නිර්ණායක φ*—ෆිෂර් කෝණික පරිවර්තනය. එක්සෙල් හි ෆිෂර් ක්රියාකාරිත්වය සහ එහි වැඩ සඳහා උදාහරණ
ධීවර නිර්ණායකය
සාමාන්ය නීතියකට අනුව බෙදා හරින ලද ජනගහන දෙකක විචලනයන් සමාන වේ යන උපකල්පනය පරීක්ෂා කිරීම සඳහා ෆිෂර් නිර්ණායකය භාවිතා කරයි. එය පරාමිතික නිර්ණායකයකි.
ෆිෂර් එෆ් පරීක්ෂණය විචල්‍යතා අනුපාතය ලෙස හඳුන්වනු ලබන්නේ එය සංසන්දනය වන විචල්‍යයන් පිළිබඳ අපක්ෂපාතී ඇස්තමේන්තු දෙකක අනුපාතයක් ලෙස සෑදී ඇති බැවිනි.
නිරීක්ෂණවල ප්රතිඵලයක් ලෙස සාම්පල දෙකක් ලබා ගනිමු. ඔවුන්ගෙන් විචලනයන් සහ 
තිබීම 
සහ 
නිදහසේ උපාධි. පළමු නියැදිය විචලනය සහිත ජනගහනයකින් ලබා ගත් බව අපි උපකල්පනය කරමු 
, සහ දෙවැන්න විචලනය සහිත සාමාන්ය ජනගහනයෙන් 
. විචල්‍ය දෙකෙහි සමානාත්මතාවය පිළිබඳව ශුන්‍ය උපකල්පනයක් ඉදිරිපත් කෙරේ, i.e. H0: 
හෝ . මෙම උපකල්පනය ප්රතික්ෂේප කිරීම සඳහා, දී ඇති වැදගත්කමේ මට්ටමකින් වෙනසෙහි වැදගත්කම ඔප්පු කිරීම අවශ්ය වේ. 
.
නිර්ණායක අගය සූත්රය භාවිතයෙන් ගණනය කෙරේ:
පැහැදිලිවම, විචල්‍යයන් සමාන නම්, නිර්ණායකයේ අගය එකකට සමාන වේ. වෙනත් අවස්ථාවල දී එය එකකට වඩා වැඩි (අඩු) වනු ඇත.
පරීක්ෂණයට ෆිෂර් බෙදාහැරීමක් ඇත 
. ෆිෂර්ගේ පරීක්ෂණය - ද්වි-වලිග පරීක්ෂණය, සහ ශුන්‍ය උපකල්පනය 
විකල්පයක් සඳහා ප්රතික්ෂේප කරන ලදී 
නම් . මෙන්න කොහෙද 
- පිළිවෙලින් පළමු සහ දෙවන සාම්පල පරිමාව.
STATISTICA පද්ධතිය ඒකපාර්ශ්වික ෆිෂර් පරීක්ෂණයක් ක්‍රියාත්මක කරයි, i.e. උපරිම විචලනය සෑම විටම ගුණාත්මක ලෙස ගනු ලැබේ. මෙම අවස්ථාවෙහිදී, ශුන්‍ය කල්පිතය විකල්පයට පක්ෂව ප්රතික්ෂේප වේ if.
උදාහරණයක්
සිසුන් කණ්ඩායම් දෙකකට ඉගැන්වීමේ ඵලදායීතාවය සංසන්දනය කිරීමට කාර්යය සකස් කරමු. ජයග්‍රහණ මට්ටම ඉගෙනීමේ ක්‍රියාවලියේ කළමනාකරණ මට්ටම සංලක්ෂිත වන අතර විසරණය යනු ඉගෙනුම් කළමනාකරණයේ ගුණාත්මකභාවය, ඉගෙනුම් ක්‍රියාවලිය සංවිධානය කිරීමේ උපාධියයි. දර්ශක දෙකම ස්වාධීන සහ සාමාන්ය නඩුවඑකට සලකා බැලිය යුතුය. එක් එක් ශිෂ්‍ය කණ්ඩායමේ අධ්‍යයන කාර්ය සාධන මට්ටම (ගණිතමය අපේක්ෂාව) අංක ගණිත සාමාන්ය මගින් සංලක්ෂිත වේ. 
සහ , සහ ගුණාත්මකභාවය ඇස්තමේන්තු වල අනුරූප නියැදි විචලනයන් මගින් සංලක්ෂිත වේ: සහ . වත්මන් කාර්ය සාධන මට්ටම තක්සේරු කිරීමේදී, එය සිසුන් දෙදෙනාටම සමාන බව පෙනී ගියේය: 
= = 4.0. නියැදි වෙනස්කම්: 
සහ 
. මෙම ඇස්තමේන්තු වලට අනුරූප වන නිදහසේ අංශක ගණන: 
සහ 
. මෙතැන් සිට, ඉගෙනීමේ කාර්යක්ෂමතාවයේ වෙනස්කම් තහවුරු කිරීම සඳහා, අපට අධ්‍යයන කාර්ය සාධනයේ ස්ථාවරත්වය භාවිතා කළ හැකිය, i.e. අපි උපකල්පනය පරීක්ෂා කරමු.
අපි ගණනය කරමු 
(සංඛ්‍යාංකයේ විශාල විචල්‍යයක් තිබිය යුතුය), . වගු වලට අනුව ( STATISTICA –
සම්භාවිතාවබෙදා හැරීමකැල්කියුලේටරය)
ගණනය කළ ප්‍රමාණයට වඩා අඩු බව අපට පෙනේ, එබැවින් ශුන්‍ය කල්පිතය විකල්පයට පක්ෂව ප්රතික්ෂේප කළ යුතුය. මෙම නිගමනය පර්යේෂකයා තෘප්තිමත් නොවනු ඇත, මන්ද ඔහු අනුපාතයේ සැබෑ වටිනාකම ගැන උනන්දුවක් දක්වන බැවිනි 
(අපට සෑම විටම සංඛ්‍යාවේ විශාල විචල්‍යයක් ඇත). ඒකපාර්ශ්වික නිර්ණායකයක් පරීක්ෂා කිරීමේදී, ඉහත ගණනය කර ඇති අගයට වඩා අඩු අගයක් අපට ලැබේ. එබැවින්, විකල්පයට පක්ෂව ශුන්‍ය කල්පිතය ප්රතික්ෂේප කළ යුතුය.
වින්ඩෝස් පරිසරයේ STATISTICA වැඩසටහනේ ෆිෂර් පරීක්ෂණය
උපකල්පනයක් (ෆිෂර් නිර්ණායකයක්) පරීක්ෂා කිරීමේ උදාහරණයක් සඳහා, අපි (සාදන්න) විචල්‍ය දෙකක් සහිත ගොනුවක් (fisher.sta) භාවිතා කරමු:
සහල්. 1. ස්වාධීන විචල්‍ය දෙකක් සහිත වගුව
උපකල්පනය පරීක්ෂා කිරීම සඳහා එය මූලික සංඛ්යා ලේඛන තුළ අවශ්ය වේ ( මූලිකසංඛ්යාලේඛනසහමේස) ස්වාධීන විචල්‍යයන් සඳහා t-test තෝරන්න. ( t-test, ස්වාධීන, විචල්‍ය මගින්).
සහල්. 2. පරාමිතික උපකල්පන පරීක්ෂා කිරීම
විචල්‍යයන් තෝරා යතුර එබීමෙන් පසු සාරාංශයසම්මත අපගමනවල අගයන් සහ ෆිෂර්ගේ නිර්ණායකය ගණනය කරනු ලැබේ. ඊට අමතරව, වැදගත්කම මට්ටම තීරණය වේ පි, වෙනස නොවැදගත් වේ.
සහල්. 3. උපකල්පන පරීක්ෂණයේ ප්රතිඵල (F-පරීක්ෂණය)
භාවිතා කරමින් සම්භාවිතාවකැල්කියුලේටරයසහ පරාමිතිවල අගයන් සැකසීමෙන්, ඔබට ගණනය කළ අගය සමඟ ෆිෂර් බෙදා හැරීමේ ප්‍රස්ථාරයක් ගොඩනගා ගත හැකිය.
සහල්. 4. උපකල්පනය (F-නිර්ණායකය) පිළිගැනීම (ප්රතික්ෂේප කිරීම)
මූලාශ්ර.
විචල්‍යයන් දෙකක් අතර සම්බන්ධය පිළිබඳ උපකල්පන පරීක්ෂා කිරීම
URL: /tryfonov3/terms3/testdi.htm
දේශනය 6. :8080/resources/math/mop/lections/lection_6.htm
F - ධීවර නිර්ණායකය
URL: /home/portal/applications/Multivariatadvisor/F-Fisher/F-Fisheer.htm
සම්භාවිතා සංඛ්යාන පර්යේෂණ න්යාය සහ භාවිතය.
URL: /active/referats/read/doc-3663-1.html
F - ධීවර නිර්ණායකය
සමස්තයක් ලෙස බහු ප්රතිගාමී සමීකරණයේ වැදගත්කම මෙන්ම යුගල ප්‍රතිගාමීත්වය ෆිෂර් නිර්ණායකය භාවිතයෙන් තක්සේරු කෙරේ:
,
(2.22)
කොහෙද 
නිදහසේ අංශකයකට වර්ගවල සාධක එකතුව; 
- නිදහසේ අංශකයකට වර්ගවල අවශේෂ එකතුව; 
- බහු නිර්ණය කිරීමේ සංගුණකය (දර්ශකය); 
- විචල්‍ය සඳහා පරාමිති ගණන 
(වී රේඛීය පසුබෑමආකෘතියට ඇතුළත් කර ඇති සාධක ගණන සමග සමපාත වේ); 
- නිරීක්ෂණ සංඛ්යාව.
සමස්තයක් ලෙස සමීකරණයේ වැදගත්කම පමණක් නොව, ප්රතිගාමී ආකෘතියට අතිරේකව ඇතුළත් කර ඇති සාධකය ද තක්සේරු කෙරේ. එවැනි තක්සේරුවක් සඳහා අවශ්යතාවය වන්නේ ආකෘතියට ඇතුළත් කර ඇති සෑම සාධකයක්ම ප්රතිඵලය වන ලක්ෂණයේ පැහැදිලි කරන ලද විචලනයේ අනුපාතය සැලකිය යුතු ලෙස වැඩි කළ නොහැකි වීමයි. මීට අමතරව, ආකෘතියේ සාධක කිහිපයක් තිබේ නම්, ඒවා විවිධ අනුපිළිවෙලින් ආකෘතියට ඇතුල් කළ හැකිය. සාධක අතර සහසම්බන්ධය හේතුවෙන්, ආකෘතියට එය හඳුන්වාදීමේ අනුපිළිවෙල අනුව එකම සාධකයේ වැදගත්කම වෙනස් විය හැකිය. ආකෘතියේ සාධකයක් ඇතුළත් කිරීම තක්සේරු කිරීමේ මිනුම පුද්ගලික වේ 
- නිර්ණායකය, i.e. 
.
පුද්ගලික 
- නිර්ණායකය පදනම් වී ඇත්තේ සමස්තයක් ලෙස ප්රතිගාමී ආකෘතිය සඳහා නිදහසේ එක් අංශකයක අවශේෂ විචලනය සමඟ අතිරේකව ඇතුළත් කරන ලද සාධකයක බලපෑම හේතුවෙන් සාධක විචලනය වැඩි වීම සංසන්දනය කිරීම මත ය. තුල සාමාන්ය දැක්මසාධකය සඳහා 
පුද්ගලික 
- නිර්ණායකය ලෙස තීරණය කරනු ලැබේ
,
(2.23)
කොහෙද 
- සම්පූර්ණ සාධක සමූහයක් සහිත ආකෘතියක් සඳහා බහු නිර්ණය කිරීමේ සංගුණකය, 
- එකම දර්ශකය, නමුත් ආකෘතියේ සාධකය ඇතුළත් නොකර 
,
- නිරීක්ෂණ සංඛ්යාව, 
- ආකෘතියේ පරාමිතීන් ගණන (නිදහස් කාලසීමාවකින් තොරව).
ප්‍රමාණයේ සැබෑ වටිනාකම 
- නිර්ණායකය වැදගත්කමේ මට්ටමින් වගුව සමඟ සංසන්දනය කර ඇත 
සහ නිදහසේ අංශක ගණන: 1 සහ 
. සැබෑ අගය නම් 
ඉක්මවා යයි 
, එම අතිරේක ඇතුළත් කිරීමසාධකය a 
ආකෘතිය තුලට සංඛ්යානමය වශයෙන් යුක්ති සහගත වන අතර පිරිසිදු ප්රතිගාමී සංගුණකය 
සාධකය තුළ 
සංඛ්යාත්මක ලෙස වැදගත්. සැබෑ අගය නම් 
වගු අගයට වඩා අඩුය, පසුව ආකෘතියේ සාධකය අතිරේක ඇතුළත් කිරීම 
ලක්ෂණයක පැහැදිලි කරන ලද විචලනයේ අනුපාතය සැලකිය යුතු ලෙස වැඩි නොකරයි 
, එබැවින්, එය ආකෘතියට ඇතුළත් කිරීම නුසුදුසු ය; දී ප්රතිගාමී සංගුණකය මෙම සාධකයමෙම අවස්ථාවේ දී එය සංඛ්යානමය වශයෙන් නොවැදගත් ය.
ද්වි-සාධක සමීකරණයක් සඳහා, quotients 
- නිර්ණායක ආකෘතිය ඇත:
,
. (2.23අ)
පුද්ගලික භාවිතා කිරීම 
- නිර්ණායකය, එක් එක් අනුරූප සාධකය යන උපකල්පනය යටතේ සියලු ප්රතිගාමී සංගුණකවල වැදගත්කම පරීක්ෂා කළ හැකිය. 
අවසන් වරට බහු ප්රතිගාමී සමීකරණයට ඇතුල් විය.
බහු ප්රතිගාමී සමීකරණය සඳහා ශිෂ්‍ය පරීක්ෂණය.
පුද්ගලික 
නිර්ණායකය පිරිසිදු ප්රතිගාමී සංගුණකවල වැදගත්කම තක්සේරු කරයි. විශාලත්වය දැන ගැනීම 
, එය තීරණය කිරීමට හැකි ය 
- හි ප්රතිගාමී සංගුණකය සඳහා නිර්ණායකය 
-m සාධකය, 
, එනම්:
.
(2.24)
මගින් පිරිසිදු ප්රතිගාමී සංගුණකවල වැදගත්කම තක්සේරු කිරීම 
- ශිෂ්‍යයාගේ ටී-පරීක්ෂණය අර්ධ වශයෙන් ගණනය නොකර සිදු කළ හැක 
- නිර්ණායක. මෙම අවස්ථාවෙහිදී, යුගල වශයෙන් ප්‍රතිගාමීත්වයේ දී මෙන්, එක් එක් සාධකය සඳහා සූත්රය භාවිතා වේ:
,
(2.25)
කොහෙද 
- සාධකයේ පිරිසිදු ප්රතිගාමී සංගුණකය 
,
- ප්රතිගාමී සංගුණකයේ සාමාන්ය වර්ග (සම්මත) දෝෂය 
.
සමීකරණය සඳහා බහු පසුබෑමප්‍රතිගාමී සංගුණකයේ මධ්‍යන්‍ය වර්ග දෝෂය පහත සූත්රය මගින් තීරණය කළ හැක:
,
(2.26)
කොහෙද 
,
- ලක්ෂණය සඳහා සම්මත අපගමනය 
,
- බහු ප්රතිගාමී සමීකරණය සඳහා නිර්ණය කිරීමේ සංගුණකය, 
- සාධකයේ යැපීම සඳහා නිර්ණය කිරීමේ සංගුණකය 
බහු ප්රතිගාමී සමීකරණයේ අනෙකුත් සියලුම සාධක සමඟ; 
- වර්ග අපගමනයන්හි අවශේෂ එකතුව සඳහා නිදහස් අංශක ගණන.
ඔබට පෙනෙන පරිදි, මෙම සූත්රය භාවිතා කිරීම සඳහා, ඔබට අන්තර් සාධක සහසම්බන්ධතා අනුකෘතියක් සහ එය භාවිතා කරමින් අනුරූප නිර්ණය කිරීමේ සංගුණක ගණනය කිරීම අවශ්ය වේ. 
. ඉතින්, සමීකරණය සඳහා 
ප්රතිගාමී සංගුණකවල වැදගත්කම තක්සේරු කිරීම 
,
,
අන්තර් සාධක නිර්ණය කිරීමේ සංගුණක තුනක් ගණනය කිරීම ඇතුළත් වේ: 
,
,
.
අර්ධ සහසම්බන්ධතා සංගුණකයේ දර්ශක අතර සම්බන්ධතාවය, අර්ධ 
- නිර්ණායක සහ 
-පවිත්‍ර ප්රතිගාමී සංගුණක සඳහා ශිෂ්‍යයාගේ t-පරීක්ෂණය සාධක තේරීමේ ක්‍රියාවලියේදී භාවිතා කළ හැක. ඉවත් කිරීමේ ක්රමය මගින් ප්රතිගාමී සමීකරණයක් තැනීමේදී සාධක ඉවත් කිරීම ප්‍රායෝගිකව සිදු කළ හැක්කේ අර්ධ සහසම්බන්ධතා සංගුණක මගින් පමණක් නොව, එක් එක් පියවරේදී අර්ධ සහසම්බන්ධතා සංගුණකයේ කුඩාම නොවැදගත් අගය සහිත සාධකය හැරුණු විට, නමුත් අගයන් මගිනි. 
සහ 
.
පුද්ගලික 
විචල්‍ය ඇතුළත් කිරීමේ ක්රමය සහ පියවරෙන් පියවර ප්රතිගාමී ක්රමය භාවිතා කරමින් ආකෘතියක් තැනීමේදී නිර්ණායකය බහුලව භාවිතා වේ.
නියැදි මාධ්‍යවල වෙනසක් නැති, නමුත් විචලනයන්හි වෙනසක් ඇති සාමාන්‍යයෙන් බෙදා හරින ලද ජනගහන දෙකක් සංසන්දනය කිරීමට, භාවිතා කරන්න ධීවර පරීක්ෂණය. සැබෑ නිර්ණායකය ගණනය කරනු ලබන්නේ සූත්රය භාවිතා කරමිනි:
මෙහි සංඛ්යාව යනු නියැදි විචලනයේ විශාල අගය වන අතර හරය කුඩා වේ. සාම්පල අතර වෙනස්කම් වල විශ්වසනීයත්වය නිගමනය කිරීම සඳහා, භාවිතා කරන්න මූලික මූලධර්මය
සංඛ්යානමය උපකල්පන පරීක්ෂා කිරීම. සඳහා තීරණාත්මක කරුණු 
වගුවේ අඩංගු වේ. සැබෑ අගය නම් ශුන්‍ය කල්පිතය ප්රතික්ෂේප වේ 
තීරණාත්මක (සම්මත) අගය ඉක්මවා හෝ සමාන වනු ඇත 
පිළිගත් වැදගත්කම මට්ටම සඳහා මෙම අගය
සහ නිදහසේ අංශක ගණන කේ
1
=
n
මහා
-1
;
කේ
2
=
n
කුඩා
-1
.
උදාහරණය: බීජ ප්‍රරෝහණ වේගය මත යම් ඖෂධයක බලපෑම අධ්‍යයනය කරන විට, පර්යේෂණාත්මක බීජ කාණ්ඩයේ සහ පාලනයේ සාමාන්ය ප්‍රරෝහණ අනුපාතය සමාන වන නමුත් විචලනයන්හි වෙනසක් ඇති බව සොයා ගන්නා ලදී. 
=1250,
=417. නියැදි ප්රමාණය සමාන වන අතර 20 ට සමාන වේ. 
=2.12. එබැවින් ශුන්‍ය කල්පිතය ප්රතික්ෂේප වේ.
සහසම්බන්ධ රඳා පැවැත්ම. සහසම්බන්ධතා සංගුණකය සහ එහි ගුණාංග. ප්රතිගාමී සමීකරණ.
කාර්යසහසම්බන්ධතා විශ්ලේෂණය පහත දක්වා ඇත:
ලක්ෂණ අතර සම්බන්ධතාවයේ දිශාව සහ ස්වරූපය ස්ථාපිත කිරීම;
එහි තද බව මැනීම.
ක්රියාකාරී එක් (ස්වාධීන) විචල්‍යයක නිශ්චිත අගයක් ඇති විට විචල්‍ය ප්රමාණ අතර නොපැහැදිලි සම්බන්ධතාවයක් හැඳින්වේ. x , තර්කයක් ලෙස හැඳින්වේ, වෙනත් (යැපෙන) විචල්‍යයක නිශ්චිත අගයකට අනුරූප වේ හිදී , ශ්‍රිතයක් ලෙස හැඳින්වේ. ( උදාහරණයක්: උෂ්ණත්වය මත රසායනික ප්රතික්රියාවක අනුපාතය රඳා පැවතීම; ආකර්ශනීය සිරුරු සහ ඒවා අතර ඇති ස්කන්ධයන් මත ආකර්ෂණ බලය මත යැපීම).
සහසම්බන්ධය එක් ලක්ෂණයක නිශ්චිත අගයක් (ස්වාධීන විචල්‍යයක් ලෙස සලකනු ලැබේ) වෙනත් ලක්ෂණයක සංඛ්යාත්මක අගයන් මාලාවකට අනුරූප වන විට සංඛ්යානමය ස්වභාවයක් ඇති විචල්‍ය අතර සම්බන්ධතාවයකි. ( උදාහරණයක්: අස්වැන්න සහ වර්ෂාපතනය අතර සම්බන්ධය; උස සහ බර අතර, ආදිය).
සහසම්බන්ධතා ක්ෂේත්රය පර්යේෂණාත්මකව ලබාගත් විචල්‍ය අගයන් යුගලට සමාන ඛණ්ඩාංක ඇති ලක්ෂ්‍ය සමූහයක් නියෝජනය කරයි x සහ හිදී .
සහසම්බන්ධතා ක්ෂේත්‍රයේ වර්ගය අනුව කෙනෙකුට සම්බන්ධතාවයක් තිබීම හෝ නොපැවතීම සහ එහි වර්ගය විනිශ්චය කළ හැකිය.
සම්බන්ධතාවය හැඳින්වේ ධනාත්මක , එක් විචල්‍යයක් වැඩි වන විට තවත් විචල්‍යයක් වැඩි වේ.
සම්බන්ධතාවය හැඳින්වේ සෘණ , එක් විචල්‍යයක් වැඩි වන විට තවත් විචල්‍යයක් අඩු වේ.
සම්බන්ධතාවය හැඳින්වේ රේඛීය
, ලෙස විශ්ලේෂණාත්මකව නිරූපණය කළ හැකි නම් 
.
සම්බන්ධතාවයේ සමීපත්වය පිළිබඳ දර්ශකයකි සහසම්බන්ධතා සංගුණකය . අනුභූතික සහසම්බන්ධතා සංගුණකය ලබා දෙන්නේ:
සහසම්බන්ධතා සංගුණකය පරාසයක පවතී -1 කලින් 1 සහ ප්රමාණ අතර සමීපත්වයේ තරම සංලක්ෂිත කරයි x සහ වයි . නම්:
ලක්ෂණ අතර සහසම්බන්ධය යැපීම විස්තර කළ හැකිය විවිධ ක්රම. විශේෂයෙන්ම, ඕනෑම ආකාරයක සම්බන්ධතාවයක් සාමාන්ය ආකෘතියේ සමීකරණයකින් ප්රකාශ කළ හැක 
. පෝරමයේ සමීකරණය 
සහ 
යනුවෙන් හැඳින්වේ පසුබෑම
. ඉදිරි ප්රතිගාමී සමීකරණය හිදී
මත x
පොදුවේ ගත් කල, පෝරමයේ ලිවිය හැකිය
ඉදිරි ප්රතිගාමී සමීකරණය x මත හිදී පොදුවේ එය පෙනේ
වඩාත්ම විය හැකි සංගුණක අගයන් ඒසහ වී, සමගසහ ඈගණනය කළ හැක, උදාහරණයක් ලෙස, අවම වර්ග ක්රමය භාවිතා කිරීම.
)නිර්ණායක ගණනය කිරීම φ*
1. විෂයයන් "බලපෑමක් ඇති" සහ "බලපෑමක් නැති" අයට බෙදීමේ නිර්ණායකය වන ගුණාංගයේ අගයන් තීරණය කරන්න. ලක්ෂණය ප්‍රමාණාත්මකව මනින්නේ නම්, ප්‍රශස්ත වෙන් කිරීමේ ලක්ෂ්‍යය සොයා ගැනීමට λ නිර්ණායකය භාවිතා කරන්න.
2. තීරු දෙකකින් සහ පේළි දෙකකින් යුත් සෛල හතරක (සමාන පදය: හතර-ක්ෂේත්‍ර) වගුවක් අඳින්න. පළමු තීරුව "බලපෑමක් තිබේ"; දෙවන තීරුව - "කිසිදු බලපෑමක්"; ඉහළ සිට පළමු පේළිය - 1 කණ්ඩායම (නියැදිය); දෙවන පේළිය - කණ්ඩායම් 2 (නියැදිය).
4. පළමු නියැදියේ "කිසිදු බලපෑමක් නොමැති" විෂයයන් ගණන ගණන් කර මේසයේ ඉහළ දකුණු කොටුවේ මෙම අංකය ඇතුළත් කරන්න. ඉහළ සෛල දෙකේ එකතුව ගණනය කරන්න. එය පළමු කණ්ඩායමේ විෂයයන් ගණන සමඟ සමපාත විය යුතුය.
6. දෙවන නියැදියේ "කිසිදු බලපෑමක්" නොමැති විෂයයන් ගණන ගණන් කර මේසයේ පහළ දකුණු කොටුවේ මෙම අංකය ඇතුළත් කරන්න. පහළ සෛල දෙකේ එකතුව ගණනය කරන්න. එය දෙවන කණ්ඩායමේ (නියැදිය) විෂයයන් ගණන සමග සමපාත විය යුතුය.
7. ඔවුන්ගේ අංකය ලබා දීමෙන් "බලපෑමක් ඇති" විෂයයන් ප්රතිශතය තීරණය කරන්න මුළු සංඛ්යාවමෙම කණ්ඩායමේ විෂයයන් (නියැදිය). නිරපේක්ෂ අගයන් සමඟ පටලවා නොගන්නා ලෙස පිළිවෙලින් වරහන් තුළ වගුවේ ඉහළ වම් සහ පහළ වම් කොටු තුළ ප්රතිඵල ප්‍රතිශත ලියන්න.
8. සංසන්දනය කරන ප්‍රතිශතවලින් එකක් බිංදුවට සමාන දැයි පරීක්ෂා කරන්න. මෙය එසේ නම්, කණ්ඩායම් වෙන් කිරීමේ ලක්ෂ්‍යය එක් දිශාවකට හෝ වෙනත් දිශාවකට ගෙනයාමෙන් මෙය වෙනස් කිරීමට උත්සාහ කරන්න. මෙය කළ නොහැකි හෝ නුසුදුසු නම්, φ* නිර්ණායකය අතහැර χ2 නිර්ණායකය භාවිතා කරන්න.
9. වගුව අනුව තීරණය කරන්න. XII උපග්රන්ථය 1 කෝණ φ එක් එක් සංසන්දනාත්මක ප්‍රතිශත සඳහා.
එහිදී: φ1 - විශාල ප්රතිශතයට අනුරූප කෝණය;
φ2 - කුඩා ප්රතිශතයට අනුරූප කෝණය;
N1 - නියැදි 1 හි නිරීක්ෂණ සංඛ්යාව;
N2 - නියැදි 2 හි නිරීක්ෂණ ගණන.
11. ලබාගත් අගය φ* විවේචනාත්මක අගයන් සමඟ සසඳන්න: φ* ≤1.64 (p<0,05) и φ* ≤2,31 (р<0,01).
φ*emp ≤φ*cr නම්. H0 ප්රතික්ෂේප වේ.
අවශ්ය නම්, වගුව අනුව ප්රතිඵලය වන φ* emp හි වැදගත්කමේ නිශ්චිත මට්ටම තීරණය කරන්න. XIII උපග්රන්ථය 1.
මෙම ක්රමය බොහෝ අත්පොත්වල විස්තර කර ඇත (Plokhinsky N.A., 1970; Gubler E.V., 1978; Ivanter E.V., Korosov A.V., 1992, ආදිය) මෙම විස්තරය E.V විසින් සංවර්ධනය කරන ලද සහ ඉදිරිපත් කරන ලද ක්රමයේ අනුවාදය මත පදනම් වේ. ගුබ්ලර්.
නිර්ණායකයේ අරමුණ φ*
ෆිෂර් නිර්ණායකය පර්යේෂකයාට උනන්දුවක් දක්වන බලපෑම (දර්ශකය) සිදුවීමේ වාර ගණන අනුව සාම්පල දෙකක් සංසන්දනය කිරීමට අදහස් කරයි. එය විශාල වන තරමට වෙනස්කම් වඩාත් විශ්වාසදායකය.
නිර්ණායක විස්තරය
නිර්ණායකය අපට උනන්දුවක් දක්වන බලපෑම (දර්ශකය) වාර්තා කර ඇති සාම්පල දෙකක එම ප්‍රතිශත අතර වෙනස්කම් වල විශ්වසනීයත්වය ඇගයීමට ලක් කරයි. සංකේතාත්මකව කිවහොත්, අපි පයි 2 කින් කපා ඇති හොඳම කෑලි 2 සංසන්දනය කර ඇත්ත වශයෙන්ම විශාල එක තීරණය කරමු.
ෆිෂර් කෝණික පරිවර්තනයේ සාරය නම් රේඩියන වලින් මනිනු ලබන ප්‍රතිශත මධ්‍යම කෝණ අගයන් බවට පරිවර්තනය කිරීමයි. විශාල ප්‍රතිශතයක් φ විශාල කෝණයකට අනුරූප වන අතර කුඩා ප්‍රතිශතයක් කුඩා කෝණයකට අනුරූප වේ, නමුත් මෙහි සම්බන්ධතා රේඛීය නොවේ:
P යනු ඒකකයක භාග වලින් ප්‍රකාශිත ප්‍රතිශතයයි (රූපය 5.1 බලන්න).
කෝණ φ අතර විෂමතාව වැඩි වීමත් සමඟ 1 සහ φ 2 සහ සාම්පල සංඛ්යාව වැඩි කිරීම, නිර්ණායකයේ වටිනාකම වැඩි වේ. φ* හි අගය විශාල වන තරමට වෙනස්කම් සැලකිය යුතු වේ.
උපකල්පන
එච් 0 : පුද්ගලයන්ගේ අනුපාතය, අධ්‍යයනය කරන ලද බලපෑම ප්රකාශ වන විට, නියැදි 2 ට වඩා නියැදි 1 හි තවත් නැත.
එච් 1 : අධ්‍යයනය කරන ලද බලපෑම ප්‍රදර්ශනය කරන පුද්ගලයින්ගේ අනුපාතය නියැදි 2 ට වඩා නියැදි 1 හි වැඩි වේ.
නිර්ණායකයේ චිත්රක නිරූපණය φ*
කෝණික පරිවර්තන ක්රමය අනෙකුත් නිර්ණායකවලට වඩා තරමක් වියුක්ත වේ.
φ හි අගයන් ගණනය කිරීමේදී E.V. Gubler විසින් අනුගමනය කරන ලද සූත්රය උපකල්පනය කරන්නේ 100% කෝණයක් φ=3.142, එනම් වටකුරු අගයක් වන π=3.14159... මෙම සංසන්දනාත්මක නියැදි ස්වරූපයෙන් ඉදිරිපත් කිරීමට අපට ඉඩ සලසයි. අර්ධ වෘත්තාකාර දෙකක්, එහි සාම්පලයේ ජනගහනයෙන් 100% ක් සංකේතවත් කරයි. "බලපෑමක්" සහිත විෂයයන්ගේ ප්‍රතිශත කේන්ද්‍රීය කෝණ φ මගින් සාදන ලද අංශ ලෙස නිරූපණය කෙරේ. රූපයේ. රූපය 5.2 උදාහරණ 1 නිදර්ශනය කරන අර්ධ වෘත්තාකාර දෙකක් පෙන්වයි. පළමු නියැදියේ, විෂයයන්ගෙන් 60% ක් ගැටලුව විසඳා ඇත. මෙම ප්රතිශතය φ=1.772 කෝණයට අනුරූප වේ. දෙවන නියැදියේ, විෂයයන්ගෙන් 40% ක් ගැටළුව විසඳා ඇත. මෙම ප්රතිශතය φ =1.369 කෝණයට අනුරූප වේ.
φ* නිර්ණායකය මඟින් ඔබට ලබා දී ඇති නියැදි ප්‍රමාණයන් සඳහා එක් කෝණයක් අනෙකට වඩා සංඛ්යානමය වශයෙන් සැලකිය යුතු ලෙස උසස්ද යන්න තීරණය කිරීමට ඔබට ඉඩ සලසයි.
නිර්ණායකයේ සීමාවන් φ*
1. සංසන්දනය කරන කිසිදු සමානුපාතයක් ශුන්‍ය නොවිය යුතුය. විධිමත් ලෙස, එක් සාම්පලයක නිරීක්ෂණ අනුපාතය 0 ට සමාන වන අවස්ථාවන්හිදී φ ක්රමය යෙදීමට බාධා නොමැත. කෙසේ වෙතත්, මෙම අවස්ථා වලදී, ප්රතිඵලය අසාධාරණ ලෙස පුම්බා ගත හැකිය (Gubler E.V., 1978, p. . 86).
2. ඉහළ φ නිර්ණායකයේ සීමාවක් නොමැත - සාම්පල අවශ්ය තරම් විශාල විය හැක.
පහත් සීමාව - එක් සාම්පලයක නිරීක්ෂණ 2 ක්. කෙසේ වෙතත්, සාම්පල දෙකක සංඛ්‍යාවේ පහත දැක්වෙන අනුපාත නිරීක්ෂණය කළ යුතුය:
අ) එක් නියැදියකට නිරීක්ෂණ 2 ක් පමණක් තිබේ නම්, දෙවැන්න අවම වශයෙන් 30 ක් වත් තිබිය යුතුය:
ආ) සාම්පලවලින් එකක නිරීක්ෂණ 3 ක් පමණක් තිබේ නම්, දෙවැන්න අවම වශයෙන් 7 ක් වත් තිබිය යුතුය:
ඇ) සාම්පල වලින් එකක නිරීක්ෂණ 4 ක් පමණක් තිබේ නම්, දෙවැන්න අවම වශයෙන් 5 ක් වත් තිබිය යුතුය:
ඈ) දීn 1 , n 2 ≥ 5 ඕනෑම සැසඳීමක් කළ හැකිය.
ප්‍රතිපත්තිමය වශයෙන්, මෙම කොන්දේසිය සපුරා නොමැති සාම්පල සංසන්දනය කිරීමට ද හැකිය, උදාහරණයක් ලෙස, සම්බන්ධතාවය සමඟn 1 =2, n 2 = 15, නමුත් මෙම අවස්ථා වලදී සැලකිය යුතු වෙනස්කම් හඳුනා ගැනීමට නොහැකි වනු ඇත.
φ* නිර්ණායකයට වෙනත් සීමාවන් නොමැත.
හැකියාවන් පැහැදිලි කිරීම සඳහා උදාහරණ කිහිපයක් බලමුනිර්ණායකය φ*.
උදාහරණ 1: ගුණාත්මකව නිර්වචනය කරන ලද ලක්ෂණයක් අනුව සාම්පල සංසන්දනය කිරීම.
උදාහරණ 2: ප්‍රමාණාත්මකව මනින ලද ලක්ෂණයකට අනුව සාම්පල සංසන්දනය කිරීම.
උදාහරණ 3: ලක්ෂණයක මට්ටම සහ බෙදා හැරීම යන දෙකින්ම සාම්පල සංසන්දනය කිරීම.
උදාහරණ 4: නිර්ණායකය සමඟ φ* නිර්ණායකය භාවිතා කිරීමx වඩාත් නිවැරදි ප්රතිඵලය ලබා ගැනීම සඳහා Kolmogorov-Smirnov.
උදාහරණ 1 - ගුණාත්මකව තීරණය කරන ලද ලක්ෂණයක් අනුව සාම්පල සංසන්දනය කිරීම
මෙම නිර්ණායකය භාවිතා කිරීමේදී, අපි යම් ගුණාත්මක භාවයකින් සංලක්ෂිත එක් නියැදියක විෂයයන් ප්රතිශතය එම ගුණයෙන් සංලක්ෂිත තවත් නියැදියක විෂයයන් ප්රතිශතය සමඟ සංසන්දනය කරමු.
නව පර්යේෂණාත්මක ගැටළුවක් විසඳීමේදී සිසුන් කණ්ඩායම් දෙකක් ඔවුන්ගේ සාර්ථකත්වයේ වෙනස් වේද යන්න ගැන අපි උනන්දු වෙමු. පුද්ගලයන් 20 දෙනෙකුගෙන් යුත් පළමු කණ්ඩායමේ, පුද්ගලයින් 12 දෙනෙකු එයට මුහුණ දුන් අතර, පුද්ගලයින් 25 දෙනෙකුගෙන් යුත් දෙවන නියැදියේ - 10. පළමු අවස්ථාවේ දී, ගැටලුව විසඳූ අයගේ ප්රතිශතය 12/20·100%=60% වනු ඇත. සහ දෙවන 10/25·100%= 40%. දත්ත අනුව මෙම ප්‍රතිශත සැලකිය යුතු ලෙස වෙනස් වේද?n 1 සහn 2 ?
60% 40% ට වඩා සැලකිය යුතු ලෙස වැඩි බව “ඇසෙන්” පවා කෙනෙකුට තීරණය කළ හැකි බව පෙනේ. කෙසේ වෙතත්, ඇත්ත වශයෙන්ම, මෙම වෙනස්කම්, දත්ත ලබා දී ඇතn 1 , n 2 විශ්වාස කළ නොහැකි.
අපි එය පරීක්ෂා කර බලමු. ගැටලුවක් විසඳීමේ කාරනය ගැන අප උනන්දු වන බැවින්, පර්යේෂණාත්මක ගැටලුවක් විසඳීමේ සාර්ථකත්වය "බලපෑමක්" ලෙසත්, එය විසඳීමේ අසාර්ථකත්වය බලපෑමක් නොමැතිකම ලෙසත් සලකමු.
උපකල්පන සකස් කරමු.
එච් 0 : පුද්ගලයන්ගේ අනුපාතයදෙවන කණ්ඩායමට වඩා පළමු කණ්ඩායමේ කාර්යය සම්පූර්ණ කළ අය සිටියේ නැත.
එච් 1 : පළමු කණ්ඩායමේ කාර්යය සම්පූර්ණ කළ පුද්ගලයින්ගේ අනුපාතය දෙවන කණ්ඩායමට වඩා වැඩි ය.
දැන් අපි ඊනියා සෛල හතරක් හෝ ක්ෂේත්‍ර හතරක වගුවක් ගොඩනඟමු, එය ඇත්ත වශයෙන්ම ගුණාංගයේ අගයන් දෙකක් සඳහා ආනුභවික සංඛ්යාත වගුවකි: “බලපෑමක් තිබේ” - “කිසිදු බලපෑමක් නැත.”
වගුව 5.1
ගැටලුව විසඳූ අයගේ ප්රතිශතය අනුව විෂයයන් කණ්ඩායම් දෙකක් සංසන්දනය කිරීමේදී නිර්ණායකය ගණනය කිරීම සඳහා සෛල හතරක වගුව.
කණ්ඩායම් | "බලපෑමක් තිබේ": ගැටළුව විසඳා ඇත | "කිසිදු බලපෑමක්": ගැටළුව විසඳා නැත | ප්රමාණ |
||||
ප්රමාණය විෂයයන් | % බෙදාගන්න | ප්රමාණය විෂයයන් | % බෙදාගන්න | ||||
1 කණ්ඩායම | (60%) | (40%) | |||||
2 වන කණ්ඩායම | (40%) | (60%) | |||||
ප්රමාණ | |||||||
සෛල හතරක වගුවක, රීතියක් ලෙස, “බලපෑමක් තිබේ” සහ “කිසිදු බලපෑමක් නැත” යන තීරු ඉහළින් සලකුණු කර ඇති අතර, “කණ්ඩායම් 1” සහ “2 වන කණ්ඩායම” පේළි වම් පසින් ඇත. ඇත්ත වශයෙන්ම, සංසන්දනය කිරීමේදී ක්ෂේත්‍ර (සෛල) A සහ B පමණක් සම්බන්ධ වේ, එනම් “ආචරණයක් ඇත” තීරුවේ ප්‍රතිශත.
වගුව අනුව.XIIඋපග්රන්ථය 1 එක් එක් කාණ්ඩයේ ප්‍රතිශත කොටස් වලට අනුරූප වන φ අගයන් තීරණය කරයි.
දැන් අපි සූත්රය භාවිතයෙන් φ* හි ආනුභවික අගය ගණනය කරමු:
කොහෙද φ 1 - විශාල% කොටසට අනුරූප කෝණය;
φ 2 - කුඩා% කොටසට අනුරූප කෝණය;
n 1 - නියැදි 1 හි නිරීක්ෂණ සංඛ්යාව;
n 2 - නියැදි 2 හි නිරීක්ෂණ ගණන.
මේ අවස්ථාවේ දී:
වගුව අනුව.XIIIඋපග්රන්ථය 1 හි අපි φ* ට අනුරූප වන වැදගත්කමේ මට්ටම තීරණය කරමු. em=1,34:
p=0.09
මනෝවිද්‍යාවේ පිළිගත් සංඛ්යානමය වැදගත්කමේ මට්ටම්වලට අනුරූප වන φ* හි විවේචනාත්මක අගයන් ස්ථාපිත කිරීමට ද හැකිය:
අපි "වැදගත් අක්ෂය" ගොඩනඟමු.
ලබාගත් ආනුභවික අගය φ* නොවැදගත් කලාපයේ වේ.
පිළිතුර: එච් 0 පිළිගත්තා. කාර්යය සම්පූර්ණ කළ පුද්ගලයින්ගේ ප්‍රතිශතයවීපළමු කණ්ඩායමේ දෙවන කණ්ඩායමට වඩා වැඩි නොවේ.
කෙනෙකුට අනුකම්පා කළ හැක්කේ φ* නිර්ණායකය භාවිතයෙන් ඒවායේ විශ්වසනීයත්වය පරීක්ෂා නොකර 20% සහ 10% පවා සැලකිය යුතු වෙනස්කම් සලකන පර්යේෂකයෙකුට පමණි. මෙම අවස්ථාවේදී, උදාහරණයක් ලෙස, අවම වශයෙන් 24.3% ක වෙනස්කම් පමණක් සැලකිය යුතු වනු ඇත.
ඕනෑම ගුණාත්මක පදනමක් මත සාම්පල දෙකක් සංසන්දනය කිරීමේදී, φ නිර්ණායකය අපව සතුටු කිරීමට වඩා දුකට පත් කළ හැකි බව පෙනේ. සැලකිය යුතු දෙයක් ලෙස පෙනුනේ සංඛ්යානමය දෘෂ්ටි කෝණයකින් එය එසේ නොවිය හැකිය.
ප්‍රමාණාත්මකව මනින ලද ලක්ෂණ අනුව අපි සාම්පල දෙකක් සංසන්දනය කරන විට පර්යේෂකයා සතුටු කිරීමට ෆිෂර් නිර්ණායකයට බොහෝ අවස්ථාවන් ඇති අතර “බලපෑම” වෙනස් විය හැකිය.
උදාහරණ 2 - ප්‍රමාණාත්මකව මනින ලද ලක්ෂණයකට අනුව සාම්පල දෙකක් සංසන්දනය කිරීම
මෙම නිර්ණායකය භාවිතා කිරීමේදී, අපි එක් නියැදියක යම් ගුණාංග අගයක් ලබා ගන්නා විෂයයන් ප්රතිශතය තවත් නියැදියක මෙම මට්ටම ලබා ගන්නා විෂයයන් ප්රතිශතය සමඟ සංසන්දනය කරමු.
G. A. Tlegenova (1990) විසින් කරන ලද අධ්යයනයක දී, වයස අවුරුදු 14 සිට 16 දක්වා වූ තරුණ වෘත්තීය පාසල් සිසුන් 70 දෙනෙකුගෙන්, ආක්‍රමණ පරිමාණයෙන් ඉහළ ලකුණු ලබා ඇති විෂයයන් 10 ක් සහ ආක්‍රමණ පරිමාණයෙන් අඩු ලකුණු සහිත විෂයයන් 11 ක් ප්රතිඵල මත පදනම්ව තෝරා ගන්නා ලදී. ෆ්‍රීබර්ග් පෞරුෂ ප්‍රශ්නාවලිය භාවිතා කරන සමීක්ෂණයක. ආක්රමණශීලී සහ ආක්රමණශීලී නොවන තරුණ කණ්ඩායම් සෙසු ශිෂ්‍යයෙකු සමඟ සංවාදයකදී ස්වයංසිද්ධව තෝරා ගන්නා දුර අනුව වෙනස් වේද යන්න තීරණය කිරීම අවශ්ය වේ. G. A. Tlegenova හි දත්ත වගුවේ දක්වා ඇත. 5.2 ආක්රමණශීලී තරුණයින් බොහෝ විට 50 ක දුරක් තෝරා ගන්නා බව ඔබට දැක ගත හැකියසෙ.මී. හෝ ඊටත් අඩු, ආක්රමණශීලී නොවන පිරිමි ළමයින් බොහෝ විට සෙන්ටිමීටර 50 ට වඩා වැඩි දුරක් තෝරා ගනී.
දැන් අපට සෙන්ටිමීටර 50 ක දුරක් තීරණාත්මක ලෙස සලකා බැලිය හැකි අතර විෂයය විසින් තෝරාගත් දුර සෙන්ටිමීටර 50 ට වඩා අඩු හෝ සමාන නම්, “බලපෑමක් තිබේ” සහ තෝරාගත් දුර සෙන්ටිමීටර 50 ට වඩා වැඩි නම්, එවිට උපකල්පනය කළ හැකිය. "කිසිදු බලපෑමක් නැත." ආක්රමණශීලී තරුණයින්ගේ කණ්ඩායමේ බලපෑම 10 න් 7 කින්, එනම් 70% කින් සහ ආක්රමණශීලී නොවන තරුණයින් කණ්ඩායම තුළ - 11 න් 2 කින්, එනම් 18.2% කින් නිරීක්ෂණය වන බව අපට පෙනේ. . මෙම ප්‍රතිශත φ* ක්රමය භාවිතයෙන් සංසන්දනය කර ඒවා අතර ඇති වෙනස්කම් වල වැදගත්කම තහවුරු කර ගත හැක.
වගුව 5.2
ආක්රමණශීලී සහ ආක්රමණශීලී නොවන තරුණයින් විසින් සෙසු ශිෂ්‍යයෙකු සමඟ සංවාදයකදී තෝරාගත් දුර (සෙ.මී.) දර්ශක (G.A. Tlegenova, 1990 ට අනුව)
1 කණ්ඩායම: ආක්රමණශීලී පරිමාණයෙන් ඉහළ ලකුණු ලබා ඇති පිරිමි ළමයින්FPI- ආර් (n 1 =10) | 2 කණ්ඩායම: ආක්රමණශීලී පරිමාණයෙන් අඩු අගයක් ඇති පිරිමි ළමයින්FPI- ආර් (n 2 =11) |
|||
d(c එම් ) | % බෙදාගන්න | d(c එම් ) | % බෙදාගන්න |
|
"කන්න බලපෑම" ඈ≤50 සෙ.මී | ||||
18,2% |
||||
"නැත බලපෑම" d>50සෙමී | ||||
80 QO | 81,8% |
|||
ප්රමාණ | 100% | 100% |
||
සාමාන්යය | 5b:o | 77.3 | ||
උපකල්පන සකස් කරමු.
එච් 0 ඈ ≤ 50 සෙ.මී., ආක්රමණශීලී පිරිමි ළමයින්ගේ කණ්ඩායමේ ආක්රමණශීලී නොවන පිරිමි ළමයින්ගේ කණ්ඩායමට වඩා වැඩි දෙයක් නොමැත.
එච් 1 : දුර තෝරා ගන්නා පුද්ගලයින්ගේ අනුපාතයඈ≤ 50 සෙ.මී., ආක්රමණශීලී නොවන තරුණයින්ගේ කණ්ඩායමට වඩා ආක්රමණශීලී තරුණයින්ගේ කණ්ඩායමේ වැඩි වේ. දැන් අපි ඊනියා සෛල හතරක මේසයක් ගොඩනඟමු.
වගුව 53
ආක්රමණශීලී කණ්ඩායම් සංසන්දනය කිරීමේදී φ* නිර්ණායකය ගණනය කිරීම සඳහා සෛල හතරක වගුව (nf=10) සහ ආක්රමණශීලී නොවන තරුණයින් (n2=11)
කණ්ඩායම් | "බලපෑමක් තිබේ": ඈ≤50 | "කිසිදු බලපෑමක් නැත." ඈ>50 | ප්රමාණ |
||||
විෂයයන් ගණන | (% බෙදාගන්න) | විෂයයන් ගණන | (% බෙදාගන්න) | ||||
1 කණ්ඩායම - ආක්රමණශීලී තරුණයින් | (70%) | (30%) | |||||
2 කණ්ඩායම - ආක්රමණශීලී නොවන තරුණයින් | (180%) | (81,8%) | |||||
එකතුව | |||||||
වගුව අනුව.XIIඋපග්රන්ථය 1 එක් එක් කණ්ඩායම්වල "ප්රයෝගයේ" ප්රතිශතයට අනුරූප වන φ අගයන් තීරණය කරයි.
ලබාගත් ආනුභවික අගය φ* වැදගත්කමේ කලාපයේ ඇත.
පිළිතුර: එච් 0 ප්රතික්ෂේප කළා. පිළිගත්තාඑච් 1 . සංවාදයේ දී සෙන්ටිමීටර 50 ට අඩු හෝ ඊට සමාන දුරක් තෝරා ගන්නා පුද්ගලයින්ගේ අනුපාතය ආක්රමණශීලී නොවන තරුණයින් කණ්ඩායමට වඩා ආක්රමණශීලී තරුණයින් කණ්ඩායමේ වැඩි ය.
ලබාගත් ප්‍රති results ල මත පදනම්ව, අපට නිගමනය කළ හැක්කේ වඩාත් ආක්රමණශීලී තරුණයින් බොහෝ විට මීටර් භාගයකට වඩා අඩු දුරක් තෝරා ගන්නා අතර ආක්රමණශීලී නොවන තරුණයින් බොහෝ විට මීටර් භාගයකට වඩා වැඩි දුරක් තෝරා ගන්නා බවයි. ආක්රමණශීලී තරුණයින් ඇත්ත වශයෙන්ම සමීප (0-46 සෙ.මී.) සහ පුද්ගලික කලාප (සෙන්ටිමීටර 46 සිට) අතර මායිමේ සන්නිවේදනය කරන බව අපට පෙනේ. කෙසේ වෙතත්, හවුල්කරුවන් අතර සමීප දුරස්ථභාවය සමීප, හොඳ සබඳතාවල පමණක් නොව, පරමාධිකාරී බව අපට මතකයි.සහඅතින් සටන් (ශාලාවඊ. ටී., 1959).
උදාහරණ 3 - ලක්ෂණයේ මට්ටම සහ බෙදා හැරීම යන දෙකම සාම්පල සංසන්දනය කිරීම.
මෙම භාවිත අවස්ථාවෙහිදී, අපට ප්‍රථමයෙන් කණ්ඩායම් යම් ගතිලක්ෂණ මට්ටම්වලින් වෙනස් වේද යන්න පරීක්ෂා කර පසුව සාම්පල දෙකෙහි ගති ලක්ෂණවල ව්‍යාප්තිය සංසන්දනය කළ හැක. ඕනෑම නව තාක්‍ෂණයක් භාවිතා කරමින් විෂයයන් විසින් ලබාගත් තක්සේරු බෙදා හැරීමේ පරාසයේ හෝ හැඩයේ වෙනස්කම් විශ්ලේෂණය කිරීමේදී එවැනි කාර්යයක් අදාළ විය හැකිය.
R. T. Chirkina (1995) විසින් කරන ලද අධ්යයනයක දී, ප්‍රථම වතාවට, පුද්ගලික, පවුල් සහ වෘත්තීය සංකීර්ණ හේතුවෙන් මතකයෙන් කරුණු, නම්, අභිප්‍රායන් සහ ක්රියාකාරී ක්රම මර්දනය කිරීමේ ප්‍රවණතාවය හඳුනා ගැනීම අරමුණු කරගත් ප්‍රශ්නාවලියක් භාවිතා කරන ලදී. 3. ෆ්‍රොයිඩ් "එදිනෙදා ජීවිතයේ මනෝ ව්‍යාධි විද්‍යාව" යන පොතේ ද්‍රව්‍ය මත පදනම්ව E.V. Sidorenko ගේ සහභාගීත්වයෙන් ප්‍රශ්නාවලිය නිර්මාණය කරන ලදී. වයස අවුරුදු 17 සිට 20 දක්වා වූ අවිවාහක, දරුවන් නොමැති, අධ්‍යාපනික ආයතනයේ සිසුන් 50 දෙනෙකුගේ නියැදියක් මෙම ප්‍රශ්නාවලිය මෙන්ම පුද්ගලික ප්‍රමාණවත් නොවීම පිළිබඳ හැඟීමේ තීව්‍රතාවය හඳුනා ගැනීම සඳහා මෙනෙස්ටර්-කෝර්සිනි තාක්‍ෂණය භාවිතා කරමින් පරීක්ෂා කරන ලදී.හෝ"පහත් සංකීර්ණ" (මාස්ටර්ජී. ජේ., කෝර්සිනිආර්. ජේ., 1982).
සමීක්ෂණ ප්රතිඵල වගුවේ දක්වා ඇත. 5.4
ප්‍රශ්නාවලියක් භාවිතයෙන් රෝග විනිශ්චය කරන ලද මර්දන ශක්තියේ දර්ශකය සහ තමාගේම අප්‍රමාණවත් හැඟීමේ තීව්‍රතාවයේ දර්ශක අතර සැලකිය යුතු සම්බන්ධතා ඇති බව පැවසිය හැකිද?
වගුව 5.4
ඉහළ ශිෂ්‍ය කණ්ඩායම්වල පුද්ගලික ප්‍රමාණවත් නොවීම පිළිබඳ හැඟීම්වල තීව්‍රතාවයේ දර්ශක (nj=18) සහ අඩු (n2=24) විස්ථාපන ශක්තිය
1 කාණ්ඩය: ලකුණු 19 සිට 31 දක්වා විස්ථාපන ශක්තිය (n 1 =181 | 2 කාණ්ඩය: ලකුණු 7 සිට 13 දක්වා විස්ථාපන ශක්තිය (n 2 =24) |
|
0; 0; 0; 0; 0 20; 20 30; 30; 30; 30; 30; 30; 30 50; 50 60; 60 | 0; 0 5; 5; 5; 5 10; 10; 10; 10; 10; 10 15; 15 20; 20; 20; 20 30; 30; 30; 30; 30; 30 |
|
ප්රමාණ සාමාන්යය | 26,11 | 15,42 |
වඩා ශක්තිජනක මර්දනයක් සහිත කණ්ඩායමේ සාමාන්ය අගය වැඩි වුවද, ශුන්‍ය අගයන් 5 ක් ද එහි නිරීක්ෂණය කෙරේ. අපි සාම්පල දෙකෙහි ශ්රේණිගත කිරීම් බෙදාහැරීමේ හිස්ටෝග්රෑම් සංසන්දනය කරන්නේ නම්, ඒවා අතර කැපී පෙනෙන වෙනස අනාවරණය වේ (රූපය 5.3).
බෙදාහැරීම් දෙකක් සංසන්දනය කිරීම සඳහා අපට පරීක්ෂණය යෙදිය හැකියχ 2 හෝ නිර්ණායකයλ , නමුත් මේ සඳහා අපට ශ්‍රේණි විශාල කිරීමට සිදුවනු ඇත, ඊට අමතරව, සාම්පල දෙකෙහිමn <30.
φ* නිර්ණායකය ප්‍රස්ථාරයේ නිරීක්ෂණය කරන ලද බෙදාහැරීම් දෙකක් අතර විෂමතාවයේ බලපෑම පරීක්ෂා කිරීමට අපට ඉඩ සලසයි, ප්‍රමාණවත් නොවන හැඟීම් පිළිබඳ දර්ශකය ඉතා අඩු (0) හෝ ඊට ප්‍රතිවිරුද්ධව ගතහොත් “බලපෑමක් තිබේ” යැයි උපකල්පනය කිරීමට අප එකඟ වුවහොත්. , ඉතා ඉහළ අගයන් (එස්30), සහ ප්‍රමාණවත් නොවන හැඟීම් පිළිබඳ දර්ශකය 5 සිට 25 දක්වා සාමාන්ය අගයන් ගන්නේ නම් “කිසිදු බලපෑමක් නැත”.
උපකල්පන සකස් කරමු.
එච් 0 : වඩා ශක්තිජනක මර්දනයක් සහිත කණ්ඩායමේ ඌනතා දර්ශකයේ (0 හෝ 30 හෝ ඊට වැඩි) ආන්තික අගයන් අඩු ශක්තිජනක මර්දනයක් ඇති කණ්ඩායමට වඩා පොදු නොවේ.
එච් 1 : අඩු ජවසම්පන්න මර්දනයක් සහිත කණ්ඩායමේ ඌනතා දර්ශකයේ (0 හෝ 30 හෝ ඊට වැඩි) ආන්තික අගයන් වඩා සුලභ වේ.
φ* නිර්ණායකය තවදුරටත් ගණනය කිරීම සඳහා පහසු සෛල හතරක වගුවක් නිර්මාණය කරමු.
වගුව 5.5
ප්‍රමාණවත් නොවන දර්ශකවල අනුපාතය මත පදනම්ව ඉහළ සහ පහළ මර්දන ශක්තීන් සහිත කණ්ඩායම් සංසන්දනය කිරීමේදී φ* නිර්ණායකය ගණනය කිරීම සඳහා සෛල හතරක වගුව
කණ්ඩායම් | "බලපෑමක් තිබේ": ඌනතා දර්ශකය 0 හෝ >30 වේ | "කිසිදු බලපෑමක් නැත": අසාර්ථක දර්ශකය 5 සිට 25 දක්වා | ප්රමාණ |
||
(88,9%) | (11,1%) | ||||
(33,3%) | (66,7%) | ||||
ප්රමාණ | |||||
වගුව අනුව.XIIඋපග්රන්ථය 1 හි අපි සංසන්දනාත්මක ප්රතිශතයන්ට අනුරූප වන φ අගයන් තීරණය කරමු:
φ* හි ආනුභවික අගය ගණනය කරමු:
ඕනෑම එකක් සඳහා φ* හි විවේචනාත්මක අගයන්n 1 , n 2 , පෙර උදාහරණයෙන් අපට මතක ඇති පරිදි:
වගුවXIIIඋපග්රන්ථය 1 ලබා ගත් ප්රතිඵලයේ වැදගත්කමේ මට්ටම වඩාත් නිවැරදිව තීරණය කිරීමට අපට ඉඩ සලසයි: p<0,001.
පිළිතුර: එච් 0 ප්රතික්ෂේප කළා. පිළිගත්තාඑච් 1 . අඩු මර්දන ශක්තියක් ඇති කණ්ඩායමට වඩා වැඩි මර්දන ශක්තියක් ඇති කණ්ඩායමේ ඌනතා දර්ශකයේ (0 හෝ 30 හෝ ඊට වැඩි) ආන්තික අගයන් බොහෝ විට සිදු වේ.
එබැවින්, වැඩි මර්දන ශක්තියක් ඇති විෂයයන්ට ඔවුන්ගේම ඌනතාවයේ හැඟීම පිළිබඳ ඉතා ඉහළ (30 හෝ ඊට වැඩි) සහ ඉතා අඩු (ශුන්‍ය) දර්ශක දෙකම තිබිය හැකිය. ඔවුන් තම අතෘප්තිය සහ ජීවිතයේ සාර්ථකත්වයේ අවශ්යතාවය යන දෙකම යටපත් කරමින් සිටින බව උපකල්පනය කළ හැකිය. මෙම උපකල්පන තවදුරටත් පරීක්ෂා කිරීම අවශ්ය වේ.
ලබාගත් ප්රතිඵලය, එහි අර්ථ නිරූපණය නොතකා, සාම්පල දෙකක ලක්ෂණයක් බෙදා හැරීමේ හැඩයේ වෙනස්කම් තක්සේරු කිරීමේදී φ * නිර්ණායකයේ හැකියාවන් තහවුරු කරයි.
මුල් නියැදියේ පුද්ගලයන් 50 ක් සිටි නමුත්, ඔවුන්ගෙන් 8 දෙනෙකු මර්දන ඇනර්ජි දර්ශකයේ (14-15) සාමාන්ය ලකුණු ඇති බැවින් සලකා බැලීමෙන් බැහැර කරන ලදී. ප්‍රමාණවත් නොවන හැඟීම්වල තීව්‍රතාවය පිළිබඳ ඔවුන්ගේ දර්ශක ද සාමාන්ය වේ: ලකුණු 20 බැගින් වූ අගයන් 6 ක් සහ ලකුණු 25 බැගින් වූ අගයන් 2 ක්.
මෙම උදාහරණයේ ද්‍රව්‍ය විශ්ලේෂණය කිරීමේදී සම්පූර්ණයෙන්ම වෙනස් කල්පිතයක් තහවුරු කිරීමෙන් φ* නිර්ණායකයේ ප්‍රබල හැකියාවන් සත්‍යාපනය කළ හැක. උදාහරණයක් ලෙස, මෙම කණ්ඩායම තුළ එහි ව්‍යාප්තියේ පරස්පර ස්වභාවය තිබියදීත්, වැඩි මර්දන ශක්තියක් ඇති කණ්ඩායමක අප්‍රමාණවත් වීමේ අනුපාතය තවමත් ඉහළ බව අපට ඔප්පු කළ හැකිය.
අපි නව උපකල්පන සකස් කරමු.
එච් 0 වැඩි මර්දන ශක්තියක් ඇති කණ්ඩායමේ ඌනතා දර්ශකයේ ඉහළම අගයන් (30 හෝ ඊට වැඩි) අඩු මර්දන ශක්තියක් ඇති කණ්ඩායමට වඩා පොදු නොවේ.
එච් 1 : වැඩි මර්දන ශක්තියක් ඇති කණ්ඩායමේ ඌනතා දර්ශකයේ ඉහළම අගයන් (30 හෝ ඊට වැඩි) අඩු මර්දන ශක්තියක් ඇති කණ්ඩායමට වඩා බොහෝ විට සිදු වේ. වගුවේ ඇති දත්ත භාවිතා කර ක්ෂේත්‍ර හතරක වගුවක් ගොඩනඟමු. 5.4
වගුව 5.6
ප්‍රමාණවත් නොවන දර්ශකයේ මට්ටමට අනුව වැඩි සහ අඩු මර්දන ශක්තියක් සහිත කණ්ඩායම් සංසන්දනය කිරීමේදී φ* නිර්ණායකය ගණනය කිරීම සඳහා සෛල හතරක වගුව
කණ්ඩායම් | "බලපෑමක් තිබේ"* අසාර්ථක දර්ශකය 30 ට වඩා වැඩි හෝ සමාන වේ | "කිසිදු බලපෑමක් නැත": අසාර්ථක වීමේ අනුපාතය අඩුය 30 | ප්රමාණ |
||
1 කණ්ඩායම - වැඩි විස්ථාපන ශක්තියක් සහිතව | (61,1%) | (38.9%) | |||
2 කාණ්ඩය - අඩු විස්ථාපන ශක්තියක් සහිතව | (25.0%) | (75.0%) | |||
ප්රමාණ | |||||
වගුව අනුව.XIIIඋපග්රන්ථය 1 හි මෙම ප්රතිඵලය p = 0.008 හි වැදගත්කම මට්ටමට අනුරූප වන බව අපි තීරණය කරමු.
පිළිතුර: නමුත් එය ප්රතික්ෂේප වෙනවා. පිළිගත්තාHj: කණ්ඩායමේ ඌනතාවයේ ඉහළම දර්ශක (ලකුණු 30 හෝ ඊට වැඩි).සමගඅඩු විස්ථාපන ශක්තියක් ඇති කණ්ඩායමට වඩා වැඩි විස්ථාපන ශක්තියක් ඇතිව (p = 0.008).
ඒ නිසා අපිට ඒක ඔප්පු කරන්න පුළුවන් වුණාවීසමූහයසමගවඩා ජවසම්පන්න මර්දනයක් සමඟ, ඌනතා දර්ශකයේ ආන්තික අගයන් ප්‍රමුඛ වන අතර, මෙම දර්ශකය එහි අගයන් ඉක්මවා යයිළඟා වේහරියටම මෙම කණ්ඩායමේ.
සාමාන්ය අගය තිබියදීත්, ඉහළ මර්දන ශක්තියක් ඇති කණ්ඩායම තුළ, ප්‍රමාණවත් නොවන දර්ශකයේ අඩු අගයන් බහුලව දක්නට ලැබෙන බව දැන් අපට ඔප්පු කිරීමට උත්සාහ කළ හැකිය.වී මෙම කණ්ඩායමට තවත් ඇත (26.11 සහ 15.42 කණ්ඩායම තුළසමග අඩු විස්ථාපනය).
උපකල්පන සකස් කරමු.
එච් 0 : සමූහයේ අඩුම ඌනතා අනුපාත (ශුන්‍යය).සමග කණ්ඩායමට වඩා වැඩි ශක්තියක් සහිත මර්දනයන් පොදු නොවේසමග අඩු විස්ථාපන ශක්තිය.
එච් 1 : අඩුම ඌනතා අනුපාත (ශුන්‍ය) සිදුවේවී කණ්ඩායමට වඩා වැඩි මර්දන ශක්තියක් සහිත කණ්ඩායමක්සමග අඩු ජවසම්පන්න මර්දනය. අපි දත්ත නව සෛල හතරක වගුවකට සමූහ කරමු.
වගුව 5.7
ඌනතා දර්ශකයේ ශුන්‍ය අගයන්හි සංඛ්‍යාතය මත පදනම්ව විවිධ මර්දන ශක්තීන් සහිත කණ්ඩායම් සංසන්දනය කිරීම සඳහා සෛල හතරක වගුව
කණ්ඩායම් | "බලපෑමක් තිබේ": අසාර්ථක දර්ශකය 0 වේ | ප්‍රමාණවත් නොවීම "කිසිදු බලපෑමක්" | දර්ශකය 0 ට සමාන නොවේ | ප්රමාණ |
|
1 කණ්ඩායම - වැඩි විස්ථාපන ශක්තියක් සහිතව | (27,8%) | (72,2%) | |||
1 කණ්ඩායම - අඩු විස්ථාපන ශක්තියක් සහිතව | (8,3%) | (91,7%) | |||
ප්රමාණ | |||||
අපි φ හි අගයන් තීරණය කර φ* හි අගය ගණනය කරමු:
පිළිතුර: එච් 0 ප්රතික්ෂේප කළා. වැඩි මර්දන ශක්තියක් ඇති කණ්ඩායමේ අඩුම දර්ශක (ශුන්‍ය) අඩු මර්දන ශක්තියක් ඇති කණ්ඩායමට වඩා බහුලව දක්නට ලැබේ (p<0,05).
සමස්තයක් වශයෙන්, ලබාගත් ප්රතිඵල, S. Freud සහ A. Adler හි සංකීර්ණ සංකල්පවල අර්ධ අහඹු සිදුවීමක සාක්ෂි ලෙස සැලකිය හැකිය.
මර්දන ශක්තියේ දර්ශකය සහ සමස්තයක් ලෙස නියැදිය තුළ තමාගේ ම අප්‍රමාණවත් හැඟීමේ තීව්‍රතාවයේ දර්ශකය අතර ධනාත්මක රේඛීය සහසම්බන්ධයක් ලබා ගැනීම සැලකිය යුතු ය (p = +0.491, p<0,01). Как мы можем убедиться, применение критерия φ* позволяет проникнуть в более тонкие и содержательно значимые соотношения между этими двумя показателями.
උදාහරණ 4 - නිර්ණායකය සමඟ φ* නිර්ණායකය භාවිතා කිරීම λ උපරිම සාක්ෂාත් කර ගැනීම සඳහා Kolmogorov-Smirnov නිවැරදිප්රතිඵලය
කිසියම් ප්‍රමාණාත්මකව මනින ලද දර්ශකවලට අනුව සාම්පල සංසන්දනය කරන්නේ නම්, සියලුම විෂයයන් “බලපෑමක් ඇති” සහ “බලපෑමක් නැති” අය ලෙස බෙදීමේදී තීරණාත්මක ලක්ෂ්‍යයක් ලෙස භාවිතා කළ හැකි බෙදාහැරීමේ ලක්ෂ්‍යය හඳුනා ගැනීමේ ගැටලුව පැන නගී.
ප්‍රතිපත්තිමය වශයෙන්, බලපෑම ඇති සහ බලපෑමක් නොමැති උප කණ්ඩායම් වලට අප කණ්ඩායම බෙදන ලක්ෂ්‍යය තරමක් අත්තනෝමතික ලෙස තෝරා ගත හැකිය. අපට ඕනෑම බලපෑමක් ගැන උනන්දු විය හැකි අතර, එම නිසා, එය යම්කිසි තේරුමක් ඇති තාක් කල්, අපට ඕනෑම අවස්ථාවක කොටස් දෙකකට සාම්පල දෙකම බෙදිය හැකිය.
කෙසේ වෙතත්, φ* පරීක්ෂණයේ බලය උපරිම කිරීම සඳහා, සංසන්දනය කරන ලද කණ්ඩායම් දෙක අතර වෙනස්කම් ඇති ස්ථානය තෝරා ගැනීම අවශ්ය වේ. වඩාත් නිවැරදිව, නිර්ණායකය ගණනය කිරීම සඳහා ඇල්ගොරිතමයක් භාවිතයෙන් අපට මෙය කළ හැකියλ , සාම්පල දෙකක් අතර උපරිම විෂමතා ලක්ෂ්‍යය හඳුනා ගැනීමට ඔබට ඉඩ සලසයි.
නිර්ණායක φ* සහ ඒකාබද්ධ කිරීමේ හැකියාවλ E.V විසින් විස්තර කරන ලදී. ගුබ්ලර් (1978, පිටු 85-88). පහත ගැටළුව විසඳීමේදී මෙම ක්රමය භාවිතා කිරීමට උත්සාහ කරමු.
ඒකාබද්ධ අධ්යයනයක දී එම්.ඒ. කුරොච්කිනා, ඊ.වී. සිඩොරෙන්කෝ සහ යූ.ඒ. එක්සත් රාජධානියේ චුරකොව් (1992) කාණ්ඩ දෙකක ඉංග්‍රීසි සාමාන්ය වෛද්යවරුන් පිළිබඳ සමීක්ෂණයක් පවත්වන ලදී: a) වෛද්‍ය ප්‍රතිසංස්කරණවලට සහය දුන් වෛද්යවරුන් සහ දැනටමත් ඔවුන්ගේ පිළිගැනීමේ කාර්යාල ඔවුන්ගේම අයවැයෙන් අරමුදල් සම්පාදනය කරන ආයතන බවට පත් කර ඇත; ආ) ඔවුන්ගේ කාර්යාල තවමත් තමන්ගේම අරමුදල් නොමැති සහ සම්පූර්ණයෙන්ම රාජ්ය අයවැය මගින් සපයනු ලබන වෛද්යවරුන්. විශාල නගරවල හෝ පළාත්වල - විවිධ ස්ත්‍රී පුරුෂ භාවය, වයස, සේවා කාලය සහ සේවා ස්ථානය යන පුද්ගලයින්ගේ නියෝජනය අනුව ඉංග්‍රීසි වෛද්යවරුන්ගේ සාමාන්ය ජනගහනයේ නියෝජිතයන් වන වෛද්යවරුන් 200 ක නියැදියකට ප්‍රශ්නාවලිය යවන ලදී.
වෛද්යවරුන් 78 දෙනෙකු ප්‍රශ්නාවලියට ප්‍රතිචාර දක්වා ඇති අතර, ඉන් 50ක් අරමුදල් සහිත පොරොත්තු කාමරවල සහ 28ක් අරමුදල් නොමැති පොරොත්තු කාමරවල සේවය කළහ. සෑම වෛද්‍යවරයකුටම ඊළඟ වසරේ, 1993 දී අරමුදල් සමඟ ඇතුළත් වීමේ කොටස කොපමණ වේද යන්න පුරෝකථනය කිරීමට සිදු විය. පිළිතුරු එවූ 78 දෙනාගෙන් වෛද්යවරුන් 70 දෙනෙක් පමණක් මෙම ප්‍රශ්නයට පිළිතුරු දුන්හ. ඔවුන්ගේ අනාවැකි බෙදා හැරීම වගුවේ දක්වා ඇත. 5.8 අරමුදල් සහිත වෛද්‍ය කණ්ඩායම සහ අරමුදල් නොමැති වෛද්‍ය කණ්ඩායම සඳහා වෙන වෙනම.
අරමුදල් ඇති වෛද්යවරුන්ගේ සහ අරමුදල් නොමැති වෛද්යවරුන්ගේ අනාවැකි කිසියම් ආකාරයකින් වෙනස් ද?
වගුව 5.8
1993 දී අරමුදල් සහිත හදිසි කාමරවල කොටස කුමක්ද යන්න පිළිබඳ සාමාන්ය වෛද්‍යවරුන්ගෙන් අනාවැකි බෙදා හැරීම
ප්‍රක්ෂේපිත කොටස | |||
අරමුදල් සහිත පිළිගැනීමේ කාමර | අරමුදල සමඟ වෛද්යවරුන් (n 1 =45) | අරමුදලක් නැති වෛද්‍යවරු (n 2 =25) | ප්රමාණ |
1. 0 සිට 20% දක්වා | 4 | 5 | 9 |
2. 21 සිට 40% දක්වා | 15 | සහ | 26 |
3. 41 සිට 60% දක්වා | 18 | 5 | 23 |
4. 61 සිට 80% දක්වා | 7 | 4 | සහ |
5. 81 සිට 100% දක්වා | 1 | 0 | 1 |
ප්රමාණ | 45 | 25 | 70 |
4.3 වගන්තියෙන් ඇල්ගොරිතම 15 භාවිතා කර ප්‍රතිචාර බෙදාහැරීම් දෙක අතර උපරිම විෂමතා ලක්ෂ්‍යය තීරණය කරමු (වගුව 5.9 බලන්න).
වගුව 5.9
කණ්ඩායම් දෙකක වෛද්යවරුන්ගේ අනාවැකි බෙදා හැරීමේදී සමුච්චිත සංඛ්‍යාතවල උපරිම වෙනස ගණනය කිරීම
අරමුදල් සමඟ ඇතුළත් වීමේ ප්‍රක්ෂේපිත කොටස (%) | ලබා දී ඇති ප්‍රතිචාර ප්‍රවර්ගයක් සඳහා තෝරා ගැනීමේ ආනුභවික සංඛ්යාත | ආනුභවික සංඛ්යාත | සමුච්චිත ආනුභවික සංඛ්යාත | වෙනස (ඈ) |
|||
අරමුදල සමඟ වෛද්යවරුන්(n 1 =45) | අරමුදලක් නැති වෛද්‍යවරු (n 2 =25) | f* අහ් 1 | f* a2 | ∑f* e1 | ∑f* a1 |
||
1. 0 සිට 20% දක්වා 2. 21 සිට 40% දක්වා 3. 41 සිට 60% දක්වා 4. 61 සිට 80% දක්වා 5. 81 සිට 100% දක්වා | 4 15 18 7 1 | 5 11 5 4 0 | 0,089 0,333 0,400 0,156 0,022 | 0,200 0,440 0,200 0,160 0 | 0,089 0,422 0,822 0,978 1,000 | 0,200 0,640 0,840 1,000 1,000 | 0111 0,218 0,018 0,022 0 |
සමුච්චිත ආනුභවික සංඛ්යාත දෙකක් අතර හඳුනාගත් උපරිම වෙනස වන්නේ0,218.
මෙම වෙනස පුරෝකථනයේ දෙවන කාණ්ඩයේ සමුච්චය වී ඇත. සාම්පල දෙකම "බලපෑමක් ඇති" උප සමූහයකට සහ "කිසිදු බලපෑමක් නොමැති" උප සමූහයකට බෙදීමේ නිර්ණායකයක් ලෙස මෙම කාණ්ඩයේ ඉහළ සීමාව භාවිතා කිරීමට උත්සාහ කරමු. දී ඇති වෛද්‍යවරයකු අරමුදල් සමඟ ඇතුළත් කිරීම් වලින් 41 සිට 100% දක්වා පුරෝකථනය කරන්නේ නම් “බලපෑමක්” ඇති බව අපි උපකල්පනය කරමු.1993 වසර, සහ දී ඇති වෛද්‍යවරයකු අරමුදල් සමඟ ඇතුළත් කිරීම් වලින් 0 සිට 40% දක්වා පුරෝකථනය කරන්නේ නම් “කිසිදු බලපෑමක්” නොමැති බව1993 අවුරුදු. අපි එක් අතකින් පුරෝකථන කාණ්ඩ 1 සහ 2 සහ අනෙක් පැත්තෙන් 3, 4 සහ 5 කාණ්ඩ ඒකාබද්ධ කරමු. අනාවැකි බෙදා හැරීම වගුවේ දක්වා ඇත. 5.10.
වගුව 5.10
අරමුදල් සහිත වෛද්යවරුන් සහ අරමුදල් නොමැතිව වෛද්යවරුන් සඳහා අනාවැකි බෙදා හැරීම
අරමුදල් සමඟ ඇතුළත් වීමේ ප්‍රක්ෂේපිත කොටස (%1 | දී ඇති පුරෝකථන ප්‍රවර්ගයක් තෝරා ගැනීම සඳහා අනුභූතික සංඛ්යාත | ප්රමාණ |
|
අරමුදල සමඟ වෛද්යවරුන්(n 1 =45) | අරමුදලක් නැති වෛද්‍යවරු(n 2 =25) |
||
1. 0 සිට 40% දක්වා | 19 | 16 | 35 |
2. 41 සිට 100% දක්වා | 26 | 9 | 35 |
ප්රමාණ | 45 | 25 | 70 |
එහි ඇති ඕනෑම සෛල දෙකක් සංසන්දනය කිරීමෙන් විවිධ උපකල්පන පරීක්ෂා කිරීමට අපට ලැබෙන වගුව (වගුව 5.10) භාවිතා කළ හැකිය. මෙය ඊනියා සෛල හතරක් හෝ ක්ෂේත්‍ර හතරක් වගුව බව අපට මතකයි.
මෙහිදී, අරමුදල් නොමැති වෛද්‍යවරුන්ට වඩා දැනටමත් අරමුදල් ඇති වෛද්යවරුන් මෙම ව්‍යාපාරයේ විශාල අනාගත වර්ධනයක් පුරෝකථනය කරන්නේද යන්න පිළිබඳව අපි උනන්දු වෙමු. එබැවින්, පුරෝකථනය 41 සිට 100% දක්වා කාණ්ඩයට වැටෙන විට "බලපෑමක් තිබේ" යැයි අපි කොන්දේසි සහිතව සලකමු. ගණනය කිරීම් සරල කිරීම සඳහා, අපි දැන් මේසය 90 ° කරකැවිය යුතු අතර, එය දක්ෂිණාවර්තව භ්රමණය කළ යුතුය. මේසය සමඟ පොත පෙරළීමෙන් ඔබට මෙය වචනාර්ථයෙන් කළ හැකිය. දැන් අපට φ* නිර්ණායකය ගණනය කිරීම සඳහා වැඩ පත්රිකාව වෙත යා හැකිය - ෆිෂර්ගේ කෝණික පරිවර්තනය.
වගුව 5.11
සාමාන්ය වෛද්යවරුන් කණ්ඩායම් දෙකක අනාවැකිවල වෙනස්කම් හඳුනා ගැනීම සඳහා ෆිෂර්ගේ φ* පරීක්ෂණය ගණනය කිරීම සඳහා සෛල හතරක වගුව
සමූහය | බලපෑමක් ඇත - 41 සිට 100% දක්වා අනාවැකි | බලපෑමක් නැත - 0 සිට 40% දක්වා අනාවැකි | මුළු |
මමකණ්ඩායම - අරමුදල ගත් වෛද්යවරුන් | 26 (57.8%) | 19 (42.2%) | 45 |
IIකණ්ඩායම - අරමුදල නොගත් වෛද්යවරුන් | 9 (36.0%) | 16 (64.0%) | 25 |
මුළු | 35 | 35 | 70 |
උපකල්පන සකස් කරමු.
එච් 0 : පුද්ගල අනුපාතයසියලුම වෛද්‍ය කාර්යාලවලින් 41%-100% දක්වා අරමුදල් ව්‍යාප්ත වනු ඇතැයි පුරෝකථනය කරමින්, අරමුදල් ඇති වෛද්යවරුන් කණ්ඩායම තුළ අරමුදල් නොමැති වෛද්යවරුන් කණ්ඩායමට වඩා වැඩි දෙයක් නොමැත.
එච් 1 : සියලුම ඇතුළත් කිරීම් වලින් 41%-100% දක්වා අරමුදල් පැතිරීම පුරෝකථනය කරන පුද්ගලයින්ගේ අනුපාතය අරමුදල් නොමැති වෛද්යවරුන්ගේ කණ්ඩායමට වඩා අරමුදල් ඇති වෛද්යවරුන්ගේ කණ්ඩායමේ වැඩි ය.
φ හි අගයන් නිර්ණය කිරීම 1 සහ φ 2 වගුව අනුවXIIඋපග්රන්ථය 1. φ බව සිහිපත් කරන්න 1 සෑම විටම විශාල ප්රතිශතයට අනුරූප වන කෝණය වේ.
දැන් අපි φ* නිර්ණායකයේ ආනුභවික අගය තීරණය කරමු:
වගුව අනුව.XIIIඋපග්රන්ථය 1 හි අපි මෙම අගය අනුරූප වන වැදගත්කමේ මට්ටම තීරණය කරමු: p = 0.039.
උපග්රන්ථය 1 හි ඇති එකම වගුව භාවිතා කරමින්, ඔබට φ* නිර්ණායකයේ තීරණාත්මක අගයන් තීරණය කළ හැකිය:
පිළිතුර: නමුත් එය ප්රතික්ෂේප වේ (p=0.039). අරමුදල් පැතිරීම පුරෝකථනය කරන පුද්ගලයින්ගේ කොටස41-100 % අරමුදල ලබාගත් වෛද්යවරුන්ගේ කණ්ඩායමේ සියලුම පිළිගැනීම්වලින් අරමුදල නොගත් වෛද්යවරුන්ගේ කණ්ඩායමේ මෙම කොටස ඉක්මවා යයි.
වෙනත් වචන වලින් කිවහොත්, ස්වාධීන අයවැයකට මාරු වීමට තවමත් එකඟ වී නැති වෛද්‍යවරුන්ට වඩා මේ වසරේ මෙම පරිචය පුළුල් ලෙස ව්‍යාප්ත වනු ඇතැයි වෙනම අයවැයක් මත දැනටමත් ඔවුන්ගේ පොරොත්තු කාමරවල සේවය කරන වෛද්‍යවරු පුරෝකථනය කරති. මෙම ප්රතිඵලය පිළිබඳ විවිධ අර්ථකථන තිබේ. නිදසුනක් වශයෙන්, එක් එක් කණ්ඩායමේ වෛද්යවරුන් යටි සිතින් ඔවුන්ගේ හැසිරීම වඩාත් සාමාන්ය දෙයක් ලෙස සලකන බව උපකල්පනය කළ හැකිය. දැනටමත් ස්වයං-අරමුදල් ලබාගෙන ඇති වෛද්යවරුන් තම තීරණය සාධාරණීකරණය කිරීමට අවශ්ය බැවින් මෙම ව්‍යාපාරයේ විෂය පථය අතිශයෝක්තියට නැංවීමට නැඹුරු වන බව මින් අදහස් විය හැකිය. හඳුනාගත් වෙනස්කම් අධ්‍යයනයේ දී ඉදිරිපත් කරන ලද ප්‍රශ්නවල විෂය පථයෙන් සම්පූර්ණයෙන්ම ඔබ්බට ගිය දෙයක් ද අදහස් කළ හැකිය. නිදසුනක් වශයෙන්, ස්වාධීන අයවැයක් මත වැඩ කරන වෛද්යවරුන්ගේ ක්රියාකාරිත්වය කණ්ඩායම් දෙකෙහිම තනතුරුවල වෙනස්කම් තියුණු කිරීමට දායක වේ. ඔවුන් අරමුදල් ගැනීමට එකඟ වූ විට ඔවුන් වඩාත් ක්‍රියාශීලී විය; තැපැල් ප්‍රශ්නාවලියට පිළිතුරු දීමට ඔවුන් කරදර වූ විට ඔවුන් වඩාත් ක්‍රියාශීලී විය; වෙනත් වෛද්යවරුන් අරමුදල් ලබා ගැනීමේදී වඩාත් ක්‍රියාශීලී වනු ඇතැයි පුරෝකථනය කරන විට ඔවුන් වඩාත් ක්‍රියාශීලී වේ.
එක් ආකාරයකින් හෝ වෙනත් ආකාරයකින්, මෙම සත්‍ය දත්ත සඳහා හැකි උපරිම සංඛ්යාන වෙනස්කම් ඇති බව අපට සහතික විය හැකිය. අපි නිර්ණායකය භාවිතා කර ස්ථාපනය කළාλ බෙදා හැරීම් දෙක අතර උපරිම අපසරන ලක්ෂ්‍යය, සහ සාම්පල කොටස් දෙකකට බෙදා ඇත්තේ මේ අවස්ථාවේදී ය.
ඔබේ ලකුණ.
