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) |
Список обозначений
Принятие решения о задаче и методе обработки на стадии планирования исследования АЛГОРИТМ 2 Принятие решения о задаче и методе обработки на стадии, когда данные уже получены АЛГОРИТМ 1 1. По первому столбцу Табл. 1.2 определить, какая из задач стоит в вашем исследовании. 2. По второму столбцу Табл. 1.2 определить, каковы условия решения вашей задачи, например, сколько выборок обследовано или на какое количество групп вы можете разделить обследованную выборку. 3. Обратиться к соответствующей главе и по алгоритму принятия решения о выборе критерия, приведенного в конце каждой главы, определить, какой именно метод или критерий вам целесообразно использовать. Если вы еще находитесь на стадии планирования исследования, то лучшее заранее подобрать математическую модель, которую вы будете в дальнейшем использовать. Особенно необходимо планирование в тех случаях, когда в перспективе предполагается использование критериев тенденций или (в еще большей степени) дисперсионного анализа., В этом случае алгоритм принятия решения таков: 1. Определите, какая модель вам кажется наиболее подходящей для доказательства] ваших научных предположений. 2. Внимательно ознакомьтесь с описанием метода, примерами и задачами для самостоятельного решения, которые к нему прилагаются. 3. Если вы убедились, что это то, что вам нужно, вернитесь к разделу "Ограничения критерия" и решите, сможете ли вы собрать данные, которые будут отвечать этим ограничениям (большие объемы выборок, наличие нескольких выборок, монотонно различающихся по какому-либо признаку, например, по возрасту и т.п.). 4. Проводите исследование, а затем обрабатывайте полученные данные по заранее! выбранному алгоритму, если вам удалось выполнить ограничения. 5. Если ограничения выполнить не удалось, обратитесь к алгоритму 1. В описании каждого критерия сохраняется следующая последовательность изложения: · назначение критерия; · описание критерия; · гипотезы, которые он позволяет проверить; · графическое представление критерия; · ограничения критерия; · пример или примеры. Кроме того, для каждого критерия создан алгоритм расчетов. Если критерий сразу удобнее рассчитывать по алгоритму, то он приводится в разделе "Пример"; если алгоритм легче можно воспринять уже после рассмотрения примера, то он приводится в конце параграфа, соответствующего данному критерию. Латинские обозначения: А - показатель асимметрии распределения с - количество групп или условий измерения d - разность между рангами, частотами или частостями df - число степеней свободы в дисперсионном анализе Е - показатель эксцесса F - критерий Фишера для сравнения дисперсий f - частота f * - частость, или относительная частота G - критерий знаков Н - критерий Крускала-Уоллиса i - индекс, обозначающий порядковый номер наблюдения j - индекс, обозначающий порядковый номер разряда, класса, группы k - количество классов или разрядов признака L - критерий тенденций Пейджа М - среднее значение признака или средняя арифметическая; то же, что и х m - биномиальный критерий n - количество наблюдений (испытуемых, реакций, выборов и т.п.) N - общее количество наблюдений в двух или более выборках Р - вероятность того, что событие произойдет р - вероятность ошибки 1 рода (то же, что и а), уровень статистической значимости Q - 1) вероятность того, что событие не произойдет; 2) критерий Розенбаума rs - коэффициент ранговой корреляции Спирмена S - критерий Джонкира S2 - оценка дисперсии Si - количество значений, которые выше или ниже данного значения SS - суммы квадратов (в дисперсионном анализе) Т - критерий Вилкоксона Тс - суммы рангов по столбцам Тк - большая сумма рангов в критерии U U - критерий Манна-Уитни Wn - размах вариативности, или диапазон значений от наименьшего до наибольшего хi - текущее наблюдение; каждое наблюдение по порядку - среднее значение признака (то же, что и М) Греческие обозначения: α(альфа) - вероятность ошибки I рода (отклонения H0, которая верна) β (бета) - вероятность ошибки II рода (принятия H0, которая неверна) λ, (ламбда) - критерий Колмогорова-Смирнова v (ню) - число степеней свободы в непараметрических критериях σ (сигма) - стандартное отклонение φ (фи) - центральный угол, определяемый по процентной доле в критерии φ* φ* (фи) - критерий Фишера с угловым преобразованием χ2 (хи-квадрат) - критерий Пирсона χ2 r (хи-ар-квадрат) - критерий Фридмана. ГЛАВА 2
Дата добавления: 2015-06-04; Просмотров: 902; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |