![]() КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Результаты измерения длины тела (девочки 14 лет, г. Москва, 1999 г.)
Вариационный ряд антропометрических признаков Для построения размерной типологии весь полученный антропометрический материал подвергают математической обработке. Для каждого из признаков в результате математической обработки находят такие значения (статистические параметры), которые характеризуют величину и вариабельность признака в выборке, а соответственно и в генеральной совокупности. Для получения достоверных данных обработка антропометрического материала должна рассматриваться как самостоятельная задача и проводиться также, как сбор материала по определенной методике, основанной на методах математической статистики*. Еще в конце XIX века ветвь математической статистики, которая занимается применением математических методов для изучения разнообразия живых существ, в том числе и человека, получила название биометрии [3]. Как бы однородна ни была изучаемая группа людей, любой из антропометрических признаков внутри этой группы обнаруживает большую или меньшую изменчивость. Если измерена определенная группа людей, то можно заранее сказать, что различные значения любого из антропометрических признаков в этой группе встречаются с разной частотой. Для получения характеристики вариабельности антропометрических признаков обратимся к конкретному материалу. Допустим, что нужно проанализировать измерения длины тела у группы девочек состоящей из 124 человек. Сначала эти данные представляют в виде упорядоченной таблицы, где их располагают в порядке возрастания (табл. 3.1). Далее следует найти наибольшее и наименьшее значения признака в группе. Минимальным значением длины тела в данной группе будет 144,2, а максимальным — 172,0 см. Для удобства дальнейших вычислений отдельные значения признака группируют в классы. Число классов должно быть 15-18, так как при меньшем их числе снижается точность расчета. В том случае, если в выборке число наблюдений менее 30, значения признака не группируют в классы (см.приложение 2).
Таблица 3.1 Примечание: классовый интервал заканчивается числом, набранным полужирным шрифтом
Интервал между двумя соседними классами — классовый интервал — определяют по формуле где max — наибольшее значение признака в выборке; min — наименьшее значение признака в выборке. Разность между наибольшим и наименьшим значениями признака в выборке (max-min) называется размахом вариабельности признака в выборке. При получении дробной величины i ее округляют до 0,5 или до целого числа. В нашем примере (см. табл. 3.1): Это значит, что в один класс следует объединить значения длины тела, которые отличаются друг от друга не более чем на 2 см. Таким образом, вместо 124 отдельных значений можно записать 15 классов, в которые войдут все значения данного признака. Далее определяют границы классов, т. е. начальное (нижнее) и конечное (верхнее) значения каждого класса. За начальное значение класса удобно взять целое число или число, оканчивающееся на 0,5. Границы классов определяют так, чтобы не возникло сомнений, к какому классу относится то или иное значение. Например, начальное и конечное значения классов должны быть 20,5-22,4 и 22,5-24,4, а не 20,5-22,5 и 22,5-24,5, так как во втором случае непонятно, к какому из классов отнести значение 22,5. В рассматриваемом примере за границы первого класса приняты значения 143,5-145,4 см, следующий класс имеет границы 145,5 147,7 см и так далее до 171.5-173.4 см. После этого составляют таблицу, где в первую графу по вертикали записывают границы классов, во вторую графу — численность значений в каждом классе (табл. 3.2). Так, в первый класс входит одно значение, во второй класс — два, в третий — пять и т. д. Таким образом, получают так называемый вариационный ряд. Вариационный ряд — это двойной ряд чисел, состоящий из значений признака, сгруппированных в классы и соответствующих каждому классу численностей или частот [1]. Всякий вариационный ряд можно изобразить графически. На графике вариационный ряд изображается вариационной кривой (кривой распределения). При построении кривой распределения величину классового интервала определяют не таким способом, как при составлении вариационного ряда. При большом числе классов (т. е. при малом классовом интервале) кривая будет иметь зигзагообразную форму, при малом числе классов (при большом классовом интервале) будет дана неполная характеристика вариационного ряда. Поэтому нужное число классов при построении кривой распределения определяется исходя из численности выборки (табл. 3.3).
Вариационный ряд длин тела (девочки 14 лет, г. Москва, 1999 г.) Таблица 3.2
Определение числа классов при заданной численности выборки для построения вариационной кривой
Таблица 3.3
Таблица составлена сотрудником ННИИА МГУ Е. И. Фортунатовой по формуле Стер-джесса [2]: где (— классовый интервал; max - min — размах изменчивости признака в выборке: п — число случаев (знаменатель в целом — число классов L). Определив число классов для заданной численности выборки, находят классовый интервал Полученное значение интервала следует округлять. Так, для рассматриваемого примера (см. табл. 3.1) численность выборки п — 124; число классов для данной численности по табл. 3.3 равно 8. Минимальное значение длины тела в выборке равно 144,2, максимальное — 172,0 см; следовательно, классовый интервал для построения вариационной кривой распределения Полученный классовый интервал в два раза больше, чем при построении вариационного ряда в табл. 3.2. Объединение значений признака в классы для построения вариационной кривой проводится по определенному правилу (см. гл. 3, п.З). Для нашего примера нижней границей первого класса будет значение 143,5 см, а верхней границей класса — 147,4 см; второй класс будет включать значения от 147,5,0 до 151,4 см и так далее до 171,5-175,4 см (табл. 3.4). При построении кривой распределения на графике по оси абсцисс х откладывают средние значения каждого класса, которые равны сумме значений нижней и верхней границ каждого класса, деленной на два. Так, среднее значение для первого класса будет (143,5 + 147,4/2 = 145,45 см), (= 145 см), для второго класса — 149,45 см (= 149,5 см) и т. д. На оси ординат у откладывают частоту встречаемости признака. Кривая распределения (вариационная кривая) длины тела для данного примера изображена на рис. 3.1*. Анализируя форму вариационной кривой (или распределение численностей в вариационном ряду), можно обнаружить, что максимальная высота кривой (т. е. наибольшая численность) приходится на класс, который лежит посередине ряда. Вправо и влево от класса с максимальной численностью на кривой распределения (или вверх и вниз от этого класса в табл. 3.4) число значений признака в каждом классе постепенно убывает, имея наименьшие значения в первом и последнем классах. Подобная закономерность вариабельности значений признака в вариационном ряду наблюдается у всех антропометрических признаков.
Дата добавления: 2015-06-04; Просмотров: 1122; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |