double arrow

О параметрических и непараметрических методах статистики

Приступая к статистической обработке своих исследований, психолог должен решить, какие методы ему более подходят по особенностям его материала – параметрические или непараметрические. Различие между ними легко понять.

Ранее уже говорилось об измерении двигательной скорости детей-шестиклассников.

Как обработать эти данные?

Нужно записать все произведенные измерения – в данном случае это будет число точек, поставленных каждым испытуемым, – затем вычислить для каждого испытуемого среднее арифметическое по его результатам. После этого расположить все данные в их последовательности, например начиная с наименьших к наибольшим. Для облегчения обозримости этих данных их обычно объединяют в группы; в этом случае можно объединить по 5–9 измерений в группе. Вообще же при таком объединении желательно, если общее число случаев не более ста, чтобы общее число групп было порядка двенадцати.

Далее нужно установить, сколько раз в опытах встретились числовые значения, соответствующие каждой группе. Сделав это, для каждой группы записать ее численность. Полученные в такой таблице данные носят название распределения численностей или частот. Рекомендуется представить это распределение в виде диаграммы, на которой изображается полигон распределения, или гистограмма распределения. Контуры этого полигона помогут решить вопрос о статистических методах обработки.

Нередко эти контуры напоминают контуры колокола, с наивысшей точкой в центре полигона и с симметричными ветвями, отходящими в ту и другую сторону. Такой контур соответствует кривой нормального распределения. Это понятие было видено в математическую статистику К.Ф. Гауссом (1777–1855) поэтому кривую именуют также кривой Гаусса. Он же дал математическое описание этой кривой. Для построения кривой Гаусса (или кривой нормального распределения) теоретически требуется бесчисленное количество случаев. Практически же приходится довольствоваться тем фактическим материалом, который накоплен в исследовании. Если данные, которыми располагает исследователь, при их внимательном рассмотрении или после переноса их на диаграмму лишь в незначительной степени расходятся с кривой нормального распределения, то это дает право исследователю применять в статистической обработке параметрические методы, исходные положения которых основываются на нормальной кривой распределения Гаусса.[4]

Нормальное распределение называют параметрическим потому, что для построения и анализа кривой Гаусса достаточно иметь всего два параметра: среднее значение, которое должно соответствовать высоте перпендикуляра, восстановленного в центре кривой, и так называемое среднее квадратическое, или стандартное, отклонение величины характеризующей рассеивание значений вокруг среднего значения; способах вычисления той и другой величины будет рассказано ниже.

Параметрические методы обладают для исследователя многими преимуществами, но нельзя забывать о том, что применение их мерно только тогда, когда обрабатываемые данные показывают распределение, лишь несущественно отличающееся от гауссовского.

При невозможности применить параметрические надлежит обратиться к непараметрическим методам. Эти методы успешно разрабатывались в последние 3–4 десятилетия, и их разработка была вызвана прежде всего потребностями ряда наук, в частности психологии, показали свою высокую эффективность. Вместе с тем они не требуют сложной вычислительной работы.

Современному психологу-исследователю нужно исходить из что «...имеется большое количество данных, которые либо вообще; поддаются анализу с помощью кривой нормального распределения либо не удовлетворяют основным предпосылкам, необходимым eе использования».[5]

Генеральная совокупность и выборка. Психологу постоянно приходится иметь дело с этими двумя понятиями.


Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:  



Сейчас читают про: