នៅក្នុងតារាងនៃលទ្ធផលនៃការគណនាស្ថិតិនៅក្នុងឯកសារពាក្យ សញ្ញាប័ត្រ និង ថ្នាក់អនុបណ្ឌិតនៅក្នុងចិត្តវិទ្យាតែងតែមានសូចនាករ "p" ។

ឧទាហរណ៍ស្របតាម គោលបំណងស្រាវជ្រាវភាពខុសគ្នានៃកម្រិតអត្ថន័យនៃជីវិតចំពោះក្មេងប្រុស និងក្មេងស្រីក្នុងវ័យជំទង់ត្រូវបានគណនា។

	មធ្យម		ការធ្វើតេស្ត Mann-Whitney U	កម្រិតនៃសារៈសំខាន់ស្ថិតិ (ទំ)
	ប្រុស (២០នាក់)	ក្មេងស្រី (៥នាក់)
គោលដៅ	28,9	35,2	17,5	0,027*
ដំណើរការ	30,1	32,0	38,5	0,435
លទ្ធផល	25,2	29,0	29,5	0,164
ទីតាំងនៃការគ្រប់គ្រង - "ខ្ញុំ"	20,3	23,6		0,067
ទីតាំងនៃការគ្រប់គ្រង - "ជីវិត"	30,4	33,8	27,5	0,126
អត្ថន័យនៃជីវិត	98,9	111,2		0,103

* - ភាពខុសគ្នាមានសារៈសំខាន់ជាស្ថិតិ (ទំ≤ 0,05)

ជួរឈរខាងស្តាំបង្ហាញពីតម្លៃនៃ "p" ហើយវាគឺដោយតម្លៃរបស់វាដែលមនុស្សម្នាក់អាចកំណត់ថាតើភាពខុសគ្នានៃអត្ថន័យនៃជីវិតនាពេលអនាគតចំពោះក្មេងប្រុសនិងក្មេងស្រីមានសារៈសំខាន់ឬមិនសំខាន់។ ច្បាប់គឺសាមញ្ញ៖

• ប្រសិនបើកម្រិតនៃសារៈសំខាន់ស្ថិតិ "p" តិចជាងឬស្មើ 0.05 នោះយើងសន្និដ្ឋានថាភាពខុសគ្នាគឺសំខាន់។ នៅក្នុងតារាងខាងលើភាពខុសគ្នារវាងក្មេងប្រុសនិងក្មេងស្រីមានសារៈសំខាន់ទាក់ទងនឹងសូចនាករ "គោលដៅ" - អត្ថន័យនៃជីវិតនាពេលអនាគត។ ចំពោះក្មេងស្រី សូចនាករនេះគឺមានស្ថិតិខ្ពស់ជាងក្មេងប្រុស។
• ប្រសិនបើកម្រិតនៃសារៈសំខាន់ស្ថិតិ "p" ធំជាង 0.05 នោះវាត្រូវបានសន្និដ្ឋានថាភាពខុសគ្នាមិនសំខាន់ទេ។ នៅក្នុងតារាងខាងលើ ភាពខុសគ្នារវាងក្មេងប្រុស និងក្មេងស្រីគឺមិនសំខាន់សម្រាប់សូចនាករផ្សេងទៀតទាំងអស់ លើកលែងតែសម្រាប់លេខទីមួយប៉ុណ្ណោះ។

តើកម្រិតនៃសារៈសំខាន់ស្ថិតិ "p" មកពីណា

កម្រិតនៃសារៈសំខាន់ស្ថិតិត្រូវបានគណនា កម្មវិធីស្ថិតិរួមជាមួយនឹងការគណនា លក្ខណៈវិនិច្ឆ័យស្ថិតិ. នៅក្នុងកម្មវិធីទាំងនេះ អ្នកក៏អាចកំណត់កម្រិតសំខាន់សម្រាប់កម្រិតនៃសារៈសំខាន់ស្ថិតិ ហើយសូចនាករដែលត្រូវគ្នានឹងត្រូវបានបង្ហាញដោយកម្មវិធី។

ឧទាហរណ៍ នៅក្នុងកម្មវិធី STATISTICA នៅពេលគណនាទំនាក់ទំនង អ្នកអាចកំណត់ p limit ឧទាហរណ៍ 0.05 ហើយទំនាក់ទំនងសំខាន់ៗតាមស្ថិតិទាំងអស់នឹងត្រូវបានបន្លិចជាពណ៌ក្រហម។

ប្រសិនបើការគណនាលក្ខណៈវិនិច្ឆ័យស្ថិតិត្រូវបានអនុវត្តដោយដៃ នោះកម្រិតសារៈសំខាន់ "p" ត្រូវបានកំណត់ដោយការប្រៀបធៀបតម្លៃនៃលក្ខណៈវិនិច្ឆ័យដែលទទួលបានជាមួយនឹងតម្លៃសំខាន់។

តើកម្រិតនៃសារៈសំខាន់ស្ថិតិ "p" បង្ហាញអ្វីខ្លះ

ការគណនាស្ថិតិទាំងអស់គឺប្រហាក់ប្រហែល។ កម្រិតនៃការប៉ាន់ស្មាននេះកំណត់ "r" ។ កម្រិតសារៈសំខាន់ត្រូវបានសរសេរជា ប្រភាគទសភាគឧទាហរណ៍ 0.023 ឬ 0.965។ ប្រសិនបើយើងគុណលេខនេះដោយ 100 យើងទទួលបានសូចនាករ p ជាភាគរយ៖ 2.3% និង 96.5% ។ ភាគរយទាំងនេះឆ្លុះបញ្ចាំងពីលទ្ធភាពដែលការសន្មត់របស់យើងអំពីទំនាក់ទំនង ឧទាហរណ៍រវាងភាពឆេវឆាវ និងការថប់បារម្ភគឺខុស។

I.e, មេគុណទំនាក់ទំនង 0.58 រវាងភាពឆេវឆាវ និងការថប់បារម្ភត្រូវបានទទួលនៅកម្រិតសារៈសំខាន់ស្ថិតិនៃ 0.05 ឬប្រូបាប៊ីលីតេនៃកំហុស 5% ។ តើនេះមានន័យយ៉ាងណា?

ការជាប់ទាក់ទងគ្នាដែលយើងបានរកឃើញមានន័យថាគំរូខាងក្រោមត្រូវបានអង្កេតនៅក្នុងគំរូរបស់យើង៖ ភាពឆេវឆាវកាន់តែខ្ពស់ ការថប់បារម្ភកាន់តែខ្ពស់។ នោះគឺប្រសិនបើយើងយកក្មេងជំទង់ពីរនាក់ហើយម្នាក់នឹងមានការថប់បារម្ភខ្ពស់ជាងមួយទៀតបន្ទាប់មកដឹងពីទំនាក់ទំនងវិជ្ជមានយើងអាចនិយាយបានថាក្មេងជំទង់នេះក៏នឹងមានភាពឆេវឆាវខ្ពស់ជាងផងដែរ។ ប៉ុន្តែដោយសារអ្វីៗគឺប្រហាក់ប្រហែលនៅក្នុងស្ថិតិ ដូច្នេះហើយ ដោយបញ្ជាក់ពីចំណុចនេះ យើងទទួលស្គាល់ថាយើងអាចធ្វើខុស ហើយប្រូបាប៊ីលីតេនៃកំហុសគឺ 5% ។ នោះគឺដោយបានធ្វើការប្រៀបធៀបចំនួន 20 នៅក្នុងក្រុមមនុស្សវ័យជំទង់នេះ យើងអាចធ្វើខុសជាមួយនឹងការព្យាករណ៍អំពីកម្រិតនៃការឈ្លានពានម្តង ដោយដឹងពីការថប់បារម្ភ។

តើកម្រិតនៃសារៈសំខាន់ស្ថិតិមួយណាល្អជាង៖ 0.01 ឬ 0.05

កម្រិតនៃសារៈសំខាន់ស្ថិតិឆ្លុះបញ្ចាំងពីប្រូបាប៊ីលីតេនៃកំហុស។ ដូច្នេះលទ្ធផលនៅ p = 0.01 គឺត្រឹមត្រូវជាងនៅ p = 0.05 ។

អេ ការស្រាវជ្រាវផ្លូវចិត្តកម្រិតពីរដែលអាចទទួលយកបាននៃសារៈសំខាន់ស្ថិតិនៃលទ្ធផលត្រូវបានទទួលយក:

p=0.01 - ភាពជឿជាក់ខ្ពស់នៃលទ្ធផល ការវិភាគប្រៀបធៀបឬការវិភាគទំនាក់ទំនង;

p=0.05 - ភាពត្រឹមត្រូវគ្រប់គ្រាន់។

ខ្ញុំសង្ឃឹមថាអត្ថបទនេះនឹងជួយអ្នកសរសេរក្រដាសចិត្តវិទ្យាដោយខ្លួនឯង។ ប្រសិនបើអ្នកត្រូវការជំនួយ សូមទាក់ទង (ការងារគ្រប់ប្រភេទក្នុងចិត្តវិទ្យា ការគណនាស្ថិតិ)។

សារៈសំខាន់ស្ថិតិ

លទ្ធផលដែលទទួលបានដោយប្រើនីតិវិធីស្រាវជ្រាវជាក់លាក់មួយត្រូវបានគេហៅថា ស្ថិតិសំខាន់ប្រសិនបើប្រូបាប៊ីលីតេនៃការកើតឡើងដោយចៃដន្យរបស់ពួកគេគឺតូចណាស់។ គំនិតនេះអាចត្រូវបានបង្ហាញដោយឧទាហរណ៍នៃការបោះកាក់។ ឧបមាថាកាក់មួយត្រូវបានបង្វិល 30 ដង; វាបានឡើងក្បាល 17 ដង និង 13 ដងវាឡើងកន្ទុយ។ ធ្វើវា សំខាន់តើនេះជាគម្លាតពីលទ្ធផលរំពឹងទុក (ក្បាល ១៥ និង ១៥ កន្ទុយ) ឬនេះជាការចៃដន្យ? ជាឧទាហរណ៍ ដើម្បីឆ្លើយសំណួរនេះ អ្នកអាចបោះកាក់ដូចគ្នាជាច្រើនដង 30 ដងក្នុងមួយជួរ ហើយនៅពេលជាមួយគ្នានោះត្រូវកត់ចំណាំថាតើសមាមាត្រនៃក្បាល និងកន្ទុយប៉ុន្មានដងស្មើនឹង 17:13 ត្រូវបានធ្វើម្តងទៀត។ ការវិភាគស្ថិតិជួយយើងពីដំណើរការដ៏ធុញទ្រាន់នេះ។ ដោយមានជំនួយរបស់វា បន្ទាប់ពីការបោះកាក់ចំនួន 30 ដំបូង គេអាចប៉ាន់ប្រមាណចំនួនដែលអាចកើតមានដោយចៃដន្យនៃ 17 ក្បាល និង 13 កន្ទុយ។ ការប៉ាន់ប្រមាណបែបនេះត្រូវបានគេហៅថាសេចក្តីថ្លែងការណ៍ប្រូបាប៊ីលីតេ។

អេ អក្សរសិល្ប៍វិទ្យាសាស្ត្រនៅក្នុងសេចក្តីថ្លែងការណ៍នៃចិត្តវិទ្យានៃអង្គការឧស្សាហកម្ម - ប្រូបាប៊ីលីកនៅក្នុង ទម្រង់គណិតវិទ្យាតំណាងដោយកន្សោម រ(ប្រូបាប៊ីលីតេ)< (менее) 0,05 (5 %), которое следует читать как «вероятность менее 5 %». В примере с киданием монеты это утверждение будет означать, что если исследователь проведет 100 опытов, каждый раз кидая монету по 30 раз, то он может ожидать случайного выпадения комбинации из 17 «орлов» и 13 «решек» менее, чем в 5 опытах. Этот результат будет сочтен статистически значимым, поскольку в индустриально-организационной психологии уже давно приняты стандарты статистической значимости 0,05 и 0,01 (រ< 0.01) ។ ការពិតនេះគឺមានសារៈសំខាន់សម្រាប់ការយល់ដឹងអំពីអក្សរសិល្ប៍ ប៉ុន្តែមិនគួរត្រូវបានយកទៅមានន័យថា វាគ្មានន័យទេក្នុងការធ្វើការសង្កេតដែលមិនស្របតាមស្តង់ដារទាំងនេះ។ អ្វី​ដែល​ហៅ​ថា​លទ្ធផល​ស្រាវជ្រាវ​មិន​សំខាន់ (ការ​សង្កេត​ដែល​អាច​ទទួល​បាន​ដោយ​ចៃដន្យ ច្រើនទៀតមួយ ឬប្រាំដងក្នុងចំណោម 100) អាចមានប្រយោជន៍ខ្លាំងណាស់សម្រាប់ការកំណត់អត្តសញ្ញាណនិន្នាការ និងជាការណែនាំសម្រាប់ការស្រាវជ្រាវនាពេលអនាគត។

វាគួរតែត្រូវបានគេកត់សម្គាល់ផងដែរថាមិនមែនអ្នកចិត្តសាស្រ្តទាំងអស់យល់ស្របជាមួយនឹងស្តង់ដារ និងនីតិវិធីប្រពៃណី (ឧទាហរណ៍ Cohen, 1994; Sauley & Bedeian, 1989)។ បញ្ហាដែលទាក់ទងនឹងការវាស់វែងគឺខ្លួនឯង ប្រធានបទ​ដ៏​សំខាន់ការងាររបស់អ្នកស្រាវជ្រាវជាច្រើនដែលសិក្សាពីភាពត្រឹមត្រូវនៃវិធីសាស្រ្តវាស់វែង និងតម្រូវការជាមុនដែលជាមូលដ្ឋាន វិធីសាស្រ្តដែលមានស្រាប់និងស្តង់ដារ ក៏ដូចជាការអភិវឌ្ឍវេជ្ជបណ្ឌិត និងឧបករណ៍ថ្មីៗ។ ប្រហែលជាពេលខ្លះនៅពេលអនាគត ការស្រាវជ្រាវនៅក្នុងអំណាចនេះនឹងនាំឱ្យមានការផ្លាស់ប្តូរស្តង់ដារប្រពៃណីសម្រាប់ការវាយតម្លៃសារៈសំខាន់ស្ថិតិ ហើយការផ្លាស់ប្តូរទាំងនេះនឹងទទួលបានការទទួលយកជាសកល។ (ជំពូកទី 5 នៃសមាគមចិត្តសាស្រ្តអាមេរិកប្រមូលផ្តុំអ្នកចិត្តសាស្រ្តដែលមានជំនាញក្នុងការសិក្សាការវាយតម្លៃ ការវាស់វែង និងស្ថិតិ។ )

នៅក្នុងរបាយការណ៍ស្រាវជ្រាវ សេចក្តីថ្លែងការណ៍ប្រូបាប៊ីលីតេដូចជា រ< 0.05, ដោយសារតែមួយចំនួន ស្ថិតិនោះគឺជាចំនួនដែលត្រូវបានទទួលជាលទ្ធផលនៃសំណុំជាក់លាក់នៃដំណើរការគណនាគណិតវិទ្យា។ ការបញ្ជាក់អំពីប្រូបាប៊ីលីតេត្រូវបានទទួលដោយការប្រៀបធៀបស្ថិតិទាំងនេះជាមួយនឹងទិន្នន័យពីតារាងពិសេសដែលត្រូវបានបោះពុម្ពសម្រាប់គោលបំណងនេះ។ នៅក្នុងការស្រាវជ្រាវផ្លូវចិត្តរបស់អង្គការឧស្សាហកម្ម ស្ថិតិដូចជា r, F, t, r>(អាន "ឈីការ៉េ") និង រ(អាន "ច្រើន។ R") ។ក្នុងករណីនីមួយៗស្ថិតិ (លេខមួយ) ដែលទទួលបានពីការវិភាគនៃស៊េរីនៃការសង្កេតអាចប្រៀបធៀបជាមួយលេខពីតារាងដែលបានបោះពុម្ព។ បន្ទាប់ពីនោះ គេអាចបង្កើតសេចក្តីថ្លែងការណ៍ប្រូបាប៊ីលីតេអំពីប្រូបាប៊ីលីតេនៃការទទួលបានលេខនេះដោយចៃដន្យ ពោលគឺដើម្បីធ្វើការសន្និដ្ឋានអំពីសារៈសំខាន់នៃការសង្កេត។

ដើម្បីយល់ពីការសិក្សាដែលបានពិពណ៌នានៅក្នុងសៀវភៅនេះ វាគ្រប់គ្រាន់ដើម្បីឱ្យមានការយល់ដឹងច្បាស់លាស់អំពីគោលគំនិតនៃសារៈសំខាន់ស្ថិតិ ហើយមិនចាំបាច់ដឹងពីរបៀបដែលស្ថិតិដែលបានរៀបរាប់ខាងលើត្រូវបានគណនានោះទេ។ ទោះយ៉ាងណាក៏ដោយ វានឹងមានប្រយោជន៍ក្នុងការពិភាក្សាពីការសន្មត់មួយដែលបង្កប់នូវដំណើរការទាំងអស់នេះ។ នេះគឺជាការសន្មតថាអថេរដែលបានសង្កេតទាំងអស់ត្រូវបានចែកចាយប្រហែល ច្បាប់ធម្មតា។. លើសពីនេះ នៅពេលអានរបាយការណ៍ស្តីពីការស្រាវជ្រាវចិត្តសាស្ត្រនៃស្ថាប័នឧស្សាហកម្ម គំនិតបីទៀតតែងតែលេចចេញមក តួនាទីសំខាន់ទីមួយទំនាក់ទំនង ទំនាក់ទំនងទីពីរ អថេរកំណត់/ទស្សន៍ទាយ និង "ANOVA" ( ការវិភាគនៃភាពខុសគ្នា) ទីបី ក្រុមនៃវិធីសាស្រ្តស្ថិតិនៅក្រោម ឈ្មោះទូទៅ"ការវិភាគមេតា" ។

ស្ថិតិភាពជឿជាក់

- ភាសាអង់គ្លេសភាពជឿជាក់/សុពលភាព ស្ថិតិ; អាឡឺម៉ង់សុពលភាព, ស្ថិតិ។ ភាពជាប់លាប់ វត្ថុបំណង និងកង្វះភាពមិនច្បាស់លាស់នៅក្នុងការធ្វើតេស្តស្ថិតិ ឬនៅក្នុង C.L. សំណុំនៃការវាស់វែង។ ឃ.ស. អាចត្រូវបានសាកល្បងដោយការធ្វើតេស្តដូចគ្នាម្តងទៀត (ឬកម្រងសំណួរ) លើប្រធានបទដូចគ្នាដើម្បីមើលថាតើលទ្ធផលដូចគ្នាត្រូវបានទទួល។ ឬការប្រៀបធៀប ផ្នែកផ្សេងៗការធ្វើតេស្តដែលសន្មត់ថាវាស់វត្ថុដូចគ្នា។

អាន់ទីណាស៊ី។ សព្វវចនាធិប្បាយសង្គមវិទ្យា, 2009

សូមមើលអ្វីដែល "ភាពជឿជាក់ខាងស្ថិតិ" មាននៅក្នុងវចនានុក្រមផ្សេងទៀត៖

ស្ថិតិភាពជឿជាក់- ភាសាអង់គ្លេស។ ភាពជឿជាក់/សុពលភាព ស្ថិតិ; អាឡឺម៉ង់ សុពលភាព, ស្ថិតិ។ ភាពស៊ីសង្វាក់គ្នា វត្ថុបំណង និងកង្វះភាពមិនច្បាស់លាស់នៅក្នុងការធ្វើតេស្តស្ថិតិ ឬនៅក្នុង s ។ សំណុំនៃការវាស់វែង។ ឃ.ស. អាចត្រូវបានផ្ទៀងផ្ទាត់ដោយការធ្វើតេស្តដូចគ្នាម្តងទៀត (ឬ ... ... វចនានុក្រមនៅក្នុងសង្គមវិទ្យា

នៅក្នុងស្ថិតិ តម្លៃមួយត្រូវបានគេហៅថាជាស្ថិតិ ប្រសិនបើប្រូបាប៊ីលីតេនៃការកើតឡើងរបស់វាដោយចៃដន្យ ឬសូម្បីតែតម្លៃខ្លាំងជាងនេះគឺតូច។ នៅទីនេះ ភាពខ្លាំងត្រូវបានយល់ថាជាកម្រិតនៃគម្លាតនៃស្ថិតិតេស្តពីសម្មតិកម្មគ្មានន័យ។ ភាពខុសគ្នាត្រូវបានគេហៅថា ... ... វិគីភីឌា

បាតុភូតរាងកាយ ស្ថេរភាពស្ថិតិគឺថាជាមួយនឹងការកើនឡើងនៃទំហំគំរូ ប្រេកង់ ព្រឹត្តិការណ៍ចៃដន្យឬមធ្យម បរិមាណរាងកាយទំនោរទៅនឹងចំនួនថេរមួយចំនួន។ បាតុភូតនៃស្ថិតិ ... ... វិគីភីឌា

ភាពជឿជាក់នៃភាពខុសគ្នា (ភាពស្រដៀងគ្នា)- ការវិភាគ នីតិវិធីស្ថិតិការបង្កើតកម្រិតនៃសារៈសំខាន់នៃភាពខុសគ្នា ឬភាពស្រដៀងគ្នារវាងគំរូតាមសូចនាករដែលបានសិក្សា (អថេរ) ... ទំនើប ដំណើរការអប់រំ៖ គោលគំនិត និងលក្ខខណ្ឌ

របាយការណ៍, ស្ថិតិ វចនានុក្រមគណនេយ្យធំ

របាយការណ៍, ស្ថិតិ- ទម្រង់នៃរដ្ឋ ការសង្កេតស្ថិតិដែលក្នុងនោះអាជ្ញាធរពាក់ព័ន្ធទទួលបានពីសហគ្រាស (អង្គការ និងស្ថាប័ន) នូវព័ត៌មានដែលពួកគេត្រូវការជាទម្រង់ឯកសាររបាយការណ៍កំណត់ដោយច្បាប់ (របាយការណ៍ស្ថិតិ) សម្រាប់ ... វចនានុក្រមសេដ្ឋកិច្ចធំ

វិទ្យាសាស្រ្តដែលសិក្សាវិធីសាស្រ្តនៃការសង្កេតជាប្រព័ន្ធនៃ បាតុភូតដ៏ធំ ជីវិត​សង្គមមនុស្សដោយចងក្រងការពិពណ៌នាជាលេខរបស់ពួកគេ និងដំណើរការវិទ្យាសាស្ត្រនៃការពិពណ៌នាទាំងនេះ។ ដូចនេះ ស្ថិតិទ្រឹស្តី គឺជាវិទ្យាសាស្ត្រ ...... វចនានុក្រមសព្វវចនាធិប្បាយច. Brockhaus និង I.A. អេហ្វរ៉ុន

មេគុណទំនាក់ទំនង- (មេគុណជាប់ទាក់ទងគ្នា) មេគុណជាប់ទាក់ទងគ្នា គឺជាសូចនាករស្ថិតិនៃការពឹងផ្អែកពីរ អថេរចៃដន្យនិយមន័យនៃមេគុណជាប់ទាក់ទងគ្នា ប្រភេទនៃមេគុណជាប់ទាក់ទងគ្នា លក្ខណៈសម្បត្តិនៃមេគុណជាប់ទាក់ទងគ្នា ការគណនា និងកម្មវិធី ...... សព្វវចនាធិប្បាយរបស់អ្នកវិនិយោគ

ស្ថិតិ- (ស្ថិតិ) ស្ថិតិគឺជាទ្រឹស្តីទូទៅដែលសិក្សាអំពីការផ្លាស់ប្តូរបរិមាណនៃបាតុភូត និងដំណើរការ។ ស្ថិតិរបស់រដ្ឋាភិបាល, សេវាកម្មស្ថិតិ, Rosstat (Goskomstat), ទិន្នន័យស្ថិតិ, ស្នើសុំស្ថិតិ, ស្ថិតិលក់, ... ... សព្វវចនាធិប្បាយរបស់អ្នកវិនិយោគ

ទំនាក់ទំនង- (ការជាប់ទាក់ទងគ្នា) Correlation គឺជាទំនាក់ទំនងស្ថិតិនៃអថេរចៃដន្យពីរឬច្រើន គោលគំនិតនៃ correlation ប្រភេទនៃការជាប់ទាក់ទងគ្នា មេគុណជាប់ទាក់ទងគ្នា។ ការវិភាគទំនាក់ទំនងទំនាក់ទំនងតម្លៃ, ទំនាក់ទំនង គូរូបិយប័ណ្ណមាតិកា Forex ...... សព្វវចនាធិប្បាយរបស់អ្នកវិនិយោគ

សៀវភៅ

• ការស្រាវជ្រាវគណិតវិទ្យា និងគណិតវិទ្យាក្នុងការស្រាវជ្រាវ៖ ការប្រមូលវិធីសាស្រ្តលើសកម្មភាពស្រាវជ្រាវរបស់សិស្ស Borzenko V.I.. ការប្រមូលផ្តុំមាន ការអភិវឌ្ឍន៍វិធីសាស្រ្តអាចអនុវត្តបាននៅក្នុងអង្គការ សកម្មភាពស្រាវជ្រាវសិស្ស។ ផ្នែកទីមួយនៃការប្រមូលគឺផ្តោតលើការអនុវត្តវិធីសាស្រ្តស្រាវជ្រាវក្នុង…

មុនពេលប្រមូល និងសិក្សាទិន្នន័យ អ្នកចិត្តសាស្រ្តពិសោធន៍ជាធម្មតាសម្រេចថាតើទិន្នន័យនឹងត្រូវវិភាគតាមស្ថិតិយ៉ាងដូចម្តេច។ ជាញឹកញាប់ អ្នកស្រាវជ្រាវកំណត់កម្រិតនៃសារៈសំខាន់ កំណត់ជា ស្ថិតិខ្ពស់ជាង ( ឬខាងក្រោម) ដែល​មាន​តម្លៃ​ដែល​អនុញ្ញាត​ឱ្យ​យើង​ពិចារណា​ពី​ឥទ្ធិពល​នៃ​កត្តា​ថា​មិន​ចៃដន្យ។ អ្នកស្រាវជ្រាវជាធម្មតាបង្ហាញកម្រិតនេះក្នុងទម្រង់នៃការបញ្ចេញមតិប្រូបាប។

នៅក្នុងជាច្រើន។ ការពិសោធន៍ផ្លូវចិត្តវាអាចត្រូវបានបង្ហាញជា " កម្រិត 0.05"ឬ" កម្រិត 0.01"។ នេះមានន័យថា លទ្ធផលចៃដន្យនឹងកើតឡើងតែជាមួយប្រេកង់ប៉ុណ្ណោះ។ 0.05 (1 ដង)ឬ 0.01 (1 ក្នុង 100 ដង). លទ្ធផលនៃការវិភាគស្ថិតិនៃទិន្នន័យដែលបំពេញតាមលក្ខណៈវិនិច្ឆ័យដែលបានកំណត់ទុកជាមុន ( 0.05, 0.01 ឬសូម្បីតែ 0.001)ត្រូវបានគេសំដៅទៅខាងក្រោមថាជាស្ថិតិសំខាន់។

គួរកត់សំគាល់ថា លទ្ធផលអាចមិនសំខាន់ជាស្ថិតិ ប៉ុន្តែនៅតែមានចំណាប់អារម្មណ៍ខ្លះ។ ជាញឹកញាប់ ជាពិសេសក្នុងអំឡុងពេលសិក្សាបឋម ឬការពិសោធន៍ពាក់ព័ន្ធនឹងមុខវិជ្ជាមួយចំនួនតូច ឬពេលណា ចំនួនមានកំណត់ការសង្កេត លទ្ធផលអាចមិនឈានដល់កម្រិតនៃសារៈសំខាន់ស្ថិតិ ប៉ុន្តែណែនាំថានៅក្នុង ការស្រាវជ្រាវបន្ថែមជាមួយនឹងការគ្រប់គ្រងកាន់តែច្បាស់លាស់ និង ច្រើនទៀតការសង្កេតនឹងកាន់តែអាចទុកចិត្តបាន។ ទន្ទឹមនឹងនេះ អ្នកពិសោធន៍ត្រូវតែមានការប្រុងប្រយ័ត្នខ្ពស់ក្នុងបំណងចង់ផ្លាស់ប្តូរលក្ខខណ្ឌនៃការពិសោធន៍ដោយចេតនា ដើម្បីសម្រេចបាននូវលទ្ធផលដែលចង់បានក្នុងតម្លៃណាមួយ។

នៅក្នុងឧទាហរណ៍មួយផ្សេងទៀតនៃផែនការ 2x2 ជី បានប្រើមុខវិជ្ជាពីរប្រភេទ និងកិច្ចការពីរប្រភេទ ដើម្បីសិក្សាពីឥទ្ធិពលនៃចំណេះដឹងពិសេសលើការទន្ទេញចាំព័ត៌មាន។

នៅក្នុងការសិក្សារបស់ខ្ញុំ ជី បានសិក្សាការទន្ទេញលេខ និង បំណែកអុក (អថេរ A) កុមារនៅលើកៅអី RECARO កីឡាវ័យក្មេងនិងមនុស្សពេញវ័យ ( អថេរ ខ) នោះគឺយោងទៅតាមផែនការ 2x2 ។ ក្មេងៗ​មាន​អាយុ​១០​ឆ្នាំ ហើយ​ពូកែ​អុក ខណៈ​មនុស្ស​ធំ​ទើប​ចូល​លេង​។ ភារកិច្ចដំបូងគឺត្រូវទន្ទេញចាំទីតាំងនៃបំណែកនៅលើក្តារ ដូចដែលវានឹងមានកំឡុងពេលលេងធម្មតា ហើយស្ដារវាឡើងវិញបន្ទាប់ពីបំណែកទាំងនោះត្រូវបានដកចេញ។ ផ្នែកមួយទៀតនៃកិច្ចការនេះគឺដើម្បីទន្ទេញចាំស៊េរីលេខស្តង់ដារ ដូចដែលជាធម្មតាត្រូវបានធ្វើនៅពេលកំណត់ IQ ។

វាប្រែថាចំណេះដឹងពិសេសដូចជាសមត្ថភាពក្នុងការលេងអុកធ្វើឱ្យវាកាន់តែងាយស្រួលក្នុងការចងចាំព័ត៌មានដែលទាក់ទងនឹងតំបន់នេះប៉ុន្តែមិន ឥទ្ធិពលដ៏អស្ចារ្យដើម្បីចងចាំលេខ។ មនុស្សពេញវ័យដែលមិនមានបទពិសោធន៍ច្រើនក្នុងប្រាជ្ញានៃល្បែងបុរាណសូមចាំ តួលេខតិចជាងប៉ុន្តែក្នុងការទន្ទេញលេខ ពួកគេជោគជ័យជាង។

នៅក្នុងតួនៃរបាយការណ៍ ជី ផ្តល់ឱ្យ ការវិភាគស្ថិតិ, គណិតវិទ្យាបញ្ជាក់ពីលទ្ធផលដែលបានបង្ហាញ។

ការរចនា 2x2 គឺសាមញ្ញបំផុតនៃការរចនារោងចក្រទាំងអស់។ ការបង្កើនចំនួនកត្តា ឬកម្រិតនៃកត្តាបុគ្គលធ្វើឱ្យផែនការទាំងនេះមានភាពស្មុគស្មាញយ៉ាងខ្លាំង។

កិច្ចការទី 3 ។កុមារមត្តេយ្យចំនួនប្រាំនាក់ត្រូវបានបង្ហាញជាមួយនឹងការធ្វើតេស្តមួយ។ ពេលវេលាសម្រាប់ដោះស្រាយកិច្ចការនីមួយៗត្រូវបានជួសជុល។ តើនឹងមានភាពខុសគ្នាយ៉ាងសំខាន់តាមស្ថិតិរវាងពេលវេលានៃដំណោះស្រាយ បីដំបូងធាតុសាកល្បង?

លេខនៃមុខវិជ្ជា

ឯកសារយោង

ភារកិច្ចនេះគឺផ្អែកលើទ្រឹស្តីនៃការវិភាគនៃភាពប្រែប្រួល។ ក្នុងករណីទូទៅ ភារកិច្ចនៃការវិភាគនៃភាពខុសប្លែកគ្នាគឺដើម្បីកំណត់កត្តាទាំងនោះដែលមានផលប៉ះពាល់យ៉ាងសំខាន់ទៅលើលទ្ធផលនៃការពិសោធន៍។ ការវិភាគភាពប្រែប្រួលអាចត្រូវបានប្រើដើម្បីប្រៀបធៀបមធ្យោបាយនៃសំណាកជាច្រើនប្រសិនបើចំនួនសំណាកមានច្រើនជាងពីរ។ ចំពោះគោលបំណងនេះ ការវិភាគមួយផ្លូវនៃភាពខុសគ្នាបម្រើ។

ដើម្បីដោះស្រាយភារកិច្ចដែលបានកំណត់ ខាងក្រោមនេះត្រូវបានអនុម័ត។ ប្រសិនបើវ៉ារ្យ៉ង់នៃតម្លៃដែលទទួលបាននៃប៉ារ៉ាម៉ែត្របង្កើនប្រសិទ្ធភាពនៅក្នុងករណីនៃឥទ្ធិពលនៃកត្តាខុសគ្នាពីការប្រែប្រួលនៃលទ្ធផលនៅក្នុងការអវត្ដមាននៃឥទ្ធិពលនៃកត្តានោះកត្តាបែបនេះត្រូវបានទទួលស្គាល់ថាសំខាន់។

ដូចដែលអាចមើលឃើញពីការបង្កើតបញ្ហា វិធីសាស្រ្តសម្រាប់ការធ្វើតេស្តសម្មតិកម្មស្ថិតិត្រូវបានប្រើនៅទីនេះ ពោលគឺបញ្ហានៃការធ្វើតេស្តបំរែបំរួលជាក់ស្តែងពីរ។ ដូច្នេះការវិភាគនៃភាពប្រែប្រួលគឺផ្អែកលើការផ្ទៀងផ្ទាត់ភាពខុសប្លែកគ្នាដោយលក្ខណៈវិនិច្ឆ័យរបស់ Fisher ។ នៅក្នុងភារកិច្ចនេះវាចាំបាច់ដើម្បីពិនិត្យមើលថាតើភាពខុសគ្នារវាងពេលវេលានៃដំណោះស្រាយនៃការដំបូង កិច្ចការបីសាកល្បងដោយសិស្សមត្តេយ្យទាំងប្រាំមួយនាក់។

សម្មតិកម្ម null (មូលដ្ឋាន) ត្រូវបានគេហៅថា H o ។ ខ្លឹមសារនៃអ៊ីត្រូវបានកាត់បន្ថយទៅជាការសន្មត់ថាភាពខុសគ្នារវាងប៉ារ៉ាម៉ែត្រប្រៀបធៀបគឺសូន្យ (ហេតុនេះឈ្មោះនៃសម្មតិកម្ម - សូន្យ) ហើយថាភាពខុសគ្នាដែលបានសង្កេតគឺចៃដន្យ។

សម្មតិកម្ម (ជម្មើសជំនួស) ដែលប្រកួតប្រជែងត្រូវបានគេហៅថា H 1 ដែលផ្ទុយពីទទេ។

ការសម្រេចចិត្ត៖

ដោយប្រើវិធីសាស្រ្តនៃការវិភាគភាពខុសប្លែកគ្នានៅកម្រិតសារៈសំខាន់នៃ α = 0.05 យើងនឹងសាកល្បងសម្មតិកម្មគ្មានន័យ (Hо) អំពីអត្ថិភាពនៃភាពខុសគ្នាយ៉ាងសំខាន់តាមស្ថិតិរវាងពេលវេលានៃការដោះស្រាយកិច្ចការបីដំបូងនៃការធ្វើតេស្តនៅក្នុងកុមារមត្តេយ្យប្រាំមួយនាក់។

ពិចារណាតារាងលក្ខខណ្ឌការងារ ដែលយើងស្វែងរកពេលវេលាជាមធ្យមដើម្បីដោះស្រាយរាល់កិច្ចការសាកល្បងទាំងបី

លេខនៃមុខវិជ្ជា	កម្រិតកត្តា
	ពេលវេលាដើម្បីដោះស្រាយភារកិច្ចដំបូងនៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។	ពេលវេលាដើម្បីដោះស្រាយកិច្ចការទីពីរនៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។	ពេលវេលាដើម្បីដោះស្រាយកិច្ចការទី 3 នៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។
មធ្យមក្រុម

ស្វែងរកមធ្យមភាគសរុប៖

ដើម្បីគិតគូរពីសារៈសំខាន់នៃភាពខុសគ្នានៃពេលវេលានៃការធ្វើតេស្តនីមួយៗ ភាពខុសគ្នានៃគំរូសរុបត្រូវបានបែងចែកជាពីរផ្នែក ដែលទីមួយត្រូវបានគេហៅថា ភាពខុសគ្នានៃកត្តា និងទីពីរគឺសំណល់

គណនាផលបូកសរុបនៃគម្លាតការេនៃវ៉ារ្យ៉ង់ពីមធ្យមភាគសរុបដោយប្រើរូបមន្ត

ឬ ដែល p ជាចំនួននៃការវាស់វែងពេលវេលាសម្រាប់ដោះស្រាយកិច្ចការសាកល្បង q គឺជាចំនួនមុខវិជ្ជា។ ដើម្បីធ្វើដូចនេះយើងនឹងបង្កើតតារាងនៃជម្រើសការ៉េ

លេខនៃមុខវិជ្ជា	កម្រិតកត្តា
	ពេលវេលាដើម្បីដោះស្រាយភារកិច្ចដំបូងនៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។	ពេលវេលាដើម្បីដោះស្រាយកិច្ចការទីពីរនៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។	ពេលវេលាដើម្បីដោះស្រាយកិច្ចការទី 3 នៃការធ្វើតេស្ត (នៅក្នុងវិ។ ) ។