Методи досліджень і статистика в психології: шпаргалка-підсумок

Описова статистика: середнє — сума, поділена на n; медіана — середнє значення впорядкованих даних (середнє двох середніх при парному n). Вибіркове стандартне відхилення s = √(Σ(x − x̄)²/(n − 1)). z-оцінка z = (x − μ)/σ показує, на скільки стандартних відхилень значення віддалене від середнього.

Описова статистика: середнє — сума, поділена на n; медіана — середнє значення впорядкованих даних (середнє двох середніх при парному n). Вибіркове стандартне відхилення s = √(Σ(x − x̄)²/(n − 1)). z-оцінка z = (x − μ)/σ показує, на скільки стандартних відхилень значення віддалене від середнього.

Імовірність: за рівноможливих наслідків P(A) = сприятливі/усі. Для незалежних подій імовірності множать: P(A і B) = P(A)·P(B). Часто допомагає протилежна подія: P(хоча б одна) = 1 − P(жодної). Біноміальний розподіл: у n незалежних випробуваннях з імовірністю успіху p, P(X = k) = C(n, k)·pᵏ·(1 − p)ⁿ⁻ᵏ.

Дискретні випадкові величини: розподіл імовірностей перелічує всі значення x, яких може набувати величина, з імовірністю p(x); імовірності лежать між 0 і 1 та в сумі дають 1. Математичне сподівання (середнє) — E(X) = Σx·p(x), довгострокове середнє. Дисперсія — Var(X) = Σ(x − μ)²·p(x) = E(X²) − μ², а середнє квадратичне відхилення σ = √Var(X). Для лінійної зміни Y = aX + b: E(Y) = a·E(X) + b, Var(Y) = a²·Var(X) і σ_Y = |a|·σ_X; додавання сталої не змінює розкид.

Від площі назад до z: Φ(z) — це площа ліворуч від z. Для лівої площі хвоста A знайдіть у таблиці z, для якого Φ(z) = A. Права площа хвоста A означає Φ(z) = 1 − A. Центральна площа A між −z і z лишає (1 − A)/2 у кожному хвості, тож Φ(z) = (1 + A)/2. Для значення x використовуйте x = μ + zσ.

Суми й різниці нормальних величин: якщо X і Y незалежні та нормальні, то X + Y і X − Y також нормальні. Середні додаються чи віднімаються: E(X ± Y) = μ_X ± μ_Y. Дисперсії завжди додаються, також і для різниці: Var(X ± Y) = σ_X² + σ_Y², тож σ = √(σ_X² + σ_Y²). Середні квадратичні відхилення безпосередньо ніколи не додаються. Сума n незалежних елементів з однаковим розподілом має середнє n·μ і середнє квадратичне відхилення σ·√n. Далі стандартизуйте як звичайно: z = (x − середнє)/σ і зчитайте Φ(z).

Довірчий інтервал для середнього: x̄ ± похибка оцінки. Якщо σ генеральної сукупності відоме, похибка оцінки дорівнює z·σ/√n; якщо відоме лише вибіркове стандартне відхилення s, використовуйте t з n − 1 ступенями вільності: t·s/√n. Критичні значення: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Щоб похибка оцінки не перевищувала E, потрібен обсяг вибірки n ≥ (z·σ/E)², округлений угору.

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.

Перевірка середнього: статистика критерію показує, на скільки стандартних похибок вибіркове середнє віддалене від значення з H₀: z = (x̄ − μ₀)/(σ/√n), коли σ відоме, t = (x̄ − μ₀)/(s/√n), коли його оцінюють за вибіркою. Довірчий інтервал — x̄ ± (критичне значення)·(стандартна похибка).

Обсяг вибірки для критерію: щоб виявити справжній зсув δ з потужністю 1 − β в односторонньому z-критерії на рівні α, стандартна похибка має задовольняти δ = (z_α + z_β)·σ/√n, тож n = ((z_α + z_β)·σ/δ)² з округленням угору.

Регресія методом найменших квадратів: якщо x̄ і ȳ — середні, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² і Sxy = Σ(x − x̄)(y − ȳ), то пряма ŷ = a + b·x має нахил b = Sxy/Sxx і вільний член a = ȳ − b·x̄, тож вона завжди проходить через (x̄, ȳ). Коефіцієнт кореляції Пірсона r = Sxy/√(Sxx·Syy) лежить між −1 і 1; r² — частка варіації y, пояснена прямою.

Регресія методом найменших квадратів: якщо x̄ і ȳ — середні, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² і Sxy = Σ(x − x̄)(y − ȳ), то пряма ŷ = a + b·x має нахил b = Sxy/Sxx і вільний член a = ȳ − b·x̄, тож вона завжди проходить через (x̄, ȳ). Коефіцієнт кореляції Пірсона r = Sxy/√(Sxx·Syy) лежить між −1 і 1; r² — частка варіації y, пояснена прямою.

Критерії хі-квадрат: порівнюють спостережувані частоти O з очікуваними за H₀ частотами E за допомогою χ² = Σ(O − E)²/E. Узгодженість: E = n·p для кожної категорії, df = k − 1 (і ще мінус один за кожен параметр, оцінений з даних). Незалежність у таблиці r × c: E = сума рядка × сума стовпця / загальна сума, df = (r − 1)(c − 1). H₀ відхиляють, коли χ² перевищує критичне значення для обраного α.

Критерії хі-квадрат: порівнюють спостережувані частоти O з очікуваними за H₀ частотами E за допомогою χ² = Σ(O − E)²/E. Узгодженість: E = n·p для кожної категорії, df = k − 1 (і ще мінус один за кожен параметр, оцінений з даних). Незалежність у таблиці r × c: E = сума рядка × сума стовпця / загальна сума, df = (r − 1)(c − 1). H₀ відхиляють, коли χ² перевищує критичне значення для обраного α.