Формирование и математическая обработка данных в социологии. Борисова Е.В. - 98 стр.

UptoLike

ВУЗ: 

ТвГТУ | Тверь

Составители: 

Рубрика: 

98
Критическое значение F
крит
-распределения для степеней свободы 3 и 36 и
при выбранном уровне значимости равно 3,81. Значит
F
крит
< F
эмп
,
поэтому нулевая гипотеза должна быть отвергнута.
Вывод. Использование разных интенсивностей стимула приводит к
статистически значимым изменениям времени реакции.
Замечание. Если число наблюдений для каждого уровня фактора не-
одинаково, то формулы для средних квадратов модифицируются:
()
(
)
∑
=
∑
=
∑
=
∑
=
−=
k
j
j
j
n
i
ji
k
j
j
j
n
i
jiМ
n
x
xССК
1
1
2
2
11
2
;
()
N
x
n
x
ССК
k
j
j
n
i
ji
k
j
j
j
n
i
ji
B
2
11
1
1
2
2
⎟
⎟
⎠
⎞
⎜
⎜
⎝
⎛
−=
∑
=
∑
=
∑
=
∑
=
,
где N =
к
nnn ++ ...,
21
.
Проблемы значимости результатов дисперсионного анализа основаны
на предпосылке о нормальности исходных данных и равенстве
(однородности) дисперсий. Нарушение этих предположений отражается на
уровне статистической значимости, а именно:
если объемы выборок и их дисперсии не равны, а из совокупностей с
большими дисперсиями выбирается меньшее число объектов, вероятность
ошибки первого рода увеличивается;
при
тех же условиях, если из совокупностей с большими дисперсиями
берется большее число объектов, то вероятность ошибки первого рода
уменьшается;
если объемы выборок равны, влиянием неоднородности дисперсий на
уровень значимости
F
-
- критерия можно пренебречь;
влияние нарушения нормальности на номинальный уровень
значимости
F
- критерия незначительно.
Таким образом, процедура дисперсионного анализа достаточно
устойчива к нарушению предпосылок, лежащих в ее основе.
9.2. Кластерный анализ
При анализе многомерных данных часто возникает задача разбиения
исходного множества на некоторые подмножества так, чтобы, с одной
стороны, каждый объект наблюдения принадлежал только к одному
подмножеству, с другой – объекты, составляющие одно подмножество,
были максимально сходными, а входящие в разные подмножества были
существенно различными. Такие подмножества называют
кластерами.
Задача классификации решается методами
кластерного анализа (от
англ. cluster -гроздь)
. Суть этого метода многомерного анализа в
следующем: вводится некая единая мера, охватывающая все измеряемые
показатели; реализуется алгоритм чисто количественного решения вопроса
о разбиении на подмножества.

Страницы