6517

Статистические распределения и их основные характеристики

Лабораторная работа

Социология, социальная работа и статистика

Статистические распределения и их основные характеристики Цель работы Вычисление сводных статистических характеристик данных в системе Statistica. Изучение формы распределения данных. Оценка статистической значимости различий средних значений раз...

Русский

2013-01-04

389 KB

103 чел.

Статистические распределения и их основные характеристики

1. Цель работы

Вычисление сводных статистических характеристик данных в системе Statistica. Изучение формы распределения данных. Оценка статистической значимости различий средних значений различных выборок с помощью средств системы Statistica.

2. Краткие теоретические сведения.

2.1. Средние величины

Общие черты, закономерности, присущие данной совокупности тенденции отражает, погашая влияние индивидуальных (случайных) факторов, средняя величина. Она является обобщающей характеристикой варьирующего признака качественно однородной совокупности.

Все виды средних величин, используемые в статистических исследованиях, подразделяются на 2 категории: степенные (средняя арифметическая, средняя гармоническая, средняя геометрическая, средняя квадратическая и т.д.) и структурные (мода, медиана).

Средняя арифметическая простая применяется в случаях, когда данные не сгруппированы.

                                                                 (1)

(Если данные представлены в виде рядов распределения или группировок, то средняя исчисляется иначе).

 Доверительный интервал для среднего представляет интервал значений вокруг оценки, где с данным уровнем доверия, находится "истинное" (неизвестное) среднее генеральной совокупности. Например, если среднее выборки равно 23, а нижняя и верхняя границы доверительного интервала с уровнем p=0.95 равны 19 и 27 соответственно, то можно заключить, что с вероятностью 95% интервал с границами 19 и 27 накрывает среднее генеральной совокупности. Ширина доверительного интервала зависит от объема или размера выборки, а также от разброса данных. Увеличение размера выборки делает оценку среднего более надежной. Увеличение разброса наблюдаемых значений уменьшает надежность оценки. Вычисление доверительных интервалов основывается на предположении нормальности наблюдаемых величин. При увеличении объема выборки качество оценки улучшается и без предположения нормальности выборки.

Мода – величина признака, наиболее часто повторяющаяся в изучаемой совокупности

Медиана – варианта, расположенная в середине вариационного ряда. Если дискретный ряд распределения имеет нечетное число членов, то медианой будет варианта, находящаяся в середине вариационного ряда, если четное – медианой будет среднее из двух вариант, находящихся в середине ряда.

К структурным характеристикам переменной относятся также квартили.

Квартили. Нижняя квартиль переменной - это такое значение переменной, ниже которого попадают 25% значений переменной. Аналогично, верхняя квартиль - это такое значение переменной, ниже которого попадают 75% значений переменной.

Квартильный размах переменных  равен разности значений верхней и нижней квартили. Таким образом, это тот диапазон вокруг медианы, который содержит 50% наблюдений.

2.2. Показатели вариации

Для характеристики совокупностей и исчисленных средних величин важно знать, какая вариация признака скрывается за средними. Для этого служат показатели вариации.

Размах вариации. Этот показатель прост в вычислении и указывает на общие размеры вариации, но он не дает представления о степени колеблемости внутри совокупности

 R = xmax - xmin (2)

Дисперсия – это средняя арифметическая квадратов отклонений каждого значения признака от средней арифметической. Дисперсия  вычисляется по формуле:

   (3)

Среднеквадратическое отклонение (стандартное отклонение) –  это обобщающая характеристика абсолютных размеров вариации признака в совокупности.

 (4)

2.3. Показатели формы распределения

Если непрерывная случайная величина имеет плотность распределения

 , (5)

то она подчиняется закону нормального распределения. Нормальное распределение графически представляется в виде симметричной колоколообразной кривой, которая асимптотически приближается к оси абсцисс. Для построения кривой нормального распределения надо знать два параметра -  и σ. Закон нормального распределения предполагает, что отклонение от среднего значения является результатом большого количества мелких отклонений, что позитивные и негативные отклонения равновероятны и что наиболее вероятным значением всех измерений является их средняя арифметическая.

В кривой нормального распределения выражается закономерность, возникающая при взаимодействии множества случайных причин, поэтому она нашла широкое применение в статистике. Многие статистические гипотезы сформулированы и доказаны именно по отношению к нормальным распределениям.

Фактическая форма кривой для любого распределения зависит от значений   и σ, формы кривых для различных распределений различны. Сделать вывод о том, можно ли данное эмпирическое распределение отнести к типу кривых нормального распределения, позволяют показатели асимметрии и эксцесса.

Асимметрия. В экономической статистике нормальное распределение встречается крайне редко. Чаще всего наблюдается отклонение от нормального распределения (рис.2), т.н. асимметрия распределения. Степень асимметрии определяется с помощью коэффициента асимметрии

, (6)

где  – центральный момент третьего порядка (). Оценка существенности этого показателя дается с помощью средней квадратической ошибки: . Если  превышает более, чем в три раза (по модулю), то асимметрия считается существенной.

Чаще используется другая формула расчета коэффициента асимметрии:

   (7)

Коэффициент асимметрии может изменяться от –3 до +3. Если коэффициент асимметрии существенно отличается от 0, то распределение несимметрично, в то время как нормальное распределение абсолютно симметрично (асимметрия равна 0). Асимметрия распределения с длинным правым хвостом положительна. Если распределение имеет длинный левый хвост, то его асимметрия отрицательна. На практике асимметрия считается значительной, если коэффициент асимметрии превышает по модулю 0,25.

Эксцесс. Коэффициент эксцесса измеряет "пикообразность" распределения.

 (8)

где   – центральный момент четвертого порядка  

Если эксцесс значимо отличен от 0, то функция плотности либо имеет более закругленный, либо более острый пик, чем пик плотности нормального распределения (рис.2).

Обычно, если эксцесс положителен, то распределение островершинное, если отрицательный – то плосковершинное. Эксцесс нормального распределения равен 0.

Для проверки близости теоретического и эмпирического распределения (например, проверки близости данного эмпирического распределения к нормальному распределению) используются также специальные показатели, называемые критериями согласия. Распространенным критерием согласия является критерий А.Н.Колмогорова:

 ,  (9)

где

D – максимум разности между накопленными и теоретическими частотами,

n – сумма эмпирических частот.

По таблице вероятности d -критерия находят соответствующую вероятность р. Если найденной d соответствует значительная по величине вероятность р, то расхождение между эмпирическим и теоретическим распределением несущественно.


3. Вычисление основных статистических характеристик и изучение формы распределения в системе STATISTICA

Статистический анализ данных обычно начинается с вычисления общих характеристик полученных показателей. Находят среднее, дисперсию, размах вариации и т.д., определяют вид распределения. В системе STATISTICA эти процедуры осуществляются в модуле Basic Statistics and Tables – Основные статистики и таблицы.

Рис. 21 Стартовая панель модуля Basic Statistics and Tables – Основные статистики и таблицы.

3.1. Вычисление основных статистических характеристик

Рассмотрим на примере файла ex2.sta получение сводных статистических характеристик в меню Descriptive statistics – Описательная статистика модуля Basic Statistics and Tables – Основные статистики и таблицы.

В диалоговом окне Descriptive statistics – Описательная статистика (рис.2), как было

Рис. 22 Окно Descriptive statistics – Описательная статистика

рассмотрено ранее, можно выбрать переменные для анализа (из уже открытого файла), оценить близость распределения к нормальному закону, построить гистограммы, удобно визуализировать данные и т.д. Для вычисления статистических характеристик выбранных переменных предназначена кнопка Detailed descriptive statistics – Подробные описательные статистики. Кнопка ОК служит для тех же целей.

В окне Select the variables for analysis – Выбрать переменные для анализа, открывающемся щелчком по кнопке  Variables – Переменные выберем для анализа обе переменные, и щелкнем по кнопке ОК либо Detailed descriptive statistics – Подробные описательные статистики. Окно результатов представлено на рис. 3.

Рис. 23 Окно результатов проведенного анализа Descriptive statistics – Описательные статистики

Здесь:

  •  Valid N – Число наблюдений, по которым были рассчитаны характеристики
  •  Mean –  Среднее значение по каждому показателю
  •  Minimum – Минимальное значение показателя
  •  Maximum – Максимальное значение показателя
  •  Std. Dev. – Стандартное отклонение (среднеквадратическое отклонение)

Как правило, исследователю требуется более широкий набор характеристик, чем предлагаемый системой по умолчанию. Для этих целей справа в диалоговом окне Descriptive statistics – Описательная статистика (см. рис.2) находится группа кнопок Statistics – Статистика, где можно задать вычисление медианы и квартилей (Median&quartiles), а также доверительные границы для среднего (Conf.limits for means), пометив их галочкой. Щелчок по кнопке More Statistics – Другие статистики открывает меню (рис. 4), позволяющее увеличить набор вычисляемых статистических характеристик.

Наряду с уже рассмотренными, это меню содержит следующие характеристики:

  •  Sum – Сумма
  •  Median – Медиана
  •  Variance – Дисперсия
  •  lower&upper quartiles - нижняя и верхняя квартили
  •  range – Размах вариации
  •  quartile rangeКвартильный размах 
  •  skewness - Коэффициент асимметрии
  •  kurtosis - Коэффициент эксцесса.

Отметив галочкой нужные характеристики, как на рис. 4  и нажав ОК, получим окно результатов (рис. 5).

Рис. 25 Окно результатов проведенного анализа Descriptive statistics – Описательные статистики с расширенным набором рассчитываемых статистических характеристик

3.2. Изучение формы распределения

3.2.1. Аналитическое изучение формы распределения

Оценка вычисленных выше показателей асимметрии и эксцесса позволяет сделать вывод о том, можно ли отнести данное эмпирическое распределение к типу нормального или нет. В нашем примере показатели асимметрии и эксцесса переменной VES (см. рис.5) незначительно отличаются от нуля. Это позволяет сделать вывод о близости распределения данной переменной к теоретическому нормальному распределению. Что касается переменной GABARIT, то рассчитанный для нее показатель асимметрии говорит о значительной левосторонней асимметрии распределения, а показатель эксцесса – об островершинности распределения переменной; другими словами, распределение переменной GABARIT далеко от нормального.

3.2.2. Графическое изучение формы распределения

На гистограмме, построенной для переменной GABARIT (рис.6), видно, что в ряду распределения переменной преобладают варианты  с большим, чем средняя арифметическая, значением признака; вершина кривой распределения сдвинута вправо и левая часть кривой оказывается длиннее – распределение имеет «длинный левый хвост», т.е. налицо значительная левосторонняя (отрицательная) асимметрия. Кроме того, вершина распределения значительно выше вершины наложенной на график кривой нормального распределения (отображается красной непрерывной линией), что говорит об островершинности распределения. В то же время гистограмма, построенная для переменной VES (рис.7),  достаточно близка к наложенной кривой нормального распределения, что позволяет предположить близость распределения переменной к нормальному распределению.

В нижней части диалогового окна Descriptive statistics – Описательная статистика (см. рис.2) находятся дополнительные клавиши графиков. Клавиша Box&whisker plot for all variables – Диаграмма размаха для всех переменных выводит на экран следующий вид графика (рис.8):

Рис. 28 Box&whisker plot for all variables – Диаграмма размаха для всех переменных

Данный график включает три компонента:

  •  центральная точка определяет медиану
  •  прямоугольник показывает квартильный размах, т.е. диапазон вокруг медианы, который содержит 50% наблюдений
  •  отрезки («усики») прямоугольника соответствуют размаху вариации.

График Box&whisker plot for all variables – Диаграмма размаха для всех переменных позволяет оценить симметричность распределения переменной. В нашем примере явно видна несимметричность распределения переменной GABARIT, в то время как распределение переменной VES достаточно симметрично.

Клавиша Normal probability plots - Нормальные вероятностные графики выводит на экран следующий график (рис.9):

Рис. 29 Normal probability plots - Нормальные вероятностные графики для переменных GABARIT и VES

Если точки достаточно хорошо ложатся на прямую (как в случае переменной VES), можно говорить о нормальном характере распределения переменной. Если же основная масса точек далека от прямой, то распределение переменной далеко от нормального (как в случае переменной GABARIT).

3.2.3. Изучение формы распределения с помощью критериев согласия

Критерии согласия, используемые в системе Statistica, доступны в диалоговом окне Frequency tables – Таблицы частот меню Analysis – Анализ модуля Basic Statistics and Tables – Основные статистики и таблицы. 

В этом диалоговом окне имеется группа кнопок Tests of normality – Критерии нормальности:

  •  K-S test - Критерий Колмогорова-Смирнова вычисляется при известном среднем и среднеквадратическом отклонении генеральной совокупности. Если вычисленная D-статистика значима (на экране строка будет иметь красный цвет), то гипотеза о том, что данные имеют нормальное распределение, отвергается. В противном случае, гипотеза о нормальности распределения принимается.
  •  Lilliefors test - Критерий Лиллиефорса вычисляется при неизвестном среднем и среднеквадратическом отклонении генеральной совокупности (они оцениваются по имеющимся данным). Как и в предыдущем случае, если вычисленная D-статистика значима и строка на экране красного цвета, то гипотеза о том, что данные имеют нормальное распределение, отвергается. В противном случае, гипотеза о нормальности распределения принимается.
  •  ShapiroWilks W test – Критерий Шапиро-Уилка W  - по данным наблюдений вычисляется W-статистика, и если она значима (на экране строка выделена красным цветом), гипотеза о нормальном характере распределения отвергается, в противном случае – принимается.

Отметив галочками все три критерия в группе опций Tests of normality – Критерии нормальности окна Frequency tables – Таблицы частот (рис. 10),

Рис. 30 Диалоговое окно Frequency tables – Таблицы частот

нажмем клавишу Tests for normality. Результат представлен на рис 11.

Рис. 31 Окно результатов Tests of normality – Критерии нормальности

Строки, соответствующие переменной GABARIT, во всех трех таблицах выделены красным цветом, что говорит о необходимости отвергнуть гипотезу о нормальном характере распределения данной переменной. Гипотеза о нормальном характере распределения переменной VES принимается.

Расчет всех рассмотренных критериев возможен также в окне Descriptive statistics – Описательная статистика (см. рис. 2). Соответствующие опции имеются в группе опций Distribution – Распределение, и если отметить их галочками, то рассчитанные значения будут отображены либо под названием гистограммы (при построении гистограмм), либо над таблицей частот (при построении таблицы частот).

3.3. Проверка гипотез о равенстве средних для нормальных распределений.

Проверка гипотезы о равенстве средних двух совокупностей имеет важное практическое значение. Так, иногда оказывается, что среднее значение одной выборки отличается от среднего значения другой, хотя обе выборки взяты из схожих совокупностей.. Возникает вопрос: можно ли это различие объяснить случайной ошибкой экспериментов или же оно не случайно?

Сравнивать средние в двух группах позволяет сравнивать t-критерий. В меню Analysis – Анализ модуля Basic Statistics and Tables – Основные статистики и таблицы предлагаются t-test for independent samplest-критерий для независимых выборок и t-test for dependent samplest-критерий для зависимых выборок. Если мы имеем дело с развитием явления, например, если выборки извлечены из одной и той же совокупности в разные моменты времени, то следует использовать t-test for dependent samplest-критерий для зависимых выборок. Если же между выборками нет причинной связи, следует использовать t-test for independent samplest-критерий для независимых выборок.

3.3.1. t-критерий для зависимых выборок.

Рассмотрим применение t-критерия на примере файла ex3.sta, где приведены данные об объеме выполненных работ в расчете на одного рабочего строительного предприятия за 14 дней до перехода на новую форму оплаты труда и за 14 дней после того. Требуется установить, повлияла ли новая форма оплаты на производительность труда. В данном случае для решения воспользуемся меню t-test for dependent samplest-критерий для зависимых выборок.

Необходимым требованием применения t-критерия для анализа статистической значимости различия выборочных средних является нормальный характер распределения в исследуемых выборках. Поэтому переменные DO и POSLE следует проверить критериями нормальности, как было описано выше.

Рис. 32 Окно результатов Tests of normality – Критерии нормальности для переменных DO и POSLE

На основе полученных значений критериев нормальности (рис.13) гипотеза о нормальном характере распределения переменных не отвергается.

Вычисленные средние значения переменных DO и POSLE несколько различны (рис.12).

Рис. 33 Статистические характеристики результатов наблюдений по данным файла ex3.sta

Требуется установить, является ли это расхождение статистически значимым. Выбрав в меню Analysis - Анализ пункт t-test for dependent samplest-критерий для зависимых выборок, в открывшемся диалоговом окне (рис.14) выберем переменные для анализа через клавишу Variables – Переменные. В первом списке переменных (first list) укажем переменную DO, во втором (second list) – POSLE.

Рис. 34 Диалоговое окно t-test for dependent samplest-критерий для зависимых выборок

Нажав на кнопку T-tests или OK, выведем на экран таблицу результатов (рис.15). На экране появляется таблица результатов проверки гипотезы о том, что результаты не равны. Если гипотеза не отклоняется, то различие между средними можно считать статистически значимым (строка на экране будет выделена красным цветом). В таблице приводится в том числе значение t-критерия и значение вероятности р отклонения гипотезы о равенстве средних.

Рис. 35 Результаты проверки гипотезы о неравенстве средних для зависимых выборок

В нашем примере вычисленное значение р = 0,801930, т.е. вероятность отклонения гипотезы о неравенстве средних близка к 1. Таким образом, можно сделать вывод о том, что различие в средних несущественно, и изменение формы оплаты труда не повлияло на выработку рабочих.

3.3.2. t-критерий для независимых выборок.

В файле ex4.sta приведены данные статистического наблюдения за работой двух бригад рабочих (каждая бригада наблюдалась по 12 дней), в результате которого фиксировалась их дневная выработка. Требуется выяснить имеется ли различие в производительности труда двух бригад.

Как и в предыдущем случае, сначала проверим распределение данных на соответствие закону нормального распределения, затем воспользуемся пунктом t-test for independent samplest-критерий для независимых выборок.

В данном случае данные по каждой бригаде не сгруппированы, они занесены в таблицу в соответствии с днями работы той или иной бригады. Поэтому в диалоговом окне (рис.16) выберем One record per case (Use a grouping variable) – Используется группирующая переменная.  (Если бы данные были сгруппированы, как в предыдущем примере, т.е. одна переменная содержала бы данные о выработке одной бригады, а вторая – другой, то следовало бы выбрать Each variable contents data for one group – Каждая переменная содержит данные для одной переменой).

Рис. 36 Диалоговое окно t-test for independent samplest-критерий для независимых выборок

Вид диалогового окна изменится (рис.17).

Рис. 37 Диалоговое окно t-test for independent samplest-критерий для независимых выборок

В открывшемся диалоговом окне (рис.17) выберем переменные для анализа через клавишу Variables – Переменные. В открывшемся списке (рис. 18) выберем группирующую переменную (Groping variable) – BRIGADA, и зависимую переменную (Dependent variable) – VIRABOTK.

Рис. 38 Выбор группирующей и зависимой переменных

Щелкнув ОК, вернемся в основное диалоговое окно. Программа автоматически (рис.19) проставит коды для групп, в качестве которых берутся значения группирующей переменной (в нашем случае Бригада 1, Бригада 2).

Рис. 39 Диалоговое окно t-test for independent samplest-критерий для независимых выборок

Нажатие кнопки ОК или T-tests выводит на экран окно результатов анализа (рис.20).

Рис. 40 Окно результатов проверки гипотезы о неравенстве средних для независимых выборок

Вероятность отклонения гипотезы о неравенстве средних р = 0,000001 (строка высвечена красным), поэтому можно сделать вывод о существенности различий в производительности труда в двух бригадах.


Задание № 1.

Имеются следующие данные о месячной выработке, стаже работы и заработной плате двадцати рабочих фирмы.

№№ п.п.

Выработка

Стаж работы

Зарплата

1

31

7

4,80

2

40

7

4,50

3

39

6

3,50

4

40

7

4,50

5

36

7

2,50

6

42

9

4,80

7

44

7

3,50

8

47

7

3,60

9

43

10

2,80

10

35

8

3,00

11

42

7

4,50

12

50

7

3,50

13

35

11

4,00

14

33

7

4,20

15

36

8

3,80

16

45

9

3,70

17

41

7

4,20

18

39

7

3,90

19

40

8

4,40

20

39

7

4,00

Провести анализ данных в системе «STATISTICA»:

1) вычислить основные статистические характеристики каждой переменной;

2) по сгруппированным данным построить гистограмму и диаграмму размаха и дать заключение о близости полученного распределения к нормальному. На основе анализа показателей формы распределения и с помощью критерия Колмогорова-Смирнова проверить свой вывод.


Задание №2.

Имеются данные выборочного наблюдения, характеризующие товарооборот за месяц однотипных торговых организаций двух микрорайонов города (обследовалось по 20 предприятий каждого микрорайона).

Товарооборот за месяц предприятия, расположенного в первом микрорайоне

Товарооборот за месяц предприятия, расположенного во втором микрорайоне

8609,2

8490,7

9139,6

8829,5

9378,4

9168,3

9526,8

9216,7

9417,3

9361,9

9091,2

8781,1

8448,1

8442,3

9623,6

9313,5

9236,4

8926,3

9042,8

8732,7

9188,0

8877,9

9430,0

9119,9

9023,6

8974,7

8994,4

8684,3

8946,0

8635,9

9333,2

9023,1

9381,6

9071,5

9275,2

9265,1

8897,6

8587,5

8849,2

8539,1

Проверить, является ли различие по двум микрорайонам в величине товарооборота предприятия статистически значимым.

Задание №3.

Имеются следующие данные о величине дневной выработки водителей городских автобусов двух автотранспортных предприятий (АТП), расположенных в двух микрорайонах города (обследовалось по 20 водителей каждого АТП).

Величина выработки

АТП №

Величина выработки

АТП №

Величина выработки

АТП №

Величина выработки

АТП №

8274,1

1

9392,9

2

8786,3

2

8399,7

1

8516,7

2

9460,3

2

8853,7

2

8462,5

1

8584,1

2

9467,3

1

8902,1

1

8651,5

2

8525,3

1

8449,3

2

9527,7

2

8718,9

2

8588,1

1

8713,7

1

9404,5

1

9341,7

1

8650,9

1

8776,5

1

8200,4

2

9662,5

2

8921,1

2

8839,3

1

9153,3

1

9729,9

2

8988,5

2

9595,1

2

9123,3

2

8964,9

1

9055,9

2

9216,1

1

9190,7

2

9090,5

1

8336,9

1

9278,9

1

9027,7

1

9325,5

2

Проверить, является ли различие в дневной выработке водителей по двум АТП статистически значимым.

Задание №4.

В целях повышения эффективности продаж 2 фирмы воспользовались возможностями рекламной кампании. Имеются данные о ежедневном товарообороте каждой фирмы за 20 дней до проведения рекламной акции и за 20 дней после того.

Данные по фирме А

Данные по фирме В

Ежедневный товарооборот до проведения рекламной акции

Ежедневный товарооборот после проведения рекламной акции

Ежедневный товарооборот до проведения рекламной акции

Ежедневный товарооборот после проведения рекламной акции

8442,3

8619,0

8684,3

8794,4

8490,7

8647,3

8732,7

8842,8

8539,1

8675,6

8781,1

8891,2

8587,5

8703,9

8829,5

8939,6

8635,9

8732,2

8877,9

8988,0

8684,3

8760,5

8926,3

8400,7

9071,5

9047,2

8974,7

9084,8

9119,9

9095,6

9023,1

9133,2

9168,3

9144,0

9071,5

9181,6

9216,7

9192,4

9119,9

9230,0

9265,1

9240,8

9168,3

9278,4

9313,5

9289,2

9216,7

9326,8

9361,9

9337,6

9265,1

9375,2

8732,7

8788,8

9313,5

9423,6

8781,1

8817,1

9361,9

9472,0

8829,5

8845,4

8442,3

8552,4

8877,9

8873,7

8490,7

8600,8

8926,3

8902,0

8539,1

8649,2

8974,7

8950,4

8587,5

8697,6

9023,1

8998,8

8635,9

8746,0

Определить по каждой фирме, явилась ли рекламная акция эффективной.


 

А также другие работы, которые могут Вас заинтересовать

13122. Дамыта оқытудың тиімділігі 49.5 KB
  Дамыта оқытудың тиімділігі Оқу адамның психикалық дамуының формасы элементі. Кез келген оқыту белгілі бір мөлшерде адамды дамытады. Даму ұғымы сөздікте ... мөлшерлік өзгерістердің белгілі бір өлшем шегінен шығып сапалық өзгерістерге айналуыдеп түсі...
13123. Джон Локктың педагогикалық теориясы 42.5 KB
  Джон Локктың педагогикалық теориясы. 16321704 Саясиәлеуметтік және философиялық дүниетанымы. 1688 жылы Англияда буржуазиялық төңкеріс болды. Ол өндірістік төңкеріске негіз дайындады. Бұл төңкеріс жаңа кезеңнің буржуазияның үстемдік ету кезіңін жария етті ол ...
13124. ӘЛКЕЙ МАРҒҰЛАННЫҢ ПЕДАГОГИКАЛЫҚ ҚЫЗМЕТТЕРІ 40.5 KB
  ӘЛКЕЙ МАРҒҰЛАННЫҢ ПЕДАГОГИКАЛЫҚ ҚЫЗМЕТТЕРІ С. Сұрағанов Л.Н.Гумилев атындағы Еуразиялық ұлттық университеті Астана қ. Ғұлама ғалым Әлкей Хақанұлы Марғұланның тікелей оқытушылық қызметпен айналысқанын көрсететін бірнеше нақты мәліметтер бар. Әлкей 1915 жылы Ба...
13125. Әл-Фараби еңбектеріндегі халықтық педагогика мәселелері 55.5 KB
  ӘлФараби еңбектеріндегі халықтық педагогика мәселелері Халықтық педагогикалық құбылыстарды зерттеушілер ресми педагогика мен халық педагогикасының бірінбірі толықтыратын кеңейтіп отыратын өзара ықпалы мен өзара шарттастығын дәлелді ашып түсіндіреді. Егер рес...
13126. Әулие ата - Жамбыл өңіріндегі оқу-ағарту ісінің дамуы мен ерекшеліктері 43 KB
  ӘУЛИЕАТА МЕН ЖАМБЫЛ ОБЛЫСЫНДАҒЫ ОҚУАҒАРТУ ІСІНІҢ ДАМУ ЕРЕКШЕЛІКТЕРІ Э.Қайырбаева А.Мейірбекова Керімбай атындағы №12 мектепресурстық орталығыТараз қ. Араға жарты ғасыр салып өлгеніміз тіріліп өшкеніміз жанды жоғымызды қозғап барымызды көрсетуге мүмкін...
13127. Жеке тұлғаны ұлттық құндылықтарға бағыттап оқыту 42 KB
  ӘОЖ 3701: 014.544.018 І 28 ЖЕКЕ ТҰЛҒАНЫ ҰЛТТЫҚ ҚҰНДЫЛЫҚТАРҒА БАҒЫТТАП ОҚЫТУ Ж.Ж. Ізбасарова ТаразҒасыр колледжі Тараз қ. Бүгінгі ғаламдану процесінде ұлттық құндылықтарды сақтау мен өзінің бетбейнесін ізгі дәстүрлерін сақтау жолындағы күрес ұлтты
13128. Жоғары оқу орнында болашақ география мұғалімдерін этнопедагогикалық даярлауды жетілдіру 266.5 KB
  ӘОЖ [371.13:37.013] : 378 Қолжазба құқығында КАДИРБАЕВА ДИДАР АРТЫҚБАЙҚЫЗЫ Жоғары оқу орнында болашақ география мұғалімдерін этнопедагогикалық даярлауды жетілдіру 13.00.08 Кәсіби білім беру...
13129. Жүсіп Баласағұни еңбектеріндегі халықтық педагогика мәселелері 44 KB
  Жүсіп Баласағұни еңбектеріндегі халықтық педагогика мәселелері Ж.БАЛАСАҒҰНИДЫҢ ізімен немесе одан тәуелсіз қорытындылар арқылы ғылымның және білімнің маңыздылығы мен пайдалылығы идеясын Махмұд Қашғари Ахмет Жүйнеки Қожа Ахмет Яссауи Имад аддин Әбул Қасым ӘлФ...
13130. Стандартные модули и модульная структура приложений в VB 343.32 KB
  Тема 5.1. Лабораторная работа Стандартные модули и модульная структура приложений в VB Цель данной лабораторной работы состоит в изучении средств приемов и получении практических навыков разработки написания и отладки проектов использующих несколько форм закр...