Documente Academic
Documente Profesional
Documente Cultură
STATISTICĂ SOCIALĂ
SINTEZE DE CURS – SEMESTRUL II
Constanța 2023
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
TEMATICA
BIBLIOGRAFIE
CURSUL 1.
NOȚIUNI STATISTICE FUNDAMENTALE
1
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
2
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Prima analiză statistică, în spirit ştiinţific, a unor date culese în prealabil, este
datorată lui John Graunt (1662) care, pe baza datelor extrase din înştiinţările
săptămânale cu privire la numărul deceselor înregistrate la Londra, a izbutit să tragă
concluzii valabile asupra unor fenomene sociale, precum: natalitatea şi mortalitatea,
echilibrul numeric ş.a. Prin aceste preocupări el este considerat „părintele”
demografiei.
De-a lungul istoriei, problematica psihologiei umane a fost abordată prin
două modalități distincte: una „neștiințifică” sau „preștiințifică” care a apărut odată
cu apariția civilizației umane, și cea „științifică” care este mai recentă, mai apropiată
de zilele noastre.
Utilizarea sistematică a statisticii în psihologie datează cam de la începutul
anilor 1950, născută din nevoia de a învăța unele proceduri care să simplifice
calculele matematice ce necesitau un efort foarte mare, rămânând puțin timp și
interes pentru înțelegerea a ceea ce se afla în spatele formulelor utilizate în
prelucrarea datelor. Însă, apariția calculatoarelor și a soft-urilor de prelucrări
statistice a dat posibilitatea utilizatorilor să se focuseze pe înțelegerea
raționamentelor statistice.
Deși la prima vedere, pare surprinzătoare asocierea dintre psihologie și
statistică (o știință „bazată pe numere”), totuși statistica face parte din istoria
psihologiei. Trecerea în revistă a unor personalități importante ale psihologiei care
au avut contribuții importante în introducerea metodelor cantitative în psihologie și
în dezvoltarea analizei statistice, vin să susțină această asociere:
→ Filosoful german Christian von Wolf (1679-1754) a publicat în anul 1732
„Psihologia empirică”, urmată în 1734 de „Psihologia rațională”, fiind printre
primii autori care a folosit termenul de psihologie. El a introdus ideea unui
domeniu matematic al psihologiei, pe care la numit psihometrie.
→ Ernst Heinrich Weber (1795-1878) și Gustave Theodor Fechner (1801-1878)
au avut o contribuție deosebită în cercetarea senzațiilor, elaborând o lege care
le poartă numele (Legea psiho-fizică Weber-Fechner: intensitatea senzațiilor
se schimbă într-o progresie aritmetică, în timp ce intensitatea stimulilor
3
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
adus-o în domeniul analizei de varianță, una dintre cele mai utilizate proceduri
în statistica psihologică.
5
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
6
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 2
CONCEPTE FUNDAMENTALE ÎN STATISTICĂ (PARTEA I)
7
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
care este „prezent” la unele persoane şi „absent” la altele. Dacă latenţa somnului ar
fi aceeaşi la toţi oamenii, indiferent de condiţii sau situaţii, atunci aceasta nu ar mai
fi o variabilă ci o constantă şi nu ar mai prezenta interes pentru analiză statistică.
Variabilitatea se referă la proprietatea obiectului de studiu de a lua valori
diferite. Dacă ne referim la realitatea psihologică, inteligența, de exemplu, este o
variabilă deoarece diferă de la un individ la altul. La fel sunt și sociabilitatea,
anxietatea, depresia, timpul de reacție, vârsta, genul etc. Cercetarea psihologică are
drept obiectiv esențial studierea variabilelor, mai exact explicarea variabilității
diferitelor caracteristici ale realității psihice.
Caracteristica este, prin urmare, o particularitate, o însuşire a unui
obiect sau fenomen, care constituie obiectul măsurării. De exemplu, o masă
poate fi caracterizată prin lungime, lăţime, înălţime, greutate, formă, culoare etc.
Toate acestea constituie caracteristici prin care încercăm să descriem cât mai exact
obiectul măsurat. Cu cât avem mai multe asemenea caracteristici, cu atât obiectul se
conturează mai precis.
Caracteristicile prin care obiectul este descris, poartă numele de
variabile. O variabilă reprezintă un concept-cheie în statistică şi nu este altceva
decât un nume pentru un element a cărui principală proprietate este aceea că variază,
îşi modifică valorile.
Variabilele statistice (caracteristicile statistice) – reprezintă însuşirile
ce definesc şi delimitează unităţile statistice. Ele exprimă trăsăturile esenţiale
purtate de unităţile statistice ale unei colectivităţi, adică dimensiunile prin care
se observă, se cuantifică, se măsoară şi înregistrează fiecare unitate din
colectivitate.
Statistica se ocupă cu studiul variabilelor, adică al variabilităţii umane.
Valorile unei variabile statistice se mai numesc variante sau atribute ale
variabilei şi se obţin prin acţiuni concrete de cuantificare şi măsurare a
unităţilor unei colectivităţi statistice. De exemplu, variabila „mediul de
provenienţă” are ca variante: urban şi rural; iar variabila „notele la examenul de
statistică” are ca valori numerele întregi de la 1 la 10.
8
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
10
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Conceptul de măsurare este luat în psihologie în conținutul său cel mai larg și
anume, în sensul de operație prin care se atribuie numere datelor discrete sau
continue ce urmează a fi evaluate.
A măsura înseamnă a atribui numere sau simboluri unor caracteristici ale
realităţii obiective sau subiective, în funcţie de anumite aspecte cantitative sau
calitative care le caracterizează. În acest mod relaţia dintre numere sau simboluri
ajunge să reflecte relaţia dintre caracteristicile cărora le-au fost atribuite. Modul
în care sunt atribuite numere sau simboluri pentru a măsura ceva, se numeşte „scală
de măsurare”.
Statistica operează cu valori numerice sau de altă natură, care rezultă dintr-un
proces de măsurare. Dar numerele, deşi au aceeaşi formă, nu sunt asemănătoare
11
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
unele cu altele. Ele pot avea diferite semnificaţii sau proprietăţi în funcţie de tipul
de măsurare din care rezultă. În funcţie de cantitatea de informaţie pe care o
reprezintă valorile, ca rezultat al procesului de măsurare, putem distinge mai multe
tipuri de scale de măsurare.
2.3. Scale de măsurare
12
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
13
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
14
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Valorile exprimate pe o scală de raport deţin cel mai înalt grad de măsurare.
Pe lângă egalitatea intervalelor, specifică scalei de interval, acest tip de valori se
raportează şi la o valoare 0 absolut (nu este posibilă nici o valoare mai mică de 0).
Din acest motiv, este permisă aprecierea raportului dintre două valori.
Exemple:
• dacă ne referim la temperaturi, atunci scala Kelvin, este un bun exemplu (0
Kelvin este temperatura minimă absolută),
• timpul,
• numărul de răspunsuri corecte sau de erori, la un test psihologic.
În psihologie puţine sunt variabilele acceptate ca fiind măsurate pe scala de
raport, deoarece sunt puţine situaţiile în care avem de a face cu caracteristici ce pot
lua valoarea 0 absolut.
La fel ca şi valorile măsurate pe scale de interval, valorile măsurate pe scală
de raport suportă toate transformările matematice posibile. Din acest motiv, în
practică, valorile măsurate pe scală de interval sau de raport sunt considerate
similare, fiind prelucrate prin acelaşi gen de proceduri statistice. Ca urmare, în acest
caz, se spune că o variabilă este măsurată pe o „scală de interval/raport”.
CURSUL 3.
CONCEPTE FUNDAMENTALE ÎN STATISTICĂ (PARTEA A II-
A)
15
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
acestea.
Cele mai multe dintre metodele statistice cunoscute aparțin statisticii
parametrice. Statisticile neparametrice sunt utilizate cu moderație și aplicate pentru
cazuri speciale.
Este important de reținut faptul că alegerea statisticii parametrice sau
neparametrice se face pornind de la natura variabilei dependente. Atunci când
aceasta este de tip cantitativ și nu se abate de la condițiile impuse de procedura
statistică pe care dorim să o aplicăm, se utilizează teste statistice parametrice. În
orice alte condiții, se apelează la teste neparametrice. Chiar dacă această distincție
este relativ dificil de înțeles în stadiul introductiv al cursului, este important să fie
reținută.
de „valori” sau „scoruri”. Fiind rezultatul primar al măsurării, aceste valori se mai
numesc şi valori „primare” sau „brute”. Valorile acestei variabile sunt exprimate pe
o scală cantitativă de tip raport.
Tehnicile şi procedurile destinate organizării şi prezentării sumative a
datelor, constituie ceea ce se numeşte statistica descriptivă.
Principalele componente ale statisticii descriptive sunt:
➔ Tehnici de organizare şi prezentare a datelor, care pot fi, la rândul lor:
o numerice (distribuţia de frecvenţe simple sau grupate;)
o grafice (histograme; grafice de tip bară, linie, circular, histograma stem-
and-leaf)
➔ Indicatori numerici sumativi, care sunt la rândul lor de trei tipuri:
o indicatori ai tendinţei centrale (mod, medie, mediană)
o indicatori ai împrăştierii (amplitudine, abatere quartilă, abatere
standard)
o indicatori ai formei distribuţiei (simetrie şi boltire).
În raport cu numărul caracteristicilor considerate în planul cunoașterii, se
poate vorbi despre:
statistică descriptivă unidimensională sau univariată (cu o singură variabilă);
statistică descriptivă bidimensională sau bivariată (cu două variabile);
statistică descriptivă multidimensională sau multivariată (cu mai multe
variabile).
Dincolo de scopul în sine al acestor proceduri, acela de a oferi o imagine
sintetică asupra datelor analizate, trebuie să înţelegem statistica descriptivă şi ca
pe o etapă pregătitoare în fundamentarea procedurilor statisticii inferenţiale
(destinată verificării ipotezelor statistice).
Statistica inferenţială cuprinde metodele de verificare a ipotezelor de
cercetare prin testarea ipotezelor statistice. Să presupunem că cei 50 de subiecţi de
mai sus sunt supuşi aceluiaşi test de timp de reacţie în condiţii de noxe de mediu (de
exemplu, zgomot excesiv) pentru a verifica ipoteza că zgomotul reduce
promptitudinea reacţiilor. În acest caz, statistica inferențială ne pune la dispoziție
18
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
19
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
20
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
21
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
22
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 4.
ORDONAREA, GRUPAREA ȘI PREZENTAREA DATELOR
STATISTICE FOLOSIND SPSS (Statistical Package For The Social
Sciences)
23
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
SPSS (Statistical Package For The Social Sciences) este unul dintre cele mai
puternice și utilizate programe statistice. Acest pachet integral asigură acoperirea
procedeelor specifice din Statistica descriptivă, Statistica inferențială și Analiza
datelor.
Programul a devenit deosebit de atractiv pentru utilizatori deoarece permite
tratarea datelor statistice fără a impune cunoașterea formulelor de calcul, îmbinând
posibilitățile de prelucrare statistică cu facilitățile oferite de programele de calcul
tabelar (de exemplu, Excel) pentru condensarea datelor în tabele și reprezentarea lor
grafică.
SPSS a fost creat la Universitatea din Stanford, în anii ’60, de către doi
studenți, Norman Nie și Tex Bull, pentru a asigura gestiunea și analiza datelor
statistice în domeniul științelor sociale și al psihologiei. Ulterior, utilizarea
programului s-a extins spre alte domenii, cum ar fi economia, medicina etc. Prima
versiune a apărut în anul 1968, a evoluat până la versiunea 28.0.1 şi aria de
aplicabilitate s-a extins de la versiune la versiune, odată cu modul de operare şi cu
facilităţile oferite.
Mediul de programare SPSS oferă o interfață „prietenoasă” avantajând astfel
și un utilizator începător, în sensul că aceasta folosește click-urile de mouse pe
pictogramele și meniurile din ferestre pentru a da comenzi programului.
24
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
25
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
27
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
28
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
fișiere tip bază de date, generate de programe cum ar fi SPSS (cu extensia .sav) sau
deschidem o fereastră nouă pentru introducerea datelor folosind succesiunea de
comenzi File, Open, New.
29
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Bara de meniu conține mai multe meniuri, și după cum se observă, sunt
aproximativ aceleași pentru cele două fisiere Data Editor și Viewer (acesta are 2
meniuri în plus Insert si Format).
File: Acest meniu este utilizat pentru operații curente asupra fișierelor: creare,
deschidere, export de fișiere diverse: date, rezultate, comenzi, închiderea sesiunii de
lucru etc.
Edit: Comenzile acestui meniu operează în ferestrele de rezultate și asigură
executarea operațiilor de copiere/mutare (Copy, Cut, Paste, Paste variables),
șteregere (Delete) și căutare rapidă (Find). De asemenea, din acest meniu pot fi
definite o multitudine de opțiuni care personalizează mediul de desfășurare a sesiunii
de lucru.
30
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
31
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
32
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
În această casetă vedem lista acestor asocieri în partea de jos. În stânga listei,
există 3 butoane: Add cu ajutorul căruia putem crea o nouă asociere, Change prin
care putem modifica o asociere selectată şi Remove care şterge, elimină asocierea
selectată.
Această opțiune permite clasificări (deci variabile categoriale) şi asocieri de
valori. Spre exemplu, putem asocia valoarea 1 sexului masculin şi valoarea 2 sexului
feminin, pentru a putea introduce mai uşor datele şi pentru a putea efectua prelucrări
statistice la nivel de variabile nominale.
Caracteristicile SPSS descrise anterior ne prezintă un produs program care
oferă facilități de lucru performante pentru o gamă largă de utilizatori care folosesc
statistica, fie în activitatea practică, fie în cercetarea științifică.
33
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 5.
STATISTICI DESCRIPTIVE (PARTEA I)
34
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
35
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
36
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
procentuală.
• Cumulative percent – ne indică frecvența relativă cumulată
procentual.
Tabelul de mai sus cuprinde frecvența absolută (de câte ori apare în cadrul
distribuției, frequency) a fiecărei note. Astfel, putem observa că nota cel mai des
întâlnită este 8 (fa = 6). Suma frecvențelor absolute ne oferă numărul total de
valori existente în cadrul distribuției (Total = 24). Pe lângă frecvența absolută
putem discuta și despre alte tipuri de frecvențe:
• Frecvența cumulată (fc) – reprezintă totalul valorilor care se cumulează
de la valoarea cea mai mică până la valoarea cea mai mare. De exemplu,
în tabelul 1.1 avem patru valori mai mici sau egale cu 4 și nouă valori mai
mici sau egale cu 6.
• Frecvența relativă procentuală (f%, percent) – indică procentul
valorilor care corespunde unei anumite valori din cadrul distribuției. Se
poate obține prin calculul direct al procentului pe care îl reprezintă o
anumită valoare raportat la numărul total de cazuri din cadrul distribuției.
Suma frecvențelor relative procentual este întotdeauna 100. În cazul
nostru, 12,5% din elevi au obținut nota 5, dar şi nota 10, 8,3% au obținut
nota 9, dar şi nota 6, nota 4 şi nota 3, 25% au obţinut nota 8 şi 16,7%au
obţinut nota 7.
• Frecvența relativă cumulată procentuală (fc%, cumulative percent) –
indică procentul valorilor dintr-o distribuție care se află până la o anumită
valoare, inclusiv aceasta. În exemplul nostru, 37,5% dintre subiecți au
obținut o notă mai mică sau egală cu 6; 79,2% au obținut cel puțin nota 8.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
• graficul circular
• graficul de tip „stem and leaf” („tulpină şi frunze”)
Histograma
Acest tip de grafic poate fi utilizat pentru variabile de tip continuu, care
pot lua orice valoare numerică. De exemplu, timpul de reacție, numărul de
răspunsuri corecte la un examen, înălțimea, greutatea, etc.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Poligonul de frecvenţe
Este o reprezentare alternativă la histogramă. Punctele centrale ale
suprafeţelor rectangulare care reprezintă frecvenţa sunt unite cu o linie care
delimitează suprafaţa poligonului.
Este utilizat atunci când valorile variabilei reprezintă parte a unui întreg.
De exemplu, poate fi utilizat atunci când analizăm variabile de tip categorial,
astfel încât să înțelegem cât mai bine ponderea fiecărei categorii.
2,00 3 . 00
2,00 4 . 00
3,00 5 . 000
2,00 6 . 00
4,00 7 . 0000
6,00 8 . 000000
2,00 9 . 00
3,00 10 . 000
Stem width: 1
Each leaf: 1 case(s)
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Exemplu:
3,00 8 . 679
4,00 9 . 1224
4,00 9 . 6778
9,00 10 . 111112224
12,00 10 . 566778889999
7,00 11 . 0233444
7,00 11 . 5566788
3,00 12 . 134
1,00 12 . 5
Stem width: 10
Each leaf: 1 case(s)
Valorile din coloana stem indică numărul de zeci, iar cele din coloana
Leaf, numărul de unităţi. Dacă privim imaginea în ansamblu ne-o putem
reprezenta ca pe o histogramă orizontală. În acest exemplu:
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 6.
STATISTICI DESCRIPTIVE (PARTEA a II-a)
unde Σ înseamnă „sumă de”, x reprezintă valorile sau rezultatele inividuale, iar
N repezintă efectivul grupei studiate.
Calcularea mediei pentru o distribuţie simplă de frecvenţe se face
prin adunarea valorilor şi împărţirea la numărul lor. Exemplu: Pentru distribuţia
5,8,3,2,5,4,7,9,6,5,3
5+8+3+2+5+4+7+9+6+5+3 57
m= = = 5,18
11 11
6.1.2. Mediana
Este valoarea „din mijlocul” unei distribuţii, adică aceea care are
50% dintre valori deasupra ei şi 50% dintre valori dedesubtul ei (cu alte cuvinte,
percentila 50).
Se găseşte prin alcătuirea tabelei de frecvenţe, în ordine
crescătoare sau descrescătoare, în coloana frecvenţelor relative procentuale
cumulate, şi corespunde valorii de 50%. Ea se utilizează mai ales când avem de-
a face cu distribuții asimetrice. Indicatorul recomandabil este mediana în cazul
valorilor „nedeterminate” și a categoriilor „deschise”. Valorile „nedeterminate”
sunt acele valori a căror mărime nu decurge din procesul de măsurare, în acelaşi
mod în care rezultă oricare valoare a seriei (Exemplu: La testul de asociere
verbală, dacă subiectul depăşeşte, să zicem 10 sec., se înregistrează valoarea 10,
fără a se aştepta, la infinit (?), un răspuns). Categorii „deschise” sunt acele
categorii de valori care au una dintre limite „liberă” (Exemplu: Câte ţigări
fumezi zilnic? Se poate înregistra numărul ţigărilor ca atare, dar ultima
valoare este „30 sau mai mult).
Pentru a determina mediana introducem noțiunea de ranguri, adică
numere de ordine asociate observațiilor (rang 1 – cea mai mică, rang n – cea mai
mare). Locul sau rangul pe care îl ocupă mediana în șirul ordonat se determină
cu ajutorul formulei :
𝑁+1
LocMe = ,
2
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
6.1.3. Modul
Modul este expresia ce mai directă a valorii tipice (reprezentative) a unei
distribuţii statistice.
În cazul unei distribuţii simple, este valoarea cu frecvenţa cea mai mare
de apariţie. Modul se mai numește și dominanta seriei sau valoarea modală.
Modul se află prin alcătuirea tabelei de frecvenţe şi este identificat
ca valoarea căreia îi corespunde frecvenţa absolută cea mai ridicată.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Distribuţia A are o amplitudine mai mare dar şi o variabilitate mai mare decât
distribuţia B, iar în cea de-a doua imagine, amplitudinea distribuţiilor A şi B
sunt identice, dar distribuţia A are mai multă variabilitate.
dar sunt singurii care pot fi folosiţi atunci când indicatorii sintetici nu pot fi
calculaţi. Un alt dezavantaj al acestora este dificultatea de a fi utilizaţi în
procedurile statistice avansate.
Spre deosebire de indicatorii elementari, indicatorii sintetici surprind
împrăştierea unei distribuţii prin luarea în considerare a abaterii fiecărei
valori de la un anumit indicator al tendinţei centrale. Cel mai uzual indicator de
referinţă pentru împrăştiere este media. Aceasta pentru că, aşa cum ne amintim,
media are avantajul de a fi o „concentrare” a tuturor valorilor unei distribuţii.
X = 27 (Xi-m) = 0
N=6
m = 4.5
X = 27 |Xi-m| = 9
N=6
m = 4.5
Abaterea standard
Abaterea standard este cel mai utilizat indicator al împrăştierii.
Notaţii uzuale:
s (pentru eşantioane)
σ (pentru populaţie)
SD (Standard Deviation, în standardul APA ) ab.std.
Formula de calcul:
s=
Pentru eşantioane se aplică o corecţie indicatorilor împrăştierii. Corecţia
se face prin utilizarea la numitor a expresiei N-1. În acest mod, cu cât eşantionul
este mai mic, cu atât indicatorul respectiv al împrăştierii va fi influenţat mai
mult de expresia de la numitor.
Expresia N-1 poartă numele de „grade de libertate”. Pentru a-i înţelege
semnificaţia, este bine să ne gândim la faptul că, într-o distribuţie de 3 valori (de
exemplu: 1, 3, 8) media este 4, iar abaterile de la medie sunt –3, -1, 4. Suma lor
este zero. Ca urmare, este suficient să cunoaştem cel puţin două din cele trei
valori pentru a o afla pe a treia. Altfel spus, doar două valori sunt libere să se
modifice, a treia (ultima) fiind determinată de acestea.
Atunci formulele corecte sunt:
𝛴(𝑋𝑖−𝑚)2
Dispersia: s2 =
𝑁−1
𝛴(𝑋𝑖−𝑚)2
Abaterea standard: s = √
𝑁−1
s= 15
m=Me=Mo=100
CURSUL 7.
DISTRIBUȚII STATISTICE
Mo Me m x
Figura 8. Asimetrie pozitivă
m < Me < Mo – spunem că distribuţia prezintă o asimetrie de dreapta sau
negativă.
m Me Mo x
Figura 9. Asimetrie negativă
Reamintim că acest grad de asimetrie ne este dat şi de un indicator al
formei distribuţiei şi anume, oblicitatea. Acesta, prin valorile pozitive sau
negative pe care le ia, ilustrează asimetria pozitivă sau negativă.
Figurile de mai sus arată cum se plasează cei trei indicatori ai tendinţei
centrale în funcţie de simetria distribuţiei:
În cazul distribuţiilor (perfect) simetrice, Mo, Me şi m se plasează pe
aceeaşi valoare.
În cazul distribuţiilor asimetrice cei trei indicatori au poziţii diferite.
Mediana se plasează întotdeauna între mod şi medie. Din acest motiv,
mediana este cea mai reprezentativă valoare pentru distribuţiile
asimetrice.
Media este afectată de valorile extreme, cu atât mai mult cu cât acestea
sunt mai puternic deviate. Ca urmare, în cazul distribuţiilor puternic
asimetrice, media nu este un indicator veridic al tendinţei centrale.
f f f
m Me Mo x Mo m=Me Mo x Mo Me m x
Figura 12. Distribuție normală din punct de vedere al mediei și abaterii standard
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
dreapta (0,13%). Iată şi zona rezultatelor aberante, zonă în care găsim mai
puţin de 1% din populaţie.
acestuia. În acest caz, există două praguri ale lui z în funcţie de valorile obţinute.
Pentru un eşantion mai mic de 30 de subiecţi, valoarea pragului de semnificaţie
este de 1,58, iar pentru eşantioane mai mari sau egale cu 30 de subiecţi, acest
prag are valoarea de 1,96.
Această metodă se foloseşte şi în cazul boltirii.
A treia metodă propusă, aplicabilă şi pentru boltire, ia în considerare
stabilirea intervalului de încredere al simetriei în baza erorii standard Skewness
şi poate fi utilizată indiferent de mărimea eşantionului. Eroarea standard
Skewness ne oferă limitele între care trebuie să se regăsească coeficientul de
oblicitate, astfel încât să putem considera, la un nivel de precizie suficient de
mare, distribuţia ca fiind simetrică. La acest nivel, există două tipuri de
intervale:
La un nivel de precizie de peste 99%, cu alte cuvinte în mai puţin de 1%
din cazuri, distribuţia noastră poate să se comporte ca o distribuţie
asimetrică. Intervalul este determinat de ± o eroare standard Skewness.
Un asemenea interval este foarte precis şi se foloseşte atunci când simetria
reprezintă un element critic pentru distribuţia datelor.
La un nivel de precizie de peste 95%, cu alte cuvinte în mai puţin de 5%
din cazuri, distribuţia noastră poate să se comporte ca o distribuţie
asimetrică. Intervalul este determinat de ± două erori standard Skewness.
Un asemenea interval este mai puţin precis în comparaţie cu primul şi se
foloseşte când sime- tria nu reprezintă un element critic pentru distribuţia
datelor.
Dacă valoarea coeficientului de oblicitate Skewness intră într-unul dintre
aceste intervale, distribuţia poate fi considerată simetrică. Dacă valoarea
coeficientului de oblicitate iese din acest interval la limita negativă, avem de-a
face cu o distribuţie asimetrică negativ, iar dacă iese din interval la limita
pozitivă, distribuţia este asimetrică pozitiv.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 8.
STATISTICI INFERENȚIALE
Ipoteza cercetării
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
„Adevărul vieţii”
(necunoscut)
H0 este adevărată H0 este falsă
(olimpicii NU SUNT mai (olimpicii SUNT mai
inteligenţi) inteligenţi)
Acceptarea H0 1. decizie corectă 4. eroare de tip II
(olimpicii NU SUNT p=1-alfa p=beta
Decizia mai inteligenţi)
statistică Respingerea H0 2. eroare de tip I 3. decizie corectă
(olimpicii SUNT mai P=alfa p=1-beta (power)
inteligenţi)
Eroarea de tip I
Cercetătorul ştie că, chiar şi în cazul în care testul diferenţei dintre media
eşantionului şi media populaţiei este mai mare decât valoarea critică
corespunzătoare lui alfa, hazardul ar putea produce o diferenţă chiar mai mare
decât cea constatată, fără nicio legătură cu prezenţa la olimpiadă. Rezultă de aici
că, dacă pe baza rezultatului la testul statistic respingem ipoteza de nul şi
acceptăm că participarea la olimpiade se asociază cu un nivel mai ridicat al
inteligenţei, o facem asumându-ne conştient riscul unei erori. Dacă diferenţa
dintre cele două medii rezultă a fi semnificativă şi respingem ipoteza de nul, deşi
conform „adevărului vieţii” ea este adevărată, se comite o eroare de tip I.
Probabilitatea acesteia este egală cu valoarea pragului alfa, al cărui nivel
maxim acceptabil este fixat convenţional la 0.05. Atunci când fixăm valoarea lui
alfa (0.05 sau mai mică) drept criteriu de respingere a ipotezei de nul, definim,
de fapt, cantitatea de eroare pe care suntem dispuşi să ne-o asumăm în a
respinge ipoteza de nul, chiar dacă în realitate aceasta ar putea fi adevărată.
Decizia statistică se bazează pe măsura în care eşantionul reprezintă în
mod rezonabil caracteristicile populaţiei. Chiar dacă selecţia eşantionului s-a
făcut în condiţii ideale, există o anumită probabilitate (cu atât mai mare cu cât
eşantionul este mai mic) ca valorile sale să se abată de la parametrii populaţiei
(„adevărul vieţii”). Ca urmare, putem să ne imaginăm o situaţie în care, chiar şi
un eşantion selecţionat aleatoriu să prezinte valori neobişnuit de îndepărtate de
parametrii populaţiei, fără nici o legătură cu condiţia cercetării. Într-o astfel de
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
uităm că cercetătorul nu cunoaşte care este „adevărul vieţii” (dacă olimpicii sunt
mai inteligenţi) şi, drept urmare, chiar şi atunci când admite o ipoteză de nul îşi
asumă un risc de eroare. Aceasta este o eroare de tip II, codificată cu beta.
Admiterea existenţei erorii de tip II nu este lipsită de controverse. Fisher, unul
dintre teoreticienii marcanţi ai statisticii moderne, considera că atunci când nu
decidem respingerea ipotezei de nul, nu decidem acceptarea ei, ci doar
consemnăm „eşecul de a o respinge”, ceea ce nu este propriu-zis o decizie.
Stabilirea nivelului probabilităţii erorii de tip II nu este uşor de înţeles,
mai ales că ea este în legătură cu puterea testului, probabilitatea deciziei corecte,
fixată în cadranul 3 al tabelului. Aceste două valori sunt complementare, puterea
testului fiind egală cu 1-beta. În general, o valoare acceptabilă pentru eroarea de
tip I este beta = 0.20, deoarece, aşa cum vom vedea mai târziu, valoarea
recomandabilă pentru puterea testului este 0.80.
Atunci când iniţiază studiul privind relaţia dintre inteligenţă şi
participarea la olimpiadele şcolare, cercetătorul este interesat mai ales să evite
admiterea ipotezei de nul atunci când aceasta ar fi, în realitate, falsă. Altfel spus,
cercetătorul este interesat cu precădere în asumarea unei valori cât mai mici
pentru eroarea de tip II (evitarea acceptării ipotezei de nul când ea este falsă),
deoarece ar însemna că nu poate confirma ipoteza a cercetării. Micşorarea erorii
de tip II ar însemna însă asumarea implicită a unei valori mai mari pentru riscul
erorii de tip I.
Se poate stabili o ierarhie între cele două tipuri de eroare? Este una
mai „periculoasă decât alta? În mod obişnuit, „societatea” îşi impune punctul de
vedere, declarând eroarea de tip I ca fiind mai „periculoasă”, prin fixarea limitei
maxime pentru eroarea de tip I (alfa=0.05). Dar de ce ar fi admiterea greşită a
ipotezei de nul mai „rea” decât respingerea ei greşită? Aici trebuie să fim în
consens cu Hack (2004) care afirmă că, deşi există o tendinţă de considerare a
erorii de tip I ca fiind mai „rea” decât eroarea de tip II, în realitate ambele tipuri
de erori pot fi la fel de „rele”, prin consecinţele practice care decurg din
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
rezultatele cercetării.
8.4. Puterea testului
CURSUL 9.
TESTE STATISTICE PARAMETRICE PENTRU DATE
CANTITATIVE (PARTEA I)
r = 𝜮 𝒛𝒙 ∗ 𝒛𝒚
𝑵
În cazul corelaţiei negative, tendinţa este aceea ca valorilor mari ale unei
variabile să le corespundă valori mici ale celeilalte variabile. Ca urmare, atât
linia corelaţiei negative perfecte (r = -1), cât şi diagonala mare a elipsei norului
de puncte al unei corelaţii negative imperfecte, se orientează din stânga sus spre
dreapta jos a sistemului de coordonate.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
dar este mai mare decât 0,32? O asemenea interpretare, deşi absolut corectă, nu
poate fi satisfăcătoare. Se simte necesitatea de a avea un criteriu de valorizare a
cuantificării numerice a corelaţiei. De-a lungul timpului au fost propuse diverse
astfel de scale de valorizare, prin atribuirea unor calificative coeficienţilor de
corelaţie, în funcţie de mărimea lor. Această problemă comportă multe discuţii,
iar soluţiile oferite de diferiţi autori sunt deseori diferite. Ca regulă generală, toţi
autorii sunt de acord că valorile mai mici de ±0.1 ale coeficienţilor de corelaţie
trebuie să fie considerate „neglijabile”, chiar şi atunci când ating pragul de
semnificaţie statistică.
Există un model de descriere propus de Hopkins (2000) cu privire la
interpretarea valorilor coeficienţilor de corelaţie:
Vom observa că valorile lui r corespunzătoare celor trei praguri ale lui r2
sunt 0.14, 0.36 şi, respectiv, 0.50, ceea ce este în concordanţă cu recomandările
de mai sus pentru interpretarea lui r.
Pentru a putea utiliza în mod legitim calculul de corelaţie eşantionul
trebuie să fie aleatoriu, iar cele două variabile (ambele măsurate pe scale de
interval/raport) trebuie să aibă o distribuţie care să nu se abată grav de la
distribuţia normală. Această condiţie este cu atât mai importantă cu cât
eşantionul este mai mic. O atenţie aparte trebuie acordată valorilor excesive,
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Se deschide o nouă fereastră care conţine două liste, separate prin butonul
de transfer în formă de săgeată. Cu ajutorul acestuia, putem transfera variabilele
din baza de date (fereastra din stânga) în lista variabilelor supuse analizei
(fereastra din dreapta). În cazul nostru, am inclus spre analiză, variabilele
„Stres” şi „Agresivitate”, în conformitate cu planul de cercetare.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Figura 23.
Vom construi perechea formată din cele două variabile – greutatea înainte
intervenție și greutatea după intervenție, apoi apăsăm butonul „OK” pentru a
porni analiza statistică.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 10.
TESTE STATISTICE PARAMETRICE PENTRU DATE
CANTITATIVE (PARTEA A II-A)
Acest test statistic compară media unui eșantion cu media unei populații și
verifică ipoteza nulă conform căreia nu există diferențe semnificative între
media populației din care s-a extras eșantionul și o valoare dată.
Testul z poate fi utilizat doar atunci când cunoaştem media populaţiei de
referinţă şi avem la dispoziţie un eşantion „mare” (adică de cel puţin 30 de
subiecţi, în cazul unei variabile despre care avem motive să credem că se
distribuie normal). Dar nu întotdeauna putem avea la dispoziţie eşantioane
„mari” (minim 30 de subiecţi). Pentru situaţiile care nu corespund acestei
condiţii, testul z nu poate fi aplicat. Şi aceasta, pentru că distribuţia mediei de
eşantionare urmează legea curbei normale standardizate doar pentru eşantioane
de minim 30 de subiecţi.
La începutul secolului XX, William Gosset, angajat al unei companii
producătoare de bere din SUA, trebuia să testeze calitatea unor eşantioane de
bere pentru a trage concluzii asupra întregii şarje. Din considerente practice, el
nu putea utiliza decât eşantioane (cantităţi) mici de bere. Pentru a rezolva
problema, a dezvoltat un model teoretic propriu, bazat pe un tip special de
distribuţie, denumită distribuţie t, cunoscută însă şi ca distribuţia „Student”,
după pseudonimul cu care a semnat articolul în care şi-a expus modelul.
În esenţă, distribuţia t este o distribuţie teoretică care are toate
caracteristicile unei distribuţii normale (este perfect simetrică şi are formă de
clopot). Specificul acestei distribuţii constă în faptul că forma ei (mai exact,
înălţimea) depinde de un parametru denumit „grade de libertate” (df sau
degrees of freedom), care este egal cu N-1 (unde N este volumul eşantionului).
Acest parametru poate fi orice număr mai mare decât 0, iar mărimea lui este
aceea care defineşte forma exactă a curbei şi, implicit, proporţia valorilor de sub
curbă între diferite puncte ale acesteia. Imaginea de mai jos ilustrează modul de
variaţie a înălţimii distribuţiei t, în funcţie de gradele de libertate.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Figura 19.
Există mai multe tipuri de ANOVA, două fiind mai frecvent folosite:
ANOVA unifactorială, care se aplică atunci când avem o variabilă
dependentă măsurată pe o scală de interval/raport măsurată pentru trei sau
mai multe valori ale unei variabile independente categoriale. În contextul
ANOVA, variabila independentă este denumită „factor”, iar valorile pe
care acesta le ia se numesc „niveluri”. Din acest motiv, modelul de analiză
de varianţă cu o singura variabilă independentă se numeşte „ANOVA
unifactorială”, „ANOVA simplă” sau, cel mai frecvent, „ANOVA cu o
singură cale” (One-way ANOVA).
ANOVA multifactorială, care se aplică atunci când avem o singură
variabilă dependentă (la fel ca în cazul ANOVA unifactorială) dar două
sau mai multe variabile independente, fiecare cu două sau mai multe
valori, măsurate pe o scală categorială (nominală sau ordinală) (exemplu:
scorul la un test de cunoştinţe statistice ale studenţilor de la psihologie, în
funcţie de tipul de liceu absolvit (real, umanist, agricol, artistic) şi de
genul (masculin, feminin al studenţilor).
În esenţă, ANOVA este o procedură de comparare a mediilor
eşantioanelor. Specificul ei constă în faptul că în locul diferenţei directe dintre
medii se utilizează dispersia lor, gradul de împrăştiere.
Să ne imaginăm o cercetare a cărei ipoteză este că relaţia dintre
performanţa
sportivilor în tragerea la ţintă şi trei metode de antrenament (să le denumim
metoda 1, metoda 2 şi metoda 3). Procedura se bazează pe următorul demers
logic: Ipoteza cercetării sugerează că performanţa sportivilor antrenaţi cu fiecare
dintre cele trei metode de antrenament face parte dintr-o populaţie distinctă,
căreia îi corespunde un nivel specific de performanţă (adică o medie
caracteristică, diferită de a celorlalte două populaţii). Prin opoziţie, ipoteza de
nul ne obligă să presupunem că cele trei eşantioane (modele de antrenament) pe
care vrem să le comparăm, provin dintr-o populaţie unică de valori ale
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
comparate sunt apropiate, atunci vom concluziona că ele nu provin din populaţii
diferite, ci dintr-una singură (cf. ipotezei de nul).
O precizare importantă cu privire la ANOVA, ca test statistic, priveşte
caracterul ei „unilateral” (one-tailed). Într-adevăr, spre deosebire de celelalte
teste studiate până acum, ANOVA este interpretată într-o singură direcţie şi
anume, dacă mediile grupurilor diferă semnificativ între ele (au o variaţie mai
mare decât cea normală pentru o distribuţie aleatoare). Nu putem avea o valoare
negativă pentru F şi, ca urmare, testul F este întotdeauna un test unilateral.
Valorile raportului F (sau testul F) se distribuie într-un mod particular,
numit distribuţia F sau distribuţia Fisher. Forma distribuţiei variază în funcţie de
o pereche de grade de libertate formată din numărul grupelor (categoriile
variabilei independente) şi numărul subiecţilor.
10.2.1. Calcularea gradelor de libertate
Ca şi în cazul distribuţiei t, distribuţia F se prezintă sub o varietate de
forme. Distribuţia F rezultă dintr-un raport a două distribuţii diferite (s2
intergrup şi s2 intragrup), fiecare cu gradele ei de libertate.
Ca urmare, îşi schimbă forma, în acelaşi timp în funcţie de numărul
grupurilor, şi de numărul subiecţilor din fiecare grup. În concluzie, vom avea
două grade de libertate, unul pentru dispersia integrup şi altul pentru dispersia
intragrup, calculate astfel:
• df intergrup = numărul grupurilor-1;
• df intragrup = numărul cumulat al subiecţilor din toate
grupurile – numărul grupurilor.
O cerință pentru testul ANOVA este ca variațiile fiecărui grup de
comparație să fie egale. Am testat acest lucru folosind statistica Levene. Ceea ce
ne interesează este o valoare semnificativă care să fie mai mare de .05. Nu dorim
un rezultat semnificativ, deoarece un rezultat semnificativ ar sugera o diferență
reală între variații.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
Figura 24.
Figura
CURSUL 11.
TESTE STATISTICE NEPARAMETRICE PENTRU DATE
ORDINALE
cunoaşte, nu este normală sau datele nu pot fi asociate unui nivel de măsură cel
puţin de interval. Motivul este acela că, datele aflate la un nivel de interval ori
de raport, pot fi uşor convertite în ranguri sau în frecvenţe (la nivel ordinal ori
nominal). Invers nu este, însă, posibil.
În cazul în care avem două sau mai multe scoruri identice (în exemplul
nostru fiind vorba despre 11, 12, 14 şi 20), poziţia în cadrul şirului exprimă
poziţia fizică a acelui element. Observăm că scorul 12 ocupă poziţia 6 şi 7 în
cadrul şirului, elementul 14 poziţia 9, 10 şi 11 şi aşa mai departe. Când vorbim
de rangul unui scor şi avem mai multe scoruri care se repetă, rangul acestora va
fi media aritmetică a poziţiilor pe care scorurile le ocupă în cadrul şirului.
Scoruri:8, 9, 10, 11, 11, 12, 12, 13, 14, 14, 14, 15, 19, 20, 20
Poziţia:1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15
Rang: 1, 2, 3, 4.5, 4.5, 6.5, 6.5, 8, 10, 10, 10, 12, 13, 14.5, 14.5
După calculul rangurilor, facem diferenţa dintre rangul primei variabile şi
rangul celei de-a doua variabile. Valoarea d va fi, aşadar, d = Rangvar1 – Rangvar2.
În următoarea etapă, ridicăm la pătrat diferenţa rangurilor, pentru a
elimina problemele generate de semnul diferenţelor, şi facem suma pătratelor
diferenţelor.
Totuşi, datorită uşurinţei calculării acestui coeficient şi a faptului că poate
fi folosit pentru date parametrice care nu îndeplinesc condiţiile aplicării de teste
parametrice, coeficientul ρ Spearman are o largă utilizare. În general, folosim
acest coeficient de corelaţie dacă lotul este mai mic de 30, atunci când ambele
variabile se află la un nivel de măsură ordinal, când o variabilă se află la un
nivel ordinal, iar cealaltă la un nivel scalar, ori când ambele se află la nivel
scalar, dar cel puţin una dintre ele nu prezintă o distribuţie normală.
Coeficientul de corelaţie a rangurilor ρ Spearman este un coeficient de
corelaţie direcţional şi poate avea valori cuprinse între -1 şi +1. Valorile
apropiate de +1 indică existenţa unei asocieri directe (pozitive) între cele două
variabile, în timp ce valorile apropiate de -1 indică existenţa unei asocieri
inverse (negative). Cu cât valorile se apropie mai mult de 1 (indiferent de semn),
cu atât asocierea este mai puternică, variabilele fiind mai „legate” între ele.
11.2. Coeficientul de concordanță Kendall (τ)
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
În următoarea etapă vom calcula suma rangurilor pentru fiecare dintre cei
şase studenţi şi vom ridica la pătrat fiecare sumă.
CURSUL 12.
TESTE STATISTICE NEPARAMETRICE PENTRU DATE
NOMINALE
Fac. Umaniste 45 20 30 95
Fac. Tehnice 14 60 12 86
Fac. Artistice 20 13 50 83
Total pe coloane 79 93 92 264
Acesta este un tabel de corespondenţă pentru două variabile nominale,
fiecare având câte trei valori distincte (categorii). Valorile din celule reprezintă
numărul de cazuri (frecvenţele observate) care corespund fiecărei combinaţii
dintre categoriile celor două variabile. „Totalul pe linii” exprimă numărul de
studenţi din fiecare facultate, consemnaţi în cercetare, indiferent de tipul de liceu
absolvit, „totalul pe coloane”, exprimă numărul de absolvenţi din fiecare tip de
liceu, indiferent de facultatea la care sunt înscrişi, iar la intersecţia celor două
totaluri regăsim totalul general al subiecţilor cercetării (N=264).
Având un număr de 95 de studenţi în „facultăţi umaniste”, această
înseamnă că ei reprezintă 36% din totalul subiecţilor cercetării
(95/264*100=36). Acest procent se referă la absolvenţii care au ales o facultate
de tip umanist, indiferent de liceul absolvit. În mod similar, calculăm procentele
corespunzătoare celorlalte tipuri de facultăţi. Valorile astfel calculate, pentru
fiecare linie a tabelului, se numesc frecvenţe marginale.
CURSUL 13.
TESTE STATISTICE NEPARAMETRICE DE COMPARAȚIE
PENTRU DATE ORDINALE (PARTEA A II-A)
respectiv
𝑛𝐵 ∗(𝑛𝐵 +1)
UB = nA * nB + – ΣRB
2
unde:
nA și nB reprezintă volumul celor două grupuri independente care compun
eșantionul;
ΣRA și ΣRB reprezintă suma rangurilor pentru fiecare din cele două
grupuri.
Valoarea testului Mann-Whitney este dată de valoarea U cea mai mică.
unde:
− H este valoarea calculată a testului Kruskal-Wallis;
− N este volumul total al eșantionului;
− n este volumul grupurilor (N = n1 + n2 + n3 +...+ nk);
− K este numărul grupurilor independente;
− T este suma rangurilor care va fi calculată pentru fiecare grup.
Valorile distribuţiei de nul ale lui H urmează forma distribuţiei chi-pătrat
care, ne amintim, are originea în valoarea 0. Cu cât sumele rangurilor pentru
cele k grupuri sunt mai diferite între ele, cu atât valoarea testului este mai mare
şi, potenţial, mai aproape de o variaţie semnificativă. Diferenţele mici dintre
rangurile grupurilor conduc spre valori ale testului care tind spre 0 şi, implicit,
nesemnificative.
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II
CURSUL 14.
STRATEGIA ANALIZEI STATISTICE A DATELOR
Alegerea testului statistic potrivit este adesea una dintre încercările cele
mai mari prin care trece un tânăr cercetător. De fapt, alegerea testului statistic nu
STATISTICĂ APLICATĂ ÎN PSIHOLOGIE SEMESTRUL II