15703

ПРОВЕРКА ГИПОТЕЗ. ПРОСТЫЕ ЭКСПЕРИМЕНТАЛЬНЫЕ СХЕМЫ

Лабораторная работа

Информатика, кибернетика и программирование

Лабораторная работа 5. ПРОВЕРКА ГИПОТЕЗ. ПРОСТЫЕ ЭКСПЕРИМЕНТАЛЬНЫЕ СХЕМЫ. Задание 5: простая межгрупповая схема Исследователь хочет проверить имеют ли цветные стимулы преимущество перед чернобелыми что является важным для создания рекламы. Он показывает о...

Русский

2013-06-15

80.5 KB

6 чел.

Лабораторная  работа 5.

ПРОВЕРКА ГИПОТЕЗ. ПРОСТЫЕ ЭКСПЕРИМЕНТАЛЬНЫЕ СХЕМЫ.

Задание 5: простая  межгрупповая  схема 

Исследователь хочет проверить, имеют ли цветные стимулы преимущество перед черно-белыми, что является важным для создания рекламы. Он показывает одной группе испытуемых цветные фигуры, появляющиеся в различных местах на экране компьютера. Задача испытуемых – нажать определенную клавишу на клавиатуре, как только они увидят фигуру. Измеряется время реакции (мс). Другая группа испытуемых выполняет то же задание с черно-белыми фигурами. Надо определить, реагируют ли испытуемые быстрее на цветные стимулы:

  1.  Загрузите файл данных.
    1.  Скопируйте файл Colour.sta в свою рабочую папку.
    2.  Откройте файл Colour.sta, который находится в вашей рабочей папке. В первом столбце (переменная COLOUR) приведено время реакции испытуемых на цветные стимулы, во втором столбце (переменная B_WHITE) приведено время реакции испытуемых на черно-белые стимулы.

2. Подсчет t-критерия Стьюдента

Предположим, что мы хотим проверить гипотезу исследователя с помощью t-критерия Стьюдента. Подсчет этого критерия производится в модуле Basic Statistics/Tables. Так как схема эксперимента – межгрупповая, то требуется посчитать непарный критерий Стьюдента (t-test, independent).

Для этого есть две возможности:

t-test, independent, by groupsпредставление данных с группирующей переменной. Одна переменная является группирующей, она содержит только коды групп, во второй переменной собраны все данные. Рекомендуется использовать именно эту возможность!

t-test, independent, by variablesкаждая переменная содержит данные одной какой-либо группы. Это, кажется, единственный случай в программе, когда наше правило «каждая строчка – испытуемый, каждый столбик – переменная» нарушается. Поэтому этой возможностью пользоваться не рекомендуется. Тем не менее, надо знать, что такая есть (на случай, если вы все-таки неправильно набрали данные).

Проверим, подходят ли наши данные для применения этого критерия.

  1.  Сначала проверим, есть ли в данных выбросы (экстремальные значения – outliers). Для этого посчитаем описательную статистику для переменных COLOUR и B_WHITE: среднее значение и стандартное отклонение. Все значения, превосходящие среднее значение на  3 стандартных отклонения, обычно исключаются из анализа. Найдите их и удалите.
    1.  Посчитайте опять описательную статистику. Сравните дисперсии в двух группах испытуемых (пока без применения какого-либо критерия). Можно ли применять критерий Стьюдента?
    2.  Проверьте, являются ли распределения переменных COLOUR и B_WHITE нормальными. Что можно сказать теперь о возможности применения t-критерия?
    3.  Посчитаем t-критерий: Statistics  Basic Statistics/Tables t-test, independent, by variablesИменно таким способом набраны данные у нас в файле: переменная COLOUR содержит данные группы, которой показывали цветные стимулы, а переменная B_WHITE – группы, которой показывали черно-белые стимулы.

Кнопка Variables (groups) служит для выбора переменных. Нажмите ее и в первом списке выберите переменную COLOUR, а во втором – переменную B_WHITE. В данном случае все равно, в каком столбце какую переменную выбирать. Нажмите ОК.

Чтобы получить результаты анализа, можно нажать кнопку Summary: t-tests или кнопку Summary. В окне результатов приведены следующие полезные сведения: средние значения по группам; значение критерия (t-value); степени свободы (df); уровень статистической значимости (p); количество измерений обеих групп, использовавшихся для анализа; стандартные отклонения для обеих групп. Таким образом, мы получаем не только значение критерия, но и минимально необходимую описательную статистику по группам!

Сравните время реакции в двух группах испытуемых. Какая оказалась разница (сколько мс)? Значима ли эта разница?

  1.  В окне t-test, independent, by variables также можно посчитать два критерия, которые помогут вам оценить, являются ли дисперсии в группах достаточно одинаковыми, чтобы можно было применять критерий Стьюдента. Это Levenes test и Brown & Forsythe test (раздел homogeneity of variances в разделе Options). Если пометить их птичкой, то в таблице результатов можно будет найти их значения, степени свободы и уровни статистической значимости. Оба эти критерия проверяют нуль-гипотезу о том, что дисперсии в двух группах одинаковы. Следовательно, если критерии не значимы, то нельзя отвергнуть гипотезу о том, что дисперсии одинаковы, и применение t-критерия правомерно.

Проверьте с помощью критериев Левена и Brown & Forsythe, являются ли дисперсии двух групп одинаковыми.

  1.  Попробуйте преобразовать данные так, чтобы была использована группирующая переменная. Для этого добавьте еще штук 200 сток в таблицу данных (после 193-й строки). Скопируйте все значения из переменной B_WHITE в переменную COLOUR, начиная с 195-го номера. Назовите третью переменную в таблице данных GROUP. Задайте значения переменной GROUP: с 1 строки по 193 значение равно 1, с 195 по 387 значение равно 2. Удалите переменную B_WHITE. Теперь данные преобразованы так, что против номера группы 1 стоят значения времени реакции на цветные стимулы, против номера группы 2 – значения времени реакции на черно-белые стимулы.
    1.  Замените цифру 1 на слово «цветные», а цифру 2 – на слово «черно-белые». Для этого есть кнопка на панели описания переменных Text labels. В столбце Text Label наберите названия стимулов. В столбце Numeric наберите цифровые значения, которые им соответствуют. Нажмите кнопку OK. Сохраните этот замечательный файл в вашей рабочей папке.
    2.  Посчитайте опять критерий Стьюдента, используя условие t-test, independent, by groups. Нажмите кнопку Variables. В окне Grouping Variable (справа) выберите переменную GROUP, а в окне Dependent Variables (слева) – переменную COLOUR. Нажмите кнопку ОК. Проверьте, правильно ли заполнены окна Code for Group 1 и Code for Group 2. Они должны содержать названия уровней независимой переменной (в нашем случае это «цветные» и «черно-белые»).
    3.  Получились ли те же самые значения? Если не получились, найдите у себя ошибку и пересчитайте критерий.

  1.  Подсчет критерия Манна-Уитни

Если данные у вас непараметрические, то в данном случае (при межгрупповой схеме) следует воспользоваться критерием Манна-Уитни. Его можно найти в модуле Statistics  Nonparametrics Comparing two independent samples (Groups)  Mann-Whitney U test Это переводится как Статистика Непараметрическая Сравнение двух независимых выборок

  1.  Посчитаем критерий Манна-Уитни для тех же данных, что и критерий Стьюдента: Statistics  Nonparametrics  Comparing two independent samples (Groups)  Mann-Whitney U test  Выбираем переменные. В окне Grouping Variable (справа) выберите переменную GROUP, а в окне Dependent Variables (слева) – переменную COLOUR. Нажмите кнопку ОК. Проверьте, правильно ли заполнены окна Code for Group 1 и Code for Group 2. Они должны содержать названия уровней независимой переменной (в нашем случае это «цветные» и «черно-белые»). Обратите внимание, что для критерия Манна-Уитни есть только одна возможность представить данные – с помощью группирующей переменной. К нашей великой радости мы уже так и сделали.
    1.  Нажмите кнопку M-W U test или Mann-Whitney U test и получите результаты.

Среди результатов можно найти (и вы обязательно их найдите):

  •  ранговые суммы по группам – Rank Sums, по которым можно определить (если, конечно, группы состоят из одинакового количества значений), в какой группе значение зависимой переменной больше;
  •  значение критерия U;
  •  уровень статистической значимости p;
  •  количество измерений для первой и для второй группы Valid N.

  1.  Каков уровень статистической значимости? Можно ли утверждать, что черно-белые стимулы воспринимаются не так быстро, как цветные?

Задание 6: простая  интра-индивидуальная  схема 

12 участников комплексной программы тренинга партнерского общения, продолжавшегося 7 дней, дважды оценивали у себя уровень владения тремя важнейшими коммуникативными навыками: 1) активное слушание; 2) снижение эмоционального напряжения; 3) аргументация. Первое измерение производилось в первый день тренинга, второе – в последний. Участники должны были также наметить для себя реально достижимый, с их точки зрения, идеал в развитии каждого из навыков. Все измерения проводились по 10-болльной шкале. Собранные данные представлены в файле Training.sta.

ACT_RE  - активное слушание (реальное);

ACT_ID - активное слушание (идеальное);

EM_RE - снижение эмоционального напряжения (реальное);

EM_ID  - снижение эмоционального напряжения (идеальное);

ARG_RE - аргументация (реальная);

ARG_ID - аргументация (идеальная).

В результате исследования мы должны получить ответы на следующие вопросы:

  1.  Ощущаются ли участниками достоверные сдвиги в уровне владения каждым из трех навыков после тренинга?
  2.  Уменьшается ли расхождение между «идеальным» и реальным уровнями владения навыками после тренинга?

  1.  Загрузите файл данных.
    1.  Скопируйте файл Training.sta в свою рабочую папку.
    2.  Откройте файл Training.sta, который находится в вашей рабочей папке. В первом столбце (переменная NAME) приведены инициалы испытуемых, со второго до седьмого столбца идут переменные, которые представляют данные об испытуемых в первый день. После пустого столбца идут переменные, измеряющие те же самые характеристики испытуемых, только измеренные в последний день тренинга.

2. Подсчет t-критерия Стьюдента

 Предположим, что мы хотим ответить на первый вопрос исследователя с помощью t-критерия Стьюдента. Подсчет этого критерия производится в модуле Basic Statistics/Tables. Так как схема эксперимента – интраиндивидуальная, то требуется посчитать парный критерий Стьюдента.

 Проверим, походят ли наши данные для применения этого критерия.

  1.  Сначала проверим, есть ли в данных выбросы (экстремальные значения – outliers).
    1.  Посчитайте описательную статистику. Сравните дисперсии всех переменных.
    2.  Проверьте, являются ли распределения переменных нормальными. Можно ли применять критерий Стьюдента?
    3.  В любом случае посчитаем t-критерий: Analysis  t-test, dependent samples… Кнопка Variables служит для того, чтобы выбрать переменные. Обратите внимание, что для парного t-критерия возможен только один способ представления данных – без группирующей переменной. Чтобы узнать, значимо ли изменилось активное слушание после тренинга, выберем переменные ACT_RE_1 И ACT_RE_2, нажимаем OK, а потом Summary: T-tests или Summary и получаем результаты. Найдите среди результатов средние значения активного слушания до и после тренинга, стандартные отклонения, значение критерия, степени свободы и уровень статистической значимости.
    4.  Вспомните, как правильно записывать результаты подсчета t-критерия и запишите то, что получилось, для нашего случая.
    5.  Проверьте, изменилось ли снижение эмоционального напряжения EM_RE после тренинга. Запишите результаты.
    6.  Проверьте, изменилось ли значение аргументации ARG_RE после тренинга. Запишите результаты.

Теперь мы полностью ответили на первый вопрос нашего исследования. Переходим ко второму. Проверим, изменилась ли разница между идеальным и реальным показателями активного слушания после тренинга.

  1.  Для этого сначала найдем разницу, которая была до тренинга. Добавьте новую переменную после переменной ACT_ID_1. Назовите ее ACT_D_1. Посчитайте ее значения по формуле ACT_D_1=ACT_ID_1-ACT_RE_1. Это и будет расхождение между реальными и идеальными показателями до тренинга.
    1.  Аналогично создайте новую переменную ACT_D_2 после переменной ACT_ID_2. Посчитайте ее значения по формуле ACT_D_2=ACT_ID_2-ACT_RE_2. Это и будет расхождение между реальными и идеальными показателями после тренинга.
    2.  Посчитайте парный критерий Стьюдента для переменных ACT_D_1 и ACT_D_2. Найдите средние значения и уровень статистической значимости. Какие выводы можно сделать? Изменилось ли расхождение после тренинга?
    3.  Аналогично проверьте, изменилось ли расхождение между «идеальным» и «реальным» уровнями владения навыками снижения эмоционального напряжения и аргументации после тренинга.

3. Подсчет критерия Вилкоксона

А теперь осталось научиться считать критерий Вилкоксона, аналог критерия Стьюдента для непараметрических данных: Statistics  Nonparametrics  Comparing two dependent samples (variables)  Wilcoxon matched pairs test. Для этого критерия переменные и условия задаются точно так же, как и для парного критерия Стьюдента.

  1.  Проверьте опять, изменились ли показатели активного слушания, снижения эмоционального напряжения и аргументации до и после тренинга. Запишите результаты.
    1.  Теперь проверьте, значимо ли изменились расхождения по этим трем навыкам между реальными и идеальными показателями после тренинга. Запишите результаты.

4. Напишите отчет в MS Word. Этот отчет должен представлять собой анализ и интерпретацию данных только для задания 6. Для отчета выберите подходящий критерий (Стьюдента или Вилкоксона) и обязательно обоснуйте свой выбор. Обязательно приведите в отчете значения критерия и уровень статистической значимости. Сделайте вывод о полезности тренинга: в чем он может помочь? В чем не может?


 

А также другие работы, которые могут Вас заинтересовать

49811. ТЕХНИЧЕСКАЯ ЭКСПЕРТИЗА ОБЪЕКТА НЕДВИЖИМОСТИ 517.5 KB
  Проведенный анализ показывает что рассматриваемый жилой дом не соответствует СНиП 31012003 Здания жилые многоквартирные 17 по пунктам: 00 00 и 00. Проведенный анализ показывает что рассматриваемый жилой дом соответствует требованиям СНиП 210197 “Пожарная безопасность зданий и сооружений“ 18 . Анализ плана приведенного в техническом паспорте и фактической планировки квартиры на текущий момент позволяет сделать вывод об отсутствии какихлибо перепланировок квартиры №3: положение перегородок несущих стен и проемов в них...
49812. Расчет экономической эффективности и срока окупаемости программы «База данных по учету табельного времени» 364.32 KB
  Трудозатраты на разработку и отладку программы Расчет экономической эффективности и срока окупаемости проектируемой программы реализованной на ЭВМ начинается с расчета трудовых затрат так как затраты организаций на оплату труда являются одной из главных статей в структуре себестоимости продукции.1 где: tо нормативы затрат труда на подготовку описания задачи 12 чел час; tн нормативы затрат на исследования алгоритма решения задачи чел час; t нормативы затрат на разработку блок-схемы алгоритма чел час; tп нормативы...
49813. Автомобильный термогенератор 833.5 KB
  Устройство индукционного генератора автомобиля Принцип действия индукционного генератора автомобиля На данный момент основным способом подзарядки является использование ременной передачи от коленчатого вала двигателя к валу индукционного электрогенератора который заряжает аккумулятор и питает электрические приборы автомобиля. Предметом исследований является разработка нового автомобильного генератора работающего за счет тепла выделяемого двигателем авто.
49814. Розробка стратегії, аналіз, концептуальне моделювання та проектування бази даних проходження практики студентами ВНЗ 440 KB
  Мета цієї курсової роботи полягає у розробці бази даних предметної області яка має відношення до проходження практики студентами у ВУЗах. Головною ціллю курсової роботі є проектування бази даних проходження практики студентами у ВУЗі на прикладі факультету комп’ютерних наук Національного авіаційного університету. Мета цілі та задачі створення бази даних Головною стратегічною метою бази даних що проектується є автоматизація процесів довгострокового зберігання обліку й обробки даних проходження практики студентами у...
49815. ИЛОВОЙ ТРЕХФАЗНЫЙ МАСЛЯНЫЙ ТРАНСФОРМАТОР ОБЩЕГО НАЗНАЧЕНИЯ МОЩНОСТЬЮ 1400кВ·А 5.2 MB
  Трансформатором называется статическое электромагнитное устройство, имеющее две или более, индуктивно связанные обмотки и предназначенное для преобразования электромагнитной индукции одной или нескольких систем переменного тока в одну или несколько других систем переменного тока.