МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ это что такое МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ: определение — Психология.НЭС
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ КОНФЛИКТНОЙ СИТУАЦИИ МАТЕМАТИЧЕСКАЯ ПСИХОЛОГИЯ

МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

Найдено 1 определение:

МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

вычисление статистических характеристик для количественных показателей либо экспериментально изучаемой совокупности объектов, либо исследуемых процессов. Основными задачами М. о. э. д. являются определение характеристик случайных величин и событий, сравнение между собой вычисленных характеристик, построение законов распределения случайных величин, установление зависимости между полученными случайными величинами, анализ случайных процессов. Основными характеристиками случайных величин и событий являются математическое ожидание, дисперсия, вероятность наступления события. Математическое ожидание характеризует среднее значение наблюдаемой случайной величины, а дисперсия является мерой рассеивания ее значений относительно среднего значения. Сравнение между собой одноименных характеристик нескольких выборок проводится потому, что в силу ограниченного объема выборок полученные различия между характеристиками случайных величин (математическими ожиданиями или дисперсиями) могут быть случайными и не всегда означают, что эти величины различны на самом деле. Проверку этого факта нужно проводить с помощью параметрических и непараметрических критериев согласия. Построение законов распределения позволяет наиболее полно и точно описать совокупность объектов, на которой производится эксперимент. Одномерный закон распределения показывает, как часто в изучаемой совокупности встречаются опыты с данным значением изучаемой случайной величины. Закон распределения можно изобразить графически. Его пик приходится на наиболее вероятное (наиболее распространенное) значение случайной величины. Примером такого закона является, напр., распределение значений тех или иных антропометрических показателей. Двумерный закон учитывает совместное распределение двух количественных показателей, напр, числа ошибок и времени решения задачи оператором. В инженерной психологии наиболее часто применяется нормальный, экспоненциальный, биноминальный законы распределения, альфа-распределение, распределение Пуассона. Соответствие между опытным и теоретическим распределениями проверяется с помощью критерия согласия с2 или критерия Колмогорова. Для определения связи между двумя и более переменными используются такие методы статистического анализа, как корреляционный, регрессионный, дисперсионный, факторный и др. Корреляционный анализ служит для установления величины связи двух или нескольких случайных величин. В первом случае используется коэффициент парной корреляции, во втором — коэффициент множественной корреляции. Для более углубленного изучения сопряженности количественных показателей в исследуемой совокупности объектов служит регрессионный анализ. Регрессия, выражаемая либо графически, либо аналитически, показывает, как. в среднем изменяется изучаемый показатель при изменении какого-то фактора (факториального показателя). Так же как и корреляция, регрессия может быть либо парной, либо множественной. При изучении трудовой деятельности часто приходится определять достоверность и степень влияния какого-либо фактора (или факторов) на изменение величины некоторого показателя деятельности человека по сравнению со случайными причинами. Эффективным методом решения подобных задач является дисперсионный анализ. В зависимости от числа исследуемых факторов, влияющих на результаты деятельности, дисперсионный анализ может быть однофакторным или многофакторным (при исследовании двух или более факторов). Для исследования статистически связанных признаков с целью установления определенного числа скрытых от наблюдения факторов используют факторный анализ. С его помощью устанавливается связь изменения одной переменной (показателя деятельности человека) с изменением другой переменной и обнаруживаются основные факторы, лежащие в основе указанных изменений. Несколько реже по сравнению с рассмотренными при М. о. э. д. в инженерной психологии используются кластерный анализ и латентный анализ. Многие из изучаемых в инженерной психологии процессов носят вероятностный характер и поэтому описываются случайными функциями. Примером их является большинство электрофизиологических показателей: ЭЭГ, ЭКГ, ЭМГ, ЭОГ и др. М. о. э. д. в этом случае заключается в вычислении основных характеристик данной случайной функции по ее отдельным реализациям, зарегистрированным в ходе эксперимента. Важной задачей при этом является установление таких свойств случайного процесса, как стационарность (постоянство основных характеристик во времени) и эргодичность (совпадение математических ожиданий и других характеристик для всех имеющихся реализаций данной случайной функции). Для анализа стационарных процессов применяется спектральный анализ. Свойство эргодичности позволяет выявить все характеристики данной случайной функции по одной достаточно длинной реализации, в то время как характеристики неэргодических процессов возможно определить лишь при достаточно большом числе реализаций. В инженерной психологии, как правило, экспериментальному изучению подвергается не вся исследуемая генеральная совокупность, а только часть ее — выборка. Объем выборки определяется двумя противоречивыми условиями. Она должна быть достаточно большой, чтобы правильно отобразить все свойства генеральной совокупности, и в то же время не быть чрезмерно большой, чтобы была реальная возможность ее изучения. Поэтому результаты М. о. э. д. для выборки (вследствие случайного отбора в нее объектов из генеральной совокупности) могут отличаться от соответствующих характеристик генеральной совокупности. В связи с этим необходимо оценить достоверность полученных результатов, т. е. возможного их распространения на всю генеральную совокупность. Для оценки достоверности пользуются принципом практической уверенности. Он состоит в том, что достоверным считают событие, имеющее достаточно большую, близкую к единице, вероятность. Такая вероятность называется доверительной. Величина, дополняющая ее до единицы, называется уровнем значимости. Он представляет собой вероятность того, что значение, принятое достоверным, на самом деле окажется ошибочном. Общепринятыми являются три уровня значимости: 0,05 — для обычных исследований, 0,01 — для важных исследований, 0,001 —для особо важных исследований (напр., связанных с отсутствием вредности какого-либо воздействия для человека), соответствующие этим уровням значимости доверительные вероятности равны 0,95; 0,99; 0,999. При построении законов распределения случайных величин вычисляется также для заданной доверительной вероятности диапазон возможных значений генеральной статистической характеристики. Этот диапазон называется доверительным интервалом.

Оцените определение:

Источник: Энциклопедический словарь: Психология труда, управления, инженерная психология и эргономика

Найдено рефератов по теме МАТЕМАТИЧЕСКАЯ ОБРАБОТКА ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ — 0

Найдено книг по теме — 16

Найдено научных статей по теме — 12

Математическая обработка результатов экспериментального исследования сушки овощей

Маматов Шерзод Машрабжанович
Проведена математическая обработка результатов экспериментального исследования сушки овощей: картофель, морковь, лук, баклажан, капуста.
Скачать PDF

Методика обработки массива исходных данных, полученных экспертным путем

Росенко Александр Петрович
Предлагается методика обработки исходных данных, полученных экспертным путем, методами математической статистики. Основная идея метода заключается в необходимости разработки аппарата, позволяющего на основе методов математической статистики получить массивы исходных данных, адекватно отражающих последствия от воздействия различных угроз на безопасность КИ.
Скачать PDF

Применение луриевского принципа синдромного анализа в обработке данных нейропсихологического обследо

Ахутина Татьяна Васильевна, Матвеева Екатерина Юрьевна, Романова Антонина Александровна
Актуальной проблемой современной нейропсихологии является создание единой батареи тестов для оценки высших психических функций (ВПФ), совмещающей достоинства качественного и количественного подходов. В этом отношении требует доработки и «Методика нейропсихологического обследования детей 6-9 лет», созданная на основе батареи тестов А.Р. Лурия в лаборатории нейропсихологии МГУ. Данная статья посвящена описанию важного шага количественной обработки нейропсихологических данных - выделению обобщенных показателей (индексов). Описанная процедура статистического анализа результатов нейропсихологического обследования в значительной мере воспроизводит логику эксперта, осуществляющего качественный (синдромный) анализ картины нарушения ВПФ. Выделение индексов рассматривается на примере обработки данных обследования 98 детей младшего школьного возраста с трудностями обучения и 33 детей с расстройствами аутистического спектра.
Скачать PDF

Экспертный метод, математические методы обработки экспертных оценок и технологии извлечения знаний к

Беребин Михаил Алексеевич
В статье представлено обоснование применения экспертного метода, математических методов обработки экспертных оценок и технологий извлечения знаний в целях разработки новых методик медицинской психодиагностики. Описаны основные предпосылки и проблемы использования данных методов, задачи медицинской психодиагностики при создании новых методик.
Скачать PDF

О статистической обработке и представлении эмпирических данных в психолого-педагогических исследован

Магомедов Пахрудин Шабанович
В статье рассматривается проблема статистической обработки данных эмпирического исследования и представления его результатов в научных психолого-педагогических публикациях; показана важность освоения психологами и педагогами математических методов исследования и их значение в презентации результатов эмпирических исследований.
Скачать PDF

Детерминированный нейросетевой алгоритм обработки данных психодиагностики

Кузин Александр Юрьевич, Славутская Елена Владимировна, Славутский Леонид Анатольевич
Предлагается использование нейронной сети для обработки данных психодиагностики. Построена сеть с прямым распространением сигнала и обратным распространением ошибки. Обучение сети и проверка ее работы производятся на примере данных тестирования младших подростков. Показано, что предложенный алгоритм позволяет эффективно выделять психологические признаки, значимые для оценки гендерных различий испытуемых.
Скачать PDF

Интегральный потенциал переживания одиночества личностью как метод обработки эмпирических данных в л

Каханова Екатерина Юрьевна
В статье рассматривается инновация в количественном измерении степени переживания одиночества личностью в зависимости от спектра внутренних и внешних факторов. Дано сравнительное описание различных методов измерения одиночества. Проанализированы способы, границы и этапы применения метода интегрального потенциала переживания одиночества личностью. Представлены количественные результаты апробации нового метода. Приведены статистические данные, сведенные в 2 таблицы
Скачать PDF

Об исследовании математической модели успешности обучения и создании базы психологических данных для

Белушкина Галина Викторовна, Васильченко Марина Владимировна, Лопаткина Наталья Александровна, Хафизьянова Ольга Эльфатовна
Представлена математическая модель успешности обучения, основанная на методе факторного анализа. В качестве факторов этого метода рассматриваются психологические характеристики студентов, полученные в результате проведённого эксперимента. В качестве результирующего признака выбрана успеваемость студентов, которая определялась по экзаменационной ведомости. Психологический эксперимент проводился в группах студентов ДГТУ специальности 030300 с помощью 16-факторного теста Р. Б. Кеттелла. Результаты проведённого тестирования позволили составить достаточно полный «психологический портрет» студентов второго курса, который послужил хорошей базой данных для последующего построения математической модели успешности обучения. Для расчёта модели применялся двухфакторный дисперсионный анализ. Каждая бинарная пара факторов разбита на две градации: низкий уровень — высокий уровень. Приведён пример расчёта модели, проведён анализ влияния различных пар факторов и их сочетаний на успешность обучения. Имея достаточно полную базу данных, можно использовать представленную модель и, выявив закономерности, облегчить преподавателям и студентам процесс образования.
Скачать PDF

Особенности практической реализации непараметрических методов математической статистики для обработк

Парыгина Светлана Александровна
В статье рассматриваются особенности применения непараметрических методов математической статистики, в частности непараметрических критериев проверки гипотез, к обработке эмпирических данных разной природы. Примером практической реализации указанных методов стало профориентационное исследование, проведенное в Череповецком государственном университете. На разных стадиях статистической обработки результатов исследования прослеживаются особенности статического анализа, которые связаны со спецификой тех или иных данных. Для обработки психологических данных используются ранговые непараметрические критерии проверки гипотез. При этом показаны пути преодоления ряда ограничений применения используемых статистических критериев, таких как частая повторяемость значений выборки, отсутствие табличных значений для выборок большого объема и др. Также предпринята попытка структурировать статистический анализ порядковых данных в соответствии с поставленной задачей нахождения значимых различий по большому количеству признаков между несколькими генеральными совокупностями. Кроме того, проведен альтернативный статистический анализ с помощью непараметрического критерия однородности Смирнова. Для обработки медико-биологических данных используется асимптотически непараметрический критерий χ2. Это обусловлено номинальной природой большинства медико-биологических признаков. Также показаны приближение критической статистики χ2 для большой выборки и работа с направленными гипотезами. В выводах сформулированы рекомендации по применению ранговых непараметрических критериев проверки гипотез к обработке данных различной природы: гуманитарных (на примере психологических данных) и естественнонаучных (на примере медико-биологических данных).
Скачать PDF

О математической адекватности процедур психометрического нормирования результатов экспериментально-п

Беребин Михаил Алексеевич, Новохацки Анастасия Васильевна
Рассмотрены проблемы психометрической адекватности перевода результатов экспериментально-психологического исследования, представленные, как правило, качественными данными по порядковым шкалам. На примере результатов медицинской диагностики описаны ограничения применения процедур процентильной нормализации таких данных с последующим расчетом на их основе Z-баллов для возможного перевода в баллы стандартных психометрических шкал.
Скачать PDF

Факторно-аналитическая структура данных экспериментально-психологического исследования подростков пр

Мещерякова Кира Васильевна, Рязанова Анна Юрьевна
Представлены результаты факторного анализа данных экспериментально-психологического исследования критичности подростков при судебно-психологической экспертизе. Полученные результаты отражают специфику нарушений критичности подростков в зависимости от варианта имеющегося психического нарушения и юридической квалификации совершенных противоправных действий.
Скачать PDF

Сравнительный анализ экспериментальных данных по изучению детей в Самарской области с исследованиями

Бумагина Л.В.
Исследовался генезис процесса обобщения у детей дошкольного и младшего школьного возрастов, состоящий в том, что участники, посредством сравнения выделяют общие признаки групп предметов экспериментального материала, используя возможности антиципации. В констатирующем эксперименте принимало участие 146 детей. Первичный сравнительный анализ результатов эксперимента позволяет предположить, что при хорошем старте выделения критериев классификации в раннем возрасте (4 6 лет), свидетельствующем о потенциальных возможностях самарских детей, в дальнейшем у них наблюдается интеллектуальная ретардация по сравнению с женевскими сверстниками. Причиной является недостаточное развитие интеллекта на стадии репрезентативных регуляций в детских садах и начальных классах школы
Скачать PDF