3. Что такое совокупность исходных данных «объекты-признаки»?
4. Как пользоваться таблицей случайных чисел?
5. Как строится полигон распределения частот?
6. Как строится гистограмма распределения частот?
7. Как строится кумулята распределения частот?
8. Как выявляется аномальность числа в выборке?
9. Как группируются данные в вариационный ряд?
10. Перечислите меры центральной тенденции.
11. Вычисление средней арифметической (простой и взвешенной).
12. Вычисление средней гармонической (простой и взвешенной).
13. Вычисление средней квадратической (простой и взвешенной).
14. Вычисление средней кубической (простой и взвешенной).
15. Вычисление средней геометрической (простой и взвешенной).
16. Вычисление коэффициента вариации.
17. Определение медианы.
18. Определение моды.
19. Как оценивается изменчивость параметра?
20. Какой критерий используется для определения того, отличается ли наблюдаемая частота результатов от ожидаемой частоты?
21. Нормальное распределение и его определение по эксцессу и асимметрии.
22. Нормальное распределение и его определение по z-критерию Колмогорова-Смирнова.
23. Параметрические критерии, условия их применения.
24. Как вычисляется уровень статистической достоверности различия между двумя средними по критерию Стьюдента (для одной выборки)?
25. Как вычисляется уровень статистической достоверности различия между двумя средними по критерию Стьюдента (для независимых выборок)?
26. Как вычисляется уровень статистической достоверности различия между двумя средними по критерию Стьюдента (для зависимых выборок)?
27. Какой вид анализа используется в экспериментах с межгрупповыми и внутригрупповыми планами?
28. Какой вид анализа используется в экспериментах, которые имеют несколько уровней категориальной независимой переменной, но только одну количественную зависимую переменную?
29. Непараметрические критерии, условия их применения.
30. Сравнение двух независимых выборок (критерий U-Манна-Уитни).
31. Сравнение двух связанных выборок (критерий W-Вилкоксона).
32. Как оценивается связь между двумя переменными (в ранговых шкалах)?
33. Как оценивается связь между двумя переменными (в интервальных шкалах)?
34. Регрессионный анализ.
35. Корреляционный анализ.
36. Линеаризация функций.
3. МЕТОДЫ ОБРАБОТКИ МНОГОМЕРНЫХ ДАННЫХ
3.1. Классификация многомерных методов
Наиболее часто в исследованиях человека применяются следующие многомерные методы: множественный регрессионный анализ (МР), факторный анализ (ФА), многомерное шкалирование (МШ), кластерный анализ (КА), дискриминантный анализ (ДА).
Эти методы можно классифицировать по трем основаниям: 1) в соответствии с интеллектуальной операцией (по способу преобразования исходной информации) – по назначению метода; 2) по способу сопоставления данных – по сходству (различию) или пропорциональности (корреляции); 3) по виду исходных эмпирических данных.
Классификация методов по назначению
1. Методы предсказания (экстраполяции): МР и ДА. МР предсказывает значения метрической «зависимой» переменной по множеству известных значений «независимых» переменных, измеренных у множества объектов (испытуемых). ДА предсказывает принадлежность объектов (испытуемых) к одному из известных классов (номинативной шкале) по измеренным метрическим (дискриминантным) переменным.
2. Методы классификации: варианты КА и ДА. КА («классификация без обучения») по измеренным характеристикам у множества объектов (испытуемых) либо по данным об их попарном сходстве (различии) разбивает это множество объектов на группы, в каждой из которых содержатся объекты, более похожие друг на друга, чем на объекты из других групп. ДА («классификация с обучением», «распознавание образов») позволяет классифицировать объекты по известным классам, исходя из измеренных у них признаков, пользуясь решающими правилами, выработанными предварительно на выборке идентичных объектов, у которых были измерены те же признаки.
3. Структурные методы: ФА и МШ. ФА направлен на выявление структуры переменных как совокупности факторов, каждый из которых – это скрытая, обобщающая причина взаимосвязи группы переменных. МШ выявляет шкалы как критерии, по которым поляризуются объекты при их субъективном попарном сравнении.