Способы проверки нормальности распределения

Существует ряд методов проверки эмпирического распределения на нормальность. К таким методам относятся – графический способ, метод анализа асимметрии и эксцесса и их стандартных ошибок, критерии согласия распределения.

Графический способ: Строят либо квантильные графики, либо графики накопленных частот.

Причины отклонения от нормальности: общей причиной отклонения формы выборочного распределения признака от нормального вида чаще всего является особенность процедуры измерения: используемая шкала может обладать неравномерной чувствительностью к измеряемому свойству в разных частях диапазона его изменчивости.

Таким образом, такие отклонения от нормального вида, как право- или левосторонняя асимметрия или слишком большой эксцесс (больше 0), связаны с относительно низкой чувствительностью измерительной процедуры в области моды (вершины графика распределения частот).

Термин «корреляция» был введен в науку выдающимся английским естествоиспытателем Френсисом Гальтоном в 1886 г.

Корреляционная зависимость – это изменения, которые вносят значения одного признака в вероятность появления разных значений другого признака.

Зависимость подразумевает влияние, связь – любые согласованные изменения, которые могут объясняться сотнями причин.

Говорить в строгом смысле о зависимости мы можем только в тех случаях, когда сами оказываем какое–то контролируемое воздействие на испытуемых или так организуем исследование, что оказывается возможным точно определить интенсивность не зависящих от нас воздействий.

Независимые переменные – воздействия, которые можно качественно определить или даже измерить.

Зависимые переменные – признаки, которые измеряются и могут изменяться под влиянием независимых переменных.

Согласованные изменения независимой и зависимой переменных действительно могут рассматриваться как зависимость.

Корреляционные связи различаются по форме, направлению и степени (силе).

По форме корреляционная связь может быть линейной и криволинейной.

Линейнаясвязь – если с увеличением или уменьшением одной переменной, вторая переменная в среднем либо также растет, либо убывает. Например, прямолинейной можно назвать связь между количеством тренировок на тренажере и количеством правильно решаемых задач в контрольной сессии.

Криволинейной может быть, например, связь между уровнем мотивации и эффективностью выполнения задачи. При повышении мотивации эффективность выполнения задачи сначала возрастает, затем достигается оптимальный уровень мотивации, которому соответствует максимальная эффективность выполнения задачи; дальнейшему повышению мотивации сопутствует уже снижение эффективности (рис.9.3).

По направлению корреляционная связь может быть положительной («прямой») и отрицательной («обратной»).

При положительной (прямой) корреляции более высоким значениям одного признака соответствуют более высокие значения другого, а более низким значениям одного признака – низкие значения другого.

При отрицательной (обратной) корреляции высокие значения одного признака соответствуют более низким значениям другого.

Коэффициент корреляции — двумерная описательная статистика, количественная мера взаимосвязи (совместной изменчивости) двух переменных.

К настоящему времени разработано великое множество различных коэффициентов корреляции. Однако самые важные меры связи — Пирсона, Спирмена и Кендалла. Их общей особенностью является то, что они отражают взаимосвязь двух признаков, измеренных в количественной шкале — ранговой или метрической.

Вообще говоря, любое эмпирическое исследование сосредоточено на изучении взаимосвязей двух или более переменных.

© 2014-2022 — Студопедия.Нет — Информационный студенческий ресурс. Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав (0.008)

Итак, оба варианта проверки, по Н.А. Плохинскому и по Е.И. Пустыльнику, дают один и тот же результат: распределение результа­тивного признака в данном примере не отличается от нормального рас­пределения.

Проверка нормальности распределения результативного признака.

Пример №2 . Для задач, где требуется предварительно сгруппировать данные, используют сервис Группировка данных .
Число групп приближенно определяется по формуле Стэрджесса
n = 1 + 3,2log n = 1 + 3,2log 50 = 7
Тогда ширина интервала составит: