Распределение эмпирических психологических показателей в курсовой и дипломной работе
Помогаю в написании дипломных, курсовых, магистерских работы по психологии, а также рефератов и эссе; контрольных, отчетов по практике и статистических расчетов.
Я профессиональный психолог и автор работ по психологии с многолетним стажем. Выступаю как индивидуальный предприниматель (ИП): заключаю договор, выдаю чеки об оплате.
Помогаю студентам-психологам более 15 лет (этот сайт существует с 2007). Качественно и быстро. Помогу даже с очень трудными темами.
Опишите ситуацию, и я скажу стоимость написания вашей работы.
Главная / Статистические расчеты / Распределение показателей
При написании практической (эмпирической) главы курсовой, дипломной или магистерской работы по психологии наступает момент, когда результаты тестирования уже получены и нужно переходить к их анализу.
Некоторые начинают сразу переходит к расчету взаимосвязей или выявлению различий. Однако негласные правила представления результатов психологического исследования требуют, чтобы перед расчетом статистических критериев был проведен анализ распределений всех психологических показателей.
Распределение психологического показателя в группе испытуемых показывает, сколько респондентов имеют низкие, средние и высокие показатели по данному психологическому параметру.
Для большинства психологических тестов их создатели предлагают границы, отделяющие низкие, средние и высокие показатели. Иногда авторы тестов предлагают выделять не три диапазона значений, а больше, например, пять: низкое, ниже среднего, среднее, выше среднего, высокое.
Построить распределение психологического показателя, значит отобразить в виде таблицы или диаграммы, сколько испытуемых попадают в тот или иной диапазон значений этого показателя.
Лучше приводить не только абсолютное число испытуемых, но и их долю по отношению к общему числу испытуемых (то есть, в процентах).
Примеры построения распределения психологических параметров
Предположим в рамках дипломной по психологии проводится исследование, цель которого анализ психологических факторов адаптации учащихся кадетской школы. Одна из задач эмпирического исследования – проанализировать уровень адаптации кадетов к школе, выявленный с помощью экспертного опроса воспитателей по 10-ти бальной шкале.
Строим распределение подростков по уровню адаптированности к условиям кадетской школы.
Анализ данных, отраженных на рисунке, показывает, что уровень адаптированности около 50% подростков в отношении бытовых условий, учебы и отношений оценен педагогами кадетской школы как средний. При этом общий уровень адаптированности двух третей учащихся кадетской школы (75%) находится на среднем уровне. Около трети подростков (30%) показывают низкий уровень адаптации в отношении учебы.
Следующий пример показывает анализ распределения испытуемых по уровню удовлетворенности трудом.
Анализ данных, отраженных на рис. 1, показывает, что более полвины испытуемых имеют высокий уровень осмысленности жизни и около половины – средний. Таким образом, подавляющее большинство испытуемых имеют средний и высокий уровень осмысленности жизни.
Распределение психологических показателей в практической главе ВКР по психологии может быть представлено в табличном виде.
Ниже приведено распределения испытуемых по показателям осмысленности жизни.
Таблица 1. Распределения испытуемых по показателям осмысленности жизни (в%)
| низкий | средний | высокий |
Цели | 11 | 44 | 45 |
Процесс | 8 | 43 | 49 |
Результат | 19 | 57 | 24 |
ЛК-Я | 23 | 49 | 28 |
ЛК — Жизнь | 15 | 53 | 32 |
Анализ данных, отраженных в таблице 1, показывает, что подавляющее большинство испытуемых имеют средний и высокий уровень выраженности показателей осмысленности жизни.
Среди различных видов распределений особое место занимает нормальное распределение.
Нормальное распределение
При написании курсовой, дипломной и магистерской работы по психологии знание самых общих сведений о нормальном распределении необходимо. Дело в том, что правильное использование некоторых статистических критериев требует нормальности распределения психологических показателей. Например, использование в эмпирическом исследовании ВКР по психологии t-критерия Стъюдента требует, чтобы данные подчинялись нормальному распределению.
Что же такое нормальное распределение?
Существует множество объектов и явлений, представляющих собой сложные системы, состоящие из маленьких составляющих. Огромные молекулы образуются из отдельных атомов, профессиональные сообщества образуются из отдельных людей.
Перед исследователями разных научных направлений стоит задача изучения систем, включающих множество взаимодействующих объектов. Такие системы широко распространены в природе, в обществе, в сети Интернет.
Одной из практических задач, возникающих при изучении подобного рода систем, является задача анализа распределения отдельных элементов системы, ее различных характеристик и пр. В частности, когда речь идет о массовом случайном проявлении признаков, то возникает так называемое нормальное распределение.
Нормальное распределение характеризуется тем, что крайние значения признака в нем встречаются достаточно редко, а значения, близкие к средней величине — достаточно часто.
Проблема изучения систем и распределений их признаков особенно актуальна в психологических исследования. В эмпирических исследования психолог очень часто сталкивается с ситуацией, когда исследуемый феномен испытывает влияние множества факторов, что приводит к нормальному распределению признаков этого феномена. Свойства нормального распределения активно используются психологами при стандартизации тестов, разработки тестовых шкал, при статистической проверке гипотез и др.
Рассмотрим сущность нормального распределения на примере.
Представим, что мы провели диагностику уровня созерцательности в трех группах представителей трех стран – России, США и Китая. Мы знаем границы трех уровней созерцательности – низкого, среднего и высокого. Мы рассчитали доли испытуемых каждой группы, имеющих соответственно низкие, средние и высокие показатели созерцательности. И отразили это на рисунке.
Анализ данных, представленных на рисунке, показывает следующее:
В группе американцев подавляющее большинство респондентов (60%) имеют низкий уровень созерцательности и лишь 10% — высокий. Таким образом, распределение жителей США по уровню созерцательности сдвинуто в область низких значений.
В группе представителей Китая 70% имеют высокий уровень созерцательности. Таким образом, распределение китайцев по уровню созерцательности смещено в область высоких значений.
В группе россиян большинство респондентов (70%) имеют средний уровень созерцательности, при этом по 15% показывают ее высокую и низкую выраженность.
Таким образом, распределение представителей России по уровню созерцательности близко к нормальному, то есть большинство имеют средний уровень, а меньшая часть – низкий и высокий.
Нормальность распределения какого-либо признака означает уравновешенность различных влияний. В приведенном выше примере, полученный результат означает, что американцы слишком практичны, и не склонны к созерцательности. Китайцы, наоборот, — слишком созерцательны. А россияне показывают сбалансированную картину, и этим еще раз подтверждается срединное, промежуточное положение России между Западом и Востоком. Это положение сопряжено с рисками, но в то же время содержит большой потенциал развития, за счет сочетания практицизма Запада и созерцательности Востока.
Для проверки нормальности распределения показателей существуют специальные статистические критерии. Однако практика показывает, что в подавляющем большинстве случаев написания ВКР по психологии нормальность распределения показателей определяется качественно (как это было сделано выше), либо вообще не определяется.
А использование t-критерия Стъюдента, требующего нормальности распределения показателей, определяется либо большим объемом выборки, либо предпочтениями научного руководителя.
Надеюсь, эта статья поможет вам написать работу по психологии самостоятельно. Если понадобится помощь, обращайтесь (все виды работ по психологии; статистические расчеты). Заказать
Понятие распределения
Распределением признака называется закономерность встречаемости разных его значений.
Нормальное распределение характеризуется
тем, что крайние значения признака
в нем встречаются достаточно редко, а
значения, близкие к средней величине
— достаточно часто. Нормальным такое
распределение называется потому,
что оно очень часто встречалось в
естественно-научных исследованиях
и казалось «нормой» всякого массового
случайного проявления признаков.
Это
распределение следует закону, открытому
тремя учеными в разное время: Муавром
в 1733 г. в Англии, Гауссом в 1809 г. в Германии
и Лапласом в 1812 г. во Франции. График
нормального распределения представляет
собой привычную глазу психолога-исследователя
так называемую колоколообразную
кривую.
Как указывает А.Д.Наследов начиная со второй половины XIX столетия измерительные и вычислительные методы в психологии разрабатываются на основе следующего принципа. Если индивидуальная изменчивость некоторого свойства есть следствие действия множества причин, то распределение частот для всего многообразия проявлений этого свойства в генеральной совокупности соответствует кривой нормального распределения. Это и есть закон нормального распределения.
Параметры распределения — это его числовые характеристики, указывающие, где «в среднем» располагаются значения признака, насколько эти значения изменчивы и наблюдается ли преимущественное появление определенных значений признака.
Каждому психологическому (или шире — биологическому) свойству соответствует свое распределение в генеральной совокупности. Чаще всего оно является нормальным и характеризуется своими параметрами: средним (М) и стандартным отклонением (δ). Только эти два значения отличают друг от друга бесконечное множество нормальных кривых, одинаковой формы.
Наиболее практически важными параметрами являются среднее, дисперсия, показатели асимметрии и эксцесса.
В реальных психологических исследованиях мы оперируем не параметрами, а их приближенными значениями, так называемыми оценками параметров.
М± δ соответствует «68% (точно — 68,26%) площади;
М±2δ соответствует «95% (точно — 95,44%) площади;
М±3δ
соответствует «100% (точно — 99,72%) площади.
Три важных аспекта применения нормального распределения:
Разработка тестовых шкал.
Проверка нормальности выборочного распределения для принятия решения о том, в какой шкале измерен признак — в метрической или порядковой.
Статистическая проверка гипотез, в частности — при определении риска принятия неверного решения.
Глава 8.3 Типы распределений
При графическом отображении наборов данных они образуют картину, которая может помочь в интерпретации информации. Наиболее часто упоминаемый тип распределения называется нормальным распределением или нормальной кривой и часто упоминается как кривая в форме колокола, потому что она выглядит как колокол. Нормальное распределение является симметричным, то есть распределение и частота оценок в левой части соответствуют распределению и частоте оценок в правой части.
Нормальная кривая
Многие распределения ложатся на нормальную кривую, особенно при рассмотрении больших выборок данных.
Эти нормальные распределения включают рост, вес, IQ, баллы SAT, GRE и GMAT, среди многих других. Это важно понимать, потому что, если распределение является нормальным, существуют определенные качества, которые непротиворечивы и помогают быстро понять оценки внутри распределения
Среднее значение, медиана и мода нормального распределения идентичны и попадают точно в центр кривой. Это означает, что любой балл ниже среднего попадает в нижние 50% распределения баллов, а любой балл выше среднего попадает в верхние 50%. Кроме того, форма кривой позволяет легко разбивать участки. Например, мы знаем, что 68% популяции попадают в диапазон от одного до двух стандартных отклонений (см. Показатели изменчивости ниже) от среднего значения, и что 95% населения попадают между двумя стандартными отклонениями от среднего. На рис. 8.1 показан процент оценок, попадающих между каждым стандартным отклонением.
Распределение показателей IQ
В качестве примера рассмотрим нормальную кривую, связанную с показателями IQ (см.
рисунок выше). Среднее значение, медиана и форма показателя IQ Векслера равны 100, что означает, что 50% IQ достигают 100 или ниже, а 50% — 100 или выше. Поскольку 68 % баллов на нормальной кривой попадают в пределы одного стандартного отклонения и поскольку показатель IQ имеет стандартное отклонение 15, мы знаем, что 68 % значений IQ попадают в диапазон от 85 до 115. Сравнивая предполагаемые проценты на нормальной кривой с IQ баллов, вы можете определить процентильный ранг баллов, просто взглянув на нормальную кривую. Например, человек, набравший 115 баллов, показал лучшие результаты, чем 87% населения, а это означает, что результат 115 соответствует 87-му процентилю. Сложите проценты ниже 115 баллов, и вы увидите, как был определен этот процентильный ранг. Посмотрите, сможете ли вы найти процентиль ранга 70 баллов.
Перекос
Перекос. Перекос распределения относится к тому, как наклоняется кривая. Когда кривая имеет экстремальные значения в правой части распределения, говорят, что она имеет положительную асимметрию.
Другими словами, когда к нормальному в остальном распределению добавляются большие числа, кривая растягивается вверх или в положительном направлении. Когда кривая тянется вниз из-за крайне низких показателей, говорят, что она имеет отрицательный перекос. Чем более асимметрично распределение, тем труднее его интерпретировать.
Эксцесс
Эксцесс. Эксцесс относится к хвостам распределения. Нормальное распределение или нормальная кривая считается идеальным мезокуртическим распределением. Кривые, которые имеют более экстремальные хвосты, чем нормальная кривая, называются лептокуртическими. Кривые, которые имеют менее экстремальные хвосты, чем нормальная кривая, называются платикуртичными.
Статистические процедуры разработаны специально для использования с определенными типами данных, а именно параметрическими и непараметрическими. Параметрические данные состоят из любого набора данных, относящегося к типу отношения или интервала и попадающего на нормально распределенную кривую.
Непараметрические данные состоят из порядковых или относительных данных, которые могут падать или не падать на нормальную кривую. При оценке того, какую статистику использовать, важно помнить об этом. Использование параметрического теста (см. сводку статистики в приложениях) для непараметрических данных может привести к неточным результатам из-за разницы в качестве этих данных. Помните, что в идеальном мире предпочтительны отношения или, по крайней мере, интервальные данные, и тесты, разработанные для параметрических данных, таких как этот, как правило, являются наиболее мощными.
Нормальное распределение (кривая нормального распределения) | Определение, примеры и графики 002
Обновлено
Сол Маклеод, PhD
Преподаватель, исследователь
Бакалавр (с отличием) психологии, MRes, PhD, Университет Манчестера
Саул Маклеод, доктор философии, является квалифицированным преподавателем психологии с более чем 18-летним опытом работы в сфере дополнительного и высшего образования.
Узнайте о нашем редакционном процессе. ), психология, магистр психологии образования
Оливия Гай- Эванс — писатель и помощник редактора журнала Simply Psychology. Ранее она работала в сфере здравоохранения и образования.
Узнайте о нашем редакционном процессе
Содержание
Свойства нормального распределения
Нормальное распределение представляет собой непрерывное распределение вероятностей, симметричное по обеим сторонам от среднего, поэтому правая часть центра является зеркальным отражением левой стороны.
Площадь под кривой нормального распределения представляет собой вероятность, а сумма общей площади под кривой равна единице.
Большинство непрерывных значений данных в нормальном распределении имеют тенденцию группироваться вокруг среднего значения, и чем дальше значение от среднего, тем меньше вероятность его возникновения. Хвосты асимптотические, что означает, что они приближаются к горизонту, но никогда полностью не встречаются с ним (т.
Е. С осью x).
Для совершенно нормального распределения среднее значение, медиана и мода будут одним и тем же значением, визуально представленным пиком кривой.
Нормальное распределение часто называют кривой колокола, потому что график его плотности вероятности выглядит как колокол. Его также называют распределением Гаусса, в честь немецкого математика Карла Гаусса, впервые описавшего его.
Нормальное распределение Против. Стандартное нормальное распределение?
Нормальное распределение определяется двумя параметрами: средним значением и дисперсией. Нормальное распределение со средним значением 0 и стандартным отклонением 1 называется стандартным нормальным распределением.
Рис. 1. Стандартное нормальное распределение (SND).
Это распределение используется для построения таблиц нормального распределения.
Почему нормальное распределение важно?
Колоколообразная кривая является общей чертой природы и психологии
Нормальное распределение является наиболее важным распределением вероятностей в статистике, поскольку многие непрерывные данные в природе и психологии отображают эту колоколообразную кривую при составлении и графическом отображении.
Например, если бы мы случайным образом выбрали 100 человек, мы ожидали бы увидеть кривую частоты нормального распределения для многих непрерывных переменных, таких как IQ, рост, вес и кровяное давление.
Критерии параметрической значимости требуют нормального распределения точек данных выборки
Наиболее мощные (параметрические) статистические тесты, используемые психологами, требуют нормального распределения данных. Если данные не напоминают кривую нормального распределения, исследователи могут использовать менее мощный статистический тест, называемый непараметрической статистикой.
Преобразование необработанных показателей нормального распределения в z-показатели
Мы можем стандартизировать значения нормального распределения (необработанные показатели), преобразовав их в z-показатели.
Эта процедура позволяет исследователям определить долю значений, попадающих в заданное число стандартных отклонений от среднего (т.
е. вычислить эмпирическое правило).
Что такое формула эмпирического правила?
Эмпирическое правило в статистике позволяет исследователям определить долю значений, которые находятся в пределах определенного расстояния от среднего. Эмпирическое правило часто называют правилом трех сигм или правилом 68-9.правило 5-99,7.
Если значения данных в нормальном распределении преобразуются в стандартную оценку (z-показатель) в стандартном нормальном распределении, эмпирическое правило описывает процент данных, которые попадают в определенные числа стандартных отклонений (σ) от среднее значение (μ) для колоколообразных кривых.
Эмпирическое правило позволяет исследователям рассчитать вероятность случайного получения результата из нормального распределения.
68% данных находятся в пределах первого стандартного отклонения от среднего. Это означает, что существует 68% вероятность случайного выбора результата в диапазоне от -1 до +1 стандартного отклонения от среднего.
95% значений находятся в пределах двух стандартных отклонений от среднего. Это означает, что существует 95% вероятность случайного выбора результата в диапазоне от -2 до +2 стандартных отклонений от среднего значения.
99,7% данных будут находиться в пределах трех стандартных отклонений от среднего значения. Это означает, что с вероятностью 99,7% случайным образом будет выбрана оценка в диапазоне от -3 до +3 стандартных отклонений от среднего значения.
Как проверить данные
Статистическое программное обеспечение (например, SPSS) можно использовать для проверки нормального распределения набора данных путем расчета трех показателей центральной тенденции. Если среднее значение, медиана и мода очень близки друг к другу, велика вероятность того, что данные подчиняются колоколообразному распределению (здесь команда SPSS).
Также рекомендуется использовать частотный график, чтобы вы могли проверить визуальную форму ваших данных (если ваша диаграмма представляет собой гистограмму, вы можете добавить кривую распределения с помощью SPSS: В меню выберите: Элементы > Показать распределение Изгиб).
