Описательная статистика

Описательная статистика позволяет обобщать первичные результа­ты, полученные при наблюдении или в эксперименте. Процедуры здесь сводятся к группировке данных по их значениям, построению распреде­ления их частот, выявлению центральных тенденций распределения (например, средней арифметической) и, наконец, к оценке разброса данных по отношению к найденной центральной тенденции.

Группировка данных

Для группировки необходимо прежде всего расположить данные каждой выборки в возрастающем порядке. Так, в нашем эксперименте для переменной «число пораженных мишеней» данные будут распола­гаться следующим образом:

Контрольная группа

Фон:

После воздействия:

10 12 13 14 14 15 15 15 17 17 17 18 19 19 22 8 11 12 13 15 15 15 15 16 17 18 19 20 21 25

Опытная группа (дополнить цифрами) Фон:............

После воздействия:

Статистика и обработка данных

Распределение частот (числа пораженных мишеней)

Уже при первом взгляде не полученые ряды можно заметить, что многие данные принимают одни и те же значения, причем одни значения встречаются чаще, а другие-реже. Поэтому было бы интересно вначале гра4>ически представить распределение различных значений с учетом их частот. При этом получают следующие столбиковые диаграммы:

Контрольная группа

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

После воздействия

(дополнить столбиками)

Опытная группа

Ю 1'1 12 13 14 15 16 17 18 19 20 21 22 23 Фон

"6?89 10 1'1 12 13 14 15 16 17 18 19 20 21 После воздействия

(дополнить столбиками)

Такое распределение данных по их значениям дает нам уже гораздо больше, чем представление в виде рядов. Однако подобную группировку используют, в основном лишь для качественных данных, четко разде­ляющихся на обособленные категории (см. дополнение Б.1).

Что касается количественных данных, то они всегда располагаются на непрерывной шкале и, как правило, весьма многочисленны. Поэтому такие данные предпочитают группировать по классам, чтобы яснее видна была основная тенденция распределения.

Такая группировка состоит в основном в том, что объединяют данные с одинаковыми или близкими значениями в классы и определяют частоту для каждого класса. Способ разбиения на классы зависит от того, что именно экспериментатор хочет выявить при разделении изме­рительной шкалы на равные интервалы. Например, в нашем случае можно сгруппировать данные по классам с интервалами в две или три единицы шкалы:

Контрольная группа

Фон

(с интервалами в 2 ед.)

Фон

(с интервалами в 3 ед.)

После воздействия

(с интервалами в 2 ед.)

После воздействия

(с интервалами в 3 ед)

(заполнить таким же образом)

Выбор того или иного типа группировки зависит от различных соображений. Так, в нашем случае группировка с интервалами между классами в две единицы хорошо выявляет распределение результатов вокруг центрального «пика». В то же время группировка с интервалами в три единицы обладает тем преимуществом, что дает более обобщен­ную и упрощенную картину распределения, особенно если учесть, что число элементов в каждом классе невелико¹. Именно поэтому в дальней­шем мы будем оперировать классами в три единицы.

Опытная группа

После воздействия

(с интервалами в 3 ед.)

Данные, разбитые на классы по непрерывной шкале, нельзя предста­вить графически так, как это сделано выше. Поэтому предпочитают

¹ При большом количестве данных число классов по возможности должно быть где-то в пределах от 10 до 20, с интервалами до 10 и более.

использовать так называемые гистограммы- способ графического представления в виде примыкающих друг к другу прямоугольников:

Частоты

Наконец, для еще более наглядного представления общей конфигу­рации распределения можно строить полигоны распределения частот. Для этого отрезками прямых соединяют центры верхних сторон всех прямоугольников гистограммы, а затем с обеих сторон «замыкают» площадь под кривой, доводя концы полигонов до горизонтальной оси (частота = 0) в точках, соответствующих самым крайним значениям распределения. При этом получают следующую картину:

Если сравнить полигоны, например, для фоновых (исходных) значе­ний контрольной группы и значений после воздействия для опытной группы, то можно будет увидеть, что в первом случае полигон почти симметричен (т. е. если сложить полигон вдвое по вертикали, проходя­щей через его середину, то обе половины належатся Друг на друга), тогда как для экспериментальной группы он асимметричен и смещен влево (так что справа у него как бы вытянутый шлейф).

Полигон для фоновых данных контрольной группы сравнительно близок к идеальной кривой, которая могла бы получиться для бесконеч­но большой популяции. Такая кривая-кривая нормального распределе­ния-имеет колоколообразную форму и строго симметрична. Если же количество данных ограничено (как в выборках, используемых для научных исследований), то в лучшем случае получают лишь некоторое приближение (аппроксимацию) к кривой нормального распределения.

Приюжение Б

Если вы построите полигон для фоновых значений опытной группы и значений после воздействия для контрольной группы, то вы наверняка заметите, что так же будет обстоять дело и в этих случаях.