Referencia táblázatok
Ez a rész a leggyakrabban előforduló statisztikai táblázatokat tartalmazza, amelyek segítenek a problémák megoldásában.
1. A diák t-tesztének kritikus értékei.
1. Adjuk meg a df értéket a df = N1 + N2 - 2 képlet segítségével, ahol N1 az első minta térfogata, N2 a második minta térfogata.
2. A vonal metszéspontjánál a számított df-vel és a szignifikancia szinttel a kritikus értéket találjuk.
3. Összehasonlítjuk a kapott t-teszt értékét anélkül, hogy figyelembe vesszük a kritikus értékkel rendelkező jelet. Ha a kapott kritikusabb, akkor a különbségek jelentősek a szignifikancia szinten.
A táblázat letölthető itt.
2. A Fisher F-teszt kritikus értékei
1. Számítsd ki a df értéket a = m (a magyarázó változók száma)
2. Számítsa ki a df értéket a = n (a minta készletének térfogatában) - m-1.
3. A kívánt táblázatban a df és a df metszéspontban találjuk a kritikus értéket.
4. Ha a számított érték nagyobb, mint a kritikus érték, a faktor hatása megbízható.
A táblázat letölthető itt.
3. Az r-Pearson korrelációs együtthatók kritikus értékei
Ezt az algoritmust leggyakrabban használják.
1. Számítsa ki a korrelációs együtthatót.
2. Válassza ki a kívánt hiba szintet. A pszichológia egy mintát több mint 30 ember. Hagyományosan p≤0,05 (két farkú) használatos.
3. Számítsd ki a df (szabadsági fokok) értékét az N-2 képlet szerint, ahol N a minta mérete.
4. Amikor a vonalat a számított df-vel és a kiválasztott p-vel kombináljuk, keressük meg a kritikus korrelációs együtthatót.
5. Ha a számított együttható nagyobb, mint a kritikus, akkor arra a következtetésre jutunk, hogy a kapott érték megbízható p≤0,05 értékkel.
Utasítás a hiba valószínűség (p) megtalálásához a számított együtthatóval kapcsolatban.
1. Döntse el, melyik tesztet fogja használni - egyoldalas vagy kétoldalas.
Egypéldányos, ha van egy a priori hipotézise a korreláció irányáról. Két farkú, ha nincs hipotézise a korreláció irányáról. Leggyakrabban a korreláció jelentőségét érdekeljük, anélkül, hogy figyelembe vesszük a megjelölést, így a táblázatban kétrétegűek.
2. Számítsd ki a df (szabadsági fokok) értékét az N-2 képlet szerint, ahol N a minta mérete.
3. Keresse meg a táblázatban a megfelelő vagy legközelebbi df vonalat.
4. A talált vonalon keresse meg a korrelációs együttható értékét, amely nagyobb vagy egyenlő a számított értékkel. Tehát határozza meg a kívánt oszlopot.
5. Az oszlop fejlécének értéke (0.1, 0.05, 0.02, 0.01, 0.001) a hiba valószínűsége.
4. A Spearman rangkorrelációs együttható kritikus értékei.
Az n (mintaméret) és a szignifikanciaszintű oszlop metszéspontjában megtaláljuk a kritikus értéket. Ha a kiszámított érték nagyobb, mint a kritikus érték, döntünk a jelentőségéről a p≤value szint szintjén.
A táblázat letölthető itt.
5. A χ2 kritikus értékei
1a. A df számítása. Ha az együtthatót egy empirikus eloszlás összehasonlítására használjuk az elméleti értékkel, akkor df = C-1, ahol C a változatok vagy csoportok száma.
1b. A df számítása. Ha az összehasonlított két vagy több empirikus eloszlás, df = (R-1) * (C-1), ahol R - a sorok számát a frekvencia táblázatban, C - az oszlopok száma.
2. A számított df metszéspontján és a szignifikancia szintjén találjuk a kritikus értéket. Ha a kapott empirikus érték nagyobb, mint a kritikus érték, akkor arra a következtetésre jutunk, hogy az eloszlások jelentősen eltérnek egymástól.
A táblázat letölthető itt.
6. A Mann-Whitney U kritérium kritikus értékei.
A legnagyobb minta és a legkisebb minta metszéspontjában lévő szám a Mann-Whitney-tényező kritikus értéke.