Help
Options
Didn't know it?
click below
click below
Knew it?
click below
click below
Don't Know
Remaining cards (0)
Know
retry
shuffle
restart
0:00
Embed Code - If you would like this activity on your web page, copy the script below and paste it into your web page.
Normal Size Small Size show me how
Normal Size Small Size show me how
Metodologia
Srelau Psych 1/2 R. 4.3.3 Sprawdzanie hipotez 228-246
| Term | Definition |
|---|---|
| Jakie pytania badawcze stawiamy? Jakie hipotezy sprawdzamy? | O związkach między zmiennymi. O różnicach pomiędzy grupami. |
| Kiedy stosujemy współczynnik kontyngencji? | Aby sprawdzić czy dwie różne cechy są ze sobą związane. Dla danych zmierzonych na skali nominalnej. |
| Kiedy stosujemy współczynnik korelacji? | Aby sprawdzić czy dwie różne cechy są ze sobą związane. Dla danych zmierzonych co najmniej na skali porządkowej. |
| Na jakie pytania musimy odpowiedzieć aby zinterpretować wartość współczynnika korelacji lub kontyngencji? | Pytania o istotność stat związku, siłę związku, kształt związku. |
| Co nam daje test statystyczny? | Sprawdza czy współczynnik korelacji wyników z próby jest istotnie różny od zera dla populacji, z której pochodzi próba. Jeśli jest możemy mówić o związku (współzmienności) zmiennych. |
| Na jakiej podstawie orzekamy o istnieniu korelacji i jej sile? | Na podstawie wartości współczynnika: zero - brak związku, -1 lub 1 oznacza związek doskonały, jedno-jednoznaczny. |
| Współczynnik r Pearsona | Współczynnik korelacji liniowej. Współczynnik korelacji wg momentu iloczynowego. Product-moment correlation coefficiet. Kiedy obie zmienne są na skali ilościowej (inter, iloraz). |
| Skala stenowa | Złożona z 10-ciu jednostek skala o średniej 5,5 i odchyleniu standardowym 2. |
| Jak prezentuje się graficznie dane korelacyjne? Czym graficznie jest r Pearsona? | Diagram korelacyjny. Prostą najmniejszych kwadratów. |
| Prosta najmniejszych kwadratów | Ze wszystkich możliwych prostych najlepiej dopasowana do punktów na wykresie, w taki sposób, że suma kwadratów odległości poszczególnych punktów od prostej jest najmniejsza. |
| Kiedy związek korelacji liniowej jest najsilniejszy, a kiedy najsłabszy? | Najsil: r=1/r=-1, punkty na diagramie korelacyjnym leżą idealnie na prostej (wprost i odwrotnie proporcjonalny). Najsłab: r=0, nie daje się dopasować żadnej linii, nie ma związku liniowego, ale może być związek nieliniowy (parabola drugiego stopnia). |
| Czym jest współczynik rs Spearmana i kiedy jest stosowany? | Nieparametryczna wersja współczynnika r Pearsona. Stosowany kiedy zmienne są na skali co najmniej porządkowej. Wylicza się z r Pearsona po zastąpieniu wartości cech rangami. |
| Wariancja (def) | przeciętna suma kwadratów odcyleń poszczególnych wynikow od średniej |
| Czego miarą jest wariancja? | matematyczna miara zmienności dla pojedyńczej cechy |
| Czego miarą jest kowariancja? | matematyczna miara współzmienności dla dwóch cech (cov) |
| Co interesuje nas kiedy analizujemy wariancję, a co kiedy analizujemy kowariancję? | Wariancja - zmienność analizowanej cechy, czy duża, czy mała. Kowariancja - czy jedna cecha zmienia się podobnie do drugiej. |
| Po czym widzimy, że dwie cechy są silnie i wprost / odwrotnie proporcjonalnie powiązane? (cov) | Po tym, że odchylenia wyników dla obu zmiennych są podobne: wysokie = wysokie, niskie = niskie, średnie = średnie, wysokie = niskie, niskie = wysokie, średnie = średnie. Im wyższa wartość cov, tym zmienne bardziej podobne, + wprost prop, - odwrot prop. |
| Znaki (+, -) przy obliczaniu wariancji i przy obliczaniu kowariancji. | Wariancja - bez znaczenia (podnosimy do kwadratu). Kowariancja - ma znaczenie (związek wprost/odwrot prop). |
| Wynik liczbowy kowariancji | Bez interpretacji. Skala stenowa 10 jedn. Skala tenowa 100. Dopiero użycie kowariancji we wzorze dla r Pearsona i sprowadzenie do <-1, 1> pozwala na interpretację siły związku |
| Wzór na r Pearsona | kowariancja (cov.xy) podzielona przez iloczyn odchylen standardowych obu korelowanych zmiennych (s.x*s.y). |
| Wzór na kowariancję | E(Xi-Mx)(Yi-My)/N. Mnożymy odpowiadające sobie odchylenia wyników dla obu analizowanych zmiennych, sumujemy wszystkie iloczyny i dzielimy przez liczbę zsumowanych elementów. |
| Czym są rangi? | Numer kolejny obserwacji statystycznej w próbie po uporządkowaniu obserwacji według wartości jednej ze zmiennych. Zwykle stosuje się uporządkowanie rosnące i numerowanie od 1. |
| Czym jest rangowanie? | Zastąpienie zmiennej przez wyliczone według niej rangi. Dla kilku takich samych zmiennych - średnia arytmetyczna z dwóch sąsiednich rang. |
| Po co stosuje się rangowanie? | W celu uniezależnienia się od rozkładu zmiennej oraz możliwych wystąpień obserwacji odstających. Pozwala ono również na stosowanie metod statystycznych w odniesieniu do zmiennych porządkowych, a nie tylko przedziałowych i ilorazowych. |
| Czego i dlaczego nie robimy z rangami? | Nie wyliczamy średniej, nie wyliczamy i nie porównujemy odchyleń od średniej, bo ranga zastępuje wyniki, które nie były tak samo od siebie odległe (skala porządkowa). |
| Jaki wskaźnik pozwala nam porownać rangi dwóch różnych zmiennych? | Inwersja rang Ed-kw (suma kwadratów róznic pomiędzy parami zmiennych). |
| Kiedy Ed-kw jest najniższa, kiedy równa połowie max. wskaźnika, kiedy niajwyższa? | Jeśli szeregowi dla zmiennej X{1, 2, 3, 4, 5} odpowiada Y{1, 2, 3, 4, 5} to Ed-kw czyli inwersja rang jest najniższa. Jeśli X{1, 2, 3, 4, 5} -> Y{5, 4, 3, 2, 1} - inwersja najwyższa. Jeśli X odpowiada losowe Y - pół max. wskaźnika. |
| Rangi wiązane | Gdy mamy powtarzające się wartości obserwacji. Do zbioru danych wprowadzamy rangi wiązane a do wzoru na r.s Spearmana poprawkę na rangi wiązane (r.ho Spearmana- r of hierarchical observations) |
| Co się dzieje ze wskaźnikiem korelacji wraz ze wzrostem liczebności próby | Stabilizuje się, przy niskiej liczebności próby r dla różnych prób jest całkowicie niestabilna. |
| Od czego zależy konkretna wartość współczynnika korelacji? | Grupy badanych, sposobu dokonania pomiaru, specyficznych warunków w jakich analizowane zmienne działają. Dlatego sprawozdania z badań korelacyjnych muszą zawierać staranny opis próby. |
| Tablica kontyngencji | Prezentacja warunkowych rozkładów par cech dla zmiennych, z których co najmniej jedna jest na skali nominalnej. |
| Rozkłady brzegowe, rozkłady warunkowe | Y-wiersze -> ostatnia kolumna RB-Y. X-kolumny -> ost. wiersz RB-X. W środku rozkłady warunkowe YiXj. |
| Wartości/liczebności oczekiwane | Wartości teo które pojawiłyby się w tablicy kontyngencji, gdyby pomiędzy analizowanymi zmiennymi nie było związku. Wyliczamy proporcje udziału w próbie osób i odpowiedzi określonego rodzaju i mnożymy przez liczbę wszystkich osób/odpowiedzi. |
| Liczebności obserwowane/empiryczne | Wartości, które mamy w tablicy kontyngencji po przeprowadzeniu badania. |
| Miarą siły związku między zmiennymi, z których co najmniej jedna jest nominalna jest... Kiedy związek większy? Jaki to wskaźnik? | ... stopień rozbieżności między liczebnościami oczekiwanymi i liczebnościami empirycznymi. Im większa rozbieżność, tym większy związek. |
| Jaka statystyka mierzy stopien rozbieżności między liczebnościami oczekiwanymi a liczebnościami empirycznymi? Kiedy mówi nam ona, że nie ma związku? Jakie może przyjmować wartości? | Chi kwadrat (X.kw). Brak związku to Chi kwadrat = 0, Przyjmuje wartości od 0 do +nieskończoność. |
| Czym jest Fi Yula? Jakie przyjmuje wartości? | Wskaźnikiem kontyngencji opartym na statystyce Chi kwadrat. Mierzy siłę związku gdy obie korelowane zmienne sa nominalne i dychotomiczne. Przyjmuje wartości o 0 (brak zw) do 1 lub -1 (zw doskonały). |
| Test istotności różnic | Pozwala sprawdzić hipotezę, czy dana cecha różnicuje wybrane populacje. |
| Kryteria wyboru testu istotności różnic (4). | Skala na jakiej zmierzono cechę. Charakter porównywanych grup (zależne vs niezależne). Liczba porównywanych grup. Liczebność porównywanych grup. |
| Testy parametryczne a testy nieparametryczne | Parametryczne: dla skal ilościowych (porównują parametry populacyjne: średnie i wariancje). Nieparametryczne: dla skal nominalnych (porównoują liczebności lub częstości) i porządkowych (porównnują rangi). |
| Grupy zależne vs grupy niezależne | Czy każda z grup została wybrana w sposób niezalezny od innych, czy też wybór jednej z nich determinował to, kto się znalazł w pozostalych (dobór parami, pomiar powtarzany). |
| Do czego służą testy post hoc? | Do wykonywania wielokrotnych porównań grup parami. |
| Wielkość próby a wybór testu | duże n>30 statystyka z, małe n<=30 statystyka t, w testach dla danych nominalnych opartych na statystyce Chi kwadrat ważne są wartości oczekiwane w komórkach tablicy kontyngencji (>5). |
| Co jeśli w w co najmniej jednej komórce tablicy kontyngencji wartość oczekiwana jest mniejsza lub równa 5? | Wprowadza się do testu poprawkę Yatesa na ciągłość lub zastępuje test Chi kwadrat testem dokładnego prawdopodobieństwa Fishera. |
| Randomizacja | Losowe przydzielenie osób do gr. porównywczych. Zapewnia wyrównanie oddziaływania na zm.zal innych zm. niż zm.niezależ głowna, w tym zm. zakłócających. Brak zachowania zasady randomizacji czyni z badania eksperymentalnego badanie quasi-esperymentalne. |
| Dodatkowe założenia przy parametrycznych testach istotności różnic | 1. Założenie o zgodności rozkładu zmiennej zależnej w porównywanych populacjach z rozkładem normalnym. 2. Założenie o homogeniczności wariancji w tych populacjach. |
| Jak sprawdzamy zgodność rozkładu zmiennej zależnie w populacjach z rozkładem normalnym? | Testem Kołmogorowa-Smirnowa |
| Jak sprawwdzamy homogeniczność (jednorodność) wariancji w populacjach? | Testem jednorodności wariancji Levene'a |
| Etapy testowania istotności różnic | Zformułowanie hipotez statystycznych. Obliczenie statystyk testowych. Określenie obszaru odrzuceń dla hipotezy zerowej przy pomocy teoretycznego rozkładu prawdopodobieństwa. Podejmujemy decyzje. |
| Hipoteza zerowa. Hipoteza robocza (alternatywna). | Brak różnicy między populacjami (ludzi ze wsi i ludzi z miasta). Jest różnica między populacjami. |
| Hipoteza kierunkowa. Hipoteza bezkierunkowa | Ludzie ze wsi są wyżsi niż ludzie z miasta. Istnieje różnica we wzroście między ludźmi ze wsi a ludźmi z miasta. |
| Jednostronna vs dwustronna hipoteza alternatywna | Kot jest większy od mysz. Kot jest innej wielkości niż mysz. |
| Co sprawdzają: test t, test U Manna-Whitneya, test niezależności chi-kwadrat. | T - czy istnieje różnica pomiędzy śr wartością cechy w jednej i drugiej pop. U M-W - czy rozkład rang cechy w jednej pop jest przesunięty w stosunku do rozkładu rang tej samej cechy w drugiej. Chi - brak/istnienie różnic między licz. oczekiw a obser. |
| Statystyki dla testów: T, U Manna-Whitneya, niezalezności chi-kwadrat. | T- rozkład statystyki t-Studenta, U - rozkład statystyki U, Chi - rozkład statystyki chi-kwadrat |
| Cechy rozkładu chi-kwadrat | Od 0 do + nieskończoność. Rozkład niesymetryczny. Ma stopnie swobody df. |
Created by:
magdalena.czu
Popular Psychology sets