Kiszámításakor a Kolmogorov-Smirnov teszttel (Kolmogorov-Smirnov teszttel) 2. rész, a statisztikai feldolgozás
A kész eredményt kap egy táblázatot, amely az alábbiakban látható. Ez tükrözi a legfontosabb mérföldköveit és Kolmogorov teszt - Smirnov. A fő index, azaz a tényleges érték a kritérium egy táblázatot a vonal «A legtöbb extrém különbség Abszolút» (abszolút maximális eltérése a kísérleti görbe a normál eloszlási görbét). Ebben a példában, ez volt a D = 0,175.
Egymintás Kolmogorov-Smirnov teszt
a. Test eloszlás normális. b. Számított adatok.
Annak érdekében, hogy helyesen értelmezze a kapott érték kritériuma. össze kell hasonlítani ezt az értéket a kritikus értéket beállítani e kritériumnak. A kritikus érték venni egy külön táblázatban, amely megtalálható a tankönyvekben statisztika.
Röviden azt mondhatjuk, hogy válassza ki a kritikus szükségességét, hogy a vonal, amely megfelel az embereknek a száma a kísérleti mintában mínusz 1 (ez az érték megegyezik a szabadsági foka a minta). Majd a „ellenőrzése egyetlen minta” szakaszban, hogy az oszlopot, ahol azt mondja D0,05. akkor az értéke a kereszteződésekben a kiválasztott sor - ez lesz a kritikus vizsgálat, amelyet érdemes összehasonlítani a kapott értéket SPSS.
Például, a tagok száma a mintában (N) volt, 36, amint az a fenti táblázatban. Következésképpen a szabadsági foka a minta: 36-1 = 35, akkor a string kell megválasztani, ami jelzi, hogy hány 35 Következő, nézd, ami megfelel a kritikus érték kritériuma D0,05. azt találták, hogy 0.230. Ha összehasonlítjuk a kísérleti érték kritérium (0,175) a kritikus értéket (0,230), azt látjuk, hogy az ne haladja meg az utóbbit, amelyből a következtetést nincs jelentős különbség a kísérleti adatok és az elosztó a normális eloszlás. Ha a kísérleti érték egyenlő vagy nagyobb, mint a kritikus értéket, akkor a következtetés más lett volna: a meglévő szignifikánsan eltér a normális eloszlás.
Van egy másik nagyon népszerű módja, hogy értékelje a jelentőségét különbség a disztribúció vagy egyes csoportok az adatok - vonatkozik olyan dolog, hogy „szintű jelentőségét”. Ez a mutató egy rendkívül fontos tényező az összes statisztikai módszerekkel, így azt a képességét, hogy értelmezze a legfontosabb, hogy megértsék a lényegét az elvégzett statisztikai adatok!
Ha magyarázni a lényegét „szignifikanciaszint” jelző röviden azt mondhatjuk, hogy ez azt mutatja, hogy milyen mértékben lehet bízni a következtetést, hogy jelentős különbségek vannak, más szóval, hogy milyen rossz lehet bizonyítani ezt a következtetést. Ha a pontatlanság a kimenet csak 5%, ami azt jelenti, hogy csak 5% -a az adatok nem támasztják alá azt a feltételezést, hogy jelentős különbség, míg a fennmaradó 95% -a az adatok kedveznek jelenléte között jelentős különbségek disztribúció vagy adatcsoportok. Ebben a forgatókönyvben az adatok alapján lehet elfogadni azt a feltételezést, hogy létezik a különbségeket, és felismerni a hitelesség, azaz megbízható.
A szignifikancia szintet (megbízhatósági) hipotézis általában jelöli a könyvek statisztikák szerint a „p” betű (rövidítése a „valószínűség” - „valószínű” hiba van a kimeneti, azaz a kölcsönös a fokú megbízhatóságát a kimenet).
De a statisztikai szignifikancia szintjét csomagok általában jelöljük három betű „SIG” (rövidítése a „Jelentés” - „relevancia”, azaz a „tömeg”, a felmondás érvényességét). Az érték a szignifikancia szint általában nem százalékban kifejezve, és egy töredéke a teljes (egy): például, öt százaléka pontatlanság kibocsátás szintje nevezzük sig = 0,05, amely megfelel a p = 0,05.
Még jobb, ha a szint megegyezik pontatlanságot sig = 0,01, ami azt jelzi, hogy 1% -a az adatok nincsenek összhangban a feltételezést, hogy a jelenléte jelentős különbségek, a 99% -os adatok megerősítik ezt a feltételezést, ezért a termelés a különbség lesz nagyon pontosak és megbízhatóak azt mondják, hogy igen jelentős.
Azokban az esetekben, amikor számított SPSS szignifikancia szinten (Sig) p> 0,05, akkor lehetetlen következtetni a létezését jelentős különbségek az összehasonlított eloszlások vagy adatcsoportok.
A döntési szabály az építőiparban a kimenet a különbség megbízhatóság a következőképpen fejezhető ki:
A fenti példában, az érték Sig, jelzett az alsó sorban az asztal, volt szinten 0,22, ami meghaladja a értéke 0,05 (p> 0,05), ezért szükséges, hogy következtethet hiányában a jelentős különbségek a kísérletileg kapott, és a normális eloszlás adatelosztást. Más szóval, a kapott eloszlás elegendően közel normális eloszlást.
Amint látható, a következtetésre jutott szempontjából szignifikancia szintje egybeesik a következtetést összehasonlításán alapuló nagyságának a kritérium (számított SPSS és a kritikus értéket a táblázatban).
Helyességének ellenőrzésére a megállapítások szerint ez lehetséges egy előfordulási gyakorisága a kísérleti adat az adatbázisban. Ehhez menj vissza az adatbázis tábla (az SPSS fület a tálcán), és válassza a «Grafikon». Ezután válassza ki a «kör Builder» tétel, amely egy ablak, ahol meg kell adnia a jellemzői a cselekmény.
Kiválasztása funkciók ábrázolja a frekvencia az adatok eloszlása
A rovatában «Válasszon a» ki kell választani a vonal a szó «Hisztogram». Ezután nem lesz kis képek (minta) hisztogram. Kiválasztásához, például az első minta-rajz és nyomja meg kétszer. Az építkezés egy egyszerű gyakorisági eloszlását a jobboldali mezőben az ablakban «statisztika» kiválasztott «Frequency Percent». Kiválasztása után az adott sorban kurzor feltétlenül gomb megnyomása «Apply» alsó része ezen a területen, amely előidézi ez a jellemző, a függőleges tengelyen a grafikonon ablakban kondicionált. Csak most, akkor kattintson az „OK” az igazi nyomtatás.
Megnyitja «Output» ablak ábrázolási (ha nincs nyitva, akkor nevezzük át SPSS fülön a tálcán).
A görbe a gyakorisági eloszlását az adatok (előfordulási gyakorisága a kifejezett eredményeket egyszerűen százalékban)
A grafikon azt mutatja, hogy a leggyakoribb (a 25-20%) vannak átlagértékeket értékeinek megfelelő az eredmények tartományban 3-6 egység. A szélső értékek, mint például a 1-2 vagy 7-10 találhatók egy frekvencia 7-5%. Ennek megfelelően ebben az eloszlás gyakorisága átlagos legnagyobb értékek egyértelműen uralja a előfordulási gyakorisága szélső értékek (alacsony és magas). Ez azt jelzi, hogy az eloszlás a természetben elég közel normális, ami az ábrán látható.
A görbe a normál eloszlása előfordulási gyakorisága adatok (vizsgálati eredmények) egy mintában alanyok
Így a több, jól tudta ellenőrizni a következtetésre jutott, hogy az így kapott eloszlás a kísérletben szignifikáns különbség a normális eloszlás, hanem éppen ellenkezőleg, egészen közel hozzá a természet. Distribution eltér a normális, az más kérdés.
Görbe nem a normális eloszlás gyakorisági adatok
Jelentősen eltér a normális eloszlás az adatok eloszlása, ahol a végeredmény sokkal gyakoribb, mint az átlagos értékek, az ábrán látható módon.
Ha az átlagos értékek a „hiba”, és így két „púp” a széleit, egy ilyen konfiguráció a görbe azt jelezheti, hogy a minta nem homogén összetételét, azaz, két alcsoportra ember együtt, amelyek jelentősen eltérnek a vizsgált tulajdonság, ami a megjelenése két csúcs az adatok eloszlása.