 |
 |
 |
 |
|
 |
 |
времени, а 15-й — самому долгому; 2) данным ex aequo придается средний ранг.
?d² = 428
r
s
= 1 -
15
153
428
6
= 1 -
3360
2568
= 0,24.
Таким образом, как и в случае коэффициента r, получен положительный, хотя и недостоверный,
результат. Какой же из двух результатов правдоподобнее: r = -0,48 или r
s
= +0,24? Такой вопрос может
встать лишь в том случае, если результаты достоверны.
Хотелось бы еще раз подчеркнуть, что сущность этих двух коэффициентов несколько различна.
Отрицательный коэффициент r указывает на то, что эффективность чаще всего тем выше, чем время
реакции меньше, тогда как при вычислении коэффициента r
s
требовалось проверить, всегда ли более
быстрые испытуемые реагируют более точно, а более медленные — менее точно.
Поскольку в экспериментальной группе после воздействия был получен коэффициент r
s
,
равный
0,24, подобная тенденция здесь, очевидно, не прослеживается. Попробуйте самостоятельно разобраться
в данных для контрольной группы после воздействия, зная, что ?d² = 122,5:
r
s
= 1 -
= 1 -
= 1 - ..... ; достоверно ли?
Каков ваш вывод? ..........
Итак, мы рассмотрели различные параметрические и непараметрические статистические методы,
используемые в психологии. Наш обзор был весьма поверхностным, и главная задача его заключалась в
том, чтобы читатель понял, что статистика не так страшна, как кажется, и требует в основном здравого
смысла. Напоминаем, что данные «опыта», с которыми мы здесь имели дело, — вымышленные и не
могут служить основанием для каких-либо выводов. Впрочем, подобный эксперимент стоило бы
действительно провести. Поскольку для этого опыта была выбрана сугубо классическая методика, такой
же статистический анализ можно было бы использовать во множестве различных экспериментов. В
любом случае нам кажется, что мы наметили какие-то главные направления, которые могут оказаться
полезны тем, кто не знает, с чего начать статистический анализ полученных результатов.
Резюме
Существуют три главных раздела статистики: описательная статистика, индуктивная статистика
и корреляционный анализ.
I. Описательная статистика
1. Задачи описательной статистики —
классификация данных, построение распределения их
частот, выявление центральных тенденций этого распределения и оценка разброса данных
относительно средних.
2. Для классификации данных сначала располагают их в возрастающем порядке. Далее их
разбивают на классы по величине, интервалы между которыми определяются в зависимости от того, что
именно исследователь хочет выявить в данном распределении.
3. К наиболее часто используемым параметрам, с помощью которых можно описать
распределение, относятся, с одной стороны, такие величины, как мода, медиана и средняя
арифметическая, а с другой — показатели разброса, такие как варианса (дисперсия) и стандартное
отклонение.
4. Мода соответствует значению, которое встречается чаще других или находится в середине
класса, обладающего наибольшей частотой.
Медиана соответствует значению центрального данного, которое может быть получено после
того, как все данные будут расположены в возрастающем порядке.
Средняя арифметическая равна частному от деления суммы всех данных на их число.
Распределение считается нормальным, если кривая распределения имеет колоколообразный вид,
а все показатели центральной тенденции совпадают, что свидетельствует о симметричности
распределения.
5. Диапазон распределения (размах вариаций) равен разности между наибольшим и наименьшим
значениями результатов.
