Анализ качественных признаков это

Сравнение качественных признаков (выраженных в частотах) в 2-х независимых группах с помощью точного метода Фишера

Анализ качественных признаков

В предыдущих лабораторных работах мы производили анализ количественных признаков. Примером таких признаков служат артериальное давление, количество дней госпитализации, время послеродовой активности и т. д. Единицей их измерения могут быть миллиметры ртутного столба, часы или дни. Над значениями количественных признаков можно производить арифметические действия. Можно, например, сказать, что артериальное давление снизилось на какое-то количество единиц. Кроме того, их можно упорядочить: расположить в порядке возрастания или убывания.

Однако очень многие признаки невозможно измерить числом. Например, можно быть либо мужчиной, либо женщиной, либо, больным либо здоровым. Это качественные признаки. Эти признаки не связаны между собой никакими арифметическими соотношениями, упорядочить их также нельзя. Единственный способ описания качественных признаков состоит в том, чтобы подсчитать число объектов, имеющих одно и то же значение. Кроме того, можно подсчитать, какая доля от общего числа объектов приходится на то или иное значение.

Сравнение частот при наличии таблиц сопряженности 2х2 в двух несвязанных выборках с помощью критерия хи-квадрат

Условия и ограничения применения критерия хи-квадрат Пирсона

2) Данный метод позволяет проводить анализ не только четырехпольных таблиц, когда и фактор, и исход являются бинарными переменными, то есть имеют только два возможных значения (например, мужской или женский пол, наличие или отсутствие определенного заболевания в анамнезе. ). Критерий хи-квадрат Пирсона может применяться и в случае анализа многопольных таблиц, когда фактор и (или) исход принимают три и более значений.

4) При анализе четырехпольных таблиц ожидаемые значения в каждой из ячеек должны быть не менее 10. В том случае, если хотя бы в одной ячейке ожидаемое явление принимает значение от 5 до 9, критерий хи-квадрат должен рассчитываться с поправкой Йейтса. Если хотя бы в одной ячейке ожидаемое явление меньше 5, то для анализа должен использоваться точный критерий Фишера.

5) В случае анализа многопольных таблиц ожидаемое число наблюдений не должно принимать значения менее 5 более чем в 20% ячеек.

Пример

Гемодиализ позволяет сохранить жизнь людям, страдающим хронической почечной недостаточностью. При гемодиализе кровь больного пропускают через искусственную почку — аппарат, удаляющий из крови продукты обмена веществ. Искусственная почка подсоединяется к артерии и вене больного: кровь из артерии поступает в аппарат и оттуда, уже очищенная — в вену. Так как гемодиализ проводится регулярно, больному устанавливают артериовенозный шунт. В артерию и вену на предплечье вводят тефлоновые трубки; их концы выводят наружу и соединяют друг с другом. При очередной процедуре гемодиализа трубки разъединяют между собой и присоединяют к аппарату. После диализа трубки вновь соединяют, и кровь течет по шунту из артерии в вену. Завихрения тока крови в местах соединения трубок и сосудов приводят к тому, что шунт часто тромбируется. Тромбы приходится регулярно удалять, а в тяжелых случаях даже менять шунт. Руководствуясь тем, что аспирин препятствует образованию тромбов, Г. Хартер и соавт. решили проверить, нельзя ли снизить риск тромбоза назначением небольших доз аспирина (160 мг/сут). Было проведено контролируемое испытание. Все больные, согласившиеся на участие в испытании и не имевшие противопоказании к аспирину, были случайным образом разделены на две группы: 1-я получала плацебо, 2-я — аспирин. Ни врач, дававший больному препарат, ни больной не знали, был это аспирин или плацебо. Такой способ проведения испытания (он называется двойным слепым) исключает «подсуживание» со стороны врача или больного и, хотя технически сложен, дает наиболее надежные результаты. Исследование проводилось до тех пор, пока общее число больных с тромбозом шунта не достигло 25. Группы практически не различались по возрасту, полу и продолжительности лечения гемодиализом.

В 1-ой группе тромбох шунта произошел у 18 из 25 больнных, во 2-ой – у 6 из 19 (табл). Можно ли говорить о статистически значимом различии доли больных с тромбозом, а тем самым об эффективности аспирина? Таблица результатов исследования представлена в следующем виде:

Влияние аспирина на тромбоз: таблица сопряженности

Показатели Плацебо Аспирин
Тромбоз есть 18 6
Тромбоза нет 7 13

Нулевая гипотеза:аспирин не влияет на возникновение тромбоза шунта.

Уровень значимостипринимается 0,05.

Запустите программу «Statistica», создайте новый документ. В меню выберите Анализ — Непараметрическая статистика/Statistics-Nonparametric>— Таблицы 2х2/ 2×2 Tables(X/V/Phi, McNemar, Fisherexact) >OK.

В появившемся окне введите значения из полученной таблицы сопряженности. При этом левый столбец соответствует левому столбику таблицы (Плацебо), а правый соответствует правому (Аспирин). Аналогичная ситуация и со строками.

Нажмите Summary.Появится таблица с результатами статистической обработки.

Так, из таблицы видно, что у больных, принимавших аспирин, тромбозы наблюдались в 13,6% случаев против 40,9% больных, принимавших плацебо. Однако необходимо оценить статистическую значимость полученного различия с помощью правильно подобранного критерия.

Читайте также:  Признаком представителя власти является его полномочие

Так как в данном случае анализ проводился таблицы сопряженности 2х2, то необходимо учитывать поправку Йейтса. Исходя из полученных значений критерия хи-квадрат(5,58)и вероятности p(0,0182), следует заключить, что видимые различия в клетках таблицы сопряженности значимы. Поэтому нулевая гипотеза отвергается. Аспирин действительно положительно влияет на снижение вероятности возникновения тромбоза шунта.

Сравнение качественных признаков (выраженных в частотах) в 2-х независимых группах с помощью точного метода Фишера

Дата добавления: 2018-02-28 ; просмотров: 799 ; Мы поможем в написании вашей работы!

Источник

Методы статистики. Количественные и качественные признаки

Количественные и качественные признаки

Графическое представление данных.

Статистические таблицы

Стадии статистического исследования.

Методы статистики. Статистическое исследование и статистическое наблюдение

Количественные и качественные признаки.

План лекции

Лекция № 2.

Предметом статистики является количественная сторона процессов и явлений в неразрывной связи с их качественной стороной, количественное выражение закономерностей процесса в конкретных условиях места и времени.

Объектом исследования статистики является статистическая совокупность.

Признак – это свойство, характерная черта единицы статистической совокупности, которое может быть определено или измерено.

Все признаки, по своей сути и по способу выражения, делятся на качественные и количественные.

Качественный признак – это признак, отдельные варианты которого выражаются в виде понятий или наименований.

Качественный признак может быть представлен в виде альтернативного или формального признака.

Формальный признак – признак, по сути относимый к качественному, но представленный числом (например, успеваемость студентов можно представить формальным признаком 2, 3, 4, 5).

Количественный признак – это признак, отдельные варианты которого различаются по величине, т.е. варьируют.

Вариация – колеблемость, многообразие величины признака у отдельных единиц совокупности.

Признак единиц изучаемой совокупности относится к числу основных категорий статистики, которые составляют ее язык.

Отдельные единицы имеют одинаковые значения признаков. Количество единиц совокупности, имеющих одинаковое значение признака, называют частотой признака.

Любое статистическое исследование, как и сам язык статистики, требует своих приемов и правил.

Метод статистики можно определить как совокупность приемов, применяемых для познания предмета исследования и основанных на общенаучных и логических категориях.

Методы статистики включают общенаучные методы и специфические.

К общенаучным методам, применяемым статистикой и обогащающим ее специфические приемы, относятся сравнения, анализ и синтез, методы индукции и дедукции, аналогия, гипотеза.

Статистика опирается в своих исследованиях и на законы диалектической и формальной логики. Использует законы объективной взаимосвязи и взаимообусловленности явлений окружающего мира, перехода количественных изменений в качественные, единства и борьбы противоположностей, соотнесения их как общее и единичное и т.п.

Общенаучные и логические законы мышления и познания объективного мира служат основой для разработки специфических приемов и методов, совокупность которых и составляет метод статистики.

Специфическими методами и приемами статистики выступают:

Статистический показатель представляет собой обобщенную количественную характеристику общественных явлений и процессов в их качественной определенности в условиях конкретного места и времени. Каждый показатель имеет качественную и количественную стороны.

Качественная сторона отражает модель расчета показателя, его общее содержание безотносительно к конкретному размеру. Количественная сторона характеризует конкретный размер показателя, его величину.

Количественная определенность изучаемых статистикой явлений и процессов находит свое выражение в абсолютных и относительных размерах (величинах).

Абсолютная величина явления представляет собой его размер безотносительно к размерам других явлений.

Абсолютная величина выражает естественную основу явления, его свойство, поэтому имеет единицу измерения. В зависимости от единиц измерения абсолютные величины принято делить на три типа:

Относительные величины представляют собой соотношения, сравнения двух величин.

При проведении статистического исследования принято выделять следующие последовательные стадии:

1. стадия – статистическое наблюдение. Цель этой стадии- сбор достоверной и полной информации об изучаемой совокупности.

2. стадия – сводка и группировка. Основная цель состоит в систематизации данных, собранных в процессе статистического наблюдения.

3. стадия – анализ и обработка статистических данных.

4. стадия – обобщение, оформление и представление информации.

Источник

АНАЛИЗ КАЧЕСТВЕННЫХ ПРИЗНАКОВ НА ОСНОВЕ ЛОГЛИНЕЙНОЙ МОДЕЛИ

Весьма распространенной проблемой в медицинских исследованиях является анализ качественных номинальных признаков, которые, как правило, представляются в виде кодов (например, цвет кожных покровов: розоватый 1, желтый 2, пунцовый 3 и т.д.). Интерес представляет частота встречаемости признаков в различных группах, а также сила и направление влияния одних признаков на другие. Нами уже были рассмотрены таблицы сопряженности 2×2, которые используются для анализа совместного распределения двух признаков, имеющих по две градации. Задачу можно сформулировать другими словами – оценка взаимного влияния двух двухуровневых факторов. Однако, встречаются более сложные случаи – многомерные таблицы сопряженности, например, нужно выяснить зависит ли срок госпитализации от возраста пациента и тяжести его состояния при поступлении в стационар (в каждую ячейку вводится число случаев ).

Таблица 75. Влияние двухуровневых факторов

сроки госпитализации
тяжесть состояния при поступлении возраст до 5 дней от 5 до 10 дней > 10 дней
легкая степень до 40 лет n111 n211
4060 лет n112 n212
> 60 лет n113 n213
средняя степень до 40 лет n121 n221
4060 лет n122 n222
> 60 лет n123 n223
Читайте также:  Диагностические признаки семейства розоцветные

В данном примере фактор А «срок госпитализации» имеет три уровня (i=1,2,3), фактор В«возраст» два уровня (j=1,2), и фактор С –«тяжесть состояния» три уровня (k=1,2,3).

Один из способов решения подобных задач – построение логлинейной модели вида:

+ + , (78)

где теоретические частоты наблюдений

λ логарифмы эффектов различных сочетаний факторов А, В, и С на различных уровнях (интерпретируется как вклад факторов и их сочетаний в частоту).

Переходя от логарифмов к натуральным значениям, получают теоретические (ожидаемые) частоты .

Рассмотрим пример реализации логлинейного анализа в ППП STATISTICA с последующей интерпретацией результатов. Задача состоит в оценке факторов риска развития артериальной гипертензии. Анализировалась частота встречаемости следующих признаков (факторов)

Таблица 76. Факторы риска

Имя переменной Расшифровка
АГ 1 – есть АГ, 2 – нет АГ
Курение не курит 1, курит 2
Потребление алкоголя не потребл. – 1, потребл. 2
Потребление соленой пищи не потребл. – 1, потребл. 2
Наследственный фактор АГ нет 1, есть 2

Исходные данные представляются в виде матрицы n×m, где n количество обследованных, mчисло признаков. Фрагмент этой матрицы показан в таблице 77. Общий объем выборки составил 607 человек.

Таблица 77. Данные к примеру

Курение Потр.Алког. Потр. сол.пищи Наследств (АГ) АГ

Если какието ячейки таблицы сопряженности окажутся пустыми – не встречается данное сочетание факторов, то программа автоматически вставляет в эту ячейку величину 0,5, что никак не влияет на конечные результаты.

Анализ проводится в модуле Nonlinear Estimation, для запуска которого надо в меню Statistics выбрать команду Advanced Linear/Nonlinear Models (линейные/нелинейные модели). В открывшемся меню выбрать команду Nonlinear Estimation (нелинейная оценка), а затем опцию LogLinear analysis of Frequency Tables (логлинейный анализ) – «ОК».

В открывшемся окне необходимо указать форму задания исходных данных input file Raw Data, и выбрать переменные из списка, щелкнув кнопкой Variables: в нашем примере отмечаем все признаки (факторы). Нажмите ОК. В открывшемся окошке LogLinear model specification вы увидите, что фактор курения имеет код 1, потребление алкоголя 2, потребление соли 3, наследственный фактор 4, наличие гипертонии (АГ) – 5.

Нажмите на кнопку Tests of Marginal and Partial Association (проверка общих и частных взаимосвязей), появятся две таблицы. Первая из них «Results of Fitting all KFactor Interactions», показывает результаты проверки нулевой гипотезы о независимости числа случаев от факторов и их сочетания. Проверка осуществляется по критерию максимального правдоподобия и по критерию хиквадрат Пирсона (таблица 78).

Таблица 78. Результаты статобработки

Results of Fitting all KFactor Interactions These are simultaneous tests that all KFactor Interactions are simultaneously Zero.
Degrs.of Freedom (число ст.св.) Max.Lik.Chisqu.(критерий макс. правдоподобия) Probab.p (руровень) Pearson Chisqu (хиквадрат Пирсона) Probab.p (руровень)
KFactor
1 5 704,4 0,000 1548 0,000
2 10 206,2 0,000 237 0,000
3 10 6,7 0,754 6 0,798
4 5 4,3 0,511 4 0,527
5 1 0,9 0,342 1 0,344

При К=1 и 2 р 0.05) нулевая гипотеза принимается и модель считается адекватной.

Более содержательный разбор наблюдавшихся частот можно провести, рассматривая таблицы 2×2 для попарного сочетания уровней факторов. Для этого нажмите кнопку Observed table (наблюдаемые частоты) и в появившемся окошке выберем, например, АГ и наследственный фактор. Появится 8 таблиц, первая из них (таблица 82)

Таблица 82. Результаты статобработки

Obs. Freq. (+delta): АГ by Наследств (АГ) w/in vars: Курение:1 (нет) Потр.Алког.:1 (нет) Потр. сол.пищи:1 (нет)
Наследств фактор 1 (нет) Наследств фактор 2 (есть) Total
АГ
1 (есть) 32,5 45,5 78
2 (нет) 188,5 35,5 224
Total 221,0 81,0 302

Среди тех кто не курит, не пьет, не потребляет излишне соль гипертоники встречаются в 224/78=2,9 раза реже, чем здоровые. Причем среди гипертоников лиц с наследственным фактором в 45,5/35,5=1,3 больше, чем лиц без него.

Такой же анализ можно провести относительно других факторов и их сочетания.

Для задач прогнозирования используется опция Fitted table (ожидаемые частоты). Аналогично получаем таблицу 83

Таблица 83. Результаты статобработки

Fitted Freq.: Потр. сол.пищи by АГ w/in vars: (ЛогитАГ) Курение:1 Потр.Алког.:1 Наследств (АГ):1
Потр. сол.пищи 1 (нет) Потр. сол.пищи 2 (да) Total
АГ
1 (есть) 22,1 45,0 67,1
2 (нет) 38,8 9,7 48,5
Total 60,9 54,7 115,6

Если человек не курит, не потребляет алкоголь, не имеет наследственную отягощенность и не потребляет много соли, то вероятность АГ составляет 22,1/60,9*100%=36%, а его отсутствия 64%.

Источник

Анализ качественных признаков это

юМЮКХГ ЙЮВЕЯРБЕММШУ ОПХГМЮЙНБ

б ОПЕДШДСЫЕИ ЦКЮБЕ ЮЙЖЕМРХПНБЮКНЯЭ БМХЛЮМХЕ ХЯЙКЧВХРЕКЭМН МЮ ЮМЮКХГЕ ЙНКХВЕЯРБЕММШУ ОПХГМЮЙНБ, ЙНРНПШЕ ВЮЯРН ОНДВХМЪЧРЯЪ ГЮЙНМС МНПЛЮКЭМНЦН ПЮЯОПЕДЕКЕМХЪ. мЮПЪДС Я ЩРХЛ МЕПЕДЙХ ЯКСВЮХ, ЙНЦДЮ ПЮГКХВХЪ ЛЕФДС БЮПХЮМРЮЛХ ХГСВЮЕЛНИ ЯНБНЙСОМНЯРХ ЯБНДЪРЯЪ Й ЙЮВЕЯРБЕММШЛ ОПХГМЮЙЮЛ. рЮЙ, МЮОПХЛЕП, ОНОСКЪЖХЧ ПЮГДЕКЭМНОНКШУ НПЦЮМХГЛНБ ЛНФМН В╦РЙН ДХТТЕПЕМЖХПНБЮРЭ ОН ОНКНБНЛС ОПХГМЮЙС Х РЮЙНЕ ПЮГДЕКЕМХЕ АСДЕР БОНКМЕ ХМТНПЛЮРХБМШЛ, ОПХЦНДМШЛ ДКЪ ЯНОНЯРЮБКЕМХЪ. я ЮМЮКНЦХВМНИ ЯХРСЮЖХЕИ ОПХУНДХРЯЪ ЯРЮКЙХБЮРЭЯЪ ОПХ ЯПЮБМЕМХХ ОНОСКЪЖХИ ОН ЯННРМНЬЕМХЧ БШФХБЬХУ Х ОНЦХАЬХУ, ДНЛХМЮМРМНЦН Х ПЕЖЕЯЯХБМНЦН ТЕМНРХОЮ Х Р.О.

еЯРЕЯРБЕММНЕ ДЕКЕМХЕ ОНОСКЪЖХХ РНКЭЙН КХЬЭ МЮ ДБЕ ЦПСООШ ЪБКЪЧРЯЪ ВЮЯРМШЛ ЯКСВЮЕЛ АНКЕЕ НАЫЕЦН ЪБКЕМХЪ, ЙНЦДЮ Б ЮМЮКХГХПСЕЛНИ ЯНБНЙСОМНЯРХ ЛНФМН БШДЕКХРЭ МЕЯЙНКЭЙН ЦПСОО, НРКХВЮЧЫХУЯЪ ОН НДМНЛС ЙЮВЕЯРБЕММНЛС ОПХГМЮЙС. нАЫЕХГБЕЯРМШ, МЮОПХЛЕП, ЙЮРЕЦНПХХ ЖБЕРЮ ЦКЮГ Х БНКНЯ С КЧДЕИ. б ЯПЕДЕ НУНРМХЙНБ БШДЕКЪЧР ⌠ЙПЪФХ■, УЮПЮЙРЕПХГСЧЫХЕ ЯОЕЖХТХЙС НЙПЮЯЮ ОСЬМНЦН ГБЕПЪ. оПЕДЯРЮБХРЕКЕИ КЧАНИ ОНОСКЪЖХХ ЛНФМН ОНДПЮГДЕКХРЭ МЮ РЕ ХКХ ХМШЕ БНГПЮЯРМШЕ ЙЮРЕЦНПХХ. нДМЮЙН Х Б ЩРНЛ, АНКЕЕ НАЫЕЛ, ЯКСВЮЕ БЯ╦ ЛМНЦННАПЮГХЕ ЦПЮДЮЖХИ ЙЮВЕЯРБЕММНЦН ОПХГМЮЙЮ Б ЙНМЕВМНЛ ЯВ╦РЕ ЛНФМН ЯБЕЯРХ Й ДБСЛ ЦПСООЮЛ: ЙЮПХЕ ЦКЮГЮ Х МЕ ЙЮПХЕ, КХЯЮ-ВЕПМНАСПЙЮ Х МЕ ВЕПМНАСПЙЮ, ЦСЯЕМХЖЮ Х МЕ ЦСЯЕМХЖЮ Х Р.О.

Читайте также:  Негроидная раса внешние признаки

дКЪ ЯРЮРХЯРХВЕЯЙНЦН ЮМЮКХГЮ БШАНПЙХ ОПХ ЙЮВЕЯРБЕММНЛ БЮПЭХПНБЮМХХ МЕНАУНДХЛШ ЯКЕДСЧЫХЕ ХЯУНДМШЕ ОНЙЮГЮРЕКХ, ОНГБНКЪЧЫХЕ ЯНЯРЮБХРЭ ОПЕДЯРЮБКЕМХЕ Н ЦЕМЕПЮКЭМНИ ЯНБНЙСОМНЯРХ:

яНБЕПЬЕММН НВЕБХДМН, ВРН ЯРЕОЕМЭ МЮДЕФМНЯРХ БШАНПНВМНИ ДНКХ АСДЕР БНГПЮЯРЮРЭ ОН ЛЕПЕ СБЕКХВЕМХЪ ВХЯКЮ МЮАКЧДЕМХИ. оНЩРНЛС ДКЪ ЙНППЕЙРМНИ НЖЕМЙХ ОЮПЮЛЕРПНБ ЦЕМЕПЮКЭМНИ ЯНБНЙСОМНЯРХ НАЪГЮРЕКЭМН МЕНАУНДХЛН НОПЕДЕКЪРЭ ЯРЮРХЯРХВЕЯЙСЧ НЬХАЙС БШАНПНВМНИ ДНКХ mp, ЙНРНПЮЪ БШВХЯКЪЕРЯЪ ОН ТНПЛСКЕ:

. (4.1.)

. (4.2.)

тЮЙРХВЕЯЙЮЪ БЕКХВХМЮ t ГЮРЕЛ ЯНОНЯРЮБКЪЕРЯЪ Я ЙПХРХВЕЯЙХЛ (РЮАКХВМШЛ) ГМЮВЕМХЕЛ ОПХ ВХЯКЕ ЯРЕОЕМЕИ ЯБНАНДШ n = n1 + n2 √ 2. оПХ ЩРНЛ, ЕЯКХ БШАНПНВМШЕ ДНКХ ОПХГМЮЧРЯЪ ПЮГКХВМШЛХ, Ю ОНОСКЪЖХХ, НРЙСДЮ БГЪРШ ЯПЮБМХБЮЕЛШЕ БШАНПЙХ, ОПХМЮДКЕФЮЫХЛХ Й ПЮГМШЛ ЦЕМЕПЮКЭМШЛ ЯНБНЙСОМНЯРЪЛ.

. (4.3.)

пЮЯЯЛНРПХЛ ЯБЕДЕМХЪ б. ю. оЮЕБЯЙНЦН [1985] Н ЦХАЕКХ ЪХЖ Х ОРЕМЖНБ С ДБСУ, ПЮГКХВМШУ ОН ОКНРМНЯРХ ЦМЕГДНБЮМХЪ, БХДНБ ОРХЖ: ГЕК╦МНИ ОЕПЕЯЛЕЬЙХ Hippolais icternia Vieill. Х ГЪАКХЙЮ Fringilla coelebs L. МЮ НДМНЛ ХГ СВЮЯРЙНБ йСПЬЯЙНИ ЙНЯШ Б 1974-81 ЦЦ. (РЮАК. 5).

оПХВХМШ ЦХАЕКХ ЪХЖ Х ОРЕМЖНБ С ГЕК╦МНИ ОЕПЕЯЛЕЬЙХ Х ГЪАКХЙЮ

бХД оКНРМНЯРЭ ОНОСКЪЖХХ (ОЮП/ЙЛ 2 ) йНКХВЕЯРБН ЦМЕГД Я ХГБЕЯРМНИ ЯСДЭАНИ йНКХВЕЯРБН ПЮГНПЕММШУ УХЫМХЙЮЛХ ЦМЕГД йНКХВЕЯРБН НАЫХУ ОНРЕПЭ (ЪИЖЮ, ОРЕМЖШ) йНКХВЕЯРБН ЪХЖ Х ОРЕМЖНБ, СМХВРНФЕММШУ УХЫМХЙЮЛХ Hippolais icternia 26 170 45 227 179 Fringilla coelebs 218 1405 396 1688 976

яНОНЯРЮБХЛ ЯМЮВЮКЮ ДНКХ ПЮГНПЕММШУ УХЫМХЙЮЛХ ЦМЕГД. с ГЕК╦МНИ ОЕПЕЯЛЕЬЙХ p1 = 45/170 = 0.265 ЯН ЯРЮРХЯРХВЕЯЙНИ НЬХАЙНИ ╠ , С ГЪАКХЙЮ p2 = 396/1405 = 0.282 ╠ . рЮЙ ЙЮЙ Б НАНХУ ЯКСВЮЪУ p МЕ БШУНДХР ГЮ ОПЕДЕКШ РПЮМЯТНПЛЮЖХХ БШАНПНВМШУ ДНКЕИ МЕ РПЕАСЕРЯЪ. бЯРЮБКЪЕЛ ОНКСВЕММШЕ ГМЮВЕМХЪ Б ТНПЛСКС (4.2.):

.

бШВХЯКЕММЮЪ БЕКХВХМЮ t СЯРСОЮЕР РЮАКХВМШЛ ГМЮВЕМХЪЛ tst = 1.96 ( n > 120). яННРБЕРЯРБЕММН НРКХВХЕ Б ДНКЕ ПЮГНПЕММШУ УХЫМХЙЮЛХ ЦМЕГД С ЩРХУ БХДНБ МЕЯСЫЕЯРБЕММН, ВРН, ОН ЛМЕМХЧ б. ю. оЮЕБЯЙНЦН [1985], НАСЯКНБКЕМН НВЕМЭ ЯУНДМШЛ ПЮЯОНКНФЕМХЕЛ ЦМЕГД С НАНХУ БХДНБ.

бШВХЯКЕМХЕ ДНКЕИ (Х ХУ ЯРЮРХЯРХВЕЯЙХУ НЬХАНЙ) СМХВРНФЕММШУ УХЫМХЙЮЛХ ЪХЖ Х ОРЕМЖНБ НР НАЫЕЦН ЙНКХВЕЯРБЮ ОНРЕПЭ ДЮКН ЯКЕДСЧЫХЕ ПЕГСКЭРЮРШ: ГЕК╦МЮЪ ОЕПЕЯЛЕЬЙЮ p = 0.789 ╠ 0.272, ГЪАКХЙ p = 0.578 ╠ 0.012. мЮУНДХЛ ТЮЙРХВЕЯЙСЧ БЕКХВХМС t ОН РНЛС ФЕ ЮКЦНПХРЛС, ВРН Х Б ОПХБЕДЕММНЛ БШЬЕ ЯКСВЮЕ ( t = 7.07). мЮИДЕММЮЪ БЕКХВХМЮ ОПЕБНЯУНДХР ЙПХРХВЕЯЙНЕ ГМЮВЕМХЕ tst = 3.29 ( P = 0.999, n > 120), ЩРН НГМЮВЮЕР, ВРН ПЮГКХВХЪ ДНКЕИ ЛНФМН ЯВХРЮРЭ Б БШЯЬЕИ ЯРЕОЕМХ ДНЯРНБЕПМШЛХ.

нРЯЧДЮ ЯКЕДСЕР, ВРН ЩРХ ДБЮ БХДЮ ДЕЛНМЯРПХПСЧР ПЮГМШЕ ЯРПЮРЕЦХХ ПЮГЛМНФЕМХЪ: МЮ НДМНИ Х РНИ ФЕ РЕППХРНПХХ, Б НДМХУ Х РЕУ ФЕ СЯКНБХЪУ ПЮГЛМНФЕМХЕ НДМНЦН ХГ МХУ H. icternia √ АНКЕЕ СЯОЕЬМН, МЕЯЛНРПЪ МЮ РН, ВРН ДНКЪ ОНРЕПЭ НР ЦКЮБМНЦН ТЮЙРНПЮ ЦХАЕКХ ЦМЕГД С МЕЦН БШЬЕ [оЮЕБЯЙХИ, 1985].

оПНЖЕДСПС НЖЕМЙХ ПЮГМНЯРХ ДНКЕИ ЛЕРНДНЛ -ОПЕНАПЮГНБЮМХЪ ПЮЯЯЛНРПХЛ МЮ ЦХОНРЕРХВЕЯЙНЛ ОПХЛЕПЕ. оПЕДОНКНФХЛ, ВРН С ЯЮЛЙХ ю НР ЯЮЛЖЮ X ОПХОКНД ЯНЯРЮБХК 8 ДЕР╦МШЬЕИ, ХГ ЙНРНПШУ КХЬЭ 1 ЯЮЛЕЖ. с ЯЮЛЙХ б, НР РНЦН ФЕ ЯЮЛЖЮ X, ПНДХКНЯЭ 4 ДЕР╦МШЬЮ, ОПХВ╦Л 2 ХГ МХУ ЯЮЛЖШ. хЯУНДЪ ХГ ЩРНЦН ЛНФМН ОПЕДОНКНФХРЭ, ВРН ЯЮЛЙЮ ю ЛЕМЕЕ ⌠ОПЕДПЮЯОНКНФЕМЮ■ Й ПНФДЕМХЧ ЯЮЛЖНБ. бШЪЯМХЛ, ЪБКЪЧРЯЪ КХ РЮЙХЕ ПЮГКХВХЪ ЯРЮРХЯРХВЕЯЙХ ДНЯРНБЕПМШЛХ.

.

тЮЙРХВЕЯЙЮЪ БЕКХВХМЮ t = 0.69 ГЮЛЕРМН СЯРСОЮЕР ЯРЮМДЮПРМНЛС ГМЮВЕМХЧ ( tst = 2.23 Х АНКЕЕ, РЮЙ ЙЮЙ n = 10 ). щРН НГМЮВЮЕР, ВРН ХЛЕЧЫХУЯЪ ДЮММШУ ЪБМН МЕДНЯРЮРНВМН, ДКЪ РНЦН ВРНАШ ЯРЮРХЯРХВЕЯЙХ ДНЙЮГЮРЭ НРКХВХЪ ЯЮЛНЙ ОН ЯРЕОЕМХ ⌠ОПЕДПЮЯОНКНФЕММНЯРХ■ Й ПНФДЕМХЧ ЯЮЛЖНБ.

еЯКХ ЯНБНЙСОМНЯРЭ НАЗЕЙРНБ ХГСВЮЕРЯЪ ОН МЕЯЙНКЭЙХЛ ЙЮВЕЯРБЕММШЛ ОПХГМЮЙЮЛ, ГЮВЮЯРСЧ МЕНАУНДХЛН БШЪЯМХРЭ, Б ЙЮЙНИ ЛЕПЕ ЩРХ ОПХГМЮЙХ ЪБКЪЧРЯЪ МЕГЮБХЯХЛШЛХ ДПСЦ НР ДПСЦЮ. дКЪ ЩРНИ ЖЕКХ НАШВМН ХЯОНКЭГСЧР ЯОЕЖХЮКЭМШИ ЛЕРНД, ОНКСВХБЬХИ МЮГБЮМХЕ c 2 (УХ-ЙБЮДПЮР) ЙПХРЕПХИ. б ОЕПБНМЮВЮКЭМНЛ БХДЕ НМ АШК ПЮГПЮАНРЮМ Б 1900 ЦНДС оХПЯНМНЛ Х ОНГДМЕЕ ДНОНКМЪКЯЪ ЛМНЦХЛХ ЯОЕЖХЮКХЯРЮЛХ (аПЮМДРНЛ, яМЕДЕЙНПНЛ, тХЬЕПНЛ, ъЯРПЕЛЯЙХЛ Х ДП.).

нОПЕДЕКХЛ, ЪБКЪЧРЯЪ КХ ЙКЮЯЯХТХЙЮЖХХ ОНОСКЪЖХИ ОН ЦНПНДЮЛ Х НЙПЮЯНВМШЛ ЛНПТЮЛ МЕГЮБХЯХЛШЛХ ХКХ, ХМШЛХ ЯКНБЮЛХ, ЛНФМН КХ ЯВХРЮРЭ ОПНЮМЮКХГХПНБЮММШЕ ОНОСКЪЖХХ ЯХГШУ ЦНКСАЕИ НРМНЯЪЫХЛХЯЪ Й НДМНИ ЦЕМЕПЮКЭМНИ ЯНБНЙСОМНЯРХ. хЯУНДЪ ХГ НАЫЕИ КНЦХЙХ ПЮЯЯСФДЕМХЪ ЪЯМН, ВРН ЕЯКХ ОНОСКЪЖХХ, НАХРЮЧЫХЕ Б ПЮГКХВМШУ ЦНПНДЮУ, ОПХМЮДКЕФЮР ЕДХМНИ ЯНБНЙСОМНЯРХ, РН ДНКХ НЙПЮЯНВМШУ ЛНПТ Б ЙЮФДНИ ХГ МХУ ДНКФМШ АШРЭ НРМНЯХРЕКЭМН ОНЯРНЪММШЛХ. нРЯЧДЮ, ВЕЛ АНКЭЬЕ НРЙКНМЕМХЕ МЮАКЧДЮЕЛНИ ВЮЯРНРШ НР РЮЙНЦН ПЮБМНЛЕПМНЦН (⌠НФХДЮЕЛНЦН■) ПЮЯОПЕДЕКЕМХЪ ВЮЯРНР, РЕЛ АНКЭЬЕ БЕПНЪРМНЯРЭ РНЦН, ВРН ПЮЯЯЛЮРПХБЮЕЛШЕ ОНОСКЪЖХХ НРКХВЮЧРЯЪ.

мЮ ОЕПБНЛ ЩРЮОЕ ЮМЮКХГЮ МЕНАУНДХЛН БШВХЯКХРЭ ⌠НФХДЮЕЛШЕ■ ВЮЯРНРШ, ЙНРНПШЕ МЮУНДЪРЯЪ ДЕКЕМХЕЛ ОПНХГБЕДЕМХЪ ДБСУ ЯННРБЕРЯРБСЧЫХУ ЩРНИ ЙКЕРЙХ ЯСЛЛ, ГЮОХЯЮММШУ ОН ЙПЮЪЛ РЮАКХЖШ, МЮ ЯСЛЛС БЯЕУ МЮАКЧДЮЕЛШУ ВЮЯРНР. мЮОПХЛЕП, НФХДЮЕЛНЕ ВХЯКН МЕРХОХВМШУ ОН НЙПЮЯЙЕ ЦНКСАЕИ Б Ц. цНПМН-юКРЮИЯЙЕ ПЮБМН , ВРН ГЮЛЕРМН АНКЭЬЕ ТЮЙРХВЕЯЙНЦН ХУ ВХЯКЮ.

яННРМНЬЕМХЕ НЙПЮЯНВМШУ ЛНПТ ЯХГНЦН ЦНКСАЪ Б МЕЙНРНПШУ ЦНПНДЮУ яХАХПХ

Источник

Adblock
detector