Статистические методы

На сайте рассмотрены далеко не все статистические методы обработки данных, а лишь те из них, которые наиболее часто используются на практике. Как известно, каждый из методов статистики служит своим целям и предназначен для обработки вполне определенного рода данных. Большинство из рассмотренных критериев используются для того, чтобы дать ответ на вопрос: существуют ли достоверные различия между двумя группами данных.

Учитывая, что данные могут быть измерены с помощью различных шкал измерений, то каждый из критериев оказывается наиболее подходящим к вполне определенной шкале измерений. В частности:

  1. для шкалы равноинтервальных оценок (физические величины, подчиняющиеся закону нормального распределения) адекватны F-критерий, t-критерий Стьюдента, а также критерий Колмогорова-Смирнова;
  2. для шкалы порядковых оценок (условные балльные оценки, не подчиняющиеся закону нормального распределения) уместен критерий хи-квадрат;
  3. для шкалы равных отношений (условные единицы, подчиняющиеся функции возрастания) приемлем критерий Вилкоксона;
  4. для шкалы номинальных оценок (качественных характеристик) наиболее подходит критерий Чеснокова и кластерный анализ.

Существуют также критерии, имеющие специфическое назначение: тау-критерий направлен на выявление значений (артефактов), слишком отличающихся от основной массы данных; критерий знаков позволяет оценивать наличие какой-то тенденции в изменении результатов, полученных в разные моменты времени.

Метод корреляции по Пирсону позволяет определить степень синхронности в изменении двух групп данных, регрессионное уравнение дает возможность строить прогнозы величины одной переменной по величине другой переменной, если они связаны корреляционной связью и подчиняются закону нормального распределения. Факторный анализ исследует интеркорреляционные связи между множеством переменных с целью выявления тех переменных, которые наиболее взаимозависимы, что может указывать на их общую природу происхождения или на их отношение к какому-то единому фундаментальному процессу (фактору).

Метод кластерного анализа тоже исследует близость объектов только другим образом: он анализирует признаки сходства объектов, которые проявляются при их группировании.

Наконец, есть статистические методы, которые применяются для нормирования данных. Для выработки статистических норм, которые делят весь континуум данных на зоны высоких, средних и низких значений, наиболее пригоден метод расчета критических перцентилей и построения перцентильной кривой. А для выработки критериальных норм, которые выделяют зоны положительного, отрицательного и неопределенного прогноза, например, при профотборе специалистов, наиболее адекватна процедура последовательного анализа Вальда и расчет прогностических коэффициентов.

Вы можете оставить комментарий, или ссылку на Ваш сайт.

Оставить комментарий

Вы должны быть авторизованы, чтобы разместить комментарий.