Гипотезы, переменные, валидность, данные

вы придумываете некоторые объяснения того, что вы хотите понять. Эти

объяснения в статистике называются теорией.
Теория позволяет вам сделать некоторые предположения о зависимостях между вашими наблюдениями. Такие предположения называются гипотезами.
Чтобы проверить гипотезы, вам нужны данные. Вы их собираете.
После того, как вы их собрали, вы их анализируете.
Анализ данных либо подтверждает теорию, либо ее уточняет.

объяснения наблюдаемого явления.
Условия валидности (условия для установления причинно-следственной зависимости

от явления А к явлению В):
Во-первых, А должно предшествовать по времени В; это хронологическая валидность.
Во-вторых, должна существовать статистическая зависимость между А и В; т.е. должно быть установлено, что А сопутствует В. Это – валидность статистического вывода.
В третьих, не должно быть альтернатив причине появления В помимо А. Это условие называется внутренней валидностью.
Существует и конструктная валидность, которая связана с верным выбором теории.
Наконец, в-пятых, существует внешняя валидность – возможность обобщения результатов для различных периодов времени, условий и групп.

измерить переменные.
Переменные меняются (варьируются) между людьми (IQ, рост, вес), от

условий (работающие или безработные), во времени (настроение, доход, количество детей).
Большинство гипотез может быть выражено в терминах двух переменных: причина и следствие.
Те переменные о которых мы думаем, что они причина, называются независимыми.
Те переменные, которые мы воспринимаем как следствие – называются зависимыми.

называют категориальными.
Категориальные переменные бывают:
Биноминальными
Номинальными
Порядковыми
Непрерывные переменные бывают:
Метрические
Интервальные

переменной посчитать, сколько раз встречается каждое ее значение и построить

график.
Такие расчеты называются частотным распределением, а график – гистограммой.
В идеальном мире наше распределение должно быть нормальным.
Потому что все случайные переменные распределены нормально.

найти его центр, который называют центральной тенденцией.
Есть три основных измерения

центральной тенденции: среднее, мода и медиана.

увидеть на графике.
Ее легко вычислить: надо посчитать сколько раз встречается

то или иное значение переменной и выбрать то, которое встречается чаще.

– это значение, которое делит нашу выборку пополам, т.е половина

выборки имеет значение этого параметра ниже, чем медиана, а вторая половина выборки – выше, чем медиана.
Пример: количество друзей в Facebook: 108, 103, 252, 121, 93, 57, 40, 53, 22, 116, 98
Для того, чтобы посчитать медиану, надо расположить значения в порядке возрастания: 22, 40, 53, 57, 93, 98, 103, 108, 116, 121, 252
Затем найдем элемент выборки, который находится посередине: n=11, (n+1)/2=6
Значение 6-го элемента равно 98.
Медиана=98.
У номинальных переменных медианы нет!!! Они не числовые!!!!

чтобы его вычислить надо сложить все значения нашего распределения и

поделить на размер выборки:
Σ(xi) = 22 + 40 + 53 + 57 + 93 + 98 + 103 + 108 + 116 + 121 + 252
= 1063
X̅=Σ(xi)/n=1063/11=96.64

самых маленьких значений, и посчитать среднее для оставшихся величин.
Такой

показатель называется усредненное среднее.

маленькой величиной.
Если мы уберем 25% самых больших значений и самых

маленьких значений, то получим межквартильный размах.

отклонения от среднего, то получится 0, так как отклонения бывают

в разную сторону.
Поэтому отклонения от среднего надо возвести в квадрат, а потом уже сложить.
Полученную сумму надо разделить на общее количество наблюдений.
х2=(xi–x)2/N
 (корень из х2 )- стандартное отклонение

случаев находятся в пределах трех стандартных отклонений от среднего значения.

В пределах двух стандартных отклонения находится 96% всех случаев.
95% всех случаев будут находиться в пределах 1,96 стандартных отклонений от средней.