Documente Academic
Documente Profesional
Documente Cultură
Corelația în statistică
Corelația se referă la măsura în care două variabile sunt asociate. Un coeficient de corelație
arată cât de puternică este relația dintre două variabile și care este direcția acestei relații:
pozitivă sau negativă, directă sau inversă.
Un concept asociat corelației este predicția. Dacă două variabile corelează pozitiv, înseamnă
că putem face o predicție mai bună decât fifty-fifty, adică mai bună decât șansa, cu privire la
scorul unei persoane pe o variabilă dacă îi cunoaștem scorul pe cealaltă variabilă. Astfel, o
corelație pozitivă sugerează că cei cu scoruri mari pe una dintre variabile este probabil să aibă
scoruri mari și pe cealaltă variabilă.
Cu excepția unei corelații perfecte, de +1, care este extrem de rară, asociația dintre două
variabile este parțială. Asta înseamnă că nu toți cei cu scoruri mari la variabila A vor avea
scoruri mari și la variabila B. Dar dacă există o corelație între cele două variabile, e mai
probabil ca acest lucru să se întâmple.
Corelația, ca metodă statistică, este utilă în mai multe situații. Spre exemplu, o folosim pentru
a verifica fidelitatea test-retest a unui instrument, dar și pentru a testa validitatea
instrumentului într-un context anume. În prima situație, vom calcula corelația dintre
rezultatele la o primă aplicare și cele obținute la o a doua aplicare, după câteva săptămâni.
Pentru a testa validitatea, vom corela rezultatele la testul nostru cu rezultatele la alte teste sau
măsurători.
Ori de câte ori vrem să vedem dacă există o relație între două variabile, corelația este un
instrument pe care îl putem folosi.
Apoi sunt desenate cele două axe de dimensiuni egale, cu valorile ridicate spre extremități și
valorile mici înspre originea comună (punctul de intersecție a axelor).
Folosind gradațiile fiecărei axe, găsiți intersecția fiecărei perechi de date X-Y. Notați această
intersecție cu un punct.
Odată realizat acest grafic, este ușor de observat natura relației, direcția ei, dacă ea există.
Rețineți că pentru coeficientul de corelație Pearson este presupusă o relație liniară între
variabile, adică o relație care poate fi reprezentată printr-o linie dreaptă. Acesta nu este
întotdeauna cazul, iar o inspecție sumară a norului de puncte poate să indice o relație mai
degrabă curbilinie, în formă de U sau de U inversat.
În cazul unei corelații care tinde spre 0, punctele vor fi împrăștiate pe tot graficul, fără a
sugereze o formă regulată sau o orientare.
Coeficientul de corelație este notat cu r (r mic). El variază între -1 și +1. Semnul indică doar
direcția relației (este pozitivă sau negativă). Forța relației este dată de mărimea coeficientului,
indiferent dacă e cu + sau minus. Astfel, cu cât e mai aproape de +1 sau -1, cu atât e mai
puternică relația. Cu cât e mai aproape de 0, cu atât e mai slabă.
În situația unei corelații perfect pozitive (+1), toate punctele din scatter plot s-ar așeza pe o
linie dreaptă ascendentă de la stânga spre dreapta. O corelație perfect negativă (-1) ar
presupune că toate punctele din grafic să se alinieze pe o linie dreaptă descendentă de la
stânga spre dreapta.
Un coeficient de 0,50 nu înseamnă o asociere de 50% între cele două variabile și nu este nici
de două ori mai mare decât un coeficient de 0,25. Corelația nu este un procent și nici nu apare
pe o scală de interval, ceea ce înseamnă că diferența dintre un coeficient de 0,10 și unul de
0,20 nu este egală cu diferența dintre 0,20 și 0,30.
Însă cu cât un coeficient de corelație este mai mare, cu atât predicțiile pe care le facem despre
scorurile unei persoane la variabila B în baza scorurilor pe care le are la variabila A e mai
probabil să fie corecte. Spre exemplu, dacă între nota la bacalaureat și media notelor din
prima sesiune este de 0,40, este mai probabil ca un student cu notă mare la bac să aibă note
mari în prima sesiune decât dacă această corelație este de doar 0,15. Este o chestiune de
calitate a predicției.
r = Σ(zxzy)/n
Înainte de a folosi formula de mai sus, scorurile brute trebuie transformate în scoruri z. Apoi
sunt înmulțite scouririle z și se adună produsele obținute. Suma produselor se împarte la n,
adică la numărul de perechi de scoruri.
r = Σ(x-mx)(y-my)/nSxSy
x și y sunt scorurile obținute pe cele două variabile. Mx și my sunt mediile scorurilor pentru
fiecare variabilă, n este totalul perechilor de scoruri, iar Sx și Syreprezintă abaterile standard.
Pentru a aplica această formulă, trebuie parcurși mai mulți pași. În primul rând, sunt listate
toate scorurile pe două coloane. Pentru o mai bună înțelegere, urmăriți tabelul de la pagina
155 din materialul original.
Al doilea pas presupune calcularea mediei scorurilor la prima variabilă (x) și a mediei pentru
a doua variabilă (Y).
Apoi fiecare scor brut este transformat într-un scor de abatere (adică x minus media
eșantionului la prima variabilă, respectiv y minus media scorurilor la a doua variabilă).
Următorul pas necesită calcularea abaterilor standard pentru fiecare variabilă. Acest calcul
presupune ridicarea la pătrat a fiecărei abateri și însumarea pătratelor obținute. Această sumă
este apoi împărțită la n și în final se extrage radicalul din rezultatul împărțirii.
Revenind la formula lui r, pentru a obține numărătorul, se înmulțește fiecare abatere a primei
variabile cu abaterea la cea de-a doua variabilă. Apoi sunt adunate produsele tuturor
respondenților. Suma este împărțită la produsul dintre n și cele două abateri standard.
R = Σ (x-mx)(y-my) / √(ssx*ssy)
ssx și ssy reprezintă suma pătratelor abaterilor lui x, respectiv y. Modul de calcul a acestor
sume ale pătratelor a fost specificată mai sus.
La numărător găsim suma produselor abaterilor lui x, respectiv y. Aceasta mai poate fi
calculată și scăzând din suma produselor x*y suma valorilor lui x ori suma valorilor lui y,
produs împărțit la n.
Este important de știut că transformările liniare ale scorurilor nu modifică deloc valoarea
coeficientului de corelație. O transformare liniară presupune adăugarea, scăderea, înmulțirea
sau împărțirea fiecărui scor cu o valoare constantă.
În schimb alte tipuri de transformări, cum este ridicarea la pătrat a scorurilor brute, spre
exemplu, afectează valoarea lui r.
Nu există un singur coeficient de corelație între două variabile. Acest coeficient poate să
varieze în funcție de caracteristicile eșantionului, inclusiv dimensiunea lui, dar și în funcție de
instrumentele folosite pentru măsurare sau altor condiții externe. De aceea este esențial ca
raportarea coeficientului să fie acompaniată de cât mai multe detalii despre modul în care
datele au fost obținute și prelucrate.
Corelația biserială este adecvată atunci când una dintre variabile este continuă și cantitativă,
iar cealaltă ar putea fi și ea continuă, însă a fost redusă la doar două categorii (are doar două
valori, cum ar fi sub sau peste medie).
Coeficientul tetrachoric este utilizat dacă ambele variabile sunt continue însă au fost reduse la
doar două categorii.
Coeficientul punct biserial se folosește dacă o variabilă este continuă și cantitativă, dar a doua
este calitativă și dihotomică, fără să poată fi continuă (așa cum este cazul la corelația biserială
simplă).
Coeficientul phi este folosit atunci când ambele variabile sunt calitative și dihotomice.
Coeficientul de contingență este folosit atunci când niciuna dintre variabile nu are la bază un
set continuu de date și cel puțin una dintre ele nu este dihotomică, ci are trei sau mai multe
categorii.
Corelația eta este folosită pentru relațiile curbilinii dintre două variabile continue, cantitative.
Acest coeficient nu trebuie folosit atunci când două variabile au o relație liniară.
Corelația multiplă permite evaluarea asocierii dintre mai mulți predictori și un criteriu.
Presupune identificarea ponderii fiecărui predictor astfel încât totalul ponderat al acestor
variabile să aibă cea mai mare corelație posibilă cu variabila criteriu. Coeficientul de corelație
multiplă este notat cu R (r mare), iar pentru a putea fi calculat trebuie să cunoaștem
coeficienții de corelație r pentru fiecare pereche de variabile.
Corelația parțială măsoară asocierea dintre două variabile atunci când efectul altor variabile
este izolat. Este o metodă de eliminare a explicațiilor alternative pentru corelația dintre două
variabile.
Dacă prin corelația parțială eliminăm efectul unei terțe variabile asupra relației dintre cele
două variabile, corelația semiparțială sau parțială presupune doar eliminarea efectului acestei
terțe variabile asupra uneia singure dintre variabilele corelate.
https://psihoteca.ro/corelatia/
.......................................................................................................................
Corelatii parametrice
Principalele doua conditii ce trebuie a fi îndeplinite pentru a utiliza probe
parametrice sunt:
Unde:
S x totul la patrat si S y totul la patrat se obtin prin însumarea tuturor x-ilor si y-ilor
si apoi se ridica rezultatul la patrat.
S xy este suma produselor dintre cele doua variabile.
Unde: n este numarul de subiecti; Sx si Sy sunt abaterile standard ale celor doua
variabile; Mx si My sunt mediile celor doua variabile.
Sb x y x2 y2 xy Sb x Y x2 y2 xy
1 16 20 256 400 320 11 4 11 16 121 44
2 12 17 144 289 204 12 10 14 100 196 140
3 10 14 100 196 140 13 12 15 144 225 180
4 8 9 64 81 72 14 11 17 121 289 187
5 11 12 121 144 132 15 12 14 144 196 168
6 9 10 81 100 90 16 10 13 100 169 130
7 7 13 49 169 91 17 14 19 196 361 266
8 9 12 81 144 108 18 7 15 49 225 105
9 15 20 225 400 300 19 6 8 36 64 48
10 6 10 36 100 60 20 13 18 169 324 234
S x= 202; S y= 281; S x2= 2232; S y2= 4193; S xy= 3019; (S x)2= 40804; (S y)2=
78961.
OBSERVATII:
Daca urmarim tabelul de valori ale lui r, observam ca r obtinut (0,83) este
semnificativ si la un parg de semnificatie inferior p<.001 si df = 18, în dreptul
careia era trecuta în tabel valoarea de 0,67.
OBSERVATIE:
Valoarea obtinuta este comparata cu valoarea din tabel a lui r de la 111 grade
de libertate într-o maniera asemanatoare cu cea amintita la explicarea interpretarii
semnificatiei coeficientului de corelatie r a lui Bravais-Pearson.
3. Coeficientul de corelatie partiala
Corelatia dintre doua variabile poate induce uneori în eroare si poate fi dificil
de interpretat atunci când între cele doua variabile exista o a treia, responsabila de
dependenta comuna a celor doua.
Exista câtiva factori generali care pot influenta relatiile dintre variabile:
nivelul de dezvoltare mentala; temperamentul; gradul de sanatate psihica etc.
Simbolul folosit pentru coeficientul de corelatie partiala este r12.3 care semnifica o
corelatie între variabilele 1 si 2 când variabila 3 este mentinuta constanta (se pot
mentine oricâte variabile, simbolul devenind r12.345).
Unde: m1= media valorilor variabilei continue pentru subiectii care ating
valoarea A a variabilei dihotomice (în cazul de fata cei care au lucrat cu copiii
deficienti mintal);
m2= media valorilor variabilei continue pentru subiectii care ating valoarea B
a variabilei dihotomice (în acest caz cei care nu au lucrat cu copii cu deficienti
mintal);
S = abaterea standard generala pe întreg lotul de subiecti;
pq/y = se citeste dintr-un tabel special luând ca reper fie p, fie q.
2. Se cauta în tabel valoarea lui pq/y pentru p = 0,40 sau q = 0,60. Se observa
ca valoarea lui pq/y corespunzatoare este 0,6212.
3. Se înlocuieste în formula prezentata mai sus:
PROBLEME
Sensibilitate 4 6 8 7 3 5 4 5
Anxietate 10 13 14 11 8 11 9 12
6.Fie urmatoarele valori pentru variabilele frica de esec (un scor mic înseamna o
frica redusa) si rezultatele scolare, exprimate în media generala :
https://statisticasociala.tripod.com/cor_par.htm
II. Testarea ipotezelor despre medii simple (z
și t)
Decizia de a respinge ipoteza nulă apare atunci când probabilitatea ca diferența observată să
se datoreze șansei este foarte mică. De obicei, ipoteza nulă este respinsă dacă probabilitatea ca
rezultatul să se datoreze șansei este .05 sau mai mică. Acest criteriu reprezintă nivelul de
semnificație și este notat cu alfa.
Generalitatea proceduri de testare a ipotezelor
În procesul de testare a ipotezelor, o ipoteză nulă este formulată cu privire la un parametru al
populației, alături de o ipoteză alternativă. Apoi este selectat un eșantion al populației pentru
observații. Pe baza acestuia sunt obținute mai multe statistici, precum media. Apoi se
calculează care ar fi rezultatele obținute dacă ipoteza nulă ar fi valabilă. În final, ipoteza nulă
este păstrată dacă rezultatul coincide cu cele expectate dacă ipoteza nulă este valabilă.
Formula pentru estimarea erorii standard abaterea standard, raportată la radical din N.
Distribuția T
Dacă asumpțiile inferențelor sunt respectate, atunci distribuția Z este una normală, deoarece
valorile mediei vor varia de la un eșantion la altul, dar media populației și eroarea standard a
populației rămân constante. Astfel, z este egal cu diferența dintre o variabilă distribuită
normal și o constantă, adică media populație, raportată la o altă constantă, adică eroarea
standard. Deoarece constantele nu modifică distribuția scorurilor, dacă mediile sunt distribuite
normal, atunci și Z va fi.
În ce privește formula T, aceasta este diferența dintre media eșantionului și media populației,
raportată la abaterea standard. Dacă este calculat T-ul pentru toate eșantioanele, atunci
obținem distribuția T. Aceasta nu are o distribuție normală, fiind numită distribuția T student.
Pentru un număr infinit al gradelor de libertate, t critic coincide cu z critic. Cu cât mai mică
este valoarea gradelor de libertate, cu atât crește t critic. T este foarte similar cu z atâta timp
cât gradele de libertate sunt mai mari de 100. Pe măsură ce gradele de libertate scad, și
distribuția t de schimbă, la început mai încet, apoi mai abrupt.
Utilizarea distribuției t
Într-o problemă, știm că scorul gradelor de libertate este 20 și alfa setat este .05. Se cere
valorilor t care stabilesc limita respingerii ipotezei nule. Pentru a face asta, se identifică
valoarea t sub care se află 2.5% din populație și valoarea t peste care se află 2.5% din
populație, ținând cont de gradele de libertate. Valoarea indicată de tabel este +/- 2.086.
Folosind aceleași date, se cere identificarea valorii t pentru care probabilitatea este .05 sau
mai mare. Consultând tabelul, se identifică rândul pentru gradele de libertate egale cu 20.
Apoi se identifcă coloana pentru .05. T-ul identificat este 1.725.
În raportarea rezultatelor, este importantă să specificăm dacă testul a fost unidirecțional sau
bidirecțional.
Metoda bootstrap
Metoda bootstrap generează noi eșantioane pe baza celui original și nu implică asumpții cu
privire la distribuția scorurilor în populație. Să spunem că avem un eșantion selectat
randomizat de 15 persoane. Fiecare dintre aceste scoruri este copiat de un computer de un
număr mare de ori. Aceste copii sunt combinate, rezultând sute de eșantioane adiționale.
Conspect al capitolului 14, ”Testing hypotheses about single means (z and t)”, din ”Statistical
reasoning in psychology and education”, de Minium, King și Bear
https://psihoteca.ro/testarea-ipotezelor-despre-medii-simple-z-si-t/
Exista trei tipuri de tehnici principale care vor fi discutate în acest capitol:
În acest caz dorim sa aflam daca un esntion de subiecti difera de o populatie mai
mare. Sa presupunem ca un test de empatie a fost administrat pe o populatie mare
de subiecti elevi abia intrati la liceu (N= 1000), iar media obtinuta pe întreaga
populatie testata a fost de 76. Când s-a efectuat acelasi test pe o clasa de elevi de
n=32 subiecti, s-a obtinut media de 81 si o estimare a abaterii standard de 9(s). Se
pune problema daca elevii din aceasta clasa au un nivel de empatie diferit de media
specifica pentru clasa a IX-a.
Pentru solutionarea acestei probleme exista doua teste statistice adecvate, si anume
testele z si t.
În situatia în care una din cele doua conditii nu sunt îndeplinite, utilizam testul t
pentru un esantion.
Ho: M = m
În cazul H1a ipoteza alternativa specifica ca exista o diferenta între cele doua medii
fara a arata directia acestei diferente. În acest caz avem de a face cu un test t
bilateral (two-tailed test).
În cazul H1b ipoteza alternativa specifica directia diferentei între cele doua medii -
o medie este mai mica (mare) decât cealalta datorita unor considerente teoretice.
Aceasta situatie necesita un test t unilateral (one-tailed).
Cele doua tipuri de test t utilizeaza aceeasi formula, specificul unilateral vs.
bilateral influentând doar valorile comparative prezente în tabelul lui t.
Înlocuind datele problemei prezentate în formula lui t data mai sus obtinem:
Urmatorul pas care trebuie facut dupa calcularea lui t este de a compara
valoarea obtinuta cu cea corespunzatoare în tabelul lui t. Daca valoarea calculata
este mai mare decât cea din tabel ipoteza nula este respinsa. Pentru aceasta sunt
necesari trei pasi:
Se poate observa ca valoarea obtinuta de noi t=3,14 este mai mare decât
valoarea din tabel t=2,042, situatie care se interpreteaza astfel: ipoteza nula este
respinsa, ca urmare rezultatele obtinute nu pot fi puse în totalitate pe seama
întâmplarii, deci exista o diferenta semnificativa din punct de vedere statistic în ce
priveste diferenta dintre cele doua medii. Rezultatul obtinut se noteaza matematic
astfel:
Marimea efectului
doua grupe de subiecti sunt formate dupa una sau mai multe caracteristic
prealabile. Spre exemplu, aplicam un test preliminar în functie de care
împartim subiectii pe grupe astfel încât grupele sunt echilibrate, fiecarui
subiect din grupa A corespunzându-i un participant din grupa B;
o grupa de subiecti este testata de doua ori asupra aceleiasi variabile (pre-test
si post-test), experimentatorul fiind interesat de modificarile aparute între
cele doua testari.
Testul t independent
Exemplu: Un cercetator doreste sa studieze daca strategiile sintetice conduc
la rezultate diferite fata de strategiile analitice în ce priveste deprinderea citirii la
elevii de clasa I. El utilizeaza în acest sens 2 clase (esantioane) de câte 15 elevi
fiecare, în care deprinderea citirii s-a facut diferit (într-o clasa analitic, în cealalta
sintetic). Variabila dependenta din acest studiu a constat într-o proba de
performanta de citire (numar de cuvinte pe minut / numarul de erori).
a)
Deoarece rezultatul obtinut (5,314) este mai mare decât valorile tabelare a lui
t pentru p =.02 (2,467); p=.01 (2,763); sau p=.001 (3,674) putem prezenta rezultatul
obtinut ca fiind semnificativ si la acesta din urma valoare (exista 1 la 1000 sanse ca
rezultatul obtinut sa se datoreze întâmplarii). În acest caz notam: t(28) = 5,314,
p< .001 test bilateral.
În cazul în care numarul de subiecti din cele doua grupe nu era egal
(n1 ¹ n2) am fi aplicat o alta formula pentru calculul lui t (formula ce includea
dispersiile celor doua grupe sau formula prezentata la punctul b). Dupa aflarea
valorii lui t, se urmareste acelasi algoritm prezentat mai sus.
Marimea efectului
Întrebarea care se pune este care abatere standard trebuie aplicata. Exista o mare
controversa între statisticieni. Unii cred ca trebuie utilizata abaterea standard a
grupului de control daca acesta exista.
Unde: M1 si M2 sunt mediile celor doua grupe; n1 este numarul de subiecti dintr-o
grupa (n1 egal cu n2); s1² si s2² sunt dispersiile celor doua grupe (abaterile standard
la patrat).
În cazul problemei oferite drept model se observa ca cele doua esantioane sunt
egale (n1 = n2) si nu exista un grup de control (strategii analitice vs. strategii
sintetice). Astfel vom obtine:
Testul t dependent
(n1 < 30 si n2 < 30)
Unde: d este diferenta dintre pre-test si post-test, între pozitia unu în prima grupa si
pozitia unu din a doua grua s.a.m.d.;
sau
Unde: s1 patrat si s2 patrat sunt dispersiile celor doua grupe;
Marimea efectului.
Testul z dependent
(n1 > 30; n2 > 30)
Asumptiile distributiei t
Pentru ca testele t studiate în acest capitol sa fie aplicate trebuie îndeplinite mai
multe conditii:
4. Independenta grupurilor;
5. Omogenitatea variantei, adica grupurile trebuie sa provina din esantioane cu
dispersii egale (raportul lor sa fie cât mai apropape de unu).
PROBLEME
2. Daca un cercetator alege sa utilizeze un nivel alfa de .01 ¾n locul unui alfa
de .05 ¾nseamna ca el stabileste un criteriu:
3. Valoarea medie pentru populatia pe care s-a etalonat o proba de extraversie este
de 50, iar abaterea standard este 10,2. Sa presupunem ca 16 persoane care lucreaza
în comert cu succes au obtinut o medie de 56,10 si o abatere standard de 10 la
acelasi test. Calculati testul t si scrieti concluziile.
10. Stabiliti daca valoarea t sau z este semnificativa statistic în conditiile a doua
esantioane independente si în cazul testului bilateral:
A 7 8 6 8 9 7 8 6 8 6
B 6 7 5 6 7 6 7 6 6 5
e)
A 7 8 6 8 9 7 8 6 8 6
B 6 7 5 6 7 6 7 6
11. Stabiliti daca valoarea t sau z este semnificativa statistic în conditiile a doua
esantioane corelate (dependente) în care:
b)
A 34 22 25 31 27 32 29 26
B 38 19 36 40 36 31 36 37
https://statisticasociala.tripod.com/teh_par.htm
TABELE
Pentru a fi semnificativa valoarea obtinuta trebuie sa fie mai mare sau egala cu
valoarea corespondenta din tabel.
Pentru a fi semnificativa valoarea obtinuta trebuie sa fie mai mare sau egala cu
valoarea corespondenta din tabel.
6. Valori pentru calculul coeficientilor de corelatie biserial si
triserial
p sau q pq/y radical y/p p sau pq/y radical y/p
pq/y q pq/y
.350 .6142 1.288 1.0583 .426 .6237 1.261 .9203
.351 .6144 1.287 1.0564 .427 .6238 1.261 .9186
.352 .6145 1.287 1.0544 .428 .6239 1.261 .9169
.353 .6147 1.286 1.0525 .429 .6239 1.261 .9152
.354 .6149 1.286 1.0506 .430 .6240 1.260 .9134
.355 .6151 1.285 1.0487 .431 .6241 1.260 .9117
.356 .6152 1.285 1.0468 .432 .6242 1.260 .9100
.357 .6154 1.284 1.0449 .433 .6242 1.260 .9083
.358 .6155 1.284 1.0430 .434 .6243 1.260 .9066
.359 .6157 1.283 1.0411 .435 .6244 1.259 .9049
.360 .6158 1.283 1.0392 .436 .6244 1.259 .9032
.361 .6160 1.283 1.0373 .437 .6245 1.259 .9015
.362 .6162 1.282 1.0354 .438 .6246 1.259 .8998
.363 .6163 1.282 1.0336 .439 .6246 1.259 .8981
.364 .6165 1.281 1.0317 .440 .6247 1.259 .8964
.365 .6166 1.281 1.0298 .441 .6248 1.258 .8947
.366 .6168 1.280 1.0279 .442 .6248 1.258 .8930
.367 .6169 1.280 1.0261 .443 .6249 1.258 .8913
.368 .6171 1.280 1.0242 .444 .6250 1.258 .8896
.369 .6172 1.279 1.0223 .445 .6250 1.258 .8880
.370 .6174 1.279 1.0205 .446 .6251 1.258 .8863
.371 .6175 1.278 1.0186 .447 .6251 1.257 .8846
.372 .6177 1.278 1.0167 .448 .6252 1.257 .8829
.373 .6178 1.278 1.0149 .449 .6253 1.257 .8813
.374 .6179 1.277 1.0130 .450 .6253 1.257 .8796
.375 .6181 1.277 1.0112 .451 .6254 1.257 .8779
.376 .6182 1.276 1.0093 .452 .6254 1.257 .8762
.377 .6184 1.276 1.0075 .453 .6255 1.256 .8746
.378 .6185 1.276 1.0057 .454 .6255 1.256 .8729
.379 .6186 1.275 1.0038 .455 .6256 1.256 .8712
.380 .6188 1.275 1.0020 .456 .6256 1.256 .8695
.381 .6189 1.274 1.0002 .457 .6257 1.256 .8679
.382 .6190 1.274 .9983 .458 .6257 1.256 .8662
.383 .6192 1.274 .9965 .459 .6258 1.256 .8646
.384 .6193 1.273 .9947 .460 .6258 1.256 .8629
.385 .6194 1.273 .9929 .461 .6258 1.256 .8612
.386 .6196 1.273 .9910 .462 .6259 1.255 .8596
.387 .6197 1.272 .9892 .463 .6259 1.255 .8579
.388 .6198 1.272 .9874 .464 .6260 1.255 .8563
.389 .6199 1.272 .9856 .465 .6260 1.255 .8546
.390 .6200 1.271 .9838 .466 .6260 1.255 .8530
.391 .6202 1.271 .9820 .467 .6261 1.255 .8513
.392 .6203 1.271 .9802 .468 .6261 1.255 .8497
.393 .6204 1.270 .9784 .469 .6261 1.255 .8480
.394 .6205 1.270 .9766 .470 .6262 1.255 .8464
.395 .6206 1.270 .9748 .471 .6262 1.255 .8448
.396 .6208 1.269 .9730 .472 .6262 1.254 .8431
.397 .6209 1.269 .9712 .473 .6263 1.254 .8415
.398 .6210 1.269 .9694 .474 .6263 1.254 .8399
.399 .6211 1.268 .9676 .475 .6263 1.254 .8382
.400 .6212 1.268 .9659 .476 .6263 1.254 .8366
.401 .6213 1.268 .9644 .477 .6264 1.254 .8350
.402 .6214 1.267 .9623 .478 .6264 1.254 .8333
.403 .6215 1.267 .9605 .479 .6264 1.254 .8317
.404 .6216 1.267 .9587 .480 .6264 1.254 .8301
.405 .6218 1.267 .9570 .481 .6265 1.254 .8285
.406 .6219 1.266 .9552 .482 .6265 1.254 .8268
.407 .6220 1.266 .9534 .483 .6265 1.254 .8252
.408 .6221 1.266 .9517 .484 .6265 1.254 .8236
.409 .6222 1.265 .9499 .485 .6265 1.254 .8220
.410 .6223 1.265 .9482 .486 .6266 1.254 .8204
.411 .6224 1.265 .9464 .487 .6266 1.254 .8188
.412 .6225 1.265 .9446 .488 .6266 1.254 .8171
.413 .6225 1.264 .9429 .489 .6266 1.253 .8155
.414 .6226 1.264 .9411 .490 .6266 1.253 .8139
.415 .6227 1.264 .9394 .491 .6266 1.253 .8123
.416 .6228 1.264 .9376 .492 .6266 1.253 .8107
.417 .6229 1.263 .9359 .493 .6266 1.253 .8091
.418 .6230 1.263 .9342 .494 .6266 1.253 .8075
.419 .6231 1.263 .9324 .495 .6266 1.253 .8059
.420 .6233 1.263 .9307 .496 .6266 1.253 .8043
.421 .6233 1.262 .9290 .497 .6266 1.253 .8027
.422 .6234 1.262 .9272 .498 .6267 1.253 .8011
.423 .6234 1.262 .9255 .499 .6267 1.253 .7995
.424 .6235 1.262 .9238 .500 .6267 1.253 .7979
.425 .6236 1.261 .9221