Применение биномиального критерия m

АЛГОРИТМ 18

Пример 3

Пример 2

Пример 1

В процессе тренинга сенситивности в группе из 14 человек вы­полнялось упражнение "Психологический прогноз". Все участники должны были пристально вглядеться в одного и того же человека, ко­торый сам пожелал быть испытуемым в этом упражнении. Затем каж­дый из участников задавал испытуемому вопрос, предполагавший два заданных варианта ответа, например: "Что в тебе преобладает: отстра­ненная наблюдательность или включенная эмпатия?" "Продолжал бы ты работать или нет, если бы у тебя появилась материальная возмож­ность не работать?" "Кто тебя больше утомляет - люди нахальные или занудные?" и т. п. Испытуемый должен был лишь молча выслушать вопрос, ничего не отвечая. Во время этой паузы участники пытались определить, как он ответит на данный вопрос, и записывали свои про­гнозы. Затем ведущий предлагал испытуемому дать ответ на заданный вопрос. Теперь каждый участник мог определить, совпал ли его про­гноз с ответом испытуемого или нет. После того, как было задано 14 вопросов (13 участников + ведущий), каждый сообщил, сколько у него получилось точных прогнозов. В среднем было по 7-8 совпадений, но у одного из участников их было 12, и группа ему спонтанно зааплодиро­вала. У другого участника, однако, оказалось всего 4 совпадения, и он был очень этим огорчен.

Имела ли группа статистические основания для аплодисментов?

Имел ли огорченный участник статистические основания для грусти?

Начнем с первого вопроса.

По-видимому, группа будет иметь статистические основания для аплодисментов, если частота правильных прогнозов у участника А пре­высит теоретическую частоту случайных угадываний. Если бы участник прогнозировал ответ испытуемого случайным образом, то, в соответст­вии с теорией вероятностей, шансы случайно угадать или не угадать ответ на данный вопрос у него были бы равны P=Q=0,5. Определим теоретическую частоту правильных случайных угадываний:

f _теор=n· P

где n - количество прогнозов;

Р - вероятность правильного прогноза при случайном угадывании.

f _теор=14-0,5=7

Итак, нам нужно определить, "перевешивают" ли 12 реально данных правильных прогнозов 7 правильных прогнозов, которые могли бы быть у данного участника, если бы он прогнозировал ответ испы­туемого случайным образом.

Требования, предусмотренные ограничением 3, соблюдены: Р=0,50; f _эмп> f _теор. Данный случай относится к варианту "В" Табл. 5.12.

Мы можем сформулировать гипотезы.

H₀: Количество точных прогнозов у участника А не превышает часто­ты, соответствующей вероятности случайного угадывания.

H₁: Количество точных прогнозов у участника А превышает частоту, соответствующую вероятности случайного угадывания.

По Табл. XIV Приложения 1 определяем критические значения критерия m при n=14, Р=0,50:

Мы помним, что за эмпирическое значение критерия m принима­ется эмпирическая частота:

Зона значимости простирается вправо, в область более высоких значений m (более "весомых", если использовать аналогию с весами), а зона незначимости - в область более низких, "невесомых", значений m.

Ответ: H₀ отвергается. Принимается H₁. Количество точных прогнозов у участника А превышает (или по крайней мере равняется) критической частоте вероятности случайного угадывания (р≤0,01). Группа вполне обоснованно ему аплодировала!

Теперь попробуем ответить на второй вопрос задачи.

По-видимому, основания для грусти могут появиться, если коли­чество правильных прогнозов оказывается достоверно ниже теоретиче­ской частоты случайных угадываний. Мы должны определить, 4 точных прогноза участника Б - это достоверно меньше, чем 7 теоретически возможных правильных прогнозов при случайном угадывании или нет?

В данном случае Р=0,50; f _эмп> f _теор. В соответствии с ограничени­ем 4, в данном случае мы должны применить критерий знаков, кото­рый по существу является зеркальным отражением или "второй сторо­ной" одностороннего биномиального критерия (вариант "Г" Табл. 5.12). Вначале нам нужно определить, что является типичным событием для участника Б. Это неправильные прогнозы, их 10. Теперь мы опре­деляем, достаточно ли мало у него нетипичных правильных прогнозов, чтобы считать перевешивание неправильных прогнозов достоверным.

Сформулируем гипотезы.

H₀: Преобладание неправильных прогнозов у участника Б является случайным.

H₁: Преобладание неправильных прогнозов у участника Б не является случайным.

По Табл. V Приложения 1 определяем критические значения критерия знаков G для n=14:

Построим "ось значимости". Мы помним, что в критерии знаков зона значимости находится слева, а зона незначимости - справа, так как чем меньше нетипичных событий, тем типичные события являются бо­лее достоверно преобладающими.

Эмпирическое значение критерия G определяется как количество нетипичных событий. В данном случае:

Эмпирическое значение критерия G попадает в зону незначимости.

Ответ: H₀ принимается. Преобладание неправильных прогнозов у участника Б является случайным.

Участник Б не имел достаточных статистических оснований для огорчения. Дело, однако, в том, что психологическая "весомость" отклонения его оценки значительно перевешивает статистическую. Вся­кий практикующий психолог согласится, что повод для огорчения у уча­стника Б все же был.

Важная особенность биномиального критерия и критерия знаков состоит в том, что они превращают уникальность, единственность и жизненную резкость произошедшего события в нечто неотличимое от безликой и всепоглощающей случайности. Учитывая это, лучше исполь­зовать биномиальный критерий для решения более отвлеченных, форма­лизованных задач, например, для уравновешивания выборок по призна­ку пола, возраста, профессиональной принадлежности и т. п.

При оценке же личностно значимых событий оказывается, что статистическая сторона дела не совпадает с психологической больше, чем при использовании любого из других критериев.

В тренинге профессиональных наблюдателей допускается, чтобы наблюдатель ошибался в оценке возраста ребенка не более чем на 1 год в ту или иную сторону. Наблюдатель допускается к работе, если он совершает не более 15% ошибок, превышающих отклонение на 1 год. Наблюдатель Н допустил 1 ошибку в 50-ти попытках, а наблюдатель К - 15 ошибок в 50-ти попытках. Достоверно ли отличаются эти ре­зультаты от контрольной величины?

Определим частоту допустимых ошибок при п = 50:

f _теор=n· Р =50·0,15=7,5

Для наблюдателя Н f _эмп< f _теор. Для наблюдателя К f _эмп> f _теор

Сформулируем гипотезы для наблюдателя Н.

H₀: Количество ошибок у наблюдателя Н не меньше, чем это преду­смотрено заданной величиной.

H₁: Количество ошибок у наблюдателя Н меньше, чем это предусмот­рено заданной величиной.

В данном случае Р=0,15<0,50; f _эмп> f _теор.

Этот случай попадает под вариант Б Табл. 5. 12. Нам придется применить критерий у}, сопоставляя полученные эмпирические частоты ошибочных и правильных ответов с теоретическими частотами, состав­ляющими, соответственно, 7,5 для ошибочного ответа и (50-7,5)=42,5 для правильного ответа. Подсчитаем χ² по формуле, включающей по­правку на непрерывность[24]:

По Табл. IX Приложения 1 определяем критические значения χ² при v =l:

Ответ: H₀ отвергается. Количество ошибок у наблюдателя Н меньше, чем это предусмотрено заданной величиной (р≤0,05)

Сформулируем гипотезы для наблюдателя К.

H₀: Количество ошибок у наблюдателя К не больше, чем это преду­смотрено заданной величиной.

H₁: Количество ошибок у наблюдателя К больше, чем это предусмот­рено заданной величиной.

В данном случае Р=0,15<0,5; f _эмп> f _теор.Этот случай подпадает под вариант А Табл. 5.12. Мы можем применить биномиальный крите­рий, поскольку n=50.

По Табл. XV Приложения 1 определяем критические значения при п=50, Р=0,15, Q=0,85:

Ответ: H₀ отвергается. Количество ошибок у наблюдателя Н меньше, чем это предусмотрено заданной величиной (р<0,05).

Впримере 1 параграфа 5.2 мы сравнивали процент справившихся с экспериментальной задачей испытуемых в двух группах. Теперь мы можем сопоставить процент успешности каждой группы со среднестати­стическим процентом успешности. Данные представлены в Табл. 5.13.

Таблица 5.13

Показатели успешности решения задачи в двух группах испытуемых

	Количество испытуемых, решивших задачу	Количество испытуемых, не решивших задачу	Суммы
1 группа (n1=20)		(60%)		(40%)
2 группа (п7=25)		(40%)		(60%)
Суммы

Среднестатистический показатель успешности в решении этой за­дачи - 55%. Определим теоретическую частоту правильных ответов для групп 1 и 2:

Для группы 1, следовательно, Р=0,55>0,50; f _эмп=12> f _теор. Этот случай соответствует варианту "Д" Табл. 5.12. Мы должны были бы применить критерий χ², но у нас всего 20 наблюдений: n<30. Ни би­номиальный критерий, ни критерий χ² неприменимы. Остается крите­рий φ* Фишера, который мы сможем применить, если узнаем, сколько испытуемых было в выборке, по которой определялся среднестатистиче­ский процент.

Далее, для группы 2: Р=0,55>0,50; f _эмп=10> f _теор. Этот случай соответствует варианту "Е" Табл. 5.12. Мы можем применить биноми­альный критерий, если будем считать "эффектом" неудачу в решении задачи. Вероятность неудачи Q=l—Р=1—0,55=0,45. Новая эмпириче­ская частота составит: f _эмп=25-10=15.

Сформулируем гипотезы.

H₀: Процент неудач в обследованной выборке не превышает заданного процента неудач.

H₁ Процент неудач в обследованной выборке превышает заданный процент неудач.

По Табл. XV Приложения 1 определяем критические значения для n=25, P=0,45, Q=0.55 (мы помним, что Р и Q поменялись местами):

Ответ: H₀ принимается. Процент неудач в обследованной вы­борке не превышает заданного процента неудач.

Сформулируем общий алгоритм применения критерия m.

1. Определить теоретическую частоту встречаемости эффекта по фор­муле:

F _теор=n·Р.

где n - количество наблюдений в обследованной выборке;

Р - заданная вероятность исследуемого эффекта.

По соотношению эмпирической и теоретической частот и заданной вероятности Р определить, к какой ячейке Табл. 5.12 относится данный случай сопоставлений.

Если биномиальный критерий оказывается неприменимым, исполь­зовать тот критерий, который указан в соответствующей ячейке Табл. 5.12

2. Если критерий m применим, то определить критические значения m по Табл. XVI (при Р=0,50) или по табл. XV (при Р<0,50) для данных n и Р.

3. Считать m_эмп эмпирическую частоту встречаемости эффекта в об­следованной выборке: m_эмп= f _эмп.

4. Если m_эмп превышает критические значения, это означает, что эм­пирическая частота достоверно превышает частоту, соответствую­щую заданной вероятности.

Дата добавления: 2017-01-14