ВОПРОСЫ. 1. Почему эксперимент с ночными посадками самолета не мог быть проведен в настоящих аэропортах?

1. Почему эксперимент с ночными посадками самолета не мог быть проведен в настоящих аэропортах?

2. В чем состоит основное преимущество эксперимента со спасательным поиском?

3. Приведите пример эксперимента, дублирующего реальный мир, в котором имела бы место чрезмерная несистематическая изменчивость получаемых данных.

4. Перечислите, каким образом в экспериментах, «улучшающих» реальный мир, добиваются большей внутренней валидкости, чем в экспериментах, дублирующих реальность.

5. Как вопрос о внешней валидности связан с вопросом о видах безупречного эксперимента, описанных в главе 2?

6. Что имеют в виду, говоря, что решение вопроса о соответствии эксперимента — это проверка соответствия основных составляющих экспериментальной гипотезы?

7. Приведите конкретные примеры соответствующих и несоответствующих способов получения данных для оценки значения зависимой переменной.

8. В связи с тем, что в искусственных экспериментах редко воспроизводятся стрессовые условия реальной жизни, можно ли сделать вывод, что они не могут быть соответствующими?

9. Почему проблема «реалистичности» эксперимента обсуждалась нами на примерах столь различных в этом отношении исследований, как спасательный поиск и сравнение высотомеров?

СТАТИСТИЧЕСКОЕ ПРИЛОЖЕНИЕ: ЧАСТОТНЫЕ РАСПРЕДЕЛЕНИЯ В статистическом приложении к главе 1 значения зависимой переменной (среднее время реакции) для каждого из двух условий, вспышек света (А) или звучаний тона (Б), были представлены в виде гистограммы.

Рис. 3.6. Ось абсцисс — время реакции (по интервалам, в мс.) Ось ординат — частота. Ср — среднее, СО — стандартное отклонение

Более полная картина оценок ВР, полученных в эксперименте, дается распределением частот. Выше такое распределение показано для условия Б (звуковой тон).Мы видим, что в этом распределении каждая оценка представлена не всегда точно, поскольку оценки сгруппированы в классы интервалов: 120—129, 130—139, 140—149 и т. д. Величина всех интервалов в данном случае равна 10 мс.Это та величина, на которую каждый нижний предел увеличивается от интервала к интервалу (например, от 150 до 160—это 10 мс). Число интервалов здесь равно 8; соответственно имеется 8 колонок. Если бы число оценок показателей времени реакции было больше, чем 17, можно было бы использовать несколько большее число интервалов. Например, если бы было 100 проб, число используемых интервалов могло быть 15 или даже 20. При 15 интервалах нижний интервал был бы 120—124, следующий 125—129 и т. д. до 190— 194. В этом случае величина интервала равнялась бы 5 мс.
КАК ПОДГОТОВИТЬ ЧАСТОТНОЕ РАСПРЕДЕЛЕНИЕ Теперь рассмотрим, как было подготовлено данное распределение частот. Во-первых, было принято решение о числе интервалов и величине интервала, а также о нижней и верхней границах. Подобранные интервалы были выписаны в столбик. Затем, начиная с пробы 1, различные показатели времени реакции распределялись по соответствующим интервалам. После этого записывалась частота или число показателей, попавших в данный интервал. Наконец, был составлен график распределения частот, который вы уже видели на рисунке. Высота каждой колонки Х соответствует частоте попадания проб в данный интервал. Все эти операции показаны в первых трех колонках таблицы 3.3.

Таблица 3.3 Вычисления среднего и стандартного отклонения на основе интервальных данных

Интервал	Отнесение показателя по интервалам	Частоты	Средняя точка X	Произведение средней	MX	x	X^2	Произведение х ^2 на частоту
190-199	|		194,5	194,5		+31,5	992,25	992,25
180-189	|		184,5	184,5		+21,5	462,25	462,25
170-179	| | |		174,5	523,5		+11,5	132,25	396,75
160-169	|-|-|-|		164,5	822,5		+1.5	2,25	11,25
150-159	|-|-|-|		154,5	772,5		—8,5	72,25	361,25
140-149	|		144,5	144,5		—18,5	342,25	342,25
130-139			134,5			—28,5	812,25
120-129	|		124,5	124,5		—38,5	1482,25	1482,25
			Σ ХВ =2766,5			Σ х^2В =4048,25

ВЫЧИСЛЕНИЕ СРЕДНЕГО ПО ДАННЫМ ИНТЕРВАЛЬНОЙ КЛАССИФИКАЦИИ

В колонке 4 приводятся значения средних точек для каждого интервала. Так, средняя точка 140-149 равна 144,5. Мы можем вычислить среднее методом, который пренебрегает различиями внутри каждого интервала. Во-первых, мы умножаем каждую среднюю точку на частоту внутри интервала. Это показано в колонке 5. Так, для интервала 170-179 средняя точка 174,5 умножается на частоту 3,2Х показана внизу колонки. Разделенная на N (N=17), она дает среднее, равное 163, что немного отличается от величины 162, полученной сложением показателей ВР в отдельных пробах. Можно не сомневаться, что иногда эти расхождения между средними могут быть еще больше. Но если число интервалов равно 15 или больше, то совпадение бывает достаточно хорошим.

ВЫЧИСЛЕНИЕ СТАНДАРТНОГО ОТКЛОНЕНИЯ ПО ДАННЫМ ИНТЕРВАЛЬНОЙ КЛАССИФИКАЦИИ
Величина стандартного отклонения вычисляется здесь в основном так же, как и по отдельным показателям ВР. В колонке 6 приводится только что вычисленное среднее. Величина х (т. е. Х-М_х), полученная для значения средней точки каждого интервала, показана в колонке 7. Например, 194,5—163=+31,5; 144,5-163=-18,5. В колонке 8 каждое из значений х возведено в квадрат. Наконец, в колонке 9 каждая из возведенных в квадрат величин умножена на частоту в данном интервале. Например, при средней точке 174,5 и частоте 3 результат в колонке 9 равен 396,75. Это вычисление также не учитывает различия значений внутри каждого интервала, как и вычисление среднего. Как видно, сумма в данной колонке (Σх²) равна 4048,25. Вычисление σх аналогично тому, как это делалось в статистическом приложении к главе 2, и дает величину 15,4 мс.141Следует заметить, что здесь приведен прямой метод вычисления среднего и стандартного отклонения по данным интервальной классификации. Это было сделано для того, чтобы вы поняли принцип—игнорирование различий внутри каждого интервала. Однако для более строгих вычислений разработаны более простые и быстрые методы.

ГРАФИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ СРЕДНЕГО И СТАНДАРТНОГО ОТКЛОНЕНИЯ
Если вы вернетесь к частотному распределению, которое приведено в начале данного статистического приложения, вы заметите на горизонтальной оси большую точку и жирную линию. Точка показывает положение среднего 163 мс. Это немного левее средней точки интервала 160—169, т. е. 164,5 мс.Жирная линия имеет длину 15,9 мс,—величину стандартного отклонения. Мы видим, что в частотном распределении среднее отклонение представлено точкой, а стандартное отклонение—линией. В данном частотном распределении нижняя граница, равная 122, расположена на расстоянии 2,5 стандартных отклонений от среднего, равного 163. Верхняя граница, равная 194, Удалена приблизительно на расстояние 2 стандартных отклонений выше среднего. Таким образом, верхняя граница удалена приблизительно на 4,5 стандартных отклонений от нижней. Это в общем-то типично для частотного распределения с малым числом оценок.
Задача: Вычислите сигма х для условия А по данным интервальной классификации.
Ответ: 18,6.

Глава 4. ЭКСПЕРИМЕНТЫ НА ПРЕДСТАВИТЕЛЬНЫХ ВЫБОРКАХ

Дата добавления: 2015-05-26