РП БкПс-100 Мат. методы в психологии Мединцева И.П

ФГБОУ ВПО «Российская академия народного хозяйства и государственной
службы при Президенте Российской Федерации»
ВОЛГОГРАДСКИЙ ФИЛИАЛ
Кафедра информационных систем и математического моделирования
И. П. Мединцева
канд. пед. наук, доцент
РАБОЧАЯ ПРОГРАММА
МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПСИХОЛОГИИ
для студентов направления подготовки 030300 «Психология»
Рассмотрено и утверждено на заседании кафедры
Протокол № ……..от «…..» .........................2011 г.
Заведующий кафедрой
_________________________
Волгоград 2011
О.А. Астафурова
Содержание
РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ ............................................................. 3
1.1. ТРЕБОВАНИЯ ГОСУДАРСТВЕННОГО ОБРАЗОВАТЕЛЬНОГО СТАНДАРТА И ДИДАКТИЧЕСКИЕ
ЕДИНИЦЫ ПО УЧЕБНОЙ ДИСЦИПЛИНЕ «МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПСИХОЛОГИИ » ...................... 3
1.2. ЦЕЛИ И ЗАДАЧИ УЧЕБНОЙ ДИСЦИПЛИНЫ ....................................................................................... 3
1.3. ТРЕБОВАНИЯ К УРОВНЮ ОСВОЕНИЯ ДИСЦИПЛИНЫ ....................................................................... 3
1.4. ПРИНАДЛЕЖНОСТЬ ДИСЦИПЛИНЫ К УЧЕБНОМУ ЦИКЛУ И МЕЖДИСЦИПЛИНАРНЫЕ СВЯЗИ .......... 4
1.5. ТЕМАТИЧЕСКИЙ ПЛАН КУРСА «МАТЕМАТИЧЕСКИЕ МЕТОДЫ В ПСИХОЛОГИИ» (144/54 Ч) .......... 5
ДЛЯ СТУДЕНТОВ БКПС 2 КУРС .............................................................................................................. 5
1.6. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ ................................................ 6
2
РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ
1.1. Требования государственного образовательного стандарта и дидактические единицы
по учебной дисциплине «Математические методы в психологии»
(нет)
1.2. Цели и задачи учебной дисциплины
Основная цель курса «Математические методы в психологии» – освоение методологии
моделирования экспериментов в психологии; изучение основных математических методов
анализа экспериментальных данных психологического исследования; знакомство с пакетом
анализа данных на компьютере (в MS Excel), получение необходимых практических навыков по
применению математических методов в психологии.
Задачами курса являются:
– формирование у студентов умения работать с экспериментальными психологическими
методиками и тестами;
– формирование умения обрабатывать результаты экспериментальных исследований с
помощью различных математических методов;
– формирование умений самостоятельно анализировать и интерпретировать полученные
результаты.
1.3. Требования к уровню освоения дисциплины
В результате изучения предмета «Математические методы в психологии» студент должен
знать основные математические методы обработки данных, полученных при решении основных
профессиональных задач.
Студент, прошедший курс обучения, должен уметь получать, обрабатывать и
интерпретировать данные исследований с помощью математико-статистического аппарата.
Студент должен приобрести навыки использования в профессиональной деятельности
базовых знаний в области математических методов.
Студент, прошедший курс обучения, должен обладать следующими общекультурными
компетенциями (ОК):
способностью и готовностью к:
использованию системы категорий и методов, необходимых для решения типовых задач
в различных областях профессиональной практики (ОК-4);
3
применению основных методов математического анализа и моделирования, стандартных
статистических пакетов для обработки данных, полученных при решении различных
профессиональных задач (ОК-5);
овладению основными методами, способами и средствами получения, хранения,
переработки информации, навыками работы с компьютером как средством управления
информацией (ОК-11);
профессионально профилированному использованию современных информационных
технологий (ОК-12).
Студент,
прошедший
курс
обучения,
должен
обладать
следующими
профессиональными компетенциями (ПК):
способностью и готовностью к:
отбору и применению психодиагностических методик, адекватных целям, ситуации и
контингенту респондентов с последующей математико-статистической обработкой данных и их
интерпретаций (ПК-2);
пониманию и постановке профессиональных задач в области научно-исследовательской
и практической деятельности (ПК-10);
участию
в
проведении
психологических
исследований
на
основе
применения
общепрофессиональных знаний и умений в различных научных и научно-практических
областях психологии (ПК-11);
проведению
стандартного
прикладного
исследования
в
определенной
области
психологии (ПК-12).
1.4. Принадлежность дисциплины к учебному циклу и междисциплинарные связи
Дисциплина «Математические методы в психологии» входит в профессиональный
учебный цикл. Изучение дисциплины базируется на знаниях, полученных при изучении
математики, математической статистики, и обеспечивает освоение таких дисциплин, связанных
с использованием математических методов, как «Общая экспериментальная психология»,
«Прикладная психология», «Психологическая диагностика», «Информационные технологии в
психологии» и других специальных дисциплин, которые предусмотрены учебными планами
специальности «Психология». Полученные навыки могут использоваться для обработки
различных экспериментальных данных при подготовке контрольных и курсовых работ по
изучаемым дисциплинам и выпускных квалификационных работ.
4
1.5. Тематический план курса
«Математические методы в психологии» (144/54 ч)
для студентов БкПс 2 курс
Наименование тем
Количество часов (в акад. часах и/или кредитах)
Лекции Практические Сам. работа Всего часов по
занятия
теме
Очная форма обучения
1. Основные понятия, используемые в
2
2
математической обработке
психологических данных.
Классификация задач психологического
исследования и методов их решения.
Первичная обработка данных
психологического исследования.
2. Выявление различий в уровне
4
2
исследуемого признака.
3. Оценка достоверности сдвига в
4
2
значениях исследуемого признака.
4. Параметрические критерии.
2
2
5. Выявление различий в распределении
4
2
признака.
6. Многофункциональные
4
2
статистические критерии.
7. Корреляционно-регрессионный
2
2
анализ.
8. Меры связи.
4
2
9. Множественная линейная регрессия.
2
0
Коэффициент множественной
корреляции.
10. Дисперсионный анализ.
2
1
Однофакторный дисперсионный анализ.
11. Двухфакторный дисперсионный
2
1
анализ.
12. Многомерные методы в
2
0
психологических исследованиях.
13. Методы математического
2
0
моделирования. Модели
индивидуального и группового
поведения.
Итого по курсу:
36
18
Форма контроля
Экзамен
Всего часов с экзаменом
5
2
6
4
10
4
10
4
4
8
10
6
12
4
8
2
4
8
6
4
7
4
7
6
8
6
8
54
108
36
144
(4 ЗЕТ)
1.6. Учебно-методическое обеспечение учебной дисциплины
Лекция 1.
Основные
ЛЕКЦИИ
понятия, используемые
в
математической
обработке
психологических данных. Классификация задач психологического исследования и методов их
решения. Первичная обработка данных психологического исследования.
Измерение в психологии. Типы шкал: шкала наименований, порядковая шкала,
интервальная шкала, шкала отношений. Переменные и их измерение. Представление данных
(ранжирование, распределение частот, распределение сгруппированных частот). Наглядное
представление данных (полигон, гистограмма, кумулятивная кривая). Описательная статистика:
меры центральной тенденции; меры изменчивости значений переменной относительно
среднего; характеристики диапазона изменчивости; характеристики формы распределения.
Анализ данных на компьютере в MS Excel (статистические функции, пакет анализа).
Статистические
гипотезы.
Нулевая,
альтернативная
гипотезы.
Направленные,
ненаправленные гипотезы. Статистические критерии. Параметрические и непараметрические
критерии. Возможности и ограничения параметрических и непараметрических критериев.
Уровни статистической значимости. Классификация задач психологического исследования и
методов их решения. Методы одномерной и многомерной прикладной статистики.
Основные понятия: измерение, шкалы измерений, гипотеза, критерий, уровень
значимости.
Лекция 2–3. Выявление различий в уровне исследуемого признака.
Обоснование задачи сопоставления и сравнения. Критерии различий: Q – критерий
Розенбаума, U – критерий Манна-Уитни. Назначение критериев, описание критериев, гипотезы,
ограничения критериев, алгоритм подсчета критериев.
Критерии различий: S – критерий тенденций Джонкира, H – критерий Крускала-Уоллиса.
Назначение критериев, описание критериев, гипотезы, ограничения критериев, алгоритм
подсчета критериев.
Основные понятия: критерии различий.
Лекция 4–5. Оценка достоверности сдвига в значениях исследуемого признака.
Обоснование задачи исследований изменений. Сдвиг. Классификация сдвигов и
критериев оценки их статистической достоверности. Критерии изменений: G – критерий знаков,
Т – критерий Вилкоксона. Назначение критериев, описание критериев, гипотезы, ограничения
критериев, алгоритм подсчета критериев.
6
Критерии изменений:
 r2 – критерий Фридмана, L – критерий тенденций Пейджа.
Назначение критериев, описание критериев, гипотезы, ограничения критериев, алгоритм
подсчета критериев.
Основные понятия: критерии изменений, сдвиг, типичные сдвиги, нетипичные сдвиги.
Лекция 6. Параметрические критерии.
t–критерий Стьюдента. Случай несвязанных выборок; случай связанных выборок. F–
критерий Фишера.
Основные понятия: параметрические критерии, t-критерий, F-критерий.
Лекция 7-8. Выявление различий в распределении признака.
Обоснование
задачи
сравнения
распределений
признака.
Критерии
согласия
распределений: 2 – критерий Пирсона,  – критерий Колмогорова-Смирнова. Назначение
критериев, описание критериев, гипотезы, ограничения критериев, алгоритм подсчета
критериев.
Основные понятия: критерии согласия распределений, наблюдаемая частота,
ожидаемая частота, накопленные частоты.
Лекция 9-10. Многофункциональные статистические критерии.
Понятие многофункциональных критериев. Критерий * – угловое преобразование
Фишера. Назначение критерия, описание критерия, гипотезы, ограничения критерия, алгоритм
расчета критерия. Сопоставление выборок
по качественно
определяемому признаку.
Сопоставление двух выборок по количественно измеряемому признаку. Сопоставление выборок
и по уровню, и по распределению признака.
Использование критерия * в сочетании с критерием  Колмогорова-Смирнова в целях
достижения максимально точного результата.
Биномиальный критерий m. Назначение критерия, описание критерия, гипотезы,
ограничения критерия, алгоритм расчета критерия.
Основные понятия: многофункциональные статистические критерии, биномиальный
критерий.
Лекция 11. Корреляционно-регрессионный анализ.
Регрессия, регрессионный анализ, уравнение регрессии. Корреляция, корреляционный
анализ. Диаграмма рассеивания.
Коэффициент
корреляции
Пирсона
r.
Статистическая значимость r.
7
Свойства
коэффициента
корреляции.
Коэффициент ранговой корреляции Спирмена. Назначение рангового коэффициента
корреляции. Гипотезы. Расчет коэффициента ранговой корреляции Спирмена.
Основные понятия: регрессия, корреляция, ранговая корреляция.
Лекция 12–13. Меры связи.
Коэффициент корреляции . Свойства . Точечный бисериальный коэффициент
корреляции rpb. Бисериальный коэффициент корреляции rbis. Тау Кендалла, . Бисериальная
ранговая корреляция rrb. Статистическая значимость коэффициентов корреляции. Измерение
нелинейных связей. Корреляционное отношение 2.
Основные понятия: коэффициент корреляции.
Лекция 14.
Множественная
линейная
регрессия.
Коэффициент
множественной
корреляции.
Множественная линейная регрессия. Расчет параметров уравнения множественной
регрессии. Коэффициент множественной корреляции.
Основные понятия: множественная линейная регрессия, коэффициент множественной
корреляции.
Лекция 15. Дисперсионный анализ. Однофакторный дисперсионный анализ.
Общая
постановка
задачи.
Модель
дисперсионного
анализа.
Однофакторный
дисперсионный анализ для несвязанных выборок. Однофакторный дисперсионный анализ для
связанных выборок. Анализ данных в Excel.
Основные понятия: дисперсионный анализ, фактор, градации фактора.
Лекция 16. Двухфакторный дисперсионный анализ.
Модель двухфакторного дисперсионного анализа. Двухфакторный дисперсионный
анализ для несвязанных выборок. Двухфакторный дисперсионный анализ для связанных
выборок. Анализ данных в Excel.
Основные понятия: дисперсионный анализ, факторы, градации фактора.
Лекция 17. Многомерные методы в психологических исследованиях.
Назначение и классификация многомерных методов. Факторный анализ. Кластерный
анализ. Многомерное шкалирование. Метрика различий. Основные понятия. Условия
применения. Использование статистических пакетов для многомерного анализа данных.
Основные понятия: корреляционная матрица, фактор, извлечение факторов, вращение
факторов, кластер, дендрограмма, шкалирование, меры различия.
Лекция 18. Методы математического моделирования. Модели индивидуального и
8
группового поведения.
Моделирование.
Модель.
Основные
группы
моделей.
Математическая
модель.
Классификация математических моделей. Принципы построения математической модели.
Основные этапы построения математической модели. Основные классы математических
методов в психологии. Место математических методов среди теоретических и эмпирических
методов
в
психологии.
Использование
математического
аппарата
при
описании
индивидуального и группового поведения.
Основные понятия: моделирование, модель, индивидуальное поведение, групповое
поведение.
СЕМИНАРСКИЕ ЗАНЯТИЯ
Семинар 1. Первичная обработка данных психологического исследования.
Выборка, вариационный ряд, статистический ряд частот; ранжирование; числовые
характеристики выборки: среднее, дисперсия, мода, медиана. Полигон частот, гистограмма.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 2. Выявление различий в уровне исследуемого признака.
Критерии различий: Q – критерий Розенбаума, U – критерий Манна-Уитни. Назначение
критериев, описание критериев, гипотезы, ограничения критериев, алгоритм подсчета
критериев. Критерии различий: S – критерий тенденций Джонкира, H – критерий КрускалаУоллиса. Назначение критериев, описание критериев, гипотезы, ограничения критериев,
алгоритм подсчета критериев.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 3. Оценка достоверности сдвига в значениях исследуемого признака.
Критерии изменений: G – критерий знаков, Т – критерий Вилкоксона,
 r2 – критерий
Фридмана, L – критерий тенденций Пейджа. Назначение критериев, описание критериев,
гипотезы, ограничения критериев, алгоритм подсчета критериев.
Литература:
9
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 4. Параметрические критерии.
t–критерий Стьюдента. Случай несвязанных выборок; случай связанных выборок. Fкритерий Фишера.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 5. Выявление различий в распределении признака.
Критерии согласия распределений: 2 – критерий Пирсона,  – критерий КолмогороваСмирнова. Назначение критериев, описание критериев, гипотезы, ограничения критериев,
алгоритм подсчета критериев.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 6. Многофункциональные статистические критерии.
Критерий * – угловое преобразование Фишера. Назначение критерия, описание
критерия, гипотезы, ограничения критерия, алгоритм расчета критерия. Использование
критерия * в сочетании с критерием  Колмогорова-Смирнова в целях достижения
максимально точного результата. Биномиальный критерий m. Назначение критерия, описание
критерия, гипотезы, ограничения критерия, алгоритм расчета критерия.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 7. Корреляционно-регрессионный анализ.
Коэффициент корреляции Пирсона. Коэффициент ранговой корреляции Спирмена.
Назначение рангового коэффициента корреляции. Описание метода. Гипотезы. Расчет
коэффициента ранговой корреляции Спирмена.
10
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 8. Меры связи.
Коэффициент корреляции . Точечный бисериальный коэффициент корреляции rpb.
Бисериальный коэффициент корреляции rbis. Тау Кендалла, . Бисериальная ранговая
корреляция rrb.
Литература:
1. Ермолаев О.Ю. Математическая статистика для психологов. – М.: Флинта, 2011.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Семинар 9.
Дисперсионный
анализ.
Однофакторный
дисперсионный
анализ.
Двухфакторный дисперсионный анализ.
Однофакторный дисперсионный анализ для несвязанных выборок. Однофакторный
дисперсионный анализ для связанных выборок. Двухфакторный дисперсионный анализ для
несвязанных выборок. Двухфакторный дисперсионный анализ для связанных выборок.
Литература:
1. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2010.
2. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
Организация самостоятельной работы студентов (СРС)
№
п/п
Тема
1
Статистические
пакеты
Вопросы, выносимые на
СРС
Содержание
СРС
Математикостатистическая
обработка результатов
исследования с
использованием
компьютерных
статистических пакетов
STATISTICA, SPSS.
Общий обзор программ
STATISTICA, SPSS.
Возможности и
СК
11
Форма
контроля
СРС
Б, ОБС
Учебнометодическое
обеспечение
ОЛ 1, 2
ДЛ 1, 12
2
Моделирование
когнитивных
процессов и
структур. Проблема
искусственного
интеллекта
3
Все темы
дисциплины,
рассматриваемые на
семинарах
ограничения
конкретных
компьютерных методов
обработки данных.
Стандарты обработки
данных. Нормативы
представления
результатов анализа
данных в научной
психологии (в виде
научного отчета или
аналитической записки).
Логика представления
объяснительного
научного отчета – от
предварительной
гипотезы, через ее
эмпирическую проверку
к формулировке
содержательного вывода
Когнитивная
психология.
Когнитивные процессы.
Моделирование
когнитивных процессов
и структур в
психологии. Цель
когнитивного
моделирования.
Искусственный
интеллект. Подходы и
направления создания
искусственного
интеллекта. Модели и
методы исследования.
В соответствии с
планами семинаров
СК
Б, ОБС
ДЛ 2, 5, 8,10
СМ, УМ,
КО, ОБС
ОЛ 1-3,
ДЛ 1-12
Обозначения:
СМ – подготовка к семинарскому занятию;
УМ – изучение учебного материала;
СК – изучение учебного материала и составление конспекта;
ПКР – подготовка к контрольной работе;
Б – беседа индивидуальная или с группой;
КО – контрольный опрос;
ОБС – обсуждение на занятиях результатов;
ОЛ – основная литература, ДЛ – дополнительная литература.
12
Вопросы к экзамену
1. Этапы математизации психологии.
2. Основные
задачи,
решаемые
при
помощи
математических
методов.
Место
математических методов в психологии.
3. Основные понятия, используемые в математической обработке психологических
данных.
4. Классификация задач психологического исследования и методов их решения.
5. Шкалы измерений: шкала наименований, порядковая шкала, интервальная шкала,
шкала отношений.
6. Статистические гипотезы. Нулевая гипотеза, альтернативная гипотеза.
7. Статистические критерии. Параметрические и непараметрические критерии.
8. Уровни статистической значимости. Правило отклонения нулевой гипотезы и
принятия альтернативной гипотезы.
9. Критерии различий: Q–критерий Розенбаума, S–критерий Джонкира, H–критерий
Крускала-Уоллиса.
10. Критерии изменений: G–критерий знаков,
 r2 –критерий Фридмана, L–критерий
Пейджа.
11. Параметрические критерии. t–критерий Стьюдента, F–критерий Фишера.
12. Критерии согласия распределений: 2–критерий Пирсона, –критерий КолмогороваСмирнова.
13. Критерий *–угловое преобразование Фишера.
14. Биномиальный критерий m.
15. Коэффициент ранговой корреляции Спирмена.
16. Коэффициент корреляции Пирсона.
17. Измерение нелинейных связей. Корреляционное отношение 2.
18. Коэффициент корреляции .
19. Точечный бисериальный коэффициент корреляции rpb.
20. Бисериальный коэффициент корреляции rbis.
21. Тау Кендалла, .
22. Рангово-бисериальный коэффициент корреляции rrb.
23. Множественная линейная регрессия. Коэффициент множественной корреляции.
24. Дисперсионный анализ. Общая постановка задачи.
13
25. Однофакторный дисперсионный анализ для несвязанных выборок.
26. Однофакторный дисперсионный анализ для связанных выборок.
27. Двухфакторный дисперсионный анализ для несвязанных выборок.
28. Двухфакторный дисперсионный анализ для связанных выборок.
29. Факторный анализ. Место факторного анализа в психологическом исследовании.
30. Кластерный анализ. Место кластерного анализа в психологическом исследовании.
31. Многомерное шкалирование.
32. Моделирование. Модель. Основные группы моделей. Математическая модель.
33. Использование математического аппарата при описании индивидуального и
группового поведения.
Список рекомендуемой литературы
Основная литература:
1. Клюева И.А. Методы и приемы анализа данных средствами пакета STATISTICA. –
Волгоград: Изд-во ФГОУ ВПО ВАГС, 2008.
2. Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных
науках. – СПб.: Питер, 2007.
3. Сидоренко Е.В. Методы математической обработки в психологии. – СПб.: Речь, 2001.
Дополнительная литература:
1. Боровиков В.П., Г.И. Ивченко. Прогнозирование в системе STATISTICA в среде
Windows. – М.: Финансы и статистика, 2006.
2. Величковский Б.М. Когнитивная наука: Основы психологии познания. Т.1. М.:
Академия, 2006.
3. Ермолаев О.Ю. Математическая статистика для психологов. – М.: Флинта, 2011.
4. Кутейников А.Н. Математические методы в психологии. Учебно-методическое
пособие. – СПб.: Речь, 2008. – 172 с.
5. Магазов С.С. Когнитивные процессы и модели. – М.: Издательство ЛКИ, 2007.
6. Митина О.В. Математические методы в психологии. – М.: Аспект-Пресс, 2008.
7. Наследов А.Д. Математические методы психологического исследования. Анализ и
интерпретация данных. – СПб.: Речь, 2012.
8. Потапов А.С. Технологии искусственного интеллекта. Изд-во: СПбГУ ИТМО, 2010.
9. Рассел С., Норвиг П. Искусственный интеллект: современный подход. – М.: Вильямс,
2006.
14
10. Сидоркина И. Г. Системы искусственного интеллекта. М.: Кнорус, 2011.
11. Суходольский Г.В. Математические методы в психологии. – Харьков: Изд-во
Гуманитарный центр, 2006.
12. Тюрин Ю.Н., Макаров А.А. Анализ данных на компьютере. – М.: Форум, 2008.
Материалы текущего, промежуточного и итогового контроля
Вопросы для проведения внутрисеместровой аттестации
1. Основные понятия, используемые в математической обработке психологических
данных.
2. Классификация задач психологического исследования и методов их решения.
3. Место математических методов в психологии.
4. Шкалы измерений: шкала наименований, порядковая шкала, интервальная шкала,
шкала отношений.
5. Статистические гипотезы. Нулевая и альтернативная гипотезы. Направленные и
ненаправленные гипотезы.
6. Статистические
критерии.
Параметрические
и
непараметрические
критерии.
Возможности и ограничения параметрических и непараметрических критериев.
7. Уровни статистической значимости. Правило отклонения нулевой гипотезы и
принятия альтернативной гипотезы.
Вариант контрольной работы для осуществления промежуточного контроля
уровня знаний студентов (аттестации)
1. Допустим, что при ранжировании отметок на вступительных экзаменах и средних
баллов за первую экзаменационную сессию одних и тех же лиц получены следующие ранги:
Студент
Вступ. экзамены
Экзамен. сессия
А
2
3
Б
5
6
В
6
4
Г
1
1
Д
4
2
Е
10
7
Ж
7
8
З
8
10
И
3
5
К
9
9
Найти коэффициент ранговой корреляции. Проверить его значимость.
2. В таблице приведены данные по отсутствовавшим на работе за период в 60 рабочих
дней:
Кол-во отсутствовавших
Количество дней
0
12
1
16
2
11
3
6
4
8
5
3
6
4
Определите среднюю, медиану и моду по этим данным. Постройте полигон частот.
3. На крупном промышленном предприятии при проведении курса технической
подготовки, предназначенного для всех принятых работников рабочих специальностей, было
установлено, что имеется зависимость между возрастом работника и временем, необходимым
15
для освоения определенных навыков и умений. В таблице приведен возраст восьми работников,
выбранных произвольно, а также время, необходимое для выработки у них навыков в
определенной области.
Работник
Возраст (лет)
Время подготовки (часов)
А
18
4
Б
19
3
В
20
4
Г
21
6
Д
22
5
Е
23
8
Ж
29
6
З
38
7
Построить диаграмму рассеивания, найти уравнение регрессии, построить его на
диаграмме
рассеивания,
найти
коэффициент
корреляции
Пирсона.
Определить
продолжительность подготовки, необходимую для нового работника в возрасте 30 лет.
4. 12
участников
комплексной
программы
тренинга
партнерского
общения,
продолжавшегося 7 дней, дважды оценивали у себя уровень владения тремя важнейшими
коммуникативными навыками. Первое измерение производилось в первый день тренинга,
второй – в последний. Участники должны были также наметить для себя реально достижимый, с
их точки зрения, индивидуальный идеал в развитии каждого из навыков. Все измерения
производились по 10-балльной шкале. Данные представлены в таблице:
Оценки реального и идеального уровней развития коммуникативных навыков.
№
1
2
3
4
5
6
7
8
9
10
11
12
Активное
слушание
1 измерение
Снижение эмоц.
напряжения
аргументация
Активное
слушание
Реал.
6
3
4
4
6
6
3
6
6
5
6
6
Реал.
5
1
4
4
4
5
5
5
5
6
6
3
Реал.
5
4
5
5
4
3
2
3
5
5
3
4
Реал.
7
5
8
6
4
8
7
5
7
7
5
7
Идеал.
9
5
6
6
9
8
8
9
8
8
8
8
Идеал.
8
3
6
5
9
8
10
8
9
9
10
10
Идеал.
8
5
8
7
8
6
6
7
9
8
9
7
Идеал.
10
7
10
7
10
9
8
8
8
10
10
9
2 измерение
Снижение
эмоцион.
напряжения
Реал.
Идеал.
6
10
4
6
7
8
5
7
5
10
7
9
8
10
7
10
6
9
7
10
4
9
6
8
аргументация
Реал.
7
5
6
5
5
6
5
5
5
6
3
5
Идеал.
9
7
8
7
10
8
7
9
9
10
9
8
С помощью критерия Т-Вилкоксона выяснить, ощущаются ли участниками достоверные
сдвиги в уровне владения каждым из трех навыков после тренинга.
Итоговый тест по дисциплине
1. Определите измерение, которое относится к шкале наименований:
a) рост учеников в классе;
b) оценки знаний материала студентами во время экзамена;
c) числа, кодирующие темпераменты;
16
d) время решения задачи.
2. Были получены следующие оценки за контрольную работу по математике (для 10
учащихся): 5; 5; 4; 4; 4; 4; 3; 3; 3; 2. Определите ранговый порядок учеников.
a) 1; 2; 3; 4; 5; 6; 7; 8; 9; 10;
b) 1,5; 1,5; 4,5; 4,5; 4,5; 4,5; 8; 8; 8; 10;
c) 1,5; 1,5; 4,5; 4,5; 4,5; 4,5; 8; 8; 8; 9;
d) 1; 1; 2; 2; 2; 2; 3; 3; 3; 4.
3. Мерой рассеяния является:
a) Мода;
b) Медиана;
c) Среднее;
d) Дисперсия.
4. Какой метод предназначен для описания зависимости одной переменной от других
переменных в виде уравнения:
a) регрессионный анализ;
b) корреляционный анализ;
c) факторный анализ;
d) дисперсионный анализ.
5. Коэффициент корреляции является:
a) мерой центральной тенденции;
b) мерой изменчивости;
c) мерой рассеяния;
d) мерой связи.
6. Какое из перечисленных значений не может принимать коэффициент корреляции r:
a) –1;
b) 0;
c) 1,25;
d) 0,895.
7. Непараметрические критерии не включают в формулу расчета:
a) ранги;
b) средние;
c) частоты;
d) объем выборки.
17
8. Какой из перечисленных уровней статистической значимости принято считать низшим:
a) 0,1%-ый уровень;
b) 1%-ый уровень;
c) 2,5%-ный уровень;
d) 5%-ый уровень.
9. Нулевая гипотеза принимается, если:
a) Эмпирическое
значение
критерия
равно
критерия
больше
критическому
значению,
соответствующему р0,05;
b) Эмпирическое
значение
критического
значения,
соответствующего р0,05;
c) Эмпирическое значение критерия больше либо равно критическому значению,
соответствующему р0,05;
d) Эмпирическое
значение
критерия
меньше
критического
значения,
соответствующего р0,05.
10. Нулевая гипотеза имеет вид Н0: а = 2, выберите неверно сформулированную
альтернативную гипотезу:
a) Н1: а  1
b) Н1: а > 2
c) Н1: а < 2
d) Н1: а  2
11. Какой статистический критерий является параметрическим:
a) U – критерий Манна-Уитни;
b) t - критерий Стьюдента;
c) T – критерий Вилкоксона;
d) G – критерий знаков.
12. Какой критерий не предназначен для выявления различий в уровне исследуемого
признака между независимыми выборками:
a) Q – критерий Розенбаума;
b) U – критерий Манна–Уитни;
c) H – критерий Крускала–Уоллиса;
d) G – критерий знаков.
13. Ситуационный сдвиг – это:
18
a) Сопоставление показателей, полученных у одних и тех же испытуемых по одним
и тем же методикам, но в разное время;
b) Сопоставление показателей, полученных по одним и тем же методикам, но в
разных условиях измерения;
c) Сопоставление показателей, измеренных в обычных и воображаемых условиях;
d) Сопоставление разных показателей одних и тех же испытуемых.
14. Для оценки сдвига значений исследуемого признака применяются:
a) Критерии изменений;
b) Критерии различий;
c) Критерии согласия распределений;
d) Методы выявления степени согласованности изменений.
15. Дисперсионный анализ служит:
a) для выявления различий в распределении признака;
b) для изучения изменений признака под влиянием контролируемых факторов;
c) для выявления степени согласованности изменений;
d) для выявления сдвига значений исследуемого признака.
16. Факторы - это:
a) постоянные величины;
b) независимые переменные;
c) зависимые переменные;
d) результативные признаки.
17. На четырех разных выборках проверялась гипотеза о связи креативности и тревожности.
При расчете корреляций Пирсона были получены следующие результаты для каждой
выборки.
В
каком
случае
обнаружена
статистически
значимая
связь
между
креативностью и тревожностью:
a) r = 0,270; p = 0,11
b) r = 0,411; p = 0,04
c) r = 0,285; p = 0,08
d) r = 0,310; p = 0,09
18. Для какого критерия сформулирована гипотеза H0: эмпирическое распределение
предпочтений респондентов не отличается от равномерного:
a) 2 Пирсона
b) 2r критерий Фридмана
19
c) * критерий Фишера
d) Дисперсионный анализ Фишера
19. Примером зависимой выборки является:
a) Исследование тревожности у девушек и юношей
b) Измерение уровня тревожности до и после тренинга
c) Сравнение среднего балла отметок учащихся двух 6-х классов
d) Исследование показателей невербального интеллекта у студентов-физиков и
студентов-психологов
20. В основе измерений, разработки тестовых шкал, методов проверки гипотез лежит:
a) Равномерное распределение
b) Показательное распределение
c) Нормальный закон распределения
d) Распределение Пуассона
20