Для ситуации с зависимыми выборками аналогами являются критерий знаков и T-критерий Вилкоксона

⇐ ПредыдущаяСтр 10 из 12Следующая ⇒

Для оценки статистической значимости отличий по критерию Стьюдента принимается нулевая гипотеза, что средние двух выборок относятся к одной и той же генеральной совокупности, а различия между характеристиками выборки носят случайный характер (то есть применяемая методика не влияет на полученные результаты).

Критерий позволяет найти вероятность выполнения этой нуль-гипотезы.

Если эта вероятность ниже уровня значимости (р< 0, 05), то принято считать, что выборки относятся к двум разным совокупностям.

Это значит наше предположение неверно, нуль-гипотеза отвергается, и принимается альтернативная гипотеза (применение методики влияет на результаты).

Уровнем значимости называется вероятность ошибки, заключаю- щейся в отклонении нулевой гипотезы, когда она верна.

(Уровень значимости 0, 05 означает, что мы допускаем возможность ошибиться в 5 случаях из 100 если примем альтернативную гипотезу).

При использовании t-критерия можно выделить два случая. В первом случае его применяют для проверки гипотезы о равенстве генеральных средних двух независимых, несвязанных выборок (так называемый двухвыборочный t-критерий). В этом случае есть контрольная группа и экспериментальная группа, состоящие из разных объектов, количество которых в группах может быть различно.

Во втором случае, когда одна и та же группа объектов порождает числовой материал для проверки гипотез о средних, используется так называемый парный t-критерий. Выборки при этом называют зависимыми, связанными.

ВЫЯВЛЕНИЕ ВЗАИМОСВЯЗЕЙ МЕЖДУ ВЫБОРКАМИ.

Для оценки степени взаимосвязи служит коэффициент корреляции.

ВЫЧИСЛЕНИЕ КОРРЕЛЯЦИИ

Коэффициент корреляции (R, r) – параметр, характеризующий степень линейной взаимосвязи между двумя выборками.

Коэффициент корреляциивычисляется по формуле:

КОРРЕЛ(массив1; массив2)

Для оценки степени взаимосвязи можно руководствоваться следующими правилами. Если коэффициент корреляции (r) по абсолютной величине больше чем 0, 95, то принято считать, что между параметрами существует практически линейная зависимость (прямая при положительном r и обратная при отрицательном r).

Если коэффициент корреляции лежит в диапазоне от 0, 8 до 0, 95, то говорят о сильной степени линейной связи между параметрами; 0, 6< r< 0, 8 – говорят о наличии линейной связи между параметрами.

При r< 0, 4 обычно считают, что линейную взаимосвязь между параметрами выявить не удалось.

Регрессионный анализ

Регрессионный анализ позволяет найти уравнение, которое наилучшим образом описывает зависимости между данными или позволяет выяснить, что подходящего уравнения нет.

По экспериментальным измерениям влияния одной величины на другую с помощью регрессионного анализа можно установить аналитический закон связи между этими величинами.

Линейный регрессионный анализ заключается в подборе линейной функции, описывающей входные данные. То есть необходимо найти уравнение вида

Y=kx+b,

Где y – функция, описывающая входные данные и зависящая от переменной х,

K и b – параметры уравнения, которые нужно определить.

Для того, чтобы применить метод:

nвыбрать в меню команду Сервис/Анализ данных;

nВыбрать метод Регрессия.

Приводимое значение R-квадрат характеризует, с какой степенью точности полученное регрессионное уравнение описывает исходные данные.

Если R-квадрат больше 0, 95, говорят о высокой степени соответствия (модель хорошо описывает явление).

Если R-квадрат лежит в диапазоне от 0, 8 до 0, 95, степень соответствия удовлетворительна(модель в целом адекватна описываемому явлению).

Если R-квадрат меньше 0, 6, принято считать, что модель требует улучшения

В столбце Коэффициенты находятся коэффициенты уравнения, то есть регрессионное уравнение имеет вид:

y = 0, 14x-6, 85

Где x – IQ,

Y- оценка по математике.

Однофакторный дисперсионный анализ.

Однофакторный дисперсионный анализ применяют в тех случаях, когда может быть указан фактор, влияющий на конечный результат, и этот фактор может принимать конечное число значений (уровней).

Типичный пример задачи однофакторного анализа - сравнение нескольких школьных учебников, различных доз удобрений, нескольких лекарств.

Рассмотрим применение метода на следующем примере: для выяснения влияния денежного стимулирования на производительность труда пяти однородным группам из 5 человек были предложены задачи одинаковой трудности. Задачи предлагались испытуемому независимо от всех остальных.

Группы различаются между собой величиной денежного вознаграждения за решаемую задачу. Группы упорядочены по возрастанию влияния фактора.

Если регулируемый фактор (расположение семян) оказывает существенное влияние количество решенных задач, то это скажется на величине групповых средних, которые будут заметно отличаться друг от друга.

Нулевая гипотеза сводится к предположению, что межгрупповые средние и дисперсии равны между собой, а различия, наблюдаемые между ними, вызваны случайными причинами, а не влиянием на признак регулируемого фактора.

Нулевую гипотезу отвергают, если дисперсионное отношение Fф > Fст (критерий Фишера) для принятого уровня значимости - a.

Целью дисперсионного анализа является проверка статистической значимости различий между средними нескольких групп.

Эта проверка проводится с помощью разбиения общей дисперсии на части, одна из которых обусловлена внутригрупповой изменчивостью, а вторая связана с различием средних значений групп. Если это различие значимо, нулевая гипотеза отвергается и принимается альтернативная гипотеза о существенном различии между средними.

Базы данных и информационно-поисковые системы. Реляционная модель данных. Контроль целостности данных.

Создание таблиц базы данных в СУБД MS Access. (типы данных, ограничения). Создание схемы данных.

СУБД предназначены для разработки информационно-поисковых систем (ИПС), которые служат для хранения, поиска и выдачи информации по запросам пользователей.

СУБД – комплекс программных средств, предназначенных для создания, сопровождения и использования БД.

ОСНОВНЫЕ ФУНКЦИИ СУБД

NОпределение данных (определение набора сведений, которые будут храниться в БД, типов данных, связей между ними).

NОбработка данных (выбор любых полей, фильтрация, сортировка, объединение данных, вычисление итоговых значений.)

Реляционная модель представляет собой набор таблиц, изменяющихся во времени.

Реляционная модель ориентирована на организацию данных в виде двумерной таблицы.

Совокупность таблиц позволяет хранить данные об объектах предметной области и моделировать связи между ними.

ПРИМЕР ТАБЛИЦЫ БД

Таблица “Список студентов”Студент Группа

Иванов А.Л. 21Степанов Н.Н. 21

ПОНЯТИЕ ПЕРВИЧНОГО КЛЮЧА

Первичный ключ – один или несколько атрибутов таблицы, значения которых в одно и то же время не могут быть одинаковыми.

Используя ключ, можно создавать связи между таблицами. Ключ ускоряет поиск информации.

В примере таблицы “ Список студентов “ ключевым является поле “Студент”.

Ключ должен быть уникальным, а в поле Студент возможны совпадения значений.

Если ни один атрибут не является уникальным, его можно создать искусственно. Например, добавить поле “номер зачетной книжки”.

СВЯЗЫВАНИЕ ТАБЛИЦ

При проектировании реальных БД информацию обычно размещают в нескольких таблицах. Таблицы при этом связаны между собой.

В реляционной СУБД для указания связей таблиц производят операцию их связывания.

Для создания связи таблицы должны иметь поля с одинаковыми именами.

При связывании 2-х таблиц выделяют основную (главную) и дополнительную (подчиненную) таблицы.

Суть связывания состоит в установлении соответствия полей связи основной и дополнительной таблиц.

В зависимости от того, как определены поля связи основной и дополнительной таблиц, между таблицами в общем случае можно устанавливать 3 основных вида связи.

ТИПЫ СВЯЗЕЙ

n1: 1 В каждый момент времени одной записи таблицы А (главная) соответствует не более одной записи таблицы В (подчиненная);

n1: М Одной записи таблицы А может соответствовать 0, 1 или более записей таблицы В;

⇐ Предыдущая 3 4 5 6 7 8 91011 12 Следующая ⇒