Сделай Сам Свою Работу на 5

Возможности и ограничения параметрических и непараметрических критериев.





Основные аспекты использования компьютерной техники.

1) Компьютерное представление стимульной информации.

Возможности представления информации на дисплее значительно раздвигают возможности проведения разнообразных экспериментов в области исследования познавательных процессов, интеллекта, разработки нового поколения интегральных индикаторов и вообще всех средств отображения информации в автоматизированных системах.

2) Компьютерное управление экспериментом.

Применение современной вычислительной техники позволяет разрабатыватьпроцедурные схемы и режимы, которые без ее использования принципиально невозможны.

Если скорость обработки информации, идущей от испытуемою или испытуемых (оценка реакции, действий, состояний и т.д.), и выбора варианта программы эксперимента соизмерима со скоростью реакции и изменений в организме и психике человека или превышает их, то управление в реальном масштабе времени даст возможность более точной оценки величины психо-физиологических резервов, актуальной пропускной способности по переработке информации, диагностике и прогнозированию состоянию человека и многих других параметров.



3) Организация хранения полученных данных. Преимущества компьютерной реализации этих задач.

·возможность хранения очень больших объемов информации;

·оперативный доступ к любому элементу хранящейся информации;

·оперативная селекция информации одновременно по многим критериям:

·гибкость в переструктуировании объемов и принципов организации.

4) Обработка полученных данных.

Компьютер значительно расширяет возможности исследователя в обработке данных. Многие процедуры математической обработки могут быть реализованы только на вычисли тельной технике.

Лучшей формой обработки в настоящее время является перевод данных непосредственно из протокола в электронную таблицу, создаваемую на компьютере с помощью одной из систем управления базой данных (СУБД).

Представление полученных данных с использованием специальных программ делает отображение на дисплее эффективной зрительной опорой для создания наглядности и активизации образного мышления.



5) Компьютерное психологическое моделирование.

Компьютер предоставляет новые возможности в имитации жизненных ситуаций (транспортных, производственных, спортивных, боевых) в лабораторной обстановке. Моделирующие устройства, включающие компьютер, могут значительно повысить эффективность их использования для обучения и тренировки.

Нельзя отрицать огромное влияние информационных технологий на многие стороны нашей жизни.

Но нет основании считать его беспредельным.

Центральной фигурой в исследовательской или психодиагностической ситуации остается специалист, а основными ее факторами - личность специалиста, его интеллект, профессиональные знания и опыт, интуиция.

Во многих случаях использование компьютера добавляет удобство, что никак не следует умалять, но ничего принципиально, качественно не меняет.

Достоинства компьютеризированных методик:

·неизменность реализуемой программы - постоянство условий тестирования, что труднодостижимо при немашинном предъявлении заданий;

·точность и однозначность регистрации множества возможных реакций испытуемого;

·возможность восстановить и проследить последовательность действий испытуемого;

·создание единых банков психодиагностических данных, эмпирически обоснованных тестовых норм для разных групп обследуемых.

·возможности для автоматизированного конструирования тестов;

·психолог освобождается от рутинной, трудоемкой работы при проведении обследования и при конструировании тестов;

·возможность расширения практики группового тестирования и тиражирования методик;



·расширение возможностей применения мощного математико-статистического аппарата анализа данных.

·сохранение конфиденциальности результатов тестирования;

·упрощается хранение диагностических данных, снижается себестоимость обследования.

·благоприятные условия для применения экспресс-методик, их проведение позволяет быстро получить результаты, что в профессиональной психодиагностике имеет решающее значение;

·компьютерная процедура предъявления тестовых заданий минимизирует негативные воздействия, возникающие в ситуации межличностного взаимодействия между экспериментатором и испытуемым (снижение действия защитных механизмов у испытуемого, облегчение диагностики индивидуально присущих субъекту особенностей деятельности и мотивации);

·появляется возможность актуализации «игровой» мотивации у испытуемых (оформление теста в виде игры), что делает процесс тестирования более привлекательным и повышает достоверность результатов;

·намечаются пути решения давней проблемы, возникающей как результат несовместимости концептуальных схем интерпретации различных методик (например, создание словаря-тезауруса терминов-названий психических свойств, используемых в научной, литературной и бытовой лексике);

·становится возможным проведение анализа поведения испытуемого непосредственно в ходе обследования, учета многих параметров складывающихся ситуаций, организации диалога в реальном режиме времени (адаптивное тестирование);

·испытуемый при необходимости обеспечивается быстрой интерпретирующей обратной связью по результатам тестирования;

·средства компьютерной графики позволяют предъявлять испытуемому динамические объекты (динамическая стимульная среда), становится возможным использование полимодальных стимулов;

·появляются условия как для индивидуализации психодиагностического исследования, так и проведения быстрых массовых обследований;

·обеспечивается тесная связь с решением практических задач.

Даже, если предполагается использование для этих целей прикладных компьютерных программ, психолог должен достаточно ясно представлять концепцию планирования.

Возможности и ограничения параметрических и непараметрических критериев.

Критерии делятся на параметрические и непараметрические.

 

Параметрические критерии

Если критерий основан на конкретном типе распределения генеральной совокупности и использует параметры этой совокупности. (среднии, дисперсии и.т.д.)

(t - критерий Стьюдента, критерий F и др.)

Непараметрические критерии

Критерии, не включающие в формулу расчета параметров распределе­ния и основанные на оперировании частотами или рангами (критерий Q Розенбаума, критерий Т Вилкоксона и др.)

 

И те, и другие критерии имеют свои преимущества и недостатки. На основании нескольких руководств можно составить таблицу, позво­ляющую оценить возможности и ограничения тех и других..

Возможности и ограничения параметрических и непараметрических критериев

 

ПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ НЕПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ
1. Позволяют прямо оценить различи* в средних, полученных в двух вы­борках (t - критерий Стьюдента). Позволяют оценить лишь средние тенден­ции, например, ответить на вопрос, чаще ли в выборке А встречаются более высо­кие, а в выборке Б - более низкие значе­ния признака (критерии Q, U, φ* и др.).
2. Позволяют прямо оценить различия в дисперсиях (критерий Фишера). Позволяют оценить лишь различия в диа­пазонах вариативности признака (критерий φ*).
3. Позволяют выявить тенденции изме-нения признака при переходе от ус­ловия к условию (дисперсионный однофакторный анализ), но лишь при условии нормального распреде­ления признака. Позволяют выявить тенденции изменения признака при переходе от условия к усло­вию при любом распределении признака (критерии тенденций L и S).
4. Позволяют оценить взаимодействие двух и более факторов в их влиянии на изменения признака (двухфакторный дисперсионный анализ). Эта возможность отсутствует.
5. Экспериментальные данные должны отвечать двум, а иногда трем, усло­виям: а) значения признака измерены по интервальной шкале; б) распределение признака является нормальным; в) в дисперсионном анализе должно соблюдаться требование равенства дисперсий в ячейках комплекса. Экспериментальные данные могут не от­вечать ни одному из этих условий: а) значения признака могут быть пред­ставлены в любой шкале, начиная от шка­лы наименований; б) распределение признака может быть любым и совпадение его с каким-либо теоретическим законом распределения необязательно и не нуждается в проверке; в) требование равенства дисперсий отсут­ствует.
6. Математические расчеты довольно сложны. Математические расчеты по большей час­ти просты и занимают мало времени (за исключением критериев χ2и λ).
7. Если условия, перечисленные в п.5, выполняются, параметрические кри­терии оказываются несколько более мощными, чем непараметрические. Если условия, перечисленные в п.5, не выполняются, непараметрические критерии оказываются более мощными, чем пара­метрические, так как они менее чувстви­тельны к "засорениям'.

 

Из Табл. 1 мы видим, что параметрические критерии могут оказаться несколько более мощными[1], чем непараметрические, но толь­ко в том случае, если признак измерен по интервальной шкале и нор­мально распределен. С интервальной шкалой есть определенные про­блемы (см. раздел "Шкалы измерения"). Лишь с некоторой натяжкой мы можем считать данные, представленные не в стандартизованных оценках, как интервальные. Кроме того, проверка распределения "на нормальность" требует достаточно сложных расчетов, результат кото­рых заранее неизвестен (см. параграф 7.2). Может оказаться, что рас­пределение признака отличается от нормального, и нам так или иначе все равно придется обратиться к непараметрическим критериям.

Непараметрические критерии лишены всех этих ограничений и не­требуют таких длительных и сложных расчетов. По сравнению с пара­метрическими критериями они ограничены лишь в одном - с их помо­щью невозможно оценить взаимодействие двух или более условий или факторов, влияющих на изменение признака. Эту задачу может решить только дисперсионный двухфакторный анализ.
11. Понятие корреляции. Свойства корреляции.Корреля́ция(от лат. correlatio), (корреляционная зависимость) — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.[1] Математической мерой корреляции двух случайных величин служит корреляционное отношение [2], либо коэффициент корреляции (или )[1]. В случае, если изменение одной случайной величины не ведёт к закономерному изменению другой случайной величины, но приводит к изменению другой статистической характеристики данной случайной величины, то подобная связь не считается корреляционной, хотя и является статистической
12. Метод корреляционных плеяд.Метод корреляционных плеяд предназначен для нахождения таких групп объектов - "плеяд", когда корреляционная связь, т.е. сумма модулей коэффициентов корреляции между параметрами одной группы (внутриплеядная связь) достаточно велика, а связь между параметрами из разных групп (межплеядная) - мала. По определенному правилу по корреляционной матрице объектов образуют чертеж - граф, который затем с помощью различных приемов разбивают на подграфы. Элементы, соответствующие каждому из подграфов, и образуют плеяду.

Рассмотрим корреляционную матрицу R=(rij), i,j=1,2,...,p, исходных объектов. В данном варианте корреляционных плеяд предполагается упорядочивать объекты и рассматривать только те коэффициенты корреляции, которые соответствуют связям между элементами в упорядоченной системе. Упорядочение производится на основании принципа максимального корреляционного пути: все p объектов связываются при помощи (p-1) линий (ребер) так, чтобы сумма модулей коэффициентов корреляции была максимальной. Это достигается следующим образом: в корреляционной матрице находят наибольший по абсолютной величине коэффициент корреляции, например |r(l,m)| = r(1) (коэффициенты на главной диагонали матрицы, равные единице, не рассматриваются).

Рисуем кружки, соответствующие параметрам x(l) и x(m) и над связью между ними пишем значение r(1). Затем, исключив r(1), находим наибольший коэффициент в m-ом столбце матрицы (это соответствует нахождению признака, который наиболее сильно после x(l) "связан" с x(m) , и наибольший коэффициент в l-ой строке матрицы (это соответствует нахождению признака, наиболее сильно после x(m) "связанного" сx(l) )). Из найденных таким образом двух коэффициентов корреляции выбирается наибольший - пусть это будет |r(l,j)| = r(2). Рисуем кружок x(j), соединяем его с кружком x(l) и проставляем значение r(2). Затем находим объекты, наиболее связанные с x(l) , x(m) и x(j), и выбираем из найденных коэффициентов корреляции наибольший.;

Пусть это будет |r(j,q)| = r(3). Требуем, чтобы на каждом шаге появлялся новый объект, поэтому объекты, уже изображенные на чертеже, исключаются, следовательно, q не равно l, q не равно m, q не равно j.

Далее рисуем кружок, соответствующий x(q) , и соединяем его с x(j) и т.д. На каждом шаге находятся параметры, наиболее сильно связанные с двумя последними рассмотренными параметрами, а затем выбирается один из них, соответствующий большему коэффициенту корреляции. Процедура заканчивается после (p-1)-го шага; граф оказывается состоящим из p кружков, соединенных (p-1)ребром. Затем задается пороговое значение r, а все ребра, соответствующие меньшим, чем r, коэффициентам корреляции, исключаются из графа.

Незамкнутым графом называется такой граф, для которого для любых двух кружков существует единственная траектория, составленная из линий связи, соединяющая эти два кружка. Очевидно, что в данном варианте метода корреляционных плеяд допускается построение только незамкнутых графов.


13. Множественный коэффициент ранговой корреляции Спирмена.
Множественный коэффициент ранговой корреляции W. Этот коэффициент (называемый также коэффициентом конкордации) предназначен для измерения связи произвольного числа ранговых признаков.
14. Корреляционная матрица, ее особенности.
матрица коэффициентов корреляции нескольких случайных величин. Если X1, ..., Х п -случайные величины с ненулевыми дисперсиями то элементы р, у при равны корреляции коэффициентам р(Х i, Xj),а при i=j равны 1. Свойства К. м. Р определяются свойствами ковариационной матрицы, е в силу соотношения: е=ВРВ, где В -диагональная матрица с диагональными элементами s1, ..., sn.К числу характерных свойств корреляционной матрицы относят: симметричность относительно главной диагонали, r jk=r kj, ; единичные значения элементов главной диагонали, r kk=1 (r kkсоответствует дисперсии стандартизованного параметра uk), .
15. Дисперсионный однофакторный анализ. Отличие дисперсионного анализа от корреляционного. Этапы подготовки данных к дисперсионному анализу.Дисперсионный анализ.

 








Не нашли, что искали? Воспользуйтесь поиском по сайту:



©2015 - 2024 stydopedia.ru Все материалы защищены законодательством РФ.