Metodologia badań psychologicznych - zajęcia 3 - eksperyment, badanie korelac...Karol Wolski
eksperyment, quasi-eksperyment, zasada randomizacji, plan Solomona, plan z powtarzanymi pomiarami, plan czynnikowy, plan jedno-jednozmiennowy, model korelacyjny
Metodologia badań psychologicznych - zajęcia 3 - eksperyment, badanie korelac...Karol Wolski
eksperyment, quasi-eksperyment, zasada randomizacji, plan Solomona, plan z powtarzanymi pomiarami, plan czynnikowy, plan jedno-jednozmiennowy, model korelacyjny
Od pytania badawczego do oceny krytycznej meta analizEBNP POLAND
Pytanie o schemacie PICOT to kompas i punkt wyjścia dla przeglądu literatury medycznej. Jak zadać pytanie klinicznie istotne? Jak wykorzystać elementy pytania klinicznie istotnego jako hasła dla wyszukiwania i wreszcie jak ocenić krytycznie meta-analizę - o tym wszystkim przeczytasz w tej prezentacji.
Internetowe narzędzia do analizy i opisu wyników badań naukowychirasz
Duża ilość danych naukowcom, studentom wielu problemów, dlatego z pomocą przychodzą im narzędzia technologiczne, dzięki którym łatwiej porządkować, systematyzować, analizować badania. Oto kilka przykładów takich narzędzi. Ponadto znajdziecie tu przykłady programów antyplagiatowych, które chronią przed nieuczciwością innych.
Szanowni Państwo,
Zainteresowanych zagadnieniami związanymi z szeroko pojętą statystyką, zachęcamy do zapoznania się z materiałami ze szkolenia „Analiza Statystyczna w Excelu”.
Autorem prezentacji jest Trener Cognity – Grzegorz Plak. Przedstawione w niej zagadnienia zostały obszernie omówione w trakcie szkolenia, które odbyło się w Krakowie w dniach 19-20 grudnia 2013.
Program tego szkolenia znajdą Państwo pod linkiem http://www.cognity.pl/szkolenie-analiza-statystyczna-w-excelu,s2,148.html
Zachęcamy do odwiedzania naszej strony internetowej: www.cognity.pl.
Interpersonal Skills for Managers – Psychology in Business - Decision making ...
Podstawy statystyki dla psychologów - zajęcia 10 - wprowadzenie do wnioskowania statystycznego
1. Podstawy statystyki dla
psychologów
Zajęcia 10.
Wprowadzenie do wnioskowania
statystycznego
Karol Wolski
2. Wnioskowanie statystyczne
• Wnioskowanie statystyczne to wyprowadzanie
wniosku o parametrze populacyjnym na
podstawie statystyki z próby
• Jego istotą jest odkrycie, jakie wartości z próby
są możliwe i z jakim prawdopodobieństwem
mogą się one pojawić.
3. Hipoteza zerowa i alternatywna
• Hipoteza zerowa (H0) - Jest to hipoteza poddana
procedurze weryfikacyjnej, w której zakładamy, że
różnica między analizowanymi parametrami lub
rozkładami wynosi zero.
– H0 : ������������ = 100
• Hipoteza alternatywna (H1)/ (HA)- hipoteza
przeciwstawna do weryfikowanej.
– H1 : ������������ ≠ 100
– H2 : ������������ > 100
– H3 : ������������ < 100
4. Kiedy odrzucamy H0
• Uzyskana przez nas średnia w próbie prawie
nigdy nie będzie taka sama jak średnia w
populacji
• Dlatego aby odrzucić H0 musi posłużyć się
jakimś kryterium wskazującym nam jakie
wartości ������ będą pojawiały się bardzo często a
jakie bardzo rzadko, kiedy H0 jest prawdziwa.
5. Kiedy odrzucamy H0
• Tym kryterium jest Poziom istotności (������ – alfa)
– jest to wartość prawdopodobieństwa, którą
wykorzystujemy jako kryterium w decyzjach, czy
prawdopodobieństwo pojawienia się przez przypadek
statystyki otrzymanej w próbie jest niskie, wtedy gdy
hipoteza zerowa jest prawdziwa (w rezultacie hipoteza
zerowa zostaje odrzucona)
– Określa maksymalne ryzyko błędu, jakie badacz jest
skłonny zaakceptować. Wybór wartości α zależy od
badacza, natury problemu i od tego, jak dokładnie
chce on weryfikować swoje hipotezy, najczęściej
przyjmuje się α = 0,05; rzadziej 0,1, 0,03, 0,01 lub
0,001
10. Kiedy odrzucamy H0
• Uzyskana wartość z jest wyższa niż wartość
krytyczna
• Można więc odrzucić hipotezę zerową i przyjąć
hipotezę alternatywną
• Nie ma podstaw aby uważać, że średnia w
populacji, z której pochodzi próba jest równa 85.
Średnia ta jest najprawdopodobniej wyższa.
• Wniosek dotyczy populacji, z której została
pobrana próba (reprezentatywna), nie zaś samej
próby
11. Kiedy odrzucamy H0
• Problemy, wybór poziomu Alfa jest arbitralny,
kiedy wybierzemy inny niż 0,05 nasza hipoteza
zerowe może nie zostać odrzucona
• To, że H0 nie zostanie odrzucona, NIE oznacza, że
najprawdopodobniej jest ona prawdziwa.
Oznacza to jedynie, że nie mamy wystarczających
podstaw aby ją odrzucić
• Odrzucenie H0 oznacza, że nie wydaje się
uzasadniona wiara w to, że hipoteza ta jest
prawdziwa.
12. Test jednostronny i dwustronny
• Dwustronny (niekierunkowy) – hipoteza
alternatywna stwierdza, że parametr populacyjny
może być albo mniejszy albo większy od wartości
określonej przez hipotezę zerową (obszar
odrzucenia podzielony i rozmieszczony
symetrycznie po obu krańcach rozkładu)
• Kierunkowy (jednostronny) - hipoteza
alternatywna stwierdza, że parametr populacyjny
różni się od wartości określonej przez hipotezę
zerową w jednym konkretnym kierunku (cały
obszar odrzucenia po jednej stronie rozkładu)
14. Założenia testowania hipotez o
średniej pojedynczej
• Próba wybrana z populacji jest próbą losową
• Losowanie zgodne ze schematem losowania
zwrotnego
• Rozkład wartości ������ z próby jest zgodny z krzywą
normalną
• Znane jest odchylenie standardowe wyników w
populacji (niezbędne do policzenia ������������ )
������−������ 2
– wzór ������ =
������
– Problem w tym, że rzadko znamy tę wartość…. A jak ją
znamy, to znamy i średnią w populacji
15. Szacowanie błędu standardowego
średniej
������−������������ ������−������������ ������−������������
• ������ = = ������������ = ????
������������
������ ������
• Skąd zatem wziąć odchylenie st. Populacji?
• Z pomocą przychodzi nam nasza ukochana
wariancja (estymator nieobciążony):
2 ������−������ 2 ������������������
• ������ = =
������ −1 ������ −1
������−������ 2
• s=
������ −1
16. Szacowanie błędu standardowego
średniej
• Wartość ������ zastępujemy zatem s i dzięki temu
otrzymujemy oszacowanie błędu
standardowego średniej
������������
• ������������ =
������
• A teraz niespodzianka… jeśli we wzorze na
������−������������
������ = wartość ������������ zastąpimy ������������ to
������������
otrzymamy nową statystykę - t
17. Rozkład t
������−������������
• t=
������������
ś������������������������������������ ������������������������������������������������������ ������ ������������ó������������������ −ℎ������������.ś������.������������������.
• t=
������������������������������������������������������������������ ������łę������������ ������������.ś������������������������������������������
������������������������������������������ ������ ������������������������ł ������������������������.−������������������ł������
• t=
������������������������������������������
• Rozkład t NIE jest rozkładem normalnym,
nazywamy go rozkładem t Studenta
18. Rozkład t - cechy
• Im większa próba tym rozkład t będzie bliższy
rozkładowi z
• Przy nieskończenie dużej próbie t=z
• Kształt rozkładu t zależy od wielkości próby a
dokładnie od liczby stopni swobody (df)
• W przypadku testowania hipotez o
pojedynczej średniej df=n-1
20. Rozkład z a rozkład t
• Podobieństwa
– Oba mają średnią równą zero
– Są symetryczne
– Są jednomodalne
• Różnice, rozkład t w porównaniu z z jest:
– Platykurtyczny – ma smuklejszy wierzchołek i ma
większą koncentrację obserwacji na krańcach rozkładu
– Ma większe odchylenie standardowe
– Zależy od liczby stopni swobody
21. Rozkład t - cechy
• Dla nieskończonej liczby stopni swobody
krytyczna wartość t=z=+- 1,96 (Dla alfa=0,05)
• Im mniejsza liczba df tym większa wartość
krytyczna t
22. Rozkład t
• Rozkład t wykorzystujemy tak samo jak rozkład z,
pozwala on nam umiejscowić daną średnią w
rozkładzie, a przez to wnioskować o populacji
• Jego zaletą jest to, że nie jest wymagana
znajomość ������������
• Do oceny położenia danego wyniku t w rozkładzie
używamy tablic statystycznych
– http://pl.wikisource.org/wiki/Tablica_rozk%C5%82adu
_t-Studenta