Лекция: Алгоритм выбора критерия

Оценка достоверности сдвига значения исследуемого признака:

1. Сравнение данных, полученных у одних и тех же испытуемых, по одним и тем же методикам, но в разное время, называется временным сдвигом.

2. Сравнение данных, полученных у одних и тех же испытуемых, по одним и тем же методикам, но в разных условиях, называется ситуационным сдвигом.

3. Если условия представляются, то сдвиг называется умозрительным.

4. Сдвиг под влиянием экспериментальных воздействий.

Сдвиг – это разность между вторым замером и первым.

Преобладающие сдвиги — типичные

G — критерий знаков (критерий Мак-Немара) (направленный)

1. Ограничения: 5 ≤ n ≤ 300

2. Гипотезы:

H0: Преобладание типичного направления сдвига является случайным.

H1: Преобладание типичного направления сдвига является неслучайным (закономерным).

3. Статистика:

Алгоритм

1. Отбросить данные с нулевыми сдвигами

n = n – n0

2. Определить количество нетипичных сдвигов

G эмп. = количество нетипичных сдвигов

4. Отклонение:

I — критерий Вилкоксона (ранговый, направленный; критерий — исключение)

1. Ограничение: 5 ≤ n ≤ 50

2. Гипотезы:

H0: Интенсивность сдвигов в типичном направлении не превышает интенсивность сдвигов в нетипичном направлении.

H1: Интенсивность сдвигов в типичном направлении превышает интенсивность сдвигов в нетипичном направлении.

3. Статистика:

Алгоритм

1. Исключить из рассмотрения нулевые сдвиги

n = n – n0

2. Проранжировать абсолютное значение сдвигов.

4. Отклонение:

X2p – критерий Фридмана (ненаправленный, ранговый)

1. Ограничение: 2 ≤ n

2. Гипотезы:

H0: Между показателями, измеренными в разных условиях существуют лишь случайные размытия.

H1: Между показателями, измеренными в разных условиях существуют лишь неслучайные (закономерные) размытия.

3. Статистика:

Алгоритм

1. Проранжировать индивидуальные значения, полученные при разных замерах

2. Подсчитать, найти сумму рангов.

Пример:

Лабиринты.

Пример:

5,7 не равно 6,4

H0: принято

Ответ: Нулевая гипотеза принимается, а различий в анаграмме нет.

Лекция 8 (22.10)

L – критерий тенденций Пейджа (ранговый)

1. Ограничение: c ≥ 3, c ≤ 6

n ≥ 2, n ≤ 12 (где n – количество испытуемых)

2. Гипотезы:

H0: увеличение индивидуальных значений признака при переходе от одного условия по второму, третьему и т. д. является случайным.

H1: увеличение индивидуальных значений признака при переходе от одного условия по второму, третьему и т. д. является закономерным.

Первым условием считается условие с наименьшей суммой рангов.

3. Статистика:

, где Tj – сумма рангов.