Методы исследования и статистика в психологии: шпаргалка-пакет

Описательная статистика: среднее — сумма, делённая на n; медиана — середина упорядоченных данных (среднее двух средних значений при чётном n). Выборочное стандартное отклонение s = √(Σ(x − x̄)²/(n − 1)). z-оценка z = (x − μ)/σ показывает, на сколько стандартных отклонений значение отстоит от среднего.

Описательная статистика: среднее — сумма, делённая на n; медиана — середина упорядоченных данных (среднее двух средних значений при чётном n). Выборочное стандартное отклонение s = √(Σ(x − x̄)²/(n − 1)). z-оценка z = (x − μ)/σ показывает, на сколько стандартных отклонений значение отстоит от среднего.

Вероятность: при равновозможных исходах P(A) = благоприятные/все. Для независимых событий вероятности перемножают: P(A и B) = P(A)·P(B). Часто помогает противоположное событие: P(хотя бы одно) = 1 − P(ни одного). Биномиальное распределение: в n независимых испытаниях с вероятностью успеха p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Вероятность: при равновозможных исходах P(A) = благоприятные/все. Для независимых событий вероятности перемножают: P(A и B) = P(A)·P(B). Часто помогает противоположное событие: P(хотя бы одно) = 1 − P(ни одного). Биномиальное распределение: в n независимых испытаниях с вероятностью успеха p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Нормальное распределение: переведите значение x в z-оценку z = (x − μ)/σ, которая показывает, на сколько стандартных отклонений значение отстоит от среднего. Таблица z (или Φ(z)) даёт площадь слева от z, то есть P(X < x). Площадь справа равна 1 − Φ(z), а площадь между двумя значениями — разности их площадей слева.

От площади обратно к z: Φ(z) — это площадь слева от z. Для площади левого хвоста A найдите в таблице z с Φ(z) = A. Площадь правого хвоста A означает Φ(z) = 1 − A. Центральная площадь A между −z и z оставляет (1 − A)/2 в каждом хвосте, поэтому Φ(z) = (1 + A)/2. Для значения x используйте x = μ + zσ.

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.

Доверительный интервал для среднего: x̄ ± предельная ошибка. При известном σ генеральной совокупности предельная ошибка равна z·σ/√n; если известно только выборочное стандартное отклонение s, используйте t с n − 1 степенями свободы: t·s/√n. Критические значения: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Чтобы предельная ошибка не превышала E, нужен объём выборки n ≥ (z·σ/E)², округлённый вверх.

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

Объём выборки для критерия: чтобы обнаружить истинный сдвиг δ с мощностью 1 − β одностронним z-критерием на уровне α, стандартная ошибка должна удовлетворять δ = (z_α + z_β)·σ/√n, поэтому n = ((z_α + z_β)·σ/δ)² с округлением вверх.

Метод наименьших квадратов: при средних x̄ и ȳ, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² и Sxy = Σ(x − x̄)(y − ȳ) прямая ŷ = a + b·x имеет угловой коэффициент b = Sxy/Sxx и свободный член a = ȳ − b·x̄, поэтому она всегда проходит через (x̄, ȳ). Коэффициент корреляции Пирсона r = Sxy/√(Sxx·Syy) лежит между −1 и 1; r² — доля вариации y, объяснённая прямой.

Метод наименьших квадратов: при средних x̄ и ȳ, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² и Sxy = Σ(x − x̄)(y − ȳ) прямая ŷ = a + b·x имеет угловой коэффициент b = Sxy/Sxx и свободный член a = ȳ − b·x̄, поэтому она всегда проходит через (x̄, ȳ). Коэффициент корреляции Пирсона r = Sxy/√(Sxx·Syy) лежит между −1 и 1; r² — доля вариации y, объяснённая прямой.

Критерии хи-квадрат: сравнивают наблюдаемые частоты O с частотами E, ожидаемыми при H₀, по формуле χ² = Σ(O − E)²/E. Согласие с распределением: E = n·p для каждой категории, df = k − 1 (и ещё минус один за каждый параметр, оцениваемый по данным). Независимость в таблице r × c: E = итог по строке × итог по столбцу / общий итог, df = (r − 1)(c − 1). Отвергайте H₀, когда χ² превышает критическое значение для выбранного α.

Критерии хи-квадрат: сравнивают наблюдаемые частоты O с частотами E, ожидаемыми при H₀, по формуле χ² = Σ(O − E)²/E. Согласие с распределением: E = n·p для каждой категории, df = k − 1 (и ещё минус один за каждый параметр, оцениваемый по данным). Независимость в таблице r × c: E = итог по строке × итог по столбцу / общий итог, df = (r − 1)(c − 1). Отвергайте H₀, когда χ² превышает критическое значение для выбранного α.