Коэффициент эксцесса

В отличие от коэффициента асимметрии, коэффициент (показатель) эксцесса характеризует компактность или «размытость» распределения, его островершинность или плосковершинность, что связано с разным характером группирования значений переменной вокруг среднего (рис. 6.4).

Плосковершинное распределение, Ex < 0	Нормальное распределение, Ex = 0	Островершинное распределение, Ex > 0

Рис. 6.4. Типы эксцесса

Причинами эксцесса могут быть большая или меньшая степень тяготения переменных к центральной тенденции, неоднородность выборки, наложение друг на друга нескольких распределений с одинаковой модой и разной дисперсией и т. д.

Вычисление показателя эксцесса

(6.4)

Теоретически величина эксцесса может варьировать от – 3 до + ¥. Критерий согласия с нормальным распределением аналогично коэффициенту асимметрии определяется по таблицам граничных значений. Например, для n = 100 и b₁ = 0,95 Ex _кр = 0,83 (см. Приложение, табл. II).

Аналогично определению асимметрии распределение соответствует нормальному (согласуется с нормальным), если Ex < Ex _кр. При обратном соотношении принято говорить, что по показателю эксцесса эмпирическое распределение статистически достоверно отличается от нормального.

При анализе эмпирического распределения может возникнуть такая ситуация, когда по одному из показателей (асимметрии или эксцессу) распределение соответствует нормальному, по другому же – отличается от него. В этом случае следует использовать следующее правило: если хотя бы по одному из вышеуказанных показателей распределение достоверно отличается от нормального, то следует делать вывод о том, что экспериментальное распределение отличается от теоретического (нормального).

Кроме коэффициента асимметрии и показателя эксцесса, для сравнения экспериментального распределения с теоретическим используют и другие критерии, в частности критерий хи-квадрат и критерий l Колмогорова - Смирнова.

6. 1. 4. Критерий хи-квадрат (c²)

Критерий хи-квадрат основан на сравнении между собой эмпирических (экспериментальных) частот исследуемого признака и теоретических частот нормального распределения. Для сравнения частот можно пользоваться как 8-классовым, так и 16-классовым распределениями, теоретические частоты которых в интервале от – 4 до + 4 стандартных отклонений даны в приложении (табл. III и IV). В случае необходимости можно вычислять хи-квадрат и по большему числу классов – для этого используют специальные таблицы нормального распределения.

Критерий c² рассчитывают по следующей формуле:

, (6.5)

Где f _э и f _т – соответственно, экспериментальные и теоретические частоты в каждом отдельном классе разбиения. Полученное значение сравнивается со стандартным (табличным). Решение о соответствии экспериментального распределения теоретическому принимается, если c² < χ²_кр.при соответствующем числе степеней свободы и заданном уровне значимости. При этом необходимо иметь в виду, что в случае нормального распределения число степеней свободы (n) принимается равным N – 3, где N – число классов (групп разбиения).

Рассмотрим алгоритм вычислений критерия c² на следующем примере.

Условие задачи

У 100 испытуемых определялся уровень нейротизма по тесту Айзенка. Получены следующие результаты (табл. 6.1):

Таблица 6.1

Нейро-тизм	Число испытуе-мых	Нейро-тизм	Число испытуе-мых	Нейро-тизм	Число испытуе-мых	Нейро-тизм	Число испытуе-мых
xi	fэ	xi	fэ	xi	fэ	xi	fэ

Задание

Определить соответствие экспериментального распределения теоретическому (нормальному) распределению с помощью критерия χ² Пирсона.

Решение

Задача решается в три этапа:

1. Определяем среднее значение переменной и ее стандартное отклонение. Поскольку в данном случае мы имеем дело со сгруппированными частотами, то для вычисления среднего арифметического следует использовать следующую формулу (см. раздел 4):

Подставляем в формулу значения нейротизма и соответствующие ему частоты из условия задачи:

Стандартное отклонение следует определять по следующей формуле:

(см. раздел 5)

В нашем случае:

2. Нормируем полученные результаты в единицах стандартного отклонения с «шагом» в 1σ (8-классовое распределение). Для этого строим шкалу значений в единицах стандартного отклонения от –4 до + 4σ. Далее определяем границы каждого из 8 классов в абсолютных значениях исследуемого показателя (уровней нейротизма). Напомним, что точкой отсчета в данном случае является центральное значение (σ_х = 0), которому теоретически должны соответствовать основные меры центральной тенденции – мода, медиана и среднее арифметическое значение (см. подраздел 6.1.1). Обозначим среднюю точку значением 13,2 (среднее арифметическое). После этого определяем границы классов в абсолютных единицах (значениях нейротизма), последовательно вычитая из среднего (слева от нулевой точки) или добавляя к среднему (справа от нее) величину стандартного отклонения (σ_х = 3,8). Наконец, подсчитываем частоты (число испытуемых) в каждом из классов и разносим полученные значения по классам теоретического распределения. Для большей наглядности можно представить результаты в виде следующей схемы:

– 4 σ – 3 σ – 2 σ – σ 0 σ 2 σ 3 σ 4 σ

-2,0 1,8 5,6 9,4 13,2 17,0 20,8 24,6 28,4

3. Составляем таблицу для вычисления критерия χ² Пирсона (см. табл. 6.2). В столбце 1 обозначаем классы распределения (в единицах стандартного отклонения, в столбце 2 – подсчитанные нами экспериментальные частоты в каждом классе, в столбце 3 – теоретические частоты в процентном соотношении (см. табл. III Приложения). Столбец 4 служит для попарного сопоставления экспериментальных и теоретических частот: для этого следует использовать формулу

Таблица 6.2

Границы класса	Частоты
	fэ	fт
– 4 σ ÷ – 3 σ – 3 σ ÷ – 2 σ – 2 ÷ – σ – σ ÷ 0 0 ÷ σ σ ÷ 2 σ 2 ÷ 3 σ 3 ÷ 4 σ		0,13 2,15 13,59 34,13 34,13 13,59 2,15 0,13	0,13 0,01 0,43 0,50 0,86 0,62 0,13

Критерий χ²вычисляется как сумма значений в столбце 4 таблицы. Проводим соответствующие вычисления:

В табл. VI Приложения находим стандартные (критические) значения χ². Напомним, что для 8-классового распределения (N = 8) число степеней свободы ν = N – 3 = 5. При этом стандартные значения χ²_ст. для двух уровней значимости составляют, соответственно, 11,070 (β₁ = 0,95) и 15,086 (β₂ = 0,99).

Вывод

Для двух стандартных уровней значимости χ² < χ²_ст., следовательно, по критерию χ² Пирсона экспериментальное распределение статистически не отличается от теоретического (нормального) распределения или, другими словами, соответствует последнему. Данный вывод можно считать справедливым для уровня значимости 0,99.

Примечания

1. Если по каким-либо причинам результаты анализа не удовлетворяют исследователя (например, χ² ≈ χ²_ст.), можно воспользоваться таблицей 16-классового распределения (см. Приложение, табл. IV). В данном случае диапазон вариаций также составляет –4 ÷ +4σ, но ширина каждого класса вдвое меньше (0,5 стандартного отклонения). Кроме того, следует учесть, что при сравнении экспериментального значения хи-квадрат с критическим число степеней свободы в данном случае составляет N – 3 = 13.

2. Необходимо помнить о том, что теоретические частоты в табл. III и IV Приложения рассчитаны в процентном соотношении. При решении задачи анализа распределения испытуемых по уровню нейротизма объем выборки составлял 100 человек, поэтому никаких дополнительных преобразований не требовалось. В том же случае, когда n ≠ 100, необходимо уравнять частоты. При этом необходимо соблюдать правило, согласно которому экспериментальные частоты должны быть приведены к теоретическим (но не наоборот). Например, если n = 200, то экспериментальную частоту в каждом классе следует разделить на 2, если n = 50, то умножить на 2, а если, предположим, n = 52, то необходимо каждую экспериментальную частоту умножить на пересчетный коэффициент (в данном случае k = 100:52 = 1,923).

6. 1. 5. Критерий Колмогорова – Смирнова (l)

Критерий Колмогорова – Смирнова основан на том же принципе, что и критерий χ² Пирсона, но предполагает сопоставление накопленных частот экспериментального и теоретического распределений. Вычисляется как отношение максимальной разности (без учета знака) между теоретической и экспериментальной накопленной частотой к корню квадратному из численности выборки: (6.6)

Для вычисления l также можно воспользоваться таблицами теоретических частот 8- и 16-классового распределения. Рассмотрим алгоритм вычислений критерия Колмогорова на примере предыдущей задачи (табл. 6.3).

Таблица 6.3

Границы класса	Экспериментальные частоты	Накопленные частоты	d
F э	F т
– 4 σ ÷ – 3 σ – 3 σ ÷ – 2 σ – 2 ÷ – σ – σ ÷ 0 0 ÷ σ σ ÷ 2 σ 2 ÷ 3 σ 3 ÷ 4 σ			0,13 2,28 15,87 50,00 84,13 97,72 99,87	0,13 0,28 2,13 2,00 2,13 1,28 0,13

Столбцы 1 и 2 аналогичны таковым в предыдущей таблице. Столбец 3 соответствует экспериментальным частотам, накопленным путем суммирования частот от 1-го до 8-го класса. Теоретические накопленные частоты взяты из табл. III Приложения. Максимальная разность между экспериментальной и теоретической накопленными частотами (столбец 5) соответствует 2,13. Проводим соответствующие вычисления:

Для определения соответствия экспериментального распределения теоретическому по критерию Колмогорова можно воспользоваться следующим правилом. Если l < 0,52, делается вывод о соответствии распределений для уровня значимости 0,95. При l > 1,36 распределение достоверно отличается от нормального. При значениях же l от 0,52 до 1,36 (интервал неопределенности) можно определить вероятность соответствия экспериментального распределения теоретическому по табл. VII Приложения.

Вывод

Полученное нами значение λ = 0,21 < 0,52, следовательно, по критерию Колмогорова экспериментальное распределение соответствует нормальному с вероятностью 0,95.

Для определения соответствия эмпирического распределения теоретическому (нормальному) распределению можно воспользоваться и другим способом, который зачастую дает более точные результаты, поскольку не ограничен числом классов. Этот способ будет нами рассмотрен на примере той же задачи. Порядок вычислений приводится в табл. 6.4.

1. В столбце 1 таблицы фиксируем значения x_i (уровень нейротизма).

2. Переводим значения x_i в меру z Пирсона по формуле:

3. Ориентируясь на условие задачи, вносим экспериментальные частоты в столбец 3.

4. По значениям столбца 3 вычисляем накопленные экспериментальные частоты и фиксируем их в столбце 4.

5. По значениям z Пирсона определяем теоретические накопленные частоты, для чего используем табл. V Приложений.

6. Вычисляем критерий d, сравнивая между собой экспериментальные (столбец 4) и теоретические частоты по формуле: d = │ F _эксп. – F _теор.│.

7. Вычисляем критерий λ Колмогорова по стандартной формуле.

Ответ

λ = 7,57:10 = 0,76 (столбец 6 таблицы), что соответствует интервалу неопределенности 0,52 ÷ 1,36.

С целью устранения случайных факторов используем процедуру интервальной нормализации (столбец 7) и повторно вычисляем критерий λ:

λ* = 4,64: 10 = 0,46 (столбец 8 таблицы).

Общий ответ

Эмпирическое распределение соответствует теоретическому (нормальному) распределению.

Таблица 6.4

x i	Z	f э	F э	F т	d	F э *	d*
	-3,2 -2,9 -2,7 -2,4 -2,2 -1,9 -1,6 -1,4 -1,1 -0,8 -0,6 -0,3 0,2 0,5 0,7 1,0 1,3 1,5 1,8 2,1 2,3 2,5 2,8			0,07 0,18 0,34 0,82 1,40 2,88 5,49 8,08 13,57 21,19 27,43 38,21 50,00 57,92 69,14 75,80 84,13 90,31 93,31 96,40 98,21 98,92 99,37 99,75	0,07 0,18 0,34 0,82 0,60 2,12 2,51 3,92 4,43 4,81 7,57 3,79 2,00 2,08 0,14 2,20 1,87 1,69 2,69 2,60 1,79 1,08 0,63 0,25	3,5 6,5 30,5 38,5 64,5 73,5 97,5 99,5	0,07 0,18 0,34 0,82 0,40 0,62 1,01 1,92 1,43 0,81 3,07 0,29 3,00 1,92 4,64 2,30 2,13 1,31 0,69 1,10 1,29 1,08 1,63 0,25

6. 2. Равномерное распределение

В ряде случаев психологу приходится иметь дело с равномерным распределением, когда варьирующая величина (переменная) приблизительно с равной вероятностью принимает любое значение в определенном фиксированном диапазоне от x _min до x _max. Пример такого распределения приводится на рис. 6.5.

Рис. 6.5. Графическое выражение теоретического равномерного распределения (пояснения в тексте)

Примером равномерного распределения может служить распределение испытуемых по квантилям, поскольку в каждом интервале квантильной шкалы частоты встречаемости признака одинаковы.

Работа с равномерным распределением достаточно проста. Учитывая, что общая площадь распределения соответствует Р = 1, вероятность события в интересующем нас диапазоне x ₁ ¸ x ₂ равна отношению ширины этого диапазона (размаха вариаций) x ₂- x ₁ к общему (x _max¸ x _min). Для сравнения экспериментального распределения с теоретическим можно использовать критерий хи-квадрат, а при достаточном количестве эмпирических частот и критерий Колмогорова. Рассмотрим использование этих критериев на двух примерах.

Пример 1

Можно априорно предположить, что число людей, обладающих одним из четырех основных типов темперамента (холерики, сангвиники, флегматики и меланхолики) приблизительно одинаково. Для проверки этой гипотезы проведено тестирование по тесту-опроснику Айзенка 100 взрослых испытуемых. Тип темперамента определялся у них по соотношению показателей экстраверсии и нейротизма.

Было получено следующее распределение испытуемых по типам темперамента: холерики – 22 человека, сангвиники – 36, флегматики – 13 и меланхолики – 29 человек.

Задача состоит в том, чтобы либо принять, либо отвергнуть изначальную гипотезу (нуль-гипотезу) о равномерности распределения людей по типам темперамента.

Для решения задачи можно составить таблицу, аналогичную той, которая использовалась для оценки согласия эмпирического распределения с нормальным по критерию хи-квадрат (см. табл. 6.5).

Таблица 6.5

Тип темперамента	Частота	(f эксп - f теор)^2 f теор
f эксп	f теор
Холерики (экстраверты с высоким уровнем нейротизма) Cангвиники (эмоционально стабильные экстраверты) Флегматики (эмоционально стабильные интроверты) Меланхолики (интроверты с высоким уровнем нейротизма)			0,36 4,84 5,76 0,64

В данном случае следует пояснить, что теоретические частоты рассчитываются, исходя из гипотезы о том, что распределение по типам темперамента является идеально равномерным.

Вычисление показателя c² (сумма значений в последнем столбце таблицы) дает величину 11,6. При сравнении полученного значения со стандартным (табл. VI Приложений) следует иметь в виду, что для равномерного распределения число степеней свободы вычисляется как число групп (классов) разбиения минус единица: в нашем случае n = N – 1 = 3.

Полученное нами значение (c² = 11,6) больше стандартных (критических) значений как для 1-го (c²_ст= 7,815), так и для 2-го уровня значимости (c²_ст= 11,345). Отсюда следует, что принять гипотезу о равномерности распределения людей по типам темперамента мы не можем. Другими словами, распределение статистически достоверно отличается от равномерного.

Примечания

4. Критерий c² дает надежные результаты на выборках более 30 человек. На малых выборках (n ≤ 30) критерий может «пробуксовывать» и данные могут быть подвергнуты сомнению.

2. Если число градаций признака равно двум, в формулу вычисления c² необходимо вводить соответствующую поправку (так называемую поправку на непрерывность): (f _эксп - f _теор – 0,5)²

f _теор

Пример 2

Условие задачи

В выборке здоровых лиц мужского пола, студентов технических вузов в возрасте от 19 до 22 лет проводился тест М. Люшера в 8-цветном варианте. Установлено, что желтый цвет предпочитается испытуемыми чаще, чем отвергается (см. табл. 6.6).

Таблица 6.6

Разряды	Позиции желтого цвета	Сумма
Эмпирические частоты

Вопрос

Можно ли утверждать, что распределение желтого цвета по восьми позициям у здоровых испытуемых отличается от равномерного распределения?

Решение

Для определения соответствия эмпирического распределения теоретическому (равномерному) можно использовать критерий Колмогорова. Для этого вносим экспериментальные данные в таблицу (табл. 6.7) и проводим стандартные вычисления.

Таблица 6.7

Позиции желтого цвета	Частоты	Накопленные частоты	d
f эксп	f теор	F эксп.	F теор.
		12,75 12,75 12,75 12,75 12,75 12,75 12,75 12,75		12,75 25,50 38,25 51,00 63,75 76,50 89,25	11,25 13,50 13,75 9,00 11,25 8,50 4,75

Отсюда:

Вывод

Экспериментальное распределение не соответствует теоретическому (равномерному) распределению.

6. 3. Биномиальное распределение

В отличие от нормального и равномерного распределений, описывающих поведение переменной в исследуемой выборке испытуемых, биномиальное распределение используется для иных целей. Оно служит для прогнозирования вероятности двух взаимоисключающих событий в некотором числе независимых друг от друга испытаний. Классический пример биномиального распределения – подбрасывание монеты, которая падает на твердую поверхность. Равновероятны два исхода (события): 1) монета падает «орлом» (вероятность равна р) или 2) монета падает «решкой» (вероятность равна q). Если третьего исхода не дано, то p = q = 0,5 и p + q = 1. Используя формулу биномиального распределения, можно определить, например, какова вероятность того, что в 50 испытаниях (число подбрасываний монеты) последняя выпадет «орлом», предположим, 25 раз.

Для дальнейших рассуждений введем общепринятые обозначения:

n – общее число наблюдений;

i – число интересующих нас событий (исходов);

n – i – число альтернативных событий;

p – эмпирически определенная (иногда – предполагаемая) вероятность интересующего нас события;

q – вероятность альтернативного события;

P _n(i) – прогнозируемая вероятность интересующего нас события i по определенному числу наблюдений n.

Формула биномиального распределения:

(6.7)

В случае равновероятного исхода событий (p = q) можно использовать упрощенную формулу:

(6.8)

Рассмотрим три примера, иллюстрирующие использование формул биномиального распределения в психологических исследованиях.

Пример 1

Предположим, что 3 студента решают задачу повышенной сложности. Для каждого из них равновероятны 2 исхода: (+) – решение и (-) – нерешение задачи. Всего возможно 8 разных исходов (2 ³ = 8).

Вероятность того, что ни один студент не справится с задачей, равна 1/8 (вариант 8); 1 студент справится с задачей: P = 3/8 (варианты 4, 6, 7); 2 студента – P = 3/8 (варианты 2, 3, 5) и 3 студента – P =1/8 (вариант 1).

Студент	Варианты исходов
A	+	+	+	+	-	-	-	-
B	+	+	–	–	+	+	-	-
C	+	-	+	-	+	-	+	-

Пример 2

Предположим, 5 студентов выполняют интеллектуальный тест повышенной сложности. Правильное выполнение теста «+», неправильное «-». Каждый студент может иметь 2 возможных исхода (+ или -), причем вероятность каждого из этих исходов равна 0,5.

Студенты
Возможные исходы	+ -	+ -	+ -	+ -	+ -

Необходимо определить вероятность того, что трое из 5 студентов успешно справятся с данной задачей.

Решение

Всего возможных исходов: 2⁵ = 32.

Общее число вариантов 3(+) и 2(-) составляет

Следовательно, вероятность ожидаемого исхода равна 10/32» 0,31.

Пример 3

Считается, что число экстравертов и интровертов в однородной группе испытуемых является приблизительно одинаковым.

Задание

Определить вероятность того, что в группе из 10 случайных испытуемых обнаружится 5 экстравертов.

Решение

1. Вводим обозначения: p = q = 0,5; n = 10; i = 5; P₁₀(5) =?

2. Используем упрощенную формулу (см. выше):

Вывод

Вероятность того, что среди 10 случайных испытуемых обнаружится 5 экстравертов, составляет 0,246.

Примечания

1. Вычисление по формуле при достаточно большом числе испытаний достаточно трудоемко, поэтому в этих случаях рекомендуется использовать таблицы биномиального распределения.

2. В некоторых случаях значения p и q можно задать изначально, но не всегда. Как правило, они вычисляются по результатам предварительных испытаний (пилотажных исследований).

3. В графическом изображении (в координатах P_n (i) = f (i)) биномиальное распределение может иметь различный вид: в случае p = q распределение симметрично и напоминает нормальное распределение Гаусса; асимметрия распределения тем больше, чем больше разница между вероятностями p и q.

6. 4. Распределение Пуассона

Распределение Пуассона является частным случаем биномиального распределения, используемым при очень низкой вероятности интересующих нас событий. Другими словами, это распределение описывает вероятность редких событий. Формулой Пуассона можно пользоваться при p < 0,01 и q ≥ 0,99.

Уравнение Пуассона является приближенным и описывается следующей формулой:

(6.9)

где μ представляет собой произведение средней вероятности события и числа наблюдений.

В качестве примера рассмотрим алгоритм решения следующей задачи.

Условие задачи

За несколько лет в 21 крупной клинике России было проведено массовое обследование новорожденных на предмет заболевания младенцев болезнью Дауна (выборка в среднем составляла 1000 новорожденных в каждой клинике). Были получены следующие данные:

Число клиник
Число заболеваний

Задание

1. Определить среднюю вероятность заболевания (в пересчете на число новорожденных).

2. Определить, на какое число новорожденных в среднем приходится одно заболевание.

3. Определить вероятность того, что среди 100 случайно выбранных новорожденных обнаружится 2 младенца с болезнью Дауна.

Решение

1. Определяем среднюю вероятность заболевания. При этом мы должны руководствоваться следующими рассуждениями. Болезнь Дауна зарегистрирована лишь в 10 клиниках из 21. В 11 клиниках заболеваний не обнаружено, в 6 клиниках зарегистрировано по 1 случаю, в 2 клиниках – 2 случая, в 1-й клинике – 3 и в 1-й клинике – 4 случая болезни. 5 случаев заболевания не было обнаружено ни в одной клинике. Для того чтобы определить среднюю вероятность заболевания, необходимо общее число случаев (6·1 + 2·2 + 1·3 + 1·4 = 17) разделить на общее число новорожденных (21000):

2. Число новорожденных, на которое приходится одно заболевание, является величиной обратной средней вероятности, т. е. равно общему числу новорожденных, отнесенному к числу зарегистрированных случаев:

3. Подставляем значения p = 0,00081, n = 100 и i = 2 в формулу Пуассона:

Ответ

Вероятность того, что среди 100 случайно выбранных новорожденных обнаружится 2 младенца с болезнью Дауна, составляет 0,003 (0,3%).

З а д а ч и п о т е м е

Задача 6. 1

Задание

Пользуясь данными задачи 5.1 по времени сенсомоторной реакции, вычислить асимметрию и эксцесс распределения ВР.

Задача 6. 2

200 учащихся выпускных классов были протестированы на уровень интеллектуальности (IQ). После нормирования полученного распределения IQ по стандартному отклонению были получены следующие результаты:

Классовый интервал	Частоты IQ	Классовый интервал	Частоты IQ
– 4,0 ¸ – 3,5 s		0 ¸ 0,5 s
– 3,5 ¸ – 3,0 s		0,5 ¸ 1,0 s
– 3,0 ¸ – 2,5 s		1,0 ¸ 1,5 s
– 2,5 ¸ – 2,0 s		1,5 ¸ 2,0 s
– 2,0 ¸ – 1,5 s		2,0 ¸ 2,5 s
– 1,5 ¸ – 1,0 s		2,5 ¸ 3,0 s
– 1,0 ¸ – 0,5 s		3,0 ¸ 3,5 s
– 0,5 s ¸ 0		3,5 ¸ 4,0 s

Задание

Пользуясь критериями Колмогорова и хи-квадрат, определить, соответствует ли полученное распределение показателей IQ нормальному.

Задача 6. 3

У взрослого испытуемого (мужчина 25 лет) исследовалось время простой сенсомоторной реакции (ВР) в ответ на звуковой стимул с постоянной частотой в 1 кГц и интенсивностью 40 дБ. Стимул предъявлялся стократно с интервалами 3 – 5 секунд. Отдельные значения ВР по 100 повторностям распределилось следующим образом:

Время реакции, мс	100¸110	110¸120	120¸130	130¸140	140¸150	150¸160	160¸170	170¸180
Число испытуемых

Задание

1. Построить частотную гистограмму распределения ВР; определить среднее значение ВР и величину стандартного отклонения.

2. Рассчитать коэффициент асимметрии и показатель эксцесса распределения ВР; на основании полученных значений As и Ex сделать вывод о соответствии или несоответствии данного распределения нормальному.

Задача 6. 4

В 1998 году в Нижнем Тагиле окончили школы с золотыми медалями 14 человек (5 юношей и 9 девушек), с серебряными – 26 человек (8 юношей и 18 девушек).

Вопрос

Можно ли утверждать, что девушки получают медали чаще, чем юноши?

Примечание

Соотношение числа юношей и девушек в генеральной совокупности считать равным.

Задача 6. 5

Считается, что число экстравертов и интровертов в однородной группе испытуемых является приблизительно одинаковым.

Задание

Определить вероятность того, что в группе из 10 случайно отобранных испытуемых обнаружится 0, 1, 2,..., 10 экстравертов. Построить графическое выражение распределения вероятностей обнаружения 0, 1, 2,..., 10 экстравертов в данной группе.

Задача 6. 6

Задание

Рассчитать вероятность P_n (i) функции биномиального распределения при p = 0,3 и q = 0,7 для значений n = 5 и i = 0, 1, 2,..., 5. Построить графическое выражение зависимости P_n (i) = f (i).

Задача 6. 7

В последние годы среди определенной части населения утвердилась вера в астрологические прогнозы. По результатам предварительных опросов установлено, что в астрологию верят около 15% населения.

Задание

Определить вероятность того, что среди 10 случайно выбранных респондентов окажется 1, 2 или 3 человека, верящих в астрологические прогнозы.

З а д а ч а 6. 8

Условие задачи

В 42 общеобразовательных школах г. Екатеринбурга и Свердловской области (общее число учащихся 12260 человек) за несколько лет было выявлено следующее число случаев психических заболеваний среди школьников:

Число школ (n)
Число случаев (i)

Задание

Пусть будет выборочно обследовано 1000 школьников. Рассчитать, какова вероятность того, что среди этой тысячи школьников будет выявлен 1, 2 или 3 психически больных ребенка?

________________________________________________________________________________

РАЗДЕЛ 7

МЕРЫ РАЗЛИЧИЙ

7. 1. Постановка проблемы

Предположим, что мы имеем две независимые друг от друга выборки испытуемых х и у. Независимыми выборки считаются тогда, когда один и тот же субъект (испытуемый) фигурирует только в одной выборке. Задача состоит в том, чтобы сравнить между собой эти выборки (два ряда переменных) на предмет их различий. Естественно, что как бы ни были близки между собой значения переменных в первой и второй выборке, какие-то, пусть даже незначительные, различия между ними будут обнаруживаться. С точки же зрения математической статистики нас интересует вопрос, являются ли различия между этими выборками статистически достоверными (статистически значимыми) или недостоверными (случайными).

Наиболее распространенными критериями достоверности различий между выборками являются параметрические меры различий – критерий Стьюдента и критерий Фишера. В ряде случаев используются непараметрические критерии – критерий Q Розенбаума, U-критерий Манна- Уитни и др. Особое место занимает угловое преобразование Фишера φ*, позволяющие сравнивать друг с другом значения, выраженные в процентах (процентных долях). И, наконец, как частный случай, для сравнения выборок могут быть использованы критерии, характеризующие форму распределений выборок – критерий χ² Пирсона и критерий λ Колмогорова – Смирнова.

В целях наилучшего усвоения данной темы мы поступим следующим образом. Одну и ту же задачу мы решим четырьмя методами с использованием четырех различных критериев – Розенбаума, Манна-Уитни, Стьюдента и Фишера.

Условие задачи

30 студентов (14 юношей и 16 девушек) во время экзаменационной сессии протестированы по тесту Спилбергера на уровень реактивной тревожности. Получены следующие результаты (табл. 7.1):

Таблица 7.1

Испытуемые

Уровень реактивной тревожности

Юноши

Девушки

Задание

Определить, являются ли статистически достоверными различия уровня реактивной тревожности у юношей и девушек.

Задача представляется вполне типичной для психолога, специализирующегося в области педагогической психологии: кто более остро переживает экзаменационный стресс – юноши или девушки? Если различия между выборками статистически достоверны, то существуют значимые половые различия в данном аспекте; если различия случайны (статистически недостоверны), от данного предположения следует отказаться.

Дата добавления: 2014-11-29