นัยสำคัญทางสถิติในการเพิ่มประสิทธิภาพ Conversion คืออะไร? ประชากรทั่วไปและการศึกษาตัวอย่าง นัยสำคัญทางสถิติ
ภารกิจที่ 3เด็กก่อนวัยเรียนห้าคนจะได้รับการทดสอบ เวลาที่ใช้ในการแก้ปัญหาแต่ละงานจะถูกบันทึกไว้ จะพบความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างเวลาในการแก้ไขรายการทดสอบสามรายการแรกหรือไม่
จำนวนวิชา | |||
วัสดุอ้างอิง
งานนี้มีพื้นฐานมาจากทฤษฎีการวิเคราะห์ความแปรปรวน ใน กรณีทั่วไปหน้าที่ของการวิเคราะห์ความแปรปรวนคือการระบุปัจจัยที่มีผลกระทบอย่างมีนัยสำคัญต่อผลลัพธ์ของการทดสอบ การวิเคราะห์ความแปรปรวนสามารถใช้เพื่อเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างหลายตัวอย่าง หากมีตัวอย่างมากกว่าสองตัวอย่าง การวิเคราะห์ความแปรปรวนแบบทางเดียวใช้เพื่อจุดประสงค์นี้
เพื่อแก้ไขปัญหาที่ได้รับมอบหมาย จะต้องยอมรับสิ่งต่อไปนี้ หากความแปรปรวนของค่าที่ได้รับของพารามิเตอร์การปรับให้เหมาะสมในกรณีของอิทธิพลของปัจจัยแตกต่างจากความแปรปรวนของผลลัพธ์ในกรณีที่ไม่มีอิทธิพลของปัจจัยปัจจัยดังกล่าวจะถือว่ามีนัยสำคัญ
ดังที่เห็นได้จากการกำหนดปัญหา วิธีทดสอบสมมติฐานทางสถิติถูกนำมาใช้ในที่นี้ กล่าวคือ งานทดสอบความแปรปรวนเชิงประจักษ์สองรายการ ดังนั้น การวิเคราะห์ความแปรปรวนจึงขึ้นอยู่กับการทดสอบความแปรปรวนโดยใช้การทดสอบของฟิชเชอร์ ในงานนี้ มีความจำเป็นต้องตรวจสอบว่าความแตกต่างระหว่างเวลาในการแก้ไขปัญหาการทดสอบสามครั้งแรกของเด็กก่อนวัยเรียนทั้งหกคนมีนัยสำคัญทางสถิติหรือไม่
สมมติฐานที่เป็นโมฆะ (หลัก) เรียกว่าสมมติฐานที่ยกมา H o สาระสำคัญของ e มาจากสมมติฐานที่ว่าความแตกต่างระหว่างพารามิเตอร์ที่เปรียบเทียบคือศูนย์ (ดังนั้นชื่อของสมมติฐานคือศูนย์) และความแตกต่างที่สังเกตได้นั้นเป็นแบบสุ่ม
สมมติฐานที่แข่งขันกัน (ทางเลือก) เรียกว่า H1 ซึ่งขัดแย้งกับสมมติฐานว่าง
สารละลาย:
เมื่อใช้วิธีวิเคราะห์ความแปรปรวนที่ระดับนัยสำคัญ α = 0.05 เราจะทดสอบสมมติฐานว่าง (H o) เกี่ยวกับการมีอยู่ของความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างเวลาของการแก้ปัญหาการทดสอบสามรายการแรกสำหรับเด็กก่อนวัยเรียนหกคน
ลองดูที่ตารางเงื่อนไขของงาน ซึ่งเราจะหาเวลาเฉลี่ยในการแก้ปัญหาแต่ละงานทดสอบทั้งสามงาน
จำนวนวิชา |
ระดับปัจจัย |
||
เวลาในการแก้ไขงานทดสอบแรก (เป็นวินาที) |
เวลาในการแก้ไขงานทดสอบที่สอง (เป็นวินาที) |
เวลาในการแก้งานทดสอบครั้งที่สาม (เป็นวินาที) |
|
ค่าเฉลี่ยกลุ่ม |
การหาค่าเฉลี่ยโดยรวม:
เพื่อคำนึงถึงความสำคัญของความแตกต่างของเวลาในการทดสอบแต่ละครั้ง ความแปรปรวนตัวอย่างทั้งหมดจะถูกแบ่งออกเป็นสองส่วน ส่วนแรกเรียกว่าแฟกทอเรียล และส่วนที่สอง - ค่าคงเหลือ
ลองคำนวณผลรวมของการเบี่ยงเบนกำลังสองจากค่าเฉลี่ยโดยรวมโดยใช้สูตร
หรือ โดยที่ p คือจำนวนการวัดเวลาสำหรับการแก้โจทย์ข้อสอบ q คือจำนวนผู้สอบ
จำนวนวิชา |
ระดับปัจจัย |
||
เวลาในการแก้ไขงานทดสอบแรก (เป็นวินาที) |
เวลาในการแก้ไขงานทดสอบที่สอง (เป็นวินาที) |
เวลาในการแก้งานทดสอบครั้งที่สาม (เป็นวินาที) |
|
เมื่อต้องการทำเช่นนี้ เรามาสร้างตารางสี่เหลี่ยมกัน
การวิจัยมักจะเริ่มต้นด้วยสมมติฐานบางประการที่ต้องมีการตรวจสอบยืนยันโดยใช้ข้อเท็จจริง สมมติฐานนี้ - สมมติฐาน - ได้รับการกำหนดขึ้นโดยสัมพันธ์กับการเชื่อมโยงของปรากฏการณ์หรือคุณสมบัติในชุดวัตถุบางชุด
เพื่อทดสอบสมมติฐานดังกล่าวกับข้อเท็จจริง จำเป็นต้องวัดคุณสมบัติที่สอดคล้องกันของผู้ถือ แต่เป็นไปไม่ได้ที่จะวัดความวิตกกังวลของผู้หญิงและผู้ชายทุกคน เช่นเดียวกับที่เป็นไปไม่ได้ที่จะวัดความก้าวร้าวในวัยรุ่นทุกคน ดังนั้นในการทำวิจัยจึงจำกัดอยู่เพียงกลุ่มตัวแทนจำนวนค่อนข้างน้อยจากประชากรที่เกี่ยวข้องเท่านั้นประชากร
— นี่คือวัตถุทั้งชุดที่เกี่ยวข้องกับการกำหนดสมมติฐานการวิจัย
ตัวอย่างเช่น ผู้ชายทุกคน; หรือผู้หญิงทุกคน หรือชาวเมืองทั้งหมด ประชากรทั่วไปที่เกี่ยวข้องกับผู้วิจัยที่จะสรุปผลการศึกษาอาจมีจำนวนไม่มากนัก เช่น นักเรียนชั้นประถมศึกษาปีที่ 1 ของโรงเรียนที่กำหนด
ดังนั้น ประชากรทั่วไปถึงแม้จะไม่ใช่จำนวนอนันต์ แต่ตามกฎแล้ว ไม่สามารถเข้าถึงได้สำหรับการวิจัยอย่างต่อเนื่อง ซึ่งเป็นกลุ่มของวิชาที่มีศักยภาพกลุ่มตัวอย่างหรือกลุ่มตัวอย่าง - นี่คือกลุ่มของวัตถุที่จำกัดจำนวน (ในด้านจิตวิทยา - วิชา ผู้ตอบแบบสอบถาม) คัดเลือกเป็นพิเศษจากประชากรทั่วไปเพื่อศึกษาคุณสมบัติของมัน ดังนั้นการศึกษาคุณสมบัติของประชากรทั่วไปโดยใช้ตัวอย่างจึงเรียกว่า การศึกษาตัวอย่าง
การศึกษาทางจิตวิทยาเกือบทั้งหมดเป็นการศึกษาแบบเลือกสรร และข้อสรุปของการศึกษาเหล่านี้ครอบคลุมถึงประชากรทั่วไป ดังนั้น หลังจากที่ตั้งสมมติฐานและระบุประชากรที่เกี่ยวข้องแล้ว ผู้วิจัยก็ประสบปัญหาในการจัดการตัวอย่าง กลุ่มตัวอย่างควรเป็นเช่นนั้นเพื่อให้ข้อสรุปทั่วไปของการศึกษาตัวอย่างมีความสมเหตุสมผล - ลักษณะทั่วไปและการขยายไปสู่ประชากรทั่วไป— เกณฑ์หลักสำหรับความถูกต้องของข้อสรุปการวิจัย
สิ่งเหล่านี้คือความเป็นตัวแทนของกลุ่มตัวอย่างและความน่าเชื่อถือทางสถิติของผลลัพธ์ (เชิงประจักษ์)- กล่าวอีกนัยหนึ่ง ความเป็นตัวแทนคือความสามารถของกลุ่มตัวอย่างในการเป็นตัวแทนของปรากฏการณ์ที่กำลังศึกษาอยู่ค่อนข้างครบถ้วน - จากมุมมองของความแปรปรวนในประชากรทั่วไป
แน่นอนว่า มีเพียงประชากรทั่วไปเท่านั้นที่สามารถให้ภาพที่สมบูรณ์ของปรากฏการณ์ที่กำลังศึกษาได้ ในทุกช่วงและความแตกต่างของความแปรปรวน ดังนั้นความเป็นตัวแทนจึงถูกจำกัดอยู่ในขอบเขตที่ตัวอย่างถูกจำกัดเสมอ และเป็นตัวแทนของกลุ่มตัวอย่างที่เป็นเกณฑ์หลักในการกำหนดขอบเขตของลักษณะทั่วไปของผลการวิจัย อย่างไรก็ตาม มีเทคนิคที่ทำให้ได้ตัวอย่างที่เพียงพอสำหรับผู้วิจัย (เทคนิคเหล่านี้ศึกษาในรายวิชา “จิตวิทยาเชิงทดลอง”)
เทคนิคแรกและหลักคือการเลือกแบบสุ่ม (สุ่ม) อย่างง่าย โดยเกี่ยวข้องกับการประกันเงื่อนไขที่ว่าประชากรแต่ละคนมีโอกาสเท่าๆ กันที่จะรวมไว้ในกลุ่มตัวอย่าง การเลือกแบบสุ่มช่วยให้แน่ใจว่าตัวแทนที่หลากหลายของประชากรทั่วไปสามารถรวมอยู่ในกลุ่มตัวอย่างได้ ในกรณีนี้ มีการใช้มาตรการพิเศษเพื่อป้องกันการเกิดรูปแบบใด ๆ ในระหว่างการเลือก และสิ่งนี้ช่วยให้เราหวังว่าท้ายที่สุดแล้ว ในกลุ่มตัวอย่าง คุณสมบัติที่กำลังศึกษาจะถูกนำเสนอในความหลากหลายที่เป็นไปได้สูงสุด หากไม่ใช่ทั้งหมด
วิธีที่สองเพื่อให้แน่ใจว่ามีความเป็นตัวแทนคือการสุ่มตัวอย่างแบบแบ่งชั้น หรือการเลือกตามคุณสมบัติของประชากรทั่วไป โดยเกี่ยวข้องกับการพิจารณาเบื้องต้นเกี่ยวกับคุณสมบัติเหล่านั้นที่อาจส่งผลต่อความแปรปรวนของทรัพย์สินที่กำลังศึกษา (ซึ่งอาจเป็นเพศ ระดับรายได้ หรือการศึกษา เป็นต้น) จากนั้นจึงกำหนดอัตราส่วนเปอร์เซ็นต์ของจำนวนกลุ่ม (ชั้น) ที่แตกต่างกันในคุณสมบัติเหล่านี้ในประชากรทั่วไป และรับประกันอัตราส่วนเปอร์เซ็นต์ที่เท่ากันของกลุ่มที่เกี่ยวข้องในกลุ่มตัวอย่าง จากนั้น อาสาสมัครจะถูกเลือกลงในแต่ละกลุ่มย่อยของกลุ่มตัวอย่างตามหลักการสุ่มเลือกอย่างง่าย
นัยสำคัญทางสถิติหรือ นัยสำคัญทางสถิติผลการศึกษาจะถูกกำหนดโดยใช้วิธีอนุมานทางสถิติ
เราจะประกันตัวจากการตัดสินใจผิดพลาดเมื่อทำการสรุปผลการวิจัยหรือไม่? ไม่แน่นอน ท้ายที่สุดแล้ว การตัดสินใจของเราขึ้นอยู่กับผลการศึกษาประชากรตัวอย่างตลอดจนระดับความรู้ทางจิตวิทยาของเรา เราไม่ได้รอดพ้นจากความผิดพลาดอย่างสมบูรณ์ ในสถิติ ข้อผิดพลาดดังกล่าวถือว่ายอมรับได้หากเกิดขึ้นไม่บ่อยกว่าในกรณีเดียวจาก 1,000 (ความน่าจะเป็นของข้อผิดพลาด α = 0.001 หรือความน่าจะเป็นความเชื่อมั่นที่เกี่ยวข้องของข้อสรุปที่ถูกต้อง p = 0.999) ในกรณีหนึ่งจาก 100 (ความน่าจะเป็นของข้อผิดพลาด α = 0.01 หรือความน่าจะเป็นของความเชื่อมั่นที่เกี่ยวข้องของข้อสรุปที่ถูกต้อง p = 0.99) หรือในห้ากรณีจาก 100 (ความน่าจะเป็นของข้อผิดพลาด α = 0.05 หรือความน่าจะเป็นของความเชื่อมั่นที่เกี่ยวข้องของผลลัพธ์ข้อสรุปที่ถูกต้อง ค่าพี=0.95) ในสองระดับสุดท้ายนั้นการตัดสินใจเกิดขึ้นในด้านจิตวิทยา
บางครั้ง เมื่อพูดถึงนัยสำคัญทางสถิติ พวกเขาใช้แนวคิดเรื่อง "ระดับนัยสำคัญ" (แสดงเป็น α) ค่าตัวเลขของ p และ α ประกอบกันมากถึง 1,000 - ชุดเหตุการณ์ที่สมบูรณ์: เราทำอย่างใดอย่างหนึ่ง ข้อสรุปที่ถูกต้องหรือเราคิดผิด ระดับเหล่านี้ไม่ได้ถูกคำนวณ แต่จะได้รับ ระดับนัยสำคัญสามารถเข้าใจได้ว่าเป็นเส้น "สีแดง" ซึ่งเป็นจุดตัดที่ทำให้เราสามารถพูดถึงเหตุการณ์นี้ว่าไม่ใช่เรื่องสุ่ม ในรายงานหรือสิ่งพิมพ์ทางวิทยาศาสตร์ที่ดีทุกฉบับ ข้อสรุปที่ดึงออกมาควรมาพร้อมกับค่า p หรือ α ที่ใช้สรุปผล
วิธีการอนุมานทางสถิติมีเนื้อหาครอบคลุมรายละเอียดในรายวิชา " สถิติทางคณิตศาสตร์- ตอนนี้เราเพิ่งทราบว่าพวกเขามีข้อกำหนดบางประการสำหรับจำนวนหรือ ขนาดตัวอย่าง
ขออภัย ไม่มีหลักเกณฑ์ที่เข้มงวดในการกำหนดขนาดตัวอย่างที่ต้องการล่วงหน้า นอกจากนี้ผู้วิจัยมักจะได้รับคำตอบสำหรับคำถามเกี่ยวกับจำนวนที่จำเป็นและเพียงพอช้าเกินไป - หลังจากวิเคราะห์ข้อมูลของกลุ่มตัวอย่างที่สำรวจแล้วเท่านั้น อย่างไรก็ตาม คำแนะนำทั่วไปส่วนใหญ่สามารถกำหนดได้:
1. ต้องใช้ขนาดตัวอย่างที่ใหญ่ที่สุดในการพัฒนาเทคนิคการวินิจฉัย - ตั้งแต่ 200 ถึง 1,000-2,500 คน
2. หากจำเป็นต้องเปรียบเทียบ 2 ตัวอย่าง จำนวนทั้งหมดต้องมีอย่างน้อย 50 คน จำนวนตัวอย่างที่เปรียบเทียบควรจะเท่ากันโดยประมาณ
3. หากมีการศึกษาความสัมพันธ์ระหว่างคุณสมบัติใด ๆ ขนาดของกลุ่มตัวอย่างควรมีอย่างน้อย 30-35 คน
4. ยิ่งมากขึ้น ความแปรปรวนคุณสมบัติที่กำลังศึกษาอยู่ ยิ่งขนาดตัวอย่างมีขนาดใหญ่เท่าใด ดังนั้น ความแปรปรวนสามารถลดลงได้โดยการเพิ่มความสม่ำเสมอของกลุ่มตัวอย่าง เช่น ตามเพศ อายุ ฯลฯ ซึ่งแน่นอนว่าจะลดความสามารถในการสรุปข้อสรุป
ตัวอย่างที่ขึ้นต่อกันและเป็นอิสระสถานการณ์การวิจัยทั่วไปคือเมื่อมีการศึกษาคุณสมบัติที่เป็นที่สนใจของนักวิจัยในตัวอย่างตั้งแต่สองตัวอย่างขึ้นไปเพื่อวัตถุประสงค์ในการเปรียบเทียบเพิ่มเติม ตัวอย่างเหล่านี้อาจมีสัดส่วนที่แตกต่างกัน ขึ้นอยู่กับขั้นตอนขององค์กร ตัวอย่างอิสระ มีคุณลักษณะเฉพาะคือความน่าจะเป็นของการเลือกวิชาใดๆ ในกลุ่มตัวอย่างหนึ่งไม่ได้ขึ้นอยู่กับการเลือกวิชาใดๆ ในกลุ่มตัวอย่างอื่น ขัดต่อ, ตัวอย่างขึ้นอยู่กับมีลักษณะเฉพาะคือแต่ละเรื่องจากตัวอย่างหนึ่งจะถูกจับคู่ตามเกณฑ์ที่กำหนดโดยหัวข้อจากตัวอย่างอื่น
โดยทั่วไป กลุ่มตัวอย่างที่ต้องพึ่งพาเกี่ยวข้องกับการเลือกกลุ่มตัวอย่างโดยการจับคู่ในกลุ่มตัวอย่างที่เปรียบเทียบ และกลุ่มตัวอย่างอิสระหมายถึงการเลือกกลุ่มตัวอย่างอย่างอิสระ
ควรสังเกตว่ากรณีของตัวอย่างที่ "ขึ้นอยู่กับบางส่วน" (หรือ "อิสระบางส่วน") นั้นไม่สามารถยอมรับได้: นี่เป็นการละเมิดการเป็นตัวแทนอย่างไม่อาจคาดเดาได้
โดยสรุป เราสังเกตว่าสามารถแยกแยะกระบวนทัศน์ของการวิจัยทางจิตวิทยาได้สองแบบ
ที่เรียกว่า R-วิธีเกี่ยวข้องกับการศึกษาความแปรปรวนของคุณสมบัติบางอย่าง (จิตวิทยา) ภายใต้อิทธิพลของอิทธิพล ปัจจัย หรือคุณสมบัติอื่น ๆ ตัวอย่างคือชุดของวิชา
อีกแนวทางหนึ่ง Q-วิธีเกี่ยวข้องกับการศึกษาความแปรปรวนของวัตถุ (ส่วนบุคคล) ภายใต้อิทธิพลของสิ่งเร้าต่างๆ (เงื่อนไข สถานการณ์ ฯลฯ) สอดคล้องกับสถานการณ์เมื่อ ตัวอย่างคือชุดของสิ่งเร้า
เมื่อให้เหตุผลในการอนุมานทางสถิติ จะต้องถามคำถาม: เส้นแบ่งระหว่างการยอมรับและการปฏิเสธสมมติฐานว่างอยู่ที่ไหน เนื่องจากมีอิทธิพลแบบสุ่มในการทดลอง จึงไม่สามารถวาดขอบเขตนี้ได้อย่างแม่นยำอย่างแน่นอน มันขึ้นอยู่กับแนวคิด ระดับความสำคัญ ระดับความสำคัญ เรียกว่าความน่าจะเป็นที่จะปฏิเสธสมมติฐานว่างอย่างผิดพลาด หรืออีกนัยหนึ่งคือ ระดับนัยสำคัญ - นี่คือความน่าจะเป็นของข้อผิดพลาดประเภทที่ 1 เมื่อทำการตัดสินใจ ตามกฎแล้วจะใช้ตัวอักษรกรีก α หรือ เพื่อแสดงถึงความน่าจะเป็นนี้ อักษรละติน ร.ต่อไปนี้เราจะใช้ตัวอักษร ร.
ในอดีต วิทยาศาสตร์ประยุกต์ที่ใช้สถิติโดยเฉพาะจิตวิทยา ระดับนัยสำคัญทางสถิติต่ำสุดถือเป็นระดับ พี = 0.05; เพียงพอ - ระดับ ร= 0.01 และ ระดับสูงสุด พี = 0.001. ดังนั้นในตารางสถิติที่ให้ไว้ในภาคผนวกของตำราเรียนเกี่ยวกับสถิติมักจะให้ค่าแบบตารางสำหรับระดับ พี = 0,05, พี = 0.01 และ ร= 0.001. บางครั้งจะมีการระบุค่าตารางสำหรับระดับ ร - 0.025 และ พี = 0,005.
ค่า 0.05, 0.01 และ 0.001 เรียกว่าระดับมาตรฐานของนัยสำคัญทางสถิติ เมื่อวิเคราะห์ข้อมูลการทดลองทางสถิติ นักจิตวิทยาจะต้องเลือกระดับนัยสำคัญที่ต้องการโดยขึ้นอยู่กับวัตถุประสงค์และสมมติฐานของการศึกษา อย่างที่เราเห็น นี่คือค่าที่ใหญ่ที่สุด หรือ ขีดจำกัดล่างระดับนัยสำคัญทางสถิติคือ 0.05 ซึ่งหมายความว่าอนุญาตให้มีข้อผิดพลาดห้ารายการในตัวอย่างที่มีองค์ประกอบหนึ่งร้อยรายการ (กรณีและเรื่อง) หรือข้อผิดพลาดหนึ่งรายการในยี่สิบองค์ประกอบ (กรณีและเรื่อง) เชื่อกันว่าไม่ใช่ทั้งหกหรือเจ็ดหรือ มากกว่าเต็มร้อยครั้งเราก็ไม่ผิด ค่าใช้จ่ายของความผิดพลาดดังกล่าวจะสูงเกินไป
โปรดทราบว่าแพ็คเกจทางสถิติสมัยใหม่บนคอมพิวเตอร์ไม่ได้ใช้ระดับนัยสำคัญมาตรฐาน แต่เป็นระดับที่คำนวณโดยตรงในกระบวนการทำงานด้วยวิธีทางสถิติที่เกี่ยวข้อง ระดับเหล่านี้กำหนดโดยตัวอักษร พีอาจจะมีความแตกต่างกัน นิพจน์ตัวเลขในช่วงตั้งแต่ 0 ถึง 1 เช่น พี = 0,7, ร= 0.23 หรือ ร= 0.012. เป็นที่ชัดเจนว่าในสองกรณีแรก ระดับนัยสำคัญที่ได้รับสูงเกินไป และเป็นไปไม่ได้ที่จะบอกว่าผลลัพธ์มีนัยสำคัญ ในขณะเดียวกัน ในกรณีหลังนี้ผลลัพธ์มีนัยสำคัญที่ระดับ 12,000 นี่คือระดับที่เชื่อถือได้
กฎสำหรับการยอมรับข้อสรุปทางสถิติมีดังนี้: ขึ้นอยู่กับข้อมูลการทดลองที่ได้รับนักจิตวิทยาจะคำนวณสิ่งที่เรียกว่าสถิติเชิงประจักษ์หรือค่าเชิงประจักษ์โดยใช้วิธีทางสถิติที่เขาเลือก สะดวกในการแสดงปริมาณนี้เป็น ชม em . จากนั้นสถิติเชิงประจักษ์ ชม em ถูกเปรียบเทียบกับค่าวิกฤตสองค่าที่สอดคล้องกับระดับนัยสำคัญ 5% และ 1% สำหรับวิธีการทางสถิติที่เลือกและแสดงเป็น ชม cr . ปริมาณ ชม cr พบได้จากวิธีการทางสถิติที่กำหนดโดยใช้ตารางที่เกี่ยวข้องที่ให้ไว้ในภาคผนวกของตำราเรียนสถิติใดๆ ตามกฎแล้วปริมาณเหล่านี้จะแตกต่างกันเสมอและเพื่อความสะดวกสามารถเรียกได้ว่าเป็นสิ่งต่อไปนี้ ชม kr1และ ชม kr2 . ค่าวิกฤตที่พบจากตาราง ชม kr1และ ชม kr2สะดวกในการแสดงในรูปแบบสัญกรณ์มาตรฐานต่อไปนี้:
อย่างไรก็ตาม เราเน้นย้ำว่าเราใช้สัญลักษณ์นี้ ชม em และ ชม cr เป็นคำย่อของคำว่า "ตัวเลข" วิธีการทางสถิติทั้งหมดได้ใช้การกำหนดเชิงสัญลักษณ์ของตนเองสำหรับปริมาณเหล่านี้ทั้งหมด: ทั้งค่าเชิงประจักษ์ที่คำนวณโดยใช้วิธีทางสถิติที่สอดคล้องกันและค่าวิกฤตที่พบจากตารางที่เกี่ยวข้อง ตัวอย่างเช่นเมื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์อันดับสเปียร์แมนโดยใช้ตารางค่าวิกฤตของสัมประสิทธิ์นี้พบค่าวิกฤตต่อไปนี้ซึ่งสำหรับวิธีนี้จะแสดงด้วยตัวอักษรกรีก ρ (“ rho”) ดังนั้นสำหรับ พี =พบค่า 0.05 จากตาราง ρ cr 1 = 0.61 และสำหรับ พี = 0.01 แมกนิจูด ρ cr 2 = 0,76.
ในรูปแบบมาตรฐานของสัญลักษณ์ที่ใช้ในการนำเสนอต่อไปนี้ มีลักษณะดังนี้:
ตอนนี้เราต้องเปรียบเทียบค่าเชิงประจักษ์กับค่าวิกฤตสองค่าที่พบจากตาราง วิธีที่ดีที่สุดในการทำเช่นนี้คือการวางตัวเลขทั้งสามตัวบนสิ่งที่เรียกว่า "แกนนัยสำคัญ" “แกนนัยสำคัญ” เป็นเส้นตรงที่ปลายด้านซ้ายเป็น 0 แม้ว่าตามกฎแล้วจะไม่ได้ทำเครื่องหมายไว้บนเส้นตรงนี้และจากซ้ายไปขวาจะมีชุดตัวเลขเพิ่มขึ้น อันที่จริงแล้ว นี่คือแกนแอบซิสซาของโรงเรียนตามปกติ โอ้ระบบพิกัดคาร์ทีเซียน อย่างไรก็ตาม ลักษณะเฉพาะของแกนนี้คือมีสามส่วน “โซน” โซนสุดโต่งโซนหนึ่งเรียกว่าโซนที่ไม่มีนัยสำคัญ โซนสุดขั้วที่สองเรียกว่าโซนสำคัญ และโซนกลางเรียกว่าโซนความไม่แน่นอน ขอบเขตของทั้งสามโซนได้แก่ ชม kr1สำหรับ พี = 0.05 และ ชม kr2 สำหรับ พี = 0.01 ดังแสดงในรูป
ขึ้นอยู่กับกฎการตัดสินใจ (กฎการอนุมาน) ที่กำหนดในวิธีการทางสถิตินี้ อาจมีทางเลือกสองทาง
ตัวเลือกแรก: ยอมรับสมมติฐานทางเลือกหาก ชม em ≥ชม cr .
หรือตัวเลือกที่สอง: ยอมรับสมมติฐานทางเลือกหาก ชม em ≤ชม cr .
นับแล้ว ชม em ตามวิธีการทางสถิติบางอย่าง จะต้องตกอยู่ในหนึ่งในสามโซน
หากค่าเชิงประจักษ์ตกอยู่ในโซนที่ไม่มีนัยสำคัญ สมมติฐาน H 0 เกี่ยวกับการไม่มีความแตกต่างก็เป็นที่ยอมรับ
ถ้า ชม em ตกอยู่ในโซนที่มีนัยสำคัญ สมมติฐานทางเลือก H 1 เป็นที่ยอมรับ โอ การมีความแตกต่างและสมมติฐาน H 0 ถูกปฏิเสธ
ถ้า ชม em เมื่อตกอยู่ในสถานการณ์ที่ไม่แน่นอน ผู้วิจัยต้องเผชิญกับภาวะที่กลืนไม่เข้าคายไม่ออก ดังนั้น ขึ้นอยู่กับความสำคัญของปัญหาที่กำลังแก้ไข เขาสามารถพิจารณาการประมาณการทางสถิติที่ได้รับว่าเชื่อถือได้ที่ระดับ 5% และด้วยเหตุนี้จึงยอมรับสมมติฐาน H 1 โดยปฏิเสธสมมติฐาน H 0 , หรือ - ไม่น่าเชื่อถือที่ระดับ 1% จึงยอมรับสมมติฐาน H 0 อย่างไรก็ตาม เราเน้นย้ำว่านี่เป็นกรณีที่นักจิตวิทยาสามารถทำข้อผิดพลาดประเภทที่หนึ่งหรือสองได้ ตามที่กล่าวไว้ข้างต้น ในสถานการณ์เช่นนี้ วิธีที่ดีที่สุดคือเพิ่มขนาดตัวอย่าง
ให้เราเน้นย้ำถึงคุณค่านั้นด้วย ชม em อาจตรงกันทุกประการ ชม kr1หรือ ชม kr2 . ในกรณีแรก เราสามารถสรุปได้ว่าการประมาณการมีความน่าเชื่อถือที่ระดับ 5% อย่างแน่นอน และยอมรับสมมติฐาน H 1 หรือในทางกลับกัน ยอมรับสมมติฐาน H 0 ในกรณีที่สอง ตามกฎแล้ว สมมติฐานทางเลือก H 1 เกี่ยวกับการมีอยู่ของความแตกต่างเป็นที่ยอมรับ และสมมติฐาน H 0 จะถูกปฏิเสธ
ความน่าเชื่อถือทางสถิติ
- ภาษาอังกฤษความน่าเชื่อถือ/ความถูกต้อง เชิงสถิติ เยอรมันความถูกต้องสถิติ ความสม่ำเสมอ ความเที่ยงธรรม และการขาดความคลุมเครือในการทดสอบทางสถิติหรือในการทดสอบคุณภาพ ชุดการวัด ดี.ส. สามารถทดสอบได้โดยทำแบบทดสอบเดิม (หรือแบบสอบถาม) ซ้ำในหัวข้อเดียวกันเพื่อดูว่าได้ผลลัพธ์เดียวกันหรือไม่ หรือการเปรียบเทียบ ส่วนต่างๆการทดสอบที่ควรวัดวัตถุเดียวกัน
อันตินาซี. สารานุกรมสังคมวิทยา, 2009
ดูว่า "ความน่าเชื่อถือทางสถิติ" ในพจนานุกรมอื่น ๆ คืออะไร:
ความน่าเชื่อถือทางสถิติ- ภาษาอังกฤษ ความน่าเชื่อถือ/ความถูกต้อง เชิงสถิติ เยอรมัน ความถูกต้องสถิติ ความสม่ำเสมอ ความเที่ยงธรรม และการขาดความคลุมเครือในการทดสอบทางสถิติหรือในการทดสอบคุณภาพ ชุดการวัด ดี.ส. สามารถตรวจสอบได้โดยทำแบบทดสอบเดิมซ้ำ (หรือ... พจนานุกรมในสังคมวิทยา
ในสถิติค่านั้นเรียกว่ามีนัยสำคัญทางสถิติหากความน่าจะเป็นที่จะเกิดขึ้นโดยบังเอิญหรือค่าที่รุนแรงยิ่งกว่านั้นต่ำ ในที่นี้ โดยสุดขั้ว เราหมายถึงระดับความเบี่ยงเบนของสถิติการทดสอบจากสมมติฐานว่าง ความแตกต่างที่เรียกว่า... ...วิกิพีเดีย
ปรากฏการณ์ทางกายภาพของความเสถียรทางสถิติก็คือ เมื่อขนาดตัวอย่างเพิ่มขึ้น ความถี่ของเหตุการณ์สุ่มหรือค่าเฉลี่ยของปริมาณทางกายภาพจะมีแนวโน้มเป็นจำนวนคงที่ ปรากฏการณ์ทางสถิติ... ...วิกิพีเดีย
ความน่าเชื่อถือของความแตกต่าง (ความคล้ายคลึงกัน)- ขั้นตอนการวิเคราะห์เชิงสถิติเพื่อสร้างระดับนัยสำคัญของความแตกต่างหรือความคล้ายคลึงกันระหว่างตัวอย่างตามตัวบ่งชี้ที่ศึกษา (ตัวแปร) ... ทันสมัย กระบวนการศึกษา: แนวคิดและคำศัพท์พื้นฐาน
การรายงานทางสถิติ พจนานุกรมบัญชีที่ดี
การรายงานทางสถิติ- รูปแบบของการสังเกตทางสถิติของรัฐซึ่งหน่วยงานที่เกี่ยวข้องได้รับจากองค์กร (องค์กรและสถาบัน) ข้อมูลที่ต้องการในรูปแบบของเอกสารการรายงานที่จัดทำขึ้นตามกฎหมาย (รายงานทางสถิติ) สำหรับ... พจนานุกรมเศรษฐศาสตร์ขนาดใหญ่
ศาสตร์ที่ศึกษาเทคนิคการสังเกตปรากฏการณ์มวลอย่างเป็นระบบ ชีวิตทางสังคมมนุษย์ รวบรวมคำอธิบายเชิงตัวเลขและการประมวลผลคำอธิบายเหล่านี้ทางวิทยาศาสตร์ ดังนั้นสถิติเชิงทฤษฎีจึงเป็นศาสตร์... ... พจนานุกรมสารานุกรมเอฟ บร็อคเฮาส์ และ ไอ.เอ. เอฟรอน
ค่าสัมประสิทธิ์สหสัมพันธ์- (ค่าสัมประสิทธิ์สหสัมพันธ์) ค่าสัมประสิทธิ์สหสัมพันธ์เป็นตัวบ่งชี้ทางสถิติของการพึ่งพาของทั้งสอง ตัวแปรสุ่มคำจำกัดความของสัมประสิทธิ์สหสัมพันธ์ ประเภทของสัมประสิทธิ์สหสัมพันธ์ คุณสมบัติของสัมประสิทธิ์สหสัมพันธ์ การคำนวณและการประยุกต์... ... สารานุกรมนักลงทุน
สถิติ- (สถิติ) สถิติเป็นวิทยาศาสตร์เชิงทฤษฎีทั่วไปที่ศึกษาการเปลี่ยนแปลงเชิงปริมาณในปรากฏการณ์และกระบวนการ สถิติของรัฐ, บริการด้านสถิติ, Rosstat (Goskomstat), ข้อมูลทางสถิติ, สถิติการสืบค้น, สถิติการขาย,... ... สารานุกรมนักลงทุน
ความสัมพันธ์- (Correlation) สหสัมพันธ์เป็นความสัมพันธ์ทางสถิติระหว่างตัวแปรสุ่มตั้งแต่สองตัวขึ้นไป แนวคิดของความสัมพันธ์ ประเภทของความสัมพันธ์ สัมประสิทธิ์สหสัมพันธ์ การวิเคราะห์สหสัมพันธ์ ความสัมพันธ์ของราคา ความสัมพันธ์ของคู่สกุลเงินในเนื้อหา Forex... ... สารานุกรมนักลงทุน
หนังสือ
- การวิจัยทางคณิตศาสตร์และคณิตศาสตร์ในการวิจัย: การรวบรวมระเบียบวิธีในกิจกรรมการวิจัยของนักเรียน Borzenko V.I. คอลเลกชันนี้นำเสนอการพัฒนาระเบียบวิธีที่ใช้บังคับในองค์กร กิจกรรมการวิจัยนักเรียน. ส่วนแรกของคอลเลกชันมุ่งเน้นไปที่การประยุกต์ใช้แนวทางการวิจัยใน...
นัยสำคัญทางสถิติมีความสำคัญอย่างยิ่งในการฝึกคำนวณของ FCC ก่อนหน้านี้มีข้อสังเกตว่าสามารถเลือกตัวอย่างได้หลายตัวอย่างจากประชากรกลุ่มเดียวกัน:
หากเลือกอย่างถูกต้องตัวบ่งชี้เฉลี่ยและตัวบ่งชี้ของประชากรทั่วไปจะแตกต่างกันเล็กน้อยจากขนาดของข้อผิดพลาดในการเป็นตัวแทนโดยคำนึงถึงความน่าเชื่อถือที่ยอมรับได้
หากเลือกจากประชากรที่แตกต่างกัน ความแตกต่างระหว่างพวกเขาจะกลายเป็นเรื่องสำคัญ สถิติเป็นเรื่องเกี่ยวกับการเปรียบเทียบตัวอย่าง
หากพวกเขาแตกต่างกันอย่างไม่มีนัยสำคัญ ไม่มีหลักการ ไม่มีนัยสำคัญ กล่าวคือ จริงๆ แล้วพวกเขาอยู่ในประชากรทั่วไปกลุ่มเดียวกัน ความแตกต่างระหว่างพวกเขาเรียกว่าไม่น่าเชื่อถือทางสถิติ
มีความน่าเชื่อถือทางสถิติ ความแตกต่างของกลุ่มตัวอย่างคือกลุ่มตัวอย่างที่แตกต่างกันอย่างมีนัยสำคัญและเป็นพื้นฐาน กล่าวคือ เป็นของกลุ่มประชากรทั่วไปที่แตกต่างกัน
ที่ FCC การประเมินนัยสำคัญทางสถิติของความแตกต่างของตัวอย่างหมายถึงการแก้ปัญหาในทางปฏิบัติหลายประการ ตัวอย่างเช่น การแนะนำวิธีการสอน โปรแกรม ชุดแบบฝึกหัด แบบทดสอบ แบบฝึกหัดควบคุมใหม่ๆ เชื่อมโยงกับการทดสอบเชิงทดลอง ซึ่งควรแสดงให้เห็นว่ากลุ่มทดสอบมีความแตกต่างโดยพื้นฐานจากกลุ่มควบคุม ดังนั้นจึงใช้วิธีการทางสถิติพิเศษที่เรียกว่าเกณฑ์ที่มีนัยสำคัญทางสถิติ เพื่อตรวจหาการมีหรือไม่มีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างตัวอย่าง
เกณฑ์ทั้งหมดแบ่งออกเป็นสองกลุ่ม: แบบอิงพารามิเตอร์และแบบไม่มีพารามิเตอร์ เกณฑ์พาราเมตริกกำหนดให้ต้องมีกฎหมายการแจกแจงแบบปกติ เช่น นี่หมายถึงการกำหนดตัวบ่งชี้หลักของกฎปกติ - ค่าเฉลี่ยเลขคณิตและค่าเบี่ยงเบนมาตรฐาน เกณฑ์พาราเมตริกมีความแม่นยำและถูกต้องที่สุด การทดสอบแบบไม่อิงพารามิเตอร์จะขึ้นอยู่กับความแตกต่างอันดับ (ลำดับ) ระหว่างองค์ประกอบตัวอย่าง
ให้เรานำเสนอเกณฑ์หลักสำหรับนัยสำคัญทางสถิติที่ใช้ในการฝึก FCC: การทดสอบของนักเรียนและการทดสอบของฟิชเชอร์
การทดสอบของนักเรียนตั้งชื่อตามนักวิทยาศาสตร์ชาวอังกฤษ K. Gosset (นักเรียน - นามแฝง) ผู้ค้นพบวิธีนี้ การทดสอบของนักเรียนเป็นแบบพาราเมตริกและใช้สำหรับการเปรียบเทียบ ตัวชี้วัดที่แน่นอนตัวอย่าง ตัวอย่างอาจมีขนาดแตกต่างกัน
การทดสอบของนักเรียน ถูกกำหนดเช่นนี้
1. ค้นหาแบบทดสอบ Student โดยใช้สูตรต่อไปนี้:
ค่าเฉลี่ยเลขคณิตของกลุ่มตัวอย่างที่เปรียบเทียบอยู่ที่ไหน เสื้อ 1, เสื้อ 2 - ข้อผิดพลาดของการเป็นตัวแทนที่ระบุบนพื้นฐานของตัวบ่งชี้ของกลุ่มตัวอย่างที่เปรียบเทียบ
2. การปฏิบัติที่ FCC แสดงให้เห็นว่าสำหรับงานกีฬาก็เพียงพอที่จะยอมรับความน่าเชื่อถือของบัญชี P = 0.95
ความน่าเชื่อถือในการนับ: P = 0.95 (a = 0.05) พร้อมจำนวนองศาอิสระ
k = n 1 + n 2 - 2 จากตารางในภาคผนวก 4 เราค้นหาค่าของค่าขีด จำกัด ของเกณฑ์ ( ทีกรัม).
3. ขึ้นอยู่กับคุณสมบัติของกฎการกระจายแบบปกติ เกณฑ์ของนักเรียนจะเปรียบเทียบ t และ t gr
เราได้ข้อสรุป:
ถ้า t t gr ความแตกต่างระหว่างตัวอย่างที่เปรียบเทียบนั้นมีนัยสำคัญทางสถิติ
หากไม่ได้หมายความว่าความแตกต่างนั้นไม่มีนัยสำคัญทางสถิติ
สำหรับนักวิจัยในสาขา FCS การประเมินนัยสำคัญทางสถิติเป็นขั้นตอนแรกในการแก้ปัญหาเฉพาะเจาะจง ไม่ว่าตัวอย่างที่เปรียบเทียบจะมีความแตกต่างกันโดยพื้นฐานหรือไม่ก็ตาม ขั้นตอนต่อไปคือการประเมินความแตกต่างนี้จากมุมมองการสอนซึ่งกำหนดโดยเงื่อนไขของงาน
ลองพิจารณาการประยุกต์ใช้แบบทดสอบนักเรียนโดยใช้ตัวอย่างเฉพาะ
ตัวอย่างที่ 2.14 กลุ่มตัวอย่าง 18 คนได้รับการประเมินอัตราการเต้นของหัวใจ (bpm) ก่อน x i และหลัง ใช่แล้วอุ่นเครื่อง
ประเมินประสิทธิผลของการวอร์มอัพตามอัตราการเต้นของหัวใจ ข้อมูลเบื้องต้นและการคำนวณแสดงไว้ในตาราง 2.30 และ 2.31 น.
ตารางที่ 2.30
การประมวลผลตัวบ่งชี้อัตราการเต้นของหัวใจก่อนอบอุ่นร่างกาย
ข้อผิดพลาดสำหรับทั้งสองกลุ่มเกิดขึ้นพร้อมกัน เนื่องจากขนาดตัวอย่างเท่ากัน (กลุ่มเดียวกันได้รับการศึกษาภายใต้เงื่อนไขที่ต่างกัน) และค่าเบี่ยงเบนมาตรฐานคือ s x = s y = 3 ครั้ง/นาที มาดูการกำหนดการทดสอบของนักเรียนกันดีกว่า:
เราตั้งค่าความน่าเชื่อถือของบัญชี: P = 0.95
จำนวนองศาอิสระ k 1 = n 1 + n 2 - 2 = 18 + 18-2 = 34 จากตารางในภาคผนวก 4 เราพบ ทีกรัม= 2,02.
การอนุมานทางสถิติ เนื่องจาก t = 11.62 และขอบเขต t gr = 2.02 จากนั้น 11.62 > 2.02 เช่น t > t gr ดังนั้นความแตกต่างระหว่างกลุ่มตัวอย่างจึงมีนัยสำคัญทางสถิติ
บทสรุปการสอน พบว่าในแง่ของอัตราการเต้นของหัวใจ ความแตกต่างระหว่างสถานะของกลุ่มก่อนและหลังการอบอุ่นร่างกายมีนัยสำคัญทางสถิติ กล่าวคือ สำคัญและเป็นพื้นฐาน ดังนั้น จากตัวบ่งชี้อัตราการเต้นของหัวใจ เราสามารถสรุปได้ว่าการวอร์มอัพมีประสิทธิผล
เกณฑ์ฟิชเชอร์เป็นพารามิเตอร์ ใช้ในการเปรียบเทียบอัตราการกระจายตัวของตัวอย่าง ซึ่งมักจะหมายถึงการเปรียบเทียบในแง่ของความเสถียรของประสิทธิภาพการกีฬาหรือความเสถียรของตัวบ่งชี้การทำงานและทางเทคนิคในทางปฏิบัติ วัฒนธรรมทางกายภาพและกีฬา ตัวอย่างอาจมีขนาดแตกต่างกัน
เกณฑ์ฟิชเชอร์ถูกกำหนดตามลำดับต่อไปนี้
1. ค้นหาเกณฑ์ฟิชเชอร์ F โดยใช้สูตร
โดยที่ คือความแปรปรวนของกลุ่มตัวอย่างที่เปรียบเทียบ
เงื่อนไขของเกณฑ์ฟิชเชอร์กำหนดไว้ในตัวเศษของสูตร เอฟ มีการกระจายตัวมากเช่น จำนวน F จะมากกว่าหนึ่งเสมอ
เราตั้งค่าความน่าเชื่อถือของการนับ: P = 0.95 - และกำหนดจำนวนองศาอิสระสำหรับทั้งสองตัวอย่าง: k 1 = n 1 - 1, k 2 = n 2 - 1
เมื่อใช้ตารางในภาคผนวก 4 เราจะค้นหาค่าขีดจำกัดของเกณฑ์ F กรัม.
การเปรียบเทียบเกณฑ์ F และ F กรัมช่วยให้เราสามารถสรุปได้:
ถ้า F > F gr ความแตกต่างระหว่างกลุ่มตัวอย่างจะมีนัยสำคัญทางสถิติ
ถ้า F< F гр, то различие между выборками статически недостоверно.
ลองยกตัวอย่างที่เฉพาะเจาะจง
ตัวอย่าง 2.15. มาวิเคราะห์ผู้เล่นแฮนด์บอลสองกลุ่ม: x ฉัน (หมายเลข 1= 16 คน) และ y (p 2 = 18 คน) นักกีฬากลุ่มเหล่านี้ได้รับการศึกษาเกี่ยวกับเวลาขึ้นเครื่องเมื่อขว้างลูกบอลเข้าประตู
ตัวบ่งชี้แรงผลักเป็นประเภทเดียวกันหรือไม่?
ข้อมูลเบื้องต้นและการคำนวณพื้นฐานแสดงไว้ในตาราง 2.32 และ 2.33
ตารางที่ 2.32
การประมวลผลตัวบ่งชี้การขับไล่ของผู้เล่นแฮนด์บอลกลุ่มแรก
ให้เรากำหนดเกณฑ์ฟิชเชอร์:
ตามข้อมูลที่นำเสนอในตารางภาคผนวก 6 เราพบ Fgr: Fgr = 2.4
ให้เราใส่ใจกับความจริงที่ว่าในตารางในภาคผนวก 6 รายการของจำนวนระดับความอิสระของการกระจายทั้งที่มากขึ้นและเล็กจะหยาบมากขึ้นเมื่อเราเข้าใกล้ตัวเลขที่มากขึ้น ดังนั้นจำนวนองศาความเป็นอิสระของการกระจายตัวที่มากขึ้นตามลำดับนี้: 8, 9, 10, 11, 12, 14, 16, 20, 24 เป็นต้น และอันที่เล็กกว่า - 28, 29, 30, 40 , 50 ฯลฯ ง.
สิ่งนี้อธิบายได้จากข้อเท็จจริงที่ว่าเมื่อขนาดตัวอย่างเพิ่มขึ้น ความแตกต่างในการทดสอบ F จะลดลง และคุณสามารถใช้ค่าแบบตารางที่ใกล้เคียงกับข้อมูลต้นฉบับได้ ดังนั้น ในตัวอย่าง 2.15 =17 หายไป และค่าที่ใกล้เคียงที่สุดสามารถหาได้เป็น k = 16 ซึ่งเราจะได้ Fgr = 2.4
การอนุมานทางสถิติ เนื่องจากการทดสอบของฟิชเชอร์ F= 2.5 > F= 2.4 ตัวอย่างจึงสามารถแยกแยะได้อย่างมีนัยสำคัญทางสถิติ
ข้อสรุปการสอน ค่าของเวลาออกตัวเมื่อโยนบอลเข้าประตูสำหรับผู้เล่นแฮนด์บอลของทั้งสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญ กลุ่มเหล่านี้ควรได้รับการพิจารณาที่แตกต่างกัน
การวิจัยเพิ่มเติมควรเปิดเผยสาเหตุของความแตกต่างนี้
ตัวอย่าง 2.20.(เกี่ยวกับความน่าเชื่อถือทางสถิติของกลุ่มตัวอย่าง - คุณสมบัติของนักฟุตบอลจะดีขึ้นหรือไม่หากเวลาจากการให้สัญญาณในการเตะบอลในช่วงเริ่มต้นการฝึกคือ x i และในตอนท้าย y i
ข้อมูลเบื้องต้นและการคำนวณพื้นฐานแสดงไว้ในตาราง 2.40 และ 2.41
ตารางที่ 2.40
ตัวบ่งชี้เวลาในการประมวลผลจากการให้สัญญาณในการตีลูกบอลเมื่อเริ่มฝึกซ้อม
ให้เราพิจารณาความแตกต่างระหว่างกลุ่มตัวบ่งชี้โดยใช้เกณฑ์ของนักเรียน:
ด้วยความน่าเชื่อถือ P = 0.95 และองศาอิสระ k = n 1 + n 2 - 2 = 22 + 22 - 2 = 42 โดยใช้ตารางในภาคผนวก 4 เราพบ ทีกรัม= 2.02. เนื่องจาก t = 8.3 > ทีกรัม= 2.02 - ความแตกต่างมีนัยสำคัญทางสถิติ
ให้เราพิจารณาความแตกต่างระหว่างกลุ่มตัวบ่งชี้โดยใช้เกณฑ์ของฟิชเชอร์:
ตามตารางในภาคผนวก 2 โดยมีความน่าเชื่อถือ P = 0.95 และองศาอิสระ k = 22-1 = 21 ค่า F gr = 21 เนื่องจาก F = 1.53< F гр = = 2,1, различие в рассеивании исходных данных статистически недостоверно.
การอนุมานทางสถิติ ตามค่าเฉลี่ยเลขคณิต ความแตกต่างระหว่างกลุ่มของตัวบ่งชี้มีนัยสำคัญทางสถิติ ในแง่ของการกระจายตัว (dispersion) ความแตกต่างระหว่างกลุ่มของตัวบ่งชี้นั้นไม่น่าเชื่อถือทางสถิติ
ข้อสรุปการสอนคุณสมบัติของนักฟุตบอลได้รับการปรับปรุงอย่างมีนัยสำคัญ แต่ควรให้ความสนใจกับความมั่นคงของคำให้การของเขา
การเตรียมงาน
ก่อนหน้านี้ งานห้องปฏิบัติการในสาขาวิชา “มาตรวิทยาการกีฬา” ถึงนักเรียนทุกคน กลุ่มการศึกษามีความจำเป็นต้องจัดตั้งทีมงานจำนวน 3-4 คนในแต่ละกลุ่มเพื่อร่วมกันทำงานมอบหมายงานห้องปฏิบัติการทั้งหมดให้เสร็จสิ้น
ในการเตรียมงาน อ่านส่วนที่เกี่ยวข้องของวรรณกรรมที่แนะนำ (ดูหัวข้อที่ 6 ของข้อมูล คำแนะนำระเบียบวิธี) และบันทึกการบรรยาย ศึกษาส่วนที่ 1 และ 2 สำหรับงานในห้องปฏิบัติการนี้ ตลอดจนการมอบหมายงาน (ส่วนที่ 4)
เตรียมแบบฟอร์มรายงานบนกระดาษเขียนขนาด A4 มาตรฐาน และเติมวัสดุที่จำเป็นสำหรับการทำงาน
โดยในรายงานจะต้องมี :
หน้าแรกโดยระบุแผนก (UC และ TR) กลุ่มวิชา นามสกุล ชื่อจริง นามสกุลของนักศึกษา หมายเลขและชื่อผลงานห้องปฏิบัติการ วันที่สำเร็จการศึกษา ตลอดจนนามสกุล ปริญญาทางวิชาการ ตำแหน่งทางวิชาการ และตำแหน่ง ครูรับงาน;
วัตถุประสงค์ของงาน
สูตรที่มีค่าตัวเลขอธิบายผลการคำนวณขั้นกลางและขั้นสุดท้าย
ตารางค่าที่วัดและคำนวณได้
วัสดุกราฟิกที่จำเป็นสำหรับงาน;
ข้อสรุปโดยย่อขึ้นอยู่กับผลลัพธ์ของแต่ละขั้นตอนของการมอบหมายงานและโดยทั่วไปเกี่ยวกับงานที่ทำ
กราฟและตารางทั้งหมดถูกวาดอย่างระมัดระวังโดยใช้เครื่องมือวาดภาพ สัญลักษณ์กราฟิกและตัวอักษรทั่วไปต้องเป็นไปตาม GOST อนุญาตให้จัดทำรายงานโดยใช้เทคโนโลยีคอมพิวเตอร์ได้
การมอบหมายงาน
ก่อนที่จะดำเนินการวัดทั้งหมด สมาชิกในทีมแต่ละคนจะต้องศึกษากฎการใช้งาน เกมกีฬาลูกดอกที่ให้ไว้ในภาคผนวก 7 ซึ่งจำเป็นสำหรับการดำเนินการวิจัยในขั้นตอนต่อไปนี้
ระยะที่ 1 ของการวิจัย“การศึกษาผลการตีเป้าหมายของเกมกีฬาปาเป้าโดยสมาชิกแต่ละคนในทีมเพื่อให้เป็นไปตามกฎหมายการกระจายสินค้าตามปกติตามหลักเกณฑ์ χ 2เพียร์สันและเกณฑ์สามซิกมา"
1. วัด (ทดสอบ) ความเร็ว (ส่วนตัว) ของคุณและการประสานงานของการกระทำ โดยปาลูกดอก 30-40 ครั้งไปที่เป้าหมายวงกลมในเกมกีฬาปาเป้า
2. ผลการวัด (การทดสอบ) x ฉัน(ในแก้ว) จัดรูปแบบในรูปแบบของชุดรูปแบบและป้อนลงในตาราง 4.1 (คอลัมน์ ทำการคำนวณที่จำเป็นทั้งหมด กรอกตารางที่จำเป็นและสรุปผลที่เหมาะสมเกี่ยวกับการปฏิบัติตามผลการแจกแจงเชิงประจักษ์ที่เกิดขึ้นกับกฎหมายการกระจายแบบปกติโดย การเปรียบเทียบกับการคำนวณ ตาราง และข้อสรุปที่คล้ายกันของตัวอย่าง 2.12 ที่ให้ไว้ในส่วนที่ 2 ของแนวทางเหล่านี้ในหน้า 7 - 10
ตารางที่ 4.1
ความสอดคล้องของความเร็วและการประสานงานของการกระทำของอาสาสมัครกับกฎหมายการกระจายแบบปกติ
เลขที่ | โค้งมน | |||||||||
… | ||||||||||
… | ||||||||||
ทั้งหมด |
II – ขั้นตอนการวิจัย
“การประเมินตัวบ่งชี้เฉลี่ยของประชากรทั่วไปในการโจมตีเป้าหมายของเกมกีฬาปาเป้าของนักเรียนทุกคนในกลุ่มเรียนโดยพิจารณาจากผลการวัดของสมาชิกของทีมเดียว”
ประเมินตัวบ่งชี้เฉลี่ยของความเร็วและการประสานงานของการกระทำของนักเรียนทุกคนในกลุ่มการศึกษา (ตามรายชื่อกลุ่มการศึกษาในนิตยสารชั้นเรียน) ตามผลการตีเป้าหมายปาเป้าของสมาชิกในทีมทั้งหมดที่ได้รับในระยะแรก ของงานวิจัยในห้องปฏิบัติการนี้
1. บันทึกผลการวัดความเร็วและการประสานงานของการกระทำ เมื่อขว้างปาเป้าไปที่เป้าหมายวงกลมในเกมกีฬา ปาเป้าของสมาชิกทุกคนในทีมของคุณ (2 - 4 คน) ซึ่งเป็นตัวอย่างผลการวัดจากประชากรทั่วไป (ผลการวัดของนักเรียนทุกคนในกลุ่มเรียน - เช่น จำนวน 15 คน) โดยระบุในคอลัมน์ที่สองและสาม ตารางที่ 4.2
ตารางที่ 4.2
ตัวชี้วัดการประมวลผลความเร็วและการประสานงานของการกระทำ
สมาชิกกองพลน้อย
เลขที่ | ||||||
… | ||||||
… | ||||||
ทั้งหมด |
ในตาราง 4.2 ภายใต้ ควรจะเข้าใจ , คะแนนเฉลี่ยที่ตรงกัน (ดูผลการคำนวณในตารางที่ 4.1) สมาชิกในทีมของคุณ ( , ได้รับในขั้นตอนแรกของการวิจัย ควรสังเกตว่า ตามกฎแล้ว ตาราง 4.2 ประกอบด้วยค่าเฉลี่ยที่คำนวณได้ของผลการวัดที่ได้รับโดยสมาชิกหนึ่งคนในทีมในขั้นตอนแรกของการวิจัย เนื่องจากโอกาสที่ผลการวัดของสมาชิกในทีมแต่ละคนจะตรงกันนั้นมีน้อยมาก แล้ว, ตามกฎแล้วค่าต่างๆ ในคอลัมน์ ตารางที่ 4.2 สำหรับแต่ละแถว - เท่ากับ 1 ก ในบรรทัด “ยอดรวม " คอลัมน์ " " ถูกเขียน จำนวนสมาชิกในทีมของคุณ
2. ทำการคำนวณที่จำเป็นทั้งหมดเพื่อกรอกตาราง 4.2 รวมถึงการคำนวณและข้อสรุปอื่น ๆ ที่คล้ายกับการคำนวณและข้อสรุปของตัวอย่าง 2.13 ที่ให้ไว้ในส่วนที่ 2 ของสิ่งนี้ การพัฒนาระเบียบวิธีในหน้า 13-14. ควรคำนึงถึงเมื่อคำนวณข้อผิดพลาดในการเป็นตัวแทน "ม" มีความจำเป็นต้องใช้สูตร 2.4 ที่ให้ไว้ในหน้า 13 ของการพัฒนาวิธีการนี้เนื่องจากกลุ่มตัวอย่างมีขนาดเล็ก (n และจำนวนองค์ประกอบของประชากรทั่วไป N เป็นที่รู้จักและเท่ากับจำนวนนักเรียนในกลุ่มการศึกษา ตามรายชื่อวารสารของกลุ่มศึกษา
III – ขั้นตอนการวิจัย
การประเมินประสิทธิผลของการวอร์มอัพตามตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” โดยสมาชิกในทีมแต่ละคนโดยใช้แบบทดสอบของนักเรียน
เพื่อประเมินประสิทธิผลของการวอร์มอัพสำหรับการขว้างลูกดอกไปยังเป้าหมายของเกมกีฬา "ปาเป้า" ซึ่งดำเนินการในขั้นตอนแรกของการวิจัยของงานในห้องปฏิบัติการนี้โดยสมาชิกแต่ละคนในทีมตามตัวบ่งชี้ "ความเร็วและ การประสานงานของการกระทำ" โดยใช้เกณฑ์ของนักเรียน - เกณฑ์พาราเมตริกสำหรับความน่าเชื่อถือทางสถิติของกฎการกระจายเชิงประจักษ์กับกฎการกระจายแบบปกติ
2. ความแตกต่าง และอาร์เอ็มเอส , ผลการวัดตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” ตามผลการวอร์มอัพ, กำหนดไว้ในตาราง 4.3 (ดูการคำนวณที่คล้ายกันที่ให้ไว้ทันทีหลังจากตาราง 2.30 ของตัวอย่าง 2.14 ในหน้า 16 ของการพัฒนาวิธีการนี้)
3. ทีมงานแต่ละคน วัด (ทดสอบ) ความเร็ว (ส่วนตัว) ของคุณและการประสานงานของการกระทำหลังจากการวอร์มอัพ
5. ทำการคำนวณโดยเฉลี่ย ความแตกต่าง และอาร์เอ็มเอส ,ผลการวัดของตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” หลังจากการวอร์มอัพ กำหนดไว้ในตาราง 4.4 เขียนผลการวัดโดยรวมตามผลการอุ่นเครื่อง (ดูการคำนวณที่คล้ายกันที่ให้ไว้ทันทีหลังจากตาราง 2.31 ของตัวอย่าง 2.14 ในหน้า 17 ของการพัฒนาวิธีการนี้)
6. ทำการคำนวณและข้อสรุปที่จำเป็นทั้งหมดคล้ายกับการคำนวณและข้อสรุปของตัวอย่างที่ 2.14 ที่ให้ไว้ในส่วนที่ 2 ของการพัฒนาวิธีการนี้ในหน้า 16-17 ควรคำนึงถึงเมื่อคำนวณข้อผิดพลาดในการเป็นตัวแทน "ม" จำเป็นต้องใช้สูตร 2.1 ที่ให้ไว้ในหน้า 12 ของการพัฒนาวิธีการนี้เนื่องจากตัวอย่างคือ n และจำนวนองค์ประกอบในประชากร N ( ไม่ทราบ
IV – ขั้นตอนการวิจัย
การประเมินความสม่ำเสมอ (ความมั่นคง) ของตัวบ่งชี้ "ความเร็วและการประสานงานของการกระทำ" ของสมาชิกในทีมสองคนโดยใช้เกณฑ์ฟิชเชอร์
ประเมินความสม่ำเสมอ (ความเสถียร) ของตัวบ่งชี้ "ความเร็วและการประสานงานของการกระทำ" ของสมาชิกในทีมสองคนโดยใช้เกณฑ์ฟิชเชอร์ตามผลการวัดที่ได้รับในขั้นตอนที่สามของการวิจัยในงานห้องปฏิบัติการนี้
ในการทำเช่นนี้คุณต้องทำสิ่งต่อไปนี้
การใช้ข้อมูลจากตาราง 4.3 และ 4.4 ผลลัพธ์ของการคำนวณความแปรปรวนจากตารางเหล่านี้ที่ได้รับในขั้นตอนที่สามของการวิจัยตลอดจนวิธีการคำนวณและการประยุกต์ใช้เกณฑ์ฟิชเชอร์เพื่อประเมินความสม่ำเสมอ (ความมั่นคง) ของตัวบ่งชี้กีฬาที่ให้ไว้ใน ตัวอย่าง 2.15 ในหน้า 18-19 ของการพัฒนาวิธีการนี้ ให้สรุปผลทางสถิติและการสอนที่เหมาะสม
V – ขั้นตอนการวิจัย
การประเมินกลุ่มตัวบ่งชี้ “ความเร็วและการประสานงานของการกระทำ” ของสมาชิกในทีมหนึ่งคนก่อนและหลังการวอร์มอัพ