Aprašomoji statistika
- Vidurkis
- x̄ = Σx/n
- Imties standartinis nuokrypis
- s = √(Σ(x − x̄)²/(n − 1))
- Mediana
- vidurinė surikiuotų duomenų reikšmė
- z įvertis
- z = (x − μ)/σ
- Normalusis skirstinys
- 68% intervale ±1σ, 95% intervale ±2σ
Formulių lapai, pagrindiniai kiekvienos temos metodų žingsniai ir 16 uždavinių, o pilni sprendimai pateikti gale.
Studentas surenka 130 taškų teste, kurio vidurkis 100, o standartinis nuokrypis 15. Koks jo z įvertis?
Interpretacinė fenomenologinė analizė (IPA) daugiausia siekia:
Raskite duomenų imties standartinį nuokrypį s: 13, 17, 46, 41, 11, 42.
Dydis pasiskirstęs normaliai, vidurkis 500, standartinis nuokrypis 50. Kokia reikšmių dalis P yra didesnė už 600?
Parodytam skirstiniui raskite X standartinį nuokrypį σ.
Tikrinami 8 komponentai, kiekvienas sugenda nepriklausomai su tikimybe 0,2. Kokia tikimybė P, kad suges daugiausia vienas?
Nuvilkite z, kad nuspalvintas plotas po standartine normaliąja kreive, dešinėje nuo z, būtų 0,1292. Raskite z dviejų ženklų po kablelio tikslumu.
Tarkime, kad IQ testų rezultatai pasiskirstę normaliai, vidurkis 100 tšk., standartinis nuokrypis 15 tšk.. Raskite reikšmę x, už kurią mažesnės yra 80 % reikšmių (80-asis procentilis).
Vidurkio 99 % pasikliautinojo intervalo, pagrįsto 100 stebėjimais ir žinomu σ, paklaidos riba yra 4,2. Kokia yra tų pačių duomenų 95 % intervalo paklaidos riba E₂?
Bandomos dvi trąšos. 1 sklypų grupė: 19 sklypų, vidutinis derlius 78 kg, standartinis nuokrypis 9 kg. 2 sklypų grupė: 7 sklypų, vidurkis 85 kg, standartinis nuokrypis 9 kg. Laikykite, kad dispersijos lygios (jungtinis t, df = n₁ + n₂ − 2). Raskite μ₁ − μ₂ 90 % pasikliautinojo intervalo apatinį rėžį.
16 studentų imties vidutinis rezultatas – 57,88, imties standartinis nuokrypis – 15. Raskite testo statistiką t hipotezei H₀: μ = 50.
81 matavimų imties vidurkis – 79,9. Populiacijos standartinis nuokrypis – 20. Raskite vidurkio 90 % pasikliautinojo intervalo viršutinį rėžį U.
Lentelėje pateikta 5 porinių stebėjimų: x = temperatūra °C ir y = parduoti ledai. Raskite mažiausiųjų kvadratų tiesės determinacijos koeficientą r².
Lentelėje pateikta 5 porinių stebėjimų: x = apkrova kN ir y = pailgėjimas mm. Naudokite mažiausiųjų kvadratų tiesę ŷ = a + b·x. Prognozuokite ŷ, kai x = 7.
Kryžminėje lentelėje pateikti stebėti dažniai. Chi kvadrato nepriklausomumo testui raskite langelio „miesto, aukštas“ tikėtiną dažnį E.
Chi kvadrato suderinamumo testas tikrina, ar dažniai 4 kategorijose atitinka Puasono skirstinį, kurio vidurkis įvertintas iš tų pačių duomenų. Kiek laisvės laipsnių df turi testas?
Atsakymas: B · 2,0
(130 − 100) / 15 = 2. Įvertis yra dviem standartiniais nuokrypiais virš vidurkio, didesnis nei maždaug 97–98% žmonių.
Atsakymas: B · Ištirti, kaip asmenys suvokia savo išgyventą patirtį
IPA nuodugniai tiria mažas, homogeniškas imtis, nagrinėdama, kaip dalyviai interpretuoja reikšmingas patirtis, o tyrėjas interpretuoja jų prasmės kūrimą.
Atsakymas: s = 16,27
Aprašomoji statistika: vidurkis – suma, padalyta iš n; mediana – surikiuotų duomenų vidurinė reikšmė (kai n lyginis – dviejų vidurinių vidurkis). Imties standartinis nuokrypis s = √(Σ(x − x̄)²/(n − 1)). z įvertis z = (x − μ)/σ parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio.
Atsakymas: P = 0,02275
Aprašomoji statistika: vidurkis – suma, padalyta iš n; mediana – surikiuotų duomenų vidurinė reikšmė (kai n lyginis – dviejų vidurinių vidurkis). Imties standartinis nuokrypis s = √(Σ(x − x̄)²/(n − 1)). z įvertis z = (x − μ)/σ parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio.
Atsakymas: σ = 1,513
Diskretieji atsitiktiniai dydžiai: tikimybių skirstinys išvardija kiekvieną reikšmę x, kurią dydis gali įgyti, su jos tikimybe p(x); tikimybės yra tarp 0 ir 1, o jų suma lygi 1. Laukiamoji vertė (vidurkis) yra E(X) = Σx·p(x), ilgalaikis vidurkis. Dispersija yra Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², o standartinis nuokrypis σ = √Var(X). Tiesiniam pokyčiui Y = aX + b: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) ir σY = |a|·σX; konstantos pridėjimas sklaidos nekeičia.
Atsakymas: P = 0,5033
Tikimybės: kai baigtys vienodai tikėtinos, P(A) = palankios/visos. Nepriklausomų įvykių tikimybės dauginamos: P(A ir B) = P(A)·P(B). Dažnai padeda priešingas įvykis: P(bent vienas) = 1 − P(nė vieno). Binominis skirstinys: n nepriklausomų bandymų su sėkmės tikimybe p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.
Atsakymas: z = 1,13
Nuo ploto atgal prie z: Φ(z) yra plotas kairėje nuo z. Kairiosios uodegos plotui A lentelėje raskite z, kai Φ(z) = A. Dešiniosios uodegos plotas A reiškia Φ(z) = 1 − A. Centrinis plotas A tarp −z ir z palieka (1 − A)/2 kiekvienoje uodegoje, taigi Φ(z) = (1 + A)/2. Reikšmei x naudokite x = μ + zσ.
Lentelėje suraskite 0,8708 ir nuskaitykite z.
Atsakymas: x = 112,6 tšk.
Normalusis skirstinys: reikšmę x paverskite z įverčiu z = (x − μ)/σ, kuris parodo, per kiek standartinių nuokrypių reikšmė nutolusi nuo vidurkio. z lentelė (arba Φ(z)) duoda plotą į kairę nuo z, t. y. P(X < x). Plotas į dešinę lygus 1 − Φ(z), o plotas tarp dviejų reikšmių – jų plotų skirtumui.
Atsakymas: E₂ = 3,196
Confidence interval for a mean: x̄ ± margin of error. With a known population σ the margin is z·σ/√n; with only the sample standard deviation s, use t with n − 1 degrees of freedom: t·s/√n. Critical values: z = 1,645 (90%), 1,96 (95%), 2,576 (99%). To get a margin E or smaller, you need n ≥ (z·σ/E)², rounded up.
Atsakymas: apatinis rėžis = −13,81 kg
Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.
Atsakymas: t = 2,101
Vidurkio tikrinimas: testo statistika parodo, per kiek standartinių paklaidų imties vidurkis nutolęs nuo H₀ teigiamos reikšmės: z = (x̄ − μ₀)/(σ/√n), kai σ žinomas, t = (x̄ − μ₀)/(s/√n), kai jis vertinamas iš imties. Pasikliautinasis intervalas yra x̄ ± (kritinė reikšmė)·(standartinė paklaida).
|t| < 2.131, todėl H₀ neatmetama 5 % reikšmingumo lygmeniu (dvipusis testas).
Atsakymas: U = 83,56
Vidurkio tikrinimas: testo statistika parodo, per kiek standartinių paklaidų imties vidurkis nutolęs nuo H₀ teigiamos reikšmės: z = (x̄ − μ₀)/(σ/√n), kai σ žinomas, t = (x̄ − μ₀)/(s/√n), kai jis vertinamas iš imties. Pasikliautinasis intervalas yra x̄ ± (kritinė reikšmė)·(standartinė paklaida).
Atsakymas: r² = 0,9128
Mažiausiųjų kvadratų regresija: kai x̄ ir ȳ – vidurkiai, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ir Sxy = Σ(x − x̄)(y − ȳ), tiesės ŷ = a + b·x krypties koeficientas b = Sxy/Sxx, o laisvasis narys a = ȳ − b·x̄, todėl ji visada eina per tašką (x̄, ȳ). Pirsono koreliacijos koeficientas r = Sxy/√(Sxx·Syy) yra tarp −1 ir 1; r² – tiese paaiškinama y kitimo dalis.
Apie 91,28% y kitimo paaiškinama tiese.
Atsakymas: ŷ = 20,95
Mažiausiųjų kvadratų regresija: kai x̄ ir ȳ – vidurkiai, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² ir Sxy = Σ(x − x̄)(y − ȳ), tiesės ŷ = a + b·x krypties koeficientas b = Sxy/Sxx, o laisvasis narys a = ȳ − b·x̄, todėl ji visada eina per tašką (x̄, ȳ). Pirsono koreliacijos koeficientas r = Sxy/√(Sxx·Syy) yra tarp −1 ir 1; r² – tiese paaiškinama y kitimo dalis.
Atsakymas: E = 30,15
Chi kvadrato testai: stebėtus dažnius O palyginkite su pagal H₀ tikėtinais dažniais E naudodami χ² = Σ(O − E)²/E. Suderinamumo kriterijus: kiekvienai kategorijai E = n·p, df = k − 1 (ir dar minus vienas už kiekvieną iš duomenų įvertintą parametrą). Nepriklausomumas r × c lentelėje: E = eilutės suma × stulpelio suma / bendra suma, df = (r − 1)(c − 1). H₀ atmeskite, kai χ² viršija pasirinktą α atitinkančią kritinę reikšmę.
Atsakymas: df = 2
Chi kvadrato testai: stebėtus dažnius O palyginkite su pagal H₀ tikėtinais dažniais E naudodami χ² = Σ(O − E)²/E. Suderinamumo kriterijus: kiekvienai kategorijai E = n·p, df = k − 1 (ir dar minus vienas už kiekvieną iš duomenų įvertintą parametrą). Nepriklausomumas r × c lentelėje: E = eilutės suma × stulpelio suma / bendra suma, df = (r − 1)(c − 1). H₀ atmeskite, kai χ² viršija pasirinktą α atitinkančią kritinę reikšmę.
ExamProblems · examproblems.com/courses/research-methods-psychology