 |
 |
 |
 |
|
 |
 |
мышлением, а от интуитивного мышления они просто получают результаты, к-рые наполняют
последнее сильным ощущением чувства правоты.
О. и. наиболее распространена в ситуации, когда исходы генерируются чисто случайно. Если в
развитии событий участвует некоторый фактор мастерства, чаще наблюдается положительный эффект
новизны (positive recency effect). Наблюдатель скорее всего будет рассматривать серию успехов (напр.,
игрока в бильярд) как свидетельство его мастерства, и будет выстраивать свои прогнозы последующих
исходов скорее в положительном, чем в отрицательном направлении. Даже бросание костей может
приводить к положительному эффекту новизны в той степени, в к-рой индивидуум убежден, что на
исход события каким-то образом влияет «искусство» бросающего.
См. также Эффект Барнума, Поведение игроков, Статистический вывод
Дж. Элкок
Ошибки (I и II рода) (errors (type I and II))
Когда статистический анализ используется для проверки гипотез, экспериментаторы обычно еще
до начала сбора данных формулируют вероятностное предположение особого рода, называемое нулевой
гипотезой (H
0
). Такое предварительное постулирование предусматривает оценку результатов исслед. на
основе теории выборочного распределения и нормального закона распределения вероятностей. Нулевая
гипотеза отражает связь между переменными и формулируется таким образом, чтобы она сама или е¸
отрицание приводили к информ., к-рую можно было бы использовать для повышения ранга
исследовательских гипотез. После того как данные собраны и статистически обработаны, исследователь
должен принять решение о том, отклонять ли ему нулевую гипотезу или нет.
Логика принятия такого решения предполагает возможность четыр¸х исходов, два из которых
яв-ся ошибочными. О. I р. совершается в тех случаях, когда принимается решение отклонить H
0
, хотя в
действительности H
0
верна. О. II р., напротив, состоит в решении не отклонять H
0
, хотя в
действительности H
0
неверна. Два др. возможных исхода — это правильное решение отклонить Н
0
(когда она на самом деле неверна) или правильное решение не отклонять е¸ (когда она действительно
верна). Собственно говоря, нулевую гипотезу как таковую невозможно доказать без знания «истинного»
положения дел, но ее можно опровергнуть, если вероятность того, что полученные результаты
согласуются с ней, чрезвычайно мала. Поэтому решения, принимаемые на основе проверки
статистической гипотезы, обычно формулируются в виде утверждений, содержащих указание уровней
вероятности или уровней достоверности правильности различных исходов в свете H
0
.
Вероятность совершить О. I р. обозначается символом ?
(альфа)
и контролируется
непосредственно экспериментатором. Задавая величину ?, экспериментатор точно определяет уровень
вероятности, связанный с решением отклонить H
0
на основе доли случаев, когда такое решение будет
правильным. Уровень ?
также называют уровнем достоверности или уровнем значимости. В соц. и
поведенческих науках принято формулировать нулевую гипотезу в форме отрицания теорет. ожидания
экспериментатора или выдвинутой им поисковой гипотезы. Тогда, если уровень ?, как это обычно
бывает, выбирается равным 0,05 или 0,01, а величина выборочной стат. достигает ее критического
значения для выбранного уровня ? или превышает таковое, появляется возможность отклонить H
0
и
сделать следующий вывод: шансы того, что эксперим. воздействие действительно производит
измеряемый эффект, равны соответственно 95 из 100 или 99 из 100.
Вероятность О. II р. обозначается символом ?
(бета)
и не может непосредственно
контролироваться, так как зависит, помимо всего прочего, от величины экспериментального эффекта и
«истинного» положения дел, к-рое нам в принципе неизвестно. Кроме того, выбор более жесткого
уровня ? увеличивает шансы совершения О. II р., поскольку неизбежно приводит к тому, что для своего
обнаружения эксперим. эффект должен быть более выраженным (по величине). Тогда как H
0
предполагает только одно выборочное распределение, альтернативная гипотеза чаще всего точно не
определяется, и величина ? будет варьировать в зависимости от того, какое из почти бесконечного ряда
альтернативных выборочных распределений окажется для нее справедливым. Если выбирается
конкретная альтернативная гипотеза, можно вычислить ? и обратную ей величину: 1 — ? называемую
мощностью критерия. Единственный способ, каким экспериментатор может повысить мощность
критерия и уменьшить ?, состоит в увеличении числа изучаемых случаев. С увеличением объема
выборки уменьшается стандартная ошибка используемой стат., а значит, и область критических
значений последней, что позволяет легче отклонить Н
0
. Поэтому задание уровня ?
и выбор объема
выборки имеют решающее значение при проверке статистической гипотезы и должны диктоваться
