุกรมอื่น ๆ :

สารบัญ 1 Biomedical and Life Sciences (ชีวการแพทย์และวิทยาศาสตร์เพื่อชีวิต) 2 Z ... Wikipedia

บทความนี้มีการแปลที่ยังไม่เสร็จจาก ภาษาต่างประเทศ. คุณสามารถช่วยโครงการได้โดยการแปลจนจบ หากคุณรู้ว่าชิ้นส่วนนั้นเขียนด้วยภาษาใด โปรดระบุในเทมเพลตนี้ ... Wikipedia