Проблема повышения качества и эффективности научных исследований в сфере психологии в последние годы выступает предметом исследования большинства ученых, приводит к активному внедрению в практическую психологию современных математических и информационных методов.
Методы математической обработки данных используются для обработки данных, установления закономерностей между изучаемыми процессами, психологическими феноменами. Использование математических методов позволяет повысить достоверность, научность результатов исследований.
Подобная обработка может осуществляться вручную либо при помощи специального программного обеспечения. Результаты исследования могут быть представлены в графическом виде, в виде таблица, в числовом выражении.
На сегодняшний день основными направлениями психологического знания, в которых уровень математизации знаний оказывается наиболее важным, является экспериментальная психология, психометрика и математическая психология.
К наиболее распространенным психологическим математическим методам относят регистрацию и шкалирование, ранжирование, факторный, корреляционный анализ, различные методы многомерного представления и анализа данных.
Готовые работы на аналогичную тему
- Курсовая работа Математические методы в психологии 420 руб.
- Реферат Математические методы в психологии 230 руб.
- Контрольная работа Математические методы в психологии 220 руб.
Получить выполненную работу или консультацию специалиста по вашему учебному проекту Узнать стоимость
Назначение методов
Психологические исследования позволяют выявить некоторые общие черты, свойственные популяции людей.
популяцией
Это могут быть представители одной социальной группы, сообщества, возрастной категории, профессиональной области и т.д.
репрезентативной
Обработка данных — это отдельная область экспериментальной психологии, напрямую связанная с математикой, статистикой.
состоит из нескольких этапов:
В итоге решаются следующие задачи:
- систематизируются полученные сведения;
- выявляются допущенные ошибки, неточности;
- обнаруживаются скрытые закономерности, связи;
- определяется достоверность результатов.
количественной и качественной
В первом случае изучаются различные параметры объекта исследования, которые подлежат измерению.
точные результаты
Маркетинговые исследования в гостиничном бизнесе
... в их основе лежит одна и та же техника — постановка вопросов и ответы на них респондентом, т. е. анкетирование. Анкета — инструмент исследования при сборе первичных данных методом ... и фирмы, с которыми работает гостиничное предприятие. Среди них — туристические ... в информации и разрабатывают маркетинговые информационные системы. Маркетинговая информационная система Хорошая маркетинговая система ...
При этом качественные данные невозможно измерить, единственный способ их математической оценки — выявление частоты встречаемости (например, как часто встречается среди испытуемых холерический тип темперамента).
Количественные
Количественная обработка производится при помощи двух групп методов: первичных, вторичных.
Классификация , Методы статистической обработки
Что такое принцип системности в психологии? Читайте об этом здесь.
Первичные
Первичные методы позволяют установить показатели, отражающие непосредственные результаты исследований.
С их помощью психолог может сформировать свое первое представление об объекте: о его характеристиках, об имеющихся закономерностях и т.д.
Первичные методы:
- Среднее арифметическое . Это одно из самых простейших арифметических действий. Для получения данного количественного показателя исследователю достаточно сложить все выявленные числовые значения и поделить полученную сумму на количество этих значений.
- Медиана . Под медианой понимается числовая величина, которая занимает центральное положение в последовательном ряду данных. Иными словами, из всего массива чисел половина оказывается меньше медианы, а половины — больше. Соответственно, выше и ниже медианы количество значений одинаковое.
- Мода . Этот метод подразумевает выделение числа, которое чаще остальных присутствует в выборке — самое «модное» число.
Например, если большинство испытуемых демонстрируют во время эксперимента одну и ту же реакцию на какой-либо раздражитель, то количественный показатель по данной реакции будет относиться к моде.
- Дисперсия — это мера изменчивости, которая позволяет судить о степени вариации признака.
Вторичные анализы
направлены на более глубокое изучение вопроса
Они помогают выявлять скрытые закономерности, устанавливать взаимосвязи.
Вторичные методы: корреляционный анализ, регрессионный анализ, факторный анализ и др.
Корреляционный
может существовать определенная зависимость
Диапазон его колебаний
При отрицательном значении показателя специалист делает вывод, что увеличение значений одной переменной приводит к уменьшению значения другой.
Нулевой коэффициент
Регрессионный
Позволяет выявить зависимость одной случайной переменной от другой или нескольких других случайных переменных.
зависимым
Исследователь самостоятельно определяет, какие переменные будут выполнять выбранные роли. Его решение зависит от того, какие задачи ставятся изначально.
Факторный , Суть метода
Это позволяет сузить массив обрабатываемой информации до оптимальных значений. При помощи факторного анализа все многообразие данных объединяется в несколько ключевых показателей.
Активно используется в психологии при работе с большими объемами информации.
Существуют разные типы факторного анализа
Канонический
Позволяет установить зависимость между двумя модулями переменных, которые характеризуют объекты.
Гендерная психология лидерства: современные исследования и тенденции
... связывает с глубоким исследованием феномена деструктивного лидерства. В более поздних работах Т.В Бендас указывает причины, которые способствовали активному развитию гендерной психологии лидерства в конце ХХ ... этого низкие показатели конкурентности, агрессивности и сексуальности. Наряду с этим Т.В. Бендас установила, что ситуация оказывает существенное влияние на проявление гендерных различий ...
выявить влияние одного фактора на группу переменных
Например, в сфере педагогики специалист может при помощи данного приема выявить зависимость между успеваемостью детей по нескольким видам дисциплин и уровнем развития у них какого-либо навыка.
уровень влияния
Для чего используется лонгитюдный метод в психологии? Ответ вы найдете на нашем сайте.
Сравнение средних
обнаруживает несовпадение.
Например, в рамках исследования уровня знаний студентов университета, группе первокурсников моет быть предложено пройти тест, состоящий из 60 вопросов. Через 5 лет этой же группе студентов, являющихся выпускниками, предлагается вновь пройти тот же самый тест.
То есть и объекты исследования, и предмет исследования, и содержание эксперимента никак не изменяются. Проходит лишь определенный промежуток времени.
наверняка продемонстрирует явное несовпадение результатов.
Сравнение дисперсий
Предыдущий метод не всегда позволяет получить исчерпывающую информацию.
проследить взаимосвязь между двумя уровнями одного и того же объекта
Сравнение же дисперсий позволяет оценить степень изменчивости одного показателя, характерного для двух разных объектов. Так, специалист может поставить перед собой задачу определить уровень успеваемости учеников двух разных классов — 7-го и 8-го.
В этом случае данные, подтверждающие разные уровни успеваемости, будут свидетельствовать об изменчивости исследуемого показателя.
Частотный , Создание специальных таблиц частот
Возможно применение данного способа обработки данных и в отношении количественных переменных, но в таком случае могут возникнуть сложности при интерпретации результатов.
графические изображения в виде гистограмм
Частотный ряд имеет смысл применять в том случае, когда в исходной выборке присутствует множество схожих значений.
Кластерный
применяется при больших объемах информации.
Все многочисленные объекты исследования разбиваются на группы по схожим признакам.
большое количество объектов
по совокупности признаков
Также кластерный анализ в отличие от большинства других статистических методов не налагает никаких ограничений на вид объектов, подлежащих рассмотрению. Соответственно, становится возможным выбор данных произвольного характера.
Математические методы в психологии
Государственное образовательное учреждение
высшего профессионального образования
ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Институт математики, естественных наук и информационных технологий
Кафедра математического моделирования
Орлова елена борисовна
математические методы в психологии
Учебно-методический комплекс. Рабочая программа
для студентов направления 030300.62 «Психология»
Тюменский государственный университет
2011
Орлова методы в психологии.
Учебно-методический комплекс. Рабочая программа для студентов направления 030300.62 «Психология» очной и заочной форм обучения. Тюмень, 2011, 13 стр.
Рабочая программа составлена в соответствии с требованиями ГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению «Психология».
Рабочая программа дисциплины опубликована на сайте ТюмГУ: Математические методы в психологии [электронный ресурс] / Режим доступа: https://www. umk. *****, свободный.
Рекомендовано к изданию кафедрой математического моделирования. Утверждено проректором по учебной работе Тюменского государственного университета.
© Тюменский государственный университет, 2011.
© , 2011.
Пояснительная записка
Задача любой науки, состоит в выявлении и исследовании закономерностей, которым подчиняются реальные процессы. Решение данной задачи в настоящее время практически невозможно без использования количественных методов, основанных на использовании математического аппарата. Знание основных принципов и правил математической статистики позволяет экспериментатору обобщать данные эксперимента, находить между ними зависимость, выявлять различие существенных расхождений между группами испытуемых, строить статистические предсказания, грамотно проводить интерпретацию полученных в ходе исследования данных.
Данный курс является неотъемлемой частью подготовки психолога, не только как практического специалиста, но и как ученого-исследователя. Корректное использование статистики ведет к грамотным выводам, отражающим суть и смысл проведенного исследования, а владение разными ее методами расширяет возможности анализа данных и тем самым обогащает исследование, раскрывая разные его аспекты.
Требования ГОС ВПО
Измерение в психологии; типы шкал; представление данных; описательная статистика; меры связи; метрика; методы одномерной и многомерной прикладной статистики; многомерное шкалирование; многомерный анализ данных (факторный, кластерный); дисперсионный анализ; анализ данных на компьютере, статистические пакеты; приближенные вычисления; возможности и ограничения конкретных компьютерных методов обработки данных; стандарты обработки данных; нормативы представления результатов анализа данных в научной психологии; методы математического моделирования; модели индивидуального и группового поведения, моделирование когнитивных процессов и структур, проблема искусственного интеллекта.
Цели и задачи дисциплины
Цель
освоения дисциплины – сформировать у студента готовность использовать современные информационные технологии, математические и статистические методы для обработки результатов психологического исследования.
Задачи:
обучить студентов основным математическим методам, используемым в педагогике и психологии; привить студентам навыки использованием ЭВМ в обработке экспериментальных данных; подготовить студентов к самостоятельному овладению необходимыми для дальнейшей работы математическими знаниями.
По окончании изучения дисциплины студент должен:
знать
- основные понятия и определения математической статистики;
- классификацию статистических методов и способов их применения при проведении психолого-педагогических исследований;
уметь
- подготовить результаты психологического исследования к дальнейшей математической обработке;
- применять методы статистической обработки данных в зависимости от целей и задач исследований в рамках профессиональной деятельности;
- анализировать результаты математической обработки данных, интерпретировать и оценивать их значимость;
- самостоятельно проходить все этапы статистической обработки данных, начиная от их подготовки и заканчивая интерпретацией.
1.
Тематический план, Таблица 1, Тематический план для студентов очной формы обучения
| № | Тема | Виды учебной работы и самостоятельная работа, в час | Итого часов | Итого количество баллов | |||
| Лекции | Практические
занятия |
Лабораторные | Самостоятельная работа | ||||
| 1. | Измерение в психологии; типы шкал; представление данных
Распределение признака. Основные виды дискретных и непрерывных распределений Параметры распределения. |
4 | 10 | 14 | 0-6 | ||
| 2. | Числовые характеристики выборки. Применение статистических пакетов для вычислений числовых характеристик | 4 | 4 | 8 | 16 | 0-6 | |
| 3. | Выявление различий в распределениях признака. Критерии согласия. Сопоставление с нормальным распределением. Statistica | 2 | 2 | 4 | 12 | 20 | 0-16 |
| 4. | Параметрические критерии: Стьюдента, дисперсионный анализ. Excel, Statistica | 4 | 2 | 4 | 10 | 20 | 0-22 |
| 5. | Выявление степени согласованности изменений. Корреляционный анализ, регрессионный анализ. Excel, Statistica | 2 | 4 | 4 | 10 | 20 | 0-22 |
| 6. | Методы многомерного анализа: кластерный анализ, факторный анализ. Statistica | 4 | 4 | 2 | 8 | 18 | 0-22 |
| 7. | Моделирование когнитивных процессов в психологии. Типы познавательных процессов, цель когнитивного моделирования. | 2 | 8 | 10 | 0-6 | ||
| Итого | 18 | 18 | 18 | 66 | 120 | 0-100 |
Таблица
2
Виды и формы оценочных средств в период текущего контроля
| № темы | Технические формы контроля | Информационные системы и технологии | Итого количество баллов | ||
| Аудиторные занятия | контрольная работа | компьютерное тестирование | электронные практикум | ||
| 1. Измерение в психологии; типы шкал; представление данных.
Распределение признака. Основные виды дискретных и непрерывных распределений Параметры распределения. |
0-2 | 0-4 | 0-6 | ||
| 2. Числовые характеристики выборки. Применение статистических пакетов для вычислений числовых характеристик | 0-2 | 0-4 | 0-6 | ||
| 3. Выявление различий в распределениях признака. Критерии согласия. Сопоставление с нормальным распределением. Statistica | 0-2 | 0-8 | 0-2 | 0-4 | 0-16 |
| 4. Параметрические критерии: Стьюдента, дисперсионный анализ. Excel, Statistica | 0-4 | 0-10 | 0-2 | 0-6 | 0-22 |
| 5. Выявление степени согласованности изменений. Корреляционный анализ, регрессионный анализ. Excel, Statistica | 0-3 | 0-10 | 0-3 | 0-6 | 0-22 |
| 6. Методы многомерного анализа: кластерный анализ, факторный анализ. Statistica | 0-3 | 0-10 | 0-3 | 0-6 | 0-22 |
| 7. Моделирование когнитивных процессов в психологии. Типы познавательных процессов, цель когнитивного моделирования. | 0-2 | 0-4 | 0-6 | ||
| Итого | 0-18 | 0-38 | 0-10 | 0-34 | 0-100 |
Таблица 3.1, Планирование самостоятельной работы студентов очной формы обучения
| № | Модули и темы | Виды СРС | Объем часов | Кол-во баллов | |
| обязательные | дополнительные | ||||
| работа с литературой, источниками | |||||
| 1. | Измерение в психологии; типы шкал; представление данных.
Распределение признака. Основные виды дискретных и непрерывных распределений Параметры распределения. |
работа с литературой, источниками | 10 | 0-4 | |
| 2. | Числовые характеристики выборки. Применение статистических пакетов для вычислений числовых характеристик | Выполнение домашних индивидуальных заданий
Подготовка к контрольной работе |
Выполнение заданий для самостоятельной работы, предложенных в практикумах | 8 | 0-4 |
| 3. | Выявление различий в распределениях признака. Критерии согласия. Сопоставление с нормальным распределением. Statistica | Выполнение домашних индивидуальных заданий
Подготовка к контрольной работе |
Выполнение заданий для самостоятельной работы, предложенных в практикумах | 12 | 0-14 |
| 4. 2.1 | Параметрические критерии: Стьюдента, дисперсионный анализ. Excel, Statistica | Выполнение домашних индивидуальных заданий
Подготовка к контрольной работе |
Выполнение заданий для самостоятельной работы, предложенных в практикумах | 10 | 0-18 |
| 5. 2.2 | Выявление степени согласованности изменений. Корреляционный анализ, регрессионный анализ. Excel, Statistica | Выполнение домашних индивидуальных заданий
Подготовка к контрольной работе |
Выполнение заданий для самостоятельной работы, предложенных в практикумах | 10 | 0-19 |
| 6. 3.1 | Методы многомерного анализа: кластерный анализ, факторный анализ. Statistica | Выполнение домашних индивидуальных заданий
Подготовка к контрольной работе |
Выполнение заданий для самостоятельной работы, предложенных в практикумах | 8 | 0-19 |
| 7. 3.2 | Моделирование когнитивных процессов в психологии. Типы познавательных процессов, цель когнитивного моделирования. | работа с литературой, источниками | 8 | 0-4 | |
| Итого | 66 | 0-82 |
2.
Содержание дисциплины
Тема 1. Измерение в психологии; типы шкал; представление данных. Распределение признака. Основные виды дискретных и непрерывных распределений. Параметры распределения.
Измерение в психологии; типы шкал — номинативная, порядковая интервальная, отношений; представление данных.
Распределение случайной величины. Параметры распределения. Первичные описательные статистики. Параметр генеральной совокупности. Точечная оценка генерального параметра. Дискретные распределения. Непрерывные распределения. Нормальное распределение.
Тема 2. Числовые характеристики выборки., Применение статистических пакетов для вычислений числовых характеристик
Основные числовые характеристики выборки: выборочное среднее, дисперсия, стандартное отклонение, медиана, мода, эксцесс, асимметрия. Составление сводных таблиц (табулирование данных); построение таблиц сгруппированных частот; графическое представление полученных распределений. Применение приложения Microsoft Excel, пакета Statistica в психологических исследованиях. Подсчет числовых характеристик в Microsoft Excel, Statistica.
Тема 3. Выявление различий в распределениях признака. Критерии согласия.
Сравнение распределений случайной величины: критерии Пирсона и критерия Колмогорова – Смирнова.
Критерий Пирсона. Определение соответствия экспериментального распределения теоретическому (нормальному) по критерию Пирсона.
Критерий Колмогорова – Смирнова. Алгоритм вычислений критерия Колмогорова.
Использование критерия Пирсона и критерия Колмогорова – Смирнова для оценки соответствия эмпирического распределения теоретическому (равномерному).
Возможности использования критерия Пирсона и критерия Колмогорова – Смирнова для определения достоверности различий между двумя эмпирическими распределениями.
Получить полный текст
Microsoft Excel, Statistica в выявлении различий в распределениях признака.
Тема 4. Параметрические методы: Стьюдента, дисперсионный анализ
Сравнение средних 2-х независимых совокупностей: условия, гипотеза и возможные случаи сравнения (равные и неравные, известные и неизвестные генеральные дисперсии).
Использование статистики t-Стьюдента. Сравнение дисперсий 2-х независимых совокупностей; критерий F-Фишера.
Однофакторный дисперсионный анализ ANOVA для независимых совокупностей. Основные принципы анализа. Понятие о факторе, градациях фактора, внутригрупповой (случайной) и межгрупповой (факториальной) дисперсиях, силе и достоверности влияния исследуемого фактора. Алгоритм расчета основных показателей в однофакторном дисперсионном анализе.
Сравнение средних: парный t-критерий Стьюдента.
Однофакторный дисперсионный анализ для зависимых выборок.
Определение и классификация методов многомерного анализа. Многофакторный дисперсионный анализ MANOVA и факторные эксперименты.
Возможности Microsoft Excel, Statistica в применении параметрических методов.
Тема 5. Выявление степени согласованности изменений. Корреляционный анализ, регрессионный анализ
Понятие ковариации, корреляции и регрессии. Основные свойства коэффициентов корреляции. Коэффициент линейной корреляции Пирсона. Проверка значимости корреляционной зависимости. Коэффициент ранговой корреляции Спирмена. Графическое представление корреляционных связей. «Облако рассеивания» показателей и его интерпретация.
Бисериальный коэффициент корреляции. Границы применимости и методы определения статистической значимости коэффициента.
Выбор меры связи в зависимости от типа измерительных шкал.
Анализ линейной зависимости. Метод наименьших квадратов. Линейная парная регрессия и проверка значимости корреляционной зависимости.
Возможности Microsoft Excel, Statistica в применении корреляционного и регрессионного анализа.
Тема 6. Методы многомерного анализа: кластерный анализ, факторный анализ
Определение и классификация методов многомерного анализа. Многофакторный дисперсионный анализ MANOVA и факторные эксперименты.
Факторный и кластерный анализ.
Факторный анализ, основные принципы. Понятие о факторах, факторных весах и факторных нагрузках. Способы представления данных: матрицы факторных нагрузок, графическое представление. Современное состояние и перспективы использования факторного анализа в психологических исследованиях.
Кластерный анализ и область его применения. Основные принципы кластеризации. Представление данных кластерного анализа. Использование кластерного анализа в психологии.
Возможности Microsoft Excel, Statistica в применении методов многомерного анализа.
Тема 7. Моделирование когнитивных процессов в психологии. Типы познавательных процессов, цель когнитивного моделирования.
Модели индивидуального и группового поведения. Введение в когнитивные компьютерные науки. Когнитивное компьютерное моделирование (ККМ) и компьютерная графика (КГ).
Иллюстративная и когнитивная функции КГ. Применение когнитивного анализа и моделирования. Классификация задач когнитивного компьютерного моделирования. Классификация программных продуктов.
Проблема искусственного интеллекта: основные понятия, связь с психологией и когнитологией.
3.
Учебно — методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.
Проведение каждого практического занятия сопровождается указаниями для самостоятельной работы. По каждой теме студентам предлагается практикум, который содержит:
1. Теоретический материал;
2. Подробные разъяснения (с примерами и иллюстрациями) по практическому применению приложения Microsoft Office Excel или пакета Statistica для решения конкретной задачи.
3. Задания для самостоятельной работы.
4.
Вопросы для самоконтроля
1. В какой шкале измерен признак «Тип темперамента (холерик, сангвиник, флегматик, меланхолик)»?
2. В какой шкале измерен признак «Распределение по социально-экономическому статусу («низший класс», «средний класс», «высший класс»)»?
3. Примером измерений в какой шкале являются измерения различных субъективных феноменов, полученные методом парных сравнений?
4. Какая оценка параметра называется точечной?
5. Какая оценка параметра называется интервальной?
6. Что называется доверительным интервалом?
7. От чего зависит длина доверительного интервала?
8. Что такое уровень значимости (вероятность ошибки первого рода)?
9. Что такое мощность критерия?
10. Что такое доверительная вероятность?
11. В чем состоит ошибка второго рода?
12. Чему равна сумма всех частот в статистическом распределении выборки?
13. Какие значения может принимать выборочная дисперсия?
14. Что характеризует выборочное среднее?
15. Что характеризует выборочная дисперсия?
16. Что характеризует «Исправленная» дисперсия?
17. Что характеризует выборочное среднее квадратическое отклонение?
18. Что характеризует коэффициент асимметрии?
19. Что называется эксцессом? Что он характеризует?
20. Что характеризует отрицательный коэффициент эксцесса?
21. Чему равны коэффициенты ассиметрии и эксцесса нормального распределения?
22. Является ли график функции плотности нормального распределения симметричным? Изобразите его схематично.
23. Что такое мода выборки?
24. Что такое медиана выборки?
25. Является ли функция распределения, построенная по статистическому распределению выборки, убывающей?
26. Какие значения принимает функция плотности равномерного распределения?
27. Какие значения принимает функция распределения, построенная по статистическому распределению выборки?
28. По какому принципу критерий относится к классу параметрических?
29. Относится ли однофакторный дисперсионный анализ к классу параметрических?
30. Какой критерий можно применить для сравнения средних значений признака в двух независимых выборках?
31. Можно ли применить критерий Манна-Уитни для сравнения средних значений признака в двух независимых выборках?
32. Какой критерий можно применить для сравнения среднего значения признака с известным (наперед заданным) значением?
33. Какой критерий можно применить для сравнения средних значений признака в двух зависимых выборках?
34. Какой критерий можно применить для сравнения средних значений признака в трех независимых выборках?
35. Какой критерий можно применить для сравнения средних значений признака в трех зависимых выборках?
36. Перечислите ограничения для применения критерия t-критерия Стьюдента.
37. Относится ли t – критерий Стьюдента к разряду параметрических?
38. С какой целью применяется однофакторный дисперсионный анализ?
39. Какие обязательные условия существуют для применения дисперсионного анализа?
40. С какой целью применяется t – критерий Стьюдента?
41. Какой критерий можно применить при оценке значимости влияния одного признака на другой?
42. В чем состоит сущность дисперсионного анализа?
43. Можно ли при помощи дисперсионного анализа указать тесноту взаимосвязи между признаком и влияющим на него фактором
44. Могут ли факторы, влияние которых оценивается в дисперсионном анализе, являться неопределенными? Латентной структурой?
45. Напишите основное дисперсионное равенство в однофакторном дисперсионном анализе для несвязанных групп.
46. Напишите основное дисперсионное равенство в однофакторном дисперсионном анализе для связанных групп.
47. Напишите основное дисперсионное равенство в двухфакторном дисперсионном анализе для несвязанных групп.
48. Напишите основное дисперсионное равенство в двухфакторном дисперсионном анализе для связанных групп.
49. С какой целью используется F-критерий Фишера?
50. Какие ограничения накладываются на применение F-критерия Фишера?
51. На что указывает знак коэффициента корреляции Пирсона?
52. Что характеризует величина модуля коэффициента корреляции Пирсона?
53. Для каких целей предназначен коэффициент корреляции Пирсона?
54. Для каких целей предназначен коэффициент ранговой корреляции Спирмена?
55. Можно ли применить коэффициент корреляции Пирсона при оценке влияния условий (факторов) на значения признака?
56. Говорит ли коэффициент ранговой корреляции Спирмена о тесноте причинно-следственной взаимосвязи между признаками
57. С помощью какого метода можно оценить тесноту взаимосвязи между двумя признаками?
58. Наличие какой взаимосвязи между признаками характеризует положительный значимый коэффициент корреляции Пирсона?
59. Закончите высказывание: «Чем дальше коэффициент корреляции Пирсона отклоняется от нуля, тем …» .
60. Какие из рисунков будут соответствовать положительному коэффициенту корреляции?
61.
Верно или неверно, что взаимосвязь между признаками, представленную на рисунке, можно охарактеризовать как «тесная прямая линейная»?
62. Какие из рисунков будут соответствовать
нелинейной корреляционной взаимосвязи между признаками?
63. Охарактеризуйте каждую взаимосвязь (с точки зрения линейности, силы и направления), представленную на рисунках
64. Наличие какой взаимосвязи между признаками характеризует отрицательный значимый коэффициент корреляции Пирсона говорит о том, что между признаками:
65. Верно или неверно, что принимая основную гипотезу Н0 при нахождении выборочного коэффициента корреляции, делаем вывод, что между признаками не наблюдается линейная взаимосвязь?
66. Верно или неверно, что закон Йеркса-Додсона: возрастание мотивации первоначально повышает эффективность научения, а затем наступает снижение продуктивности (эффект «перемотивации») является примером обратной взаимосвязи?
67. Верно или неверно, что высказывание «Чем выше личностная тревожность, тем больше риск заболеть язвой желудка» является примером нелинейной взаимосвязи?
Получить полный текст
68. Верно или неверно, что высказывание » Чем боязливей особь, тем меньше у нее шансов занять доминирующее положение в группе» является примером обратной взаимосвязи?
69. Какие значения может принимать коэффициент корреляции Пирсона?
70. Какие значения может принимать коэффициент корреляции Спирмена?
71. Зависит ли коэффициент корреляции Пирсона от единиц измерения признаков?
72. Зависит ли коэффициент корреляции Спирмена от единиц измерения признаков?
73. В каких случаях используется бисериальный коэффициент корреляции?
74. Для каких задач используется регрессионный анализ?
75. Верно или неверно, что форма связи (математическое уравнение, описывающее зависимость между зависимой и независимой переменными) определяется при помощи кластерного анализа?
76. Верно или неверно, что предсказать значения зависимой переменной можно при помощи факторного анализа.
77. Что такое «Коэффициент детерминации»?
78. Назовите наиболее распространенный метод подбора коэффициентов простой линейной регрессии.
79. Верно или неверно, что коэффициенты простой линейной регрессии определяются однозначно?
80. Перечислите известные Вам методы многомерного статистического анализа.
81. Верно или неверно, что с помощью факторного анализа возможно выявление скрытых латентных переменных факторов, отвечающих за наличие линейных статистических связей корреляций между наблюдаемыми переменными?
82. Назовите основные цели факторного анализа.
83. Построение какой модели является целью метода главных компонент?
84. С какой целью применяется поворот факторов (вращение, ротация) в факторного анализа">процедуре факторного анализа?
85. Верно или неверно, что целью применения методов вращения в процедуре факторного анализа является выявление групп, в состав которых входят объекты, более сходные друг с другом, чем с представителями других групп?
86. Что представляет метод вращения факторов Varimax в процедуре факторного анализа?
87. Охарактеризуйте свойство биполярности факторных нагрузок в процедуре факторного анализа.
88. Верно или неверно, что факторные нагрузки в процедуре факторного анализа – это коэффициенты корреляции между выделенными факторами и переменными?
89. Что отражает величина нагрузок в процедуре факторного анализа?
90. Разностью между какими матрицами является остаточная матрица в процедуре факторного анализа?
91. Что представляет метод вращения факторов Quartimax в процедуре факторного анализа?
92. Перемещаются ли точки, характеризующие переменные, при вращении факторного пространства в процедуре факторного анализа?
93. Является ли Direct oblimin Примером косоугольного вращения факторов в процедуре факторного анализа?
94. Что представляет метод вращения факторов Direct oblimin в процедуре факторного анализа?
95. Верно или неверно, что кластерный анализ — это ряд методов, используемых для группировки объектов, событий или индивидов в классы на основе сходства их характерных признаков?
96. Что такое спорный объект в кластерном анализ?
97. С какой целью применяется стандартизация (нормирование) переменных в кластерном анализе?
98. Чем по сути является «Евклидово расстояние» при задании меры сходства в кластерном анализе?
99. Когда используется «Расстояние Чебышева » при задании меры сходства в кластерном анализе?
100. Как рассчитывается «Манхэттенское расстояние (расстояние городских кварталов)» при задании меры сходства в кластерном анализе:
101. Когда используется «Процент несогласия » при задании меры сходства в кластерном анализе?
102. Какому расстоянию равно «Расстояние “Ближайшего соседа” (Одиночная связь)» при выборе метода классификации в кластерном анализе?
103. Какому расстоянию равно «Расстояние “Дальнего соседа” (Полная связь)» при выборе метода классификации в кластерном анализе?
104. Какому расстоянию равно «Невзвешенное попарное среднее» расстояние при выборе метода классификации в кластерном анализе:
105. Как определяет расстояние «Невзвешенный Метод Варда» при выборе метода классификации в кластерном анализе?
107. Какой метод в процедуре кластерного анализа позволяет строить заданное число различных кластеров, расположенных на возможно больших расстояниях друг от друга?
108. Верно или неверно, что в процедуре кластерного анализа «Двухвходовое объединение» позволяет кластеризовать в двух направлениях: наблюдения и переменные
5.
Учебно-методическое и информационное обеспечение дисциплины, Основная литература:
1. Гмурман вероятностей и математическая статистика. М.: Высшая школа, 2003.
2. Методы математической обработки в психологии. СПб.: Речь, 2007.
3. Суходольский методы психологии. СПб.: «Гуманитарный Центр», 2003.
Дополнительная литература:
[Электронный ресурс]//URL: https://psystars.ru/kursovaya/metodyi-obrabotki-dannyih-v-psihologii/
1. , , — Математика для психологов. Издательство: Московский психолого-социальный институт, ФЛИНТА ИЗДАТЕЛЬСТВО, МПСИ, 2003.
2. Statistica. Искусство анализа данных на компьютере: Для профессионалов. СПб., 2003.
3. . Дисперсионный анализ в экспериментальной психологии : учеб. пособие для студ. фак. психологии вузов по напр. 521000 — «Психология». Москва : Психология, 2000.
4. Математическая статистика для психологов. Рос. академия образования, Моск. псих.-социал. ин-т. — 2-е изд., испр. . — Москва : Московский психолого-социальный институт : Флинта, 2003.
5. . Компьютерная обработка данных для психологов. Санкт-Петербург : Речь, 2002.
6. Куликов исследование. СПб., Наука, 1995.
7. . Математические методы в психологии : учебное пособие для студентов, обучающихся по специальности 030301 «Психология». Екатеринбург : Изд-во УрГУ, 2009.
8. Наследов методы психологического исследования. Анализ и интерпретация данных. – СПб.: «Речь», 2004.
9. Математические методы в психологии : учеб. пособие / . — Тюмень : Изд-во ТюмГУ, 2011.
10. Математические методы в социальной психологии. Москва : Наука, 1983.
11. Психологическое тестирование / А. Анастази, С. Урбина. – 7-е изд. – СПб.: Питер, 2003.
12. Справочник по непараметрической статистике. М., 1982.
13. Суходольский математической статистики для психологов. СПб., 1998.
14. Математические методы в психологии. Харьков : Гуманитарный Центр, 2006.
15. Тарасов применения математических методов в психологии. СПб., 1998.
16. Шмелёв личностных черт. СПб., 2002.
