Помогите!!!!Срочно!!!Коэффициент Стьюдента!!!!!!!

[Выдра]

Поскажите, где я могу найти информацию о коэффициенте Стьюдента и как правильно им пользоватась, вычислять? Пишу диплом и осталась мат.обрботка!!!!!!!!!!!

[wildbrain]

У матетематиков, этот коэффициент относиться к теории вероятности, а не к психологии!

Нам ещё на первом курсе формулы писали...

[Aysel]

Гласс, Стэнли "Статистические методы в педагогике и психологии" - там должно быть и про Стьюдента.

Выдра, я удивлена немного....вы пишете диплом, стало быть, заканчиваете обучение.....значит, должны были учить мат.статистику, теорию вероятности....

[Aysel]

Ещё может быть у Анастази "Психологическое тестирование".....

[Doberman]

классно всё расписано, у профессора Блуменау Математическая статистика. У меня есть книга, но в живую

[Выдра]

Дело в том, что я не могу найти книг (город маленький). Есть у меня Сидоренко, но там про Стьюдента ничего нет. может кто - то знает ссылку в инете. ПОМОГИТЕ!!!!!!!!!!!!
"Выдра, я удивлена немного....вы пишете диплом, стало быть, заканчиваете обучение.....значит, должны были учить мат.статистику, теорию вероятности.... " - я заочно училась, когда была мат статистика - прогуливала лекции, а уже позже начала учиться.

[bolvanchik]

Выдра! Скачай это - .Ю. Ермолаев "Математическая статистика для психологов". 336 c.
отсюда -
http://vch.narod.ru/matstatpsy.part1.rar
http://vch.narod.ru/matstatpsy.part2.rar
http://vch.narod.ru/matstatpsy.part3.rar
Книга в формате DJVU

Сам ридер для этого формата можно скачать отсюда - http://opendjvu.webhost.ru/djvureader.zip (1,7 мб)

[olbiz]

Прочитайте предложенные ниже материалы, может поможет.

Предисловие к t-критерию Стьюдента
Возможны две гипотезы:

1) нулевая гипотеза (Н0), согласно которой разница между распределениями недостоверна; предполагается, что различие недостаточно значительно, и поэтому распределения относятся к одной и той же популяции, а независимая переменная не оказывает никакого влияния;

2) альтернативная гипотеза (Hx), какой является рабочая гипотеза нашего исследования. В соответствии с этой гипотезой различия между обоими распределениями достаточно значимы и обусловлены влиянием независимой переменной.

Основной принцип метода проверки гипотез состоит в том, что выдвигается нулевая гипотеза Н0, с тем чтобы попытаться опровергнуть ее и тем самым подтвердить альтернативную гипотезу H1. Действительно, если результаты статистического теста, используемого для анализа разницы между средними, окажутся таковы, что позволят отбросить Н0, это будет означать, что верна Н1 т.е. выдвинутая рабочая гипотеза подтверждается.

В гуманитарных науках принято считать, что нулевую гипотезу можно отвергнуть в пользу альтернативной гипотезы, если по результатам статистического теста вероятность случайного возникновения найденного различия не превышает 5 из 100. Если же этот уровень достоверности не достигается, считают, что разница вполне может быть случайной и поэтому нельзя отбросить нулевую гипотезу.

Для того чтобы судить о том, какова вероятность ошибиться, принимая или отвергая нулевую гипотезу, применяют статистические методы, соответствующие особенностям выборки.

Так, для количественных данных при распределениях, близких к нормальным, используют параметрические методы, основанные на таких показателях, как средняя и стандартное отклонение. В частности, для определения достоверности разницы средних для двух выборок применяют метод Стьюдента, а для того чтобы судить о различиях между тремя или большим числом выборок, — тест F, или дисперсионный анализ.

Если же мы имеем дело с неколичественными данными или выборки слишком малы для уверенности в том, что популяции, из которых они взяты, подчиняются нормальному распределению, тогда используют непараметрические методы — критерий χ2 (хи-квадрат) для качественных данных и критерии знаков, рангов, Манна-Уитни, Вилкоксона и др. для порядковых данных.

Кроме того, выбор статистического метода зависит от того, являются ли те выборки, средние которых сравниваются, независимыми (т. е., например, взятыми из двух разных групп испытуемых) или зависимыми (т. е. отражающими результаты одной и той же группы испытуемых до и после воздействия или после двух различных воздействий).

Уровни достоверности (значимости)

Тот или иной вывод с некоторой вероятностью может оказаться ошибочным, причем эта вероятность тем меньше, чем больше имеется данных для обоснования этого вывода. Таким образом, чем больше получено результатов, тем в большей степени по различиям между двумя выборками можно судить о том, что действительно имеет место в той популяции, из которой взяты эти выборки.

Однако обычно используемые выборки относительно невелики, и в этих случаях вероятность ошибки может быть значительной. В гуманитарных науках принято считать, что разница между двумя выборками отражает действительную разницу между соответствующими популяциями лишь в том случае, если вероятность ошибки для этого утверждения не превышает 5%, т.е. имеется лишь 5 шансов из 100 ошибиться, выдвигая такое утверждение. Это так называемый уровень достоверности (уровень надежности, доверительный уровень) различия. Если этот уровень не превышен, то можно считать вероятным, что выявленная нами разница действительно отражает положение дел в популяции (отсюда еще одно название этого критерия — порог вероятности).

Для каждого статистического метода этот уровень можно узнать из таблиц распределения критических значений соответствующих критериев (t, χ2 и т.д.); в этих таблицах приведены цифры для уровней 5% (0,05), 1% (0,01) или еще более высоких. Если значение критерия для данного числа степеней свободы (см. Приложение оказывается ниже критического уровня, соответствующего порогу вероятности 5%, то нулевая гипотеза не может считаться опровергнутой, и это означает, что выявленная разница недостоверна.

Метод Стьюдента (t-тест)

Это параметрический метод, используемый для проверки гипотез о достоверности разницы средних при анализе количественных данных о популяциях с нормальным распределением и с одинаковой вариансой. К сожалению, метод Стьюдента слишком часто используют для малых выборок, не убедившись предварительно в том, что данные в соответствующих популяциях подчиняются закону нормального распределения (например, результаты выполнения слишком легкого задания, с которым справились все испытуемые, или же, наоборот, слишком трудного задания не дают нормального распределения).

Метод Стьюдента различен для независимых и зависимых выборок. Независимые выборки получаются при исследовании двух различных групп испытуемых (в нашем эксперименте это контрольная и опытная группы). В случае независимых выборок для анализа разницы средних применяют формулу

где М1 — средняя первой выборки; М2 — средняя второй выборки; s1 — стандартное отклонение для первой выборки; s2 — стандартное отклонение для второй выборки; nl и n2 — число элементов в первой и второй выборках.

Теперь осталось лишь найти в таблице значений t (см. Приложение) величину, соответствующую n-2 степеням свободы, где n — общее число испытуемых в обеих выборках, и сравнить эту величину с результатом расчета по формуле.

Если наш результат больше, чем значение для уровня достоверности 0,05 (вероятность 5%), найденное в таблице, то можно отбросить нулевую гипотезу (Н0) и принять альтернативную гипотезу (Н1) т.е. считать разницу средних достоверной.

Если же, напротив, полученный при вычислении результат меньше, чем табличный (для n-2 степеней свободы), то нулевую гипотезу нельзя отбросить и, следовательно, разница средних недостоверна
Степени свободы

Для того чтобы свести к минимуму ошибки, в таблицах критических значений статистических критериев в общем количестве данных не учитывают те, которые можно вывести методом дедукции. Оставшиеся данные составляют так называемое число степеней свободы, т. е. то число данных из выборки, значения которых могут быть случайными.

Так, если сумма трех данных равна 8, то первые два из них могут принимать любые значения, но если они определены, то третье значение становится автоматически известным. Если, например, значение первого данного равно 3, а второго -1, то третье может быть равным только 4. Таким образом, в такой выборке имеются только две степени свободы. В общем случае для выборки в n данных существует п-1 степень свободы.

Если у нас имеются две независимые выборки, то число степеней свободы для первой из них составляет n1-1, а для второй — n2-1. А поскольку при определении достоверности разницы между ними опираются на анализ каждой выборки, число степеней свободы, по которому нужно будет находить критерий t в таблице, будет составлять (n1+n2)-2.

Если же речь идет о двух зависимых выборках, то в основе расчета лежит вычисление суммы разностей, полученных для каждой пары результатов (т.е., например, разностей между результатами до и после воздействия на одного и того же испытуемого). Поскольку одну (любую) из этих разностей можно вычислить, зная остальные разности и их сумму, число степеней свободы для определения критерия t будет равно n-1.
Таблица 1. Значения критерия t Стьюдента
 0,05
1 6,31
2 2,92
3 2,35
4 2,13
5 2,02
6 1,94
7 1,90
8 1,86
9 1,83
10 1,81
11 1,80
12 1,78
13 1,77
14 1,76
15 1,75
16 1,75
17 1,74
18 1,73
19 1,73
20 1,73
21 1,72
22 1,72
23 1,71
24 1,71
25 1,71
26 1,71
27 1,70
28 1,70
29 1,70
30 1,70
40 1,68
 1,65













t-критерий для независимых выборок
Электронный учебник StatSoft (c) Copyright StatSoft, Inc., 1984-2001
STATISTICA является торговой маркой StatSoft, Inc.

Цель, предположения. t-критерий является наиболее часто используемым методом обнаружения различия между средними двух выборок. Например, t-критерий можно использовать для сравнения средних показателей группы пациентов, принимавших определенное лекарство, с контрольной группой, где принималось безвредное лекарство. Теоретически, t-критерий может применяться, даже если размеры выборок очень небольшие (например, 10; некоторые исследователи утверждают, что можно исследовать выборки меньшего размера), и если переменные нормально распределены (внутри групп), а дисперсии наблюдений в группах не слишком различны. Предположение о нормальности можно проверить, исследуя распределение (например, визуально с помощью гистограммы) или применяя какой-либо критерий нормальности. Равенство дисперсий в двух группах можно проверить с помощью F критерия или использовать более устойчивый критерий Левена. Если условия применимости t-критерия не выполнены, следует использовать непараметрические альтернативы t-критерия (Непараметрическая статистика и подгонка распределения).
p-уровень значимости t-критерия равен вероятности ошибочно отвергнуть гипотезу о равенстве средних двух выборок, когда в действительности эта гипотеза имеет место. Иными словами, он равен вероятности ошибки принять гипотезу о неравенстве средних, когда в действительности средние равны. Некоторые исследователи предлагают, в случае, когда рассматриваются отличия только в одном направлении (например, рассматривается альтернатива: среднее в первой группе больше (меньше), чем среднее во второй), использовать одностороннее t-распределение и делить р-уровень двустороннего t-критерия пополам. Другие предлагают всегда работать со стандартным двусторонним t-критерием.
См. также, t распределение Стьюдента.
Расположение данных. Чтобы применить t-критерий для независимых выборок, требуется, по крайней мере, одна независимая (группирующая) переменная (например, Пол: мужчина/женщина) и одна зависимая переменная (например, тестовое значение некоторого показателя, кровяное давление, число лейкоцитов и т.д.).



















Пример 1.4. Определить достоверность взаимосвязи между показателями веса и количеством подтягиваний на перекладине у 11 исследуемых с помощью расчета нормированного коэффициента корреляции, если данные выборок таковы:

xi, кг ~ 51; 50; 48; 51; 46; 47; 49; 60; 51; 52; 56.
yi, кол-раз ~ 13; 15; 13; 16; 12; 14; 12; 10; 18; 10; 12.

Решение

1. Расчет нормированного коэффициента корреляции Пирсона произвести по формуле (1):
(1)

2. Данные тестирования занести в рабочую таблицу и сделать необходимые расчеты.
xi

yi



51 0 0 13 0 0 0
50 -1 1 15 2 4 -2
48 -3 9 13 0 0 0
51 0 0 16 3 9 0
46 -5 25 12 -1 1 5
47 -4 16 14 1 1 -4
49 -2 4 12 -1 1 2
60 9 81 10 -3 9 -27
51 0 0 18 5 25 0
52 1 1 10 -3 9 -3
56 5 25 12 -1 1 -5
= 51
= 162 = 13
= 60 = - 34

Тогда


3. Рассчитать число степеней свободы по формуле (2):
К = n –2 (2)

K = 11 – 2 = 9
4. Сравнить расчетное значение нормированного коэффициента корреляции (rф = -0,34) с табличным значением для К = 9
при  = 5% (табл.1 приложения) и сделать вывод.

Вывод:
1) т.к. rф = -0,34 < 0, то между данными выборок наблюдается прямая отрицательная взаимосвязь, т.е. с увеличение показателей веса у исследуемых снижается их результат в количестве подтягиваний на перекладине;
2) т.к. rф = -0,34 < rst = 0,60 для K = 10 при  = 5%, то с уверенностью  = 95% можно говорить о том, что выявленная зависимость недостоверна.

[olbiz]

Прочитайте предложенные ниже материалы, может поможет.

Предисловие к t-критерию Стьюдента
Возможны две гипотезы:

1) нулевая гипотеза (Н0), согласно которой разница между распределениями недостоверна; предполагается, что различие недостаточно значительно, и поэтому распределения относятся к одной и той же популяции, а независимая переменная не оказывает никакого влияния;

2) альтернативная гипотеза (Hx), какой является рабочая гипотеза нашего исследования. В соответствии с этой гипотезой различия между обоими распределениями достаточно значимы и обусловлены влиянием независимой переменной.

Основной принцип метода проверки гипотез состоит в том, что выдвигается нулевая гипотеза Н0, с тем чтобы попытаться опровергнуть ее и тем самым подтвердить альтернативную гипотезу H1. Действительно, если результаты статистического теста, используемого для анализа разницы между средними, окажутся таковы, что позволят отбросить Н0, это будет означать, что верна Н1 т.е. выдвинутая рабочая гипотеза подтверждается.

В гуманитарных науках принято считать, что нулевую гипотезу можно отвергнуть в пользу альтернативной гипотезы, если по результатам статистического теста вероятность случайного возникновения найденного различия не превышает 5 из 100. Если же этот уровень достоверности не достигается, считают, что разница вполне может быть случайной и поэтому нельзя отбросить нулевую гипотезу.

Для того чтобы судить о том, какова вероятность ошибиться, принимая или отвергая нулевую гипотезу, применяют статистические методы, соответствующие особенностям выборки.

Так, для количественных данных при распределениях, близких к нормальным, используют параметрические методы, основанные на таких показателях, как средняя и стандартное отклонение. В частности, для определения достоверности разницы средних для двух выборок применяют метод Стьюдента, а для того чтобы судить о различиях между тремя или большим числом выборок, — тест F, или дисперсионный анализ.

Если же мы имеем дело с неколичественными данными или выборки слишком малы для уверенности в том, что популяции, из которых они взяты, подчиняются нормальному распределению, тогда используют непараметрические методы — критерий χ2 (хи-квадрат) для качественных данных и критерии знаков, рангов, Манна-Уитни, Вилкоксона и др. для порядковых данных.

Кроме того, выбор статистического метода зависит от того, являются ли те выборки, средние которых сравниваются, независимыми (т. е., например, взятыми из двух разных групп испытуемых) или зависимыми (т. е. отражающими результаты одной и той же группы испытуемых до и после воздействия или после двух различных воздействий).

Уровни достоверности (значимости)

Тот или иной вывод с некоторой вероятностью может оказаться ошибочным, причем эта вероятность тем меньше, чем больше имеется данных для обоснования этого вывода. Таким образом, чем больше получено результатов, тем в большей степени по различиям между двумя выборками можно судить о том, что действительно имеет место в той популяции, из которой взяты эти выборки.

Однако обычно используемые выборки относительно невелики, и в этих случаях вероятность ошибки может быть значительной. В гуманитарных науках принято считать, что разница между двумя выборками отражает действительную разницу между соответствующими популяциями лишь в том случае, если вероятность ошибки для этого утверждения не превышает 5%, т.е. имеется лишь 5 шансов из 100 ошибиться, выдвигая такое утверждение. Это так называемый уровень достоверности (уровень надежности, доверительный уровень) различия. Если этот уровень не превышен, то можно считать вероятным, что выявленная нами разница действительно отражает положение дел в популяции (отсюда еще одно название этого критерия — порог вероятности).

Для каждого статистического метода этот уровень можно узнать из таблиц распределения критических значений соответствующих критериев (t, χ2 и т.д.); в этих таблицах приведены цифры для уровней 5% (0,05), 1% (0,01) или еще более высоких. Если значение критерия для данного числа степеней свободы (см. Приложение оказывается ниже критического уровня, соответствующего порогу вероятности 5%, то нулевая гипотеза не может считаться опровергнутой, и это означает, что выявленная разница недостоверна.

Метод Стьюдента (t-тест)

Это параметрический метод, используемый для проверки гипотез о достоверности разницы средних при анализе количественных данных о популяциях с нормальным распределением и с одинаковой вариансой. К сожалению, метод Стьюдента слишком часто используют для малых выборок, не убедившись предварительно в том, что данные в соответствующих популяциях подчиняются закону нормального распределения (например, результаты выполнения слишком легкого задания, с которым справились все испытуемые, или же, наоборот, слишком трудного задания не дают нормального распределения).

Метод Стьюдента различен для независимых и зависимых выборок. Независимые выборки получаются при исследовании двух различных групп испытуемых (в нашем эксперименте это контрольная и опытная группы). В случае независимых выборок для анализа разницы средних применяют формулу

где М1 — средняя первой выборки; М2 — средняя второй выборки; s1 — стандартное отклонение для первой выборки; s2 — стандартное отклонение для второй выборки; nl и n2 — число элементов в первой и второй выборках.

Теперь осталось лишь найти в таблице значений t (см. Приложение) величину, соответствующую n-2 степеням свободы, где n — общее число испытуемых в обеих выборках, и сравнить эту величину с результатом расчета по формуле.

Если наш результат больше, чем значение для уровня достоверности 0,05 (вероятность 5%), найденное в таблице, то можно отбросить нулевую гипотезу (Н0) и принять альтернативную гипотезу (Н1) т.е. считать разницу средних достоверной.

Если же, напротив, полученный при вычислении результат меньше, чем табличный (для n-2 степеней свободы), то нулевую гипотезу нельзя отбросить и, следовательно, разница средних недостоверна
Степени свободы

Для того чтобы свести к минимуму ошибки, в таблицах критических значений статистических критериев в общем количестве данных не учитывают те, которые можно вывести методом дедукции. Оставшиеся данные составляют так называемое число степеней свободы, т. е. то число данных из выборки, значения которых могут быть случайными.

Так, если сумма трех данных равна 8, то первые два из них могут принимать любые значения, но если они определены, то третье значение становится автоматически известным. Если, например, значение первого данного равно 3, а второго -1, то третье может быть равным только 4. Таким образом, в такой выборке имеются только две степени свободы. В общем случае для выборки в n данных существует п-1 степень свободы.

Если у нас имеются две независимые выборки, то число степеней свободы для первой из них составляет n1-1, а для второй — n2-1. А поскольку при определении достоверности разницы между ними опираются на анализ каждой выборки, число степеней свободы, по которому нужно будет находить критерий t в таблице, будет составлять (n1+n2)-2.

Если же речь идет о двух зависимых выборках, то в основе расчета лежит вычисление суммы разностей, полученных для каждой пары результатов (т.е., например, разностей между результатами до и после воздействия на одного и того же испытуемого). Поскольку одну (любую) из этих разностей можно вычислить, зная остальные разности и их сумму, число степеней свободы для определения критерия t будет равно n-1.
Таблица 1. Значения критерия t Стьюдента
 0,05
1 6,31
2 2,92
3 2,35
4 2,13
5 2,02
6 1,94
7 1,90
8 1,86
9 1,83
10 1,81
11 1,80
12 1,78
13 1,77
14 1,76
15 1,75
16 1,75
17 1,74
18 1,73
19 1,73
20 1,73
21 1,72
22 1,72
23 1,71
24 1,71
25 1,71
26 1,71
27 1,70
28 1,70
29 1,70
30 1,70
40 1,68
 1,65













t-критерий для независимых выборок
Электронный учебник StatSoft (c) Copyright StatSoft, Inc., 1984-2001
STATISTICA является торговой маркой StatSoft, Inc.

Цель, предположения. t-критерий является наиболее часто используемым методом обнаружения различия между средними двух выборок. Например, t-критерий можно использовать для сравнения средних показателей группы пациентов, принимавших определенное лекарство, с контрольной группой, где принималось безвредное лекарство. Теоретически, t-критерий может применяться, даже если размеры выборок очень небольшие (например, 10; некоторые исследователи утверждают, что можно исследовать выборки меньшего размера), и если переменные нормально распределены (внутри групп), а дисперсии наблюдений в группах не слишком различны. Предположение о нормальности можно проверить, исследуя распределение (например, визуально с помощью гистограммы) или применяя какой-либо критерий нормальности. Равенство дисперсий в двух группах можно проверить с помощью F критерия или использовать более устойчивый критерий Левена. Если условия применимости t-критерия не выполнены, следует использовать непараметрические альтернативы t-критерия (Непараметрическая статистика и подгонка распределения).
p-уровень значимости t-критерия равен вероятности ошибочно отвергнуть гипотезу о равенстве средних двух выборок, когда в действительности эта гипотеза имеет место. Иными словами, он равен вероятности ошибки принять гипотезу о неравенстве средних, когда в действительности средние равны. Некоторые исследователи предлагают, в случае, когда рассматриваются отличия только в одном направлении (например, рассматривается альтернатива: среднее в первой группе больше (меньше), чем среднее во второй), использовать одностороннее t-распределение и делить р-уровень двустороннего t-критерия пополам. Другие предлагают всегда работать со стандартным двусторонним t-критерием.
См. также, t распределение Стьюдента.
Расположение данных. Чтобы применить t-критерий для независимых выборок, требуется, по крайней мере, одна независимая (группирующая) переменная (например, Пол: мужчина/женщина) и одна зависимая переменная (например, тестовое значение некоторого показателя, кровяное давление, число лейкоцитов и т.д.).



















Пример 1.4. Определить достоверность взаимосвязи между показателями веса и количеством подтягиваний на перекладине у 11 исследуемых с помощью расчета нормированного коэффициента корреляции, если данные выборок таковы:

xi, кг ~ 51; 50; 48; 51; 46; 47; 49; 60; 51; 52; 56.
yi, кол-раз ~ 13; 15; 13; 16; 12; 14; 12; 10; 18; 10; 12.

Решение

1. Расчет нормированного коэффициента корреляции Пирсона произвести по формуле (1):
(1)

2. Данные тестирования занести в рабочую таблицу и сделать необходимые расчеты.
xi

yi



51 0 0 13 0 0 0
50 -1 1 15 2 4 -2
48 -3 9 13 0 0 0
51 0 0 16 3 9 0
46 -5 25 12 -1 1 5
47 -4 16 14 1 1 -4
49 -2 4 12 -1 1 2
60 9 81 10 -3 9 -27
51 0 0 18 5 25 0
52 1 1 10 -3 9 -3
56 5 25 12 -1 1 -5
= 51
= 162 = 13
= 60 = - 34

Тогда


3. Рассчитать число степеней свободы по формуле (2):
К = n –2 (2)

K = 11 – 2 = 9
4. Сравнить расчетное значение нормированного коэффициента корреляции (rф = -0,34) с табличным значением для К = 9
при  = 5% (табл.1 приложения) и сделать вывод.

Вывод:
1) т.к. rф = -0,34 < 0, то между данными выборок наблюдается прямая отрицательная взаимосвязь, т.е. с увеличение показателей веса у исследуемых снижается их результат в количестве подтягиваний на перекладине;
2) т.к. rф = -0,34 < rst = 0,60 для K = 10 при  = 5%, то с уверенностью  = 95% можно говорить о том, что выявленная зависимость недостоверна.

[Выдра]

bolvanchik, olbiz: спасибо большое!!!!!!! очень помогли!!!!!!!!!!сейчас буду разбираться!!!!

[kviki1313]

Подскажите пожалуйста!
высчитывать умею, а в таблице ориентироваться не могу(((
у меня было 2 выборки по 20 человек, я все посчитала результат получился 10,24, что он означает по таблице Стьюдента????ПОДСКАЖИТЕ КТО-НИБУДЬ!!

[PsyLab]

[Cherry-lipsss]

Скажите пожалуйста, нигде не могу найти материал по этому поводу, может ли t критерий быть отрицательным?

[PsyLab]

[Cherry-lipsss]

Спасибо большое ))

[sauanton]

Помогите пожалуйста, все понел как вычисляется но не могу понять что подстовлять в формулудля подсчета : S -стандартное отклонение для первой первой и второй выборки!!![quote]

[sauanton]

точнее выборочные дисперсии.....

[Алена 19871]

помогите не знаю как сделать статический анализ по критерию Стьюдента при гипотезе:Ощущение одиночества с возрастом становиться более ярко выраженным
с данными
в исследовании принимали участие две группы,первая 18-20 лет, 16 человек, среднее значение уровня одиночества 28,2(посчитала все значения и поделила на 16),вторая группа 30-37 лет, тоже 16 человек, среднее значение ощущения одиночества 49,4,как посчитать не знаю, кто может помогите

[Алена 19871]

помогите не знаю как сделать статический анализ по критерию Стьюдента при гипотезе:Ощущение одиночества с возрастом становиться более ярко выраженным
с данными
в исследовании принимали участие две группы,первая 18-20 лет, 16 человек, среднее значение уровня одиночества 28,2(посчитала все значения и поделила на 16),вторая группа 30-37 лет, тоже 16 человек, среднее значение ощущения одиночества 49,4,как посчитать не знаю, кто может помогите

[blam25 Indus]

мне показалось или это математика?!

[Ольга66]

Хм.. интересно.)
Это элементарно)
Математический подсчет.

[bodipl77]

Ничего сложнецкого))
Простая арифметика)

[okrityuk]

ой, задумался я)) тема такая, непростая
А автор ответа не знает?)

[winTR]

Классно всё расписано, у профессора Блуменау Математическая статистика. У меня есть книга, но в живую объяснить сложнее)
в общем - удачи!)

[okrityx]

Тут знаете как, пока не попробуешь - не узнаешь!))
Открою Вам секрет - я как то обучалась в школе буддистов, и нам преподавали предмет вечного бытия. Так вот главное в нашей жизни - не принимать проблемы!) Просто не замечать их! И тогда всё будет великолепно не смотря ни на что.