Методы математической статистики в психологии: Сорокова. Методы математической статистики в психологии

Математическая статистика

Математическая статистика — Наука о том, как систематизировать и использовать статистические данные для научных и прикладных целей.

Математическая статистика в психологии

В психологии как науке математическая статистика применяется очень широко. С помощью тех или иных способов, например тестирования, разным особенностям поведения человека сопоставляются числа (шкалируются), и с этими числами уже работают методами математической статистики. После применения этих методов получаются новые данные, которые следует осмыслить.

Без применения математической статистики психология была бы довольно плоской и малоинформативной наукой, основанной на домыслах и спекуляциях (как это, например, имеет место быть в психоанализе). Разумеется, использование математической статистики не является «противоядием» против домыслов и спекуляций, однако предмет рассуждений становится значительно богаче.

Рассмотрим типичный и простой случай использования математической статистики. Допустим, кто-то провел исследование группы школьников. В числе прочих были найдены такие параметры, как экстраверсия-интроверсия и уровень интеллекта. Психолога-исследователя заинтересовало, а как связаны эти параметры между собой. Правда ли, что интроверты в среднем умнее экстравертов? Для этого группу испытуемых (выборку) можно поделить на две подгруппы: экстравертов и интровертов. Далее по каждой подгруппе находится среднее арифметическое по уровню интеллекта. Если, скажем, у интровертов в среднем IQ выше, значит, они умнее экстравертов. Это один подход. Другой может состоять в том, чтобы разделить испытуемых на подгруппу с высоким IQ (более 100) и низким (менее 100), а потом посчитать среднее по экстраверсии-интроверсии в каждой группе. Третий подход может состоять в том, чтобы вместо деления на подгруппы и высчитывания в них средних задействовать более сложный метод — корреляционный анализ. Все эти три методы по-разному, но покажут одну и ту же связь.

Математическая статистика позволяет делать интересные, иногда удивительные открытия. Продолжим наш гипотетический пример. Предположим, что психолог нашел парадоксальный результат, который противоречит с его прошлым опытом, знаниями. Скажем, он установил, что в одной школе экстраверты умнее интровертов, хотя во всех других школах было наоборот. Почему так? Дотошный психолог может начать свое расследование и установит, что, к примеру, это связано с тем, что в этой школе экстраверты ходят на факультатив по физике (потому что там «заводной учитель») и развивают свой интеллект, а интроверты ходят на факультатив по литературе (потому что там «душевный учитель»), где развивают другие качества своей души. Может ли, например, психоаналитик дойти до такого открытия? Крайне маловероятно.

В психологических исследованиях в расчет берутся не только такие чисто психологические параметры, как, скажем, интеллект, экстравертированность или тревожность. Могут использоваться и такие данные, как возраст, пол, уровень образования, рост, вес, физическая сила, политические взгляды, стаж работы и многое другое.

Часто бывает, что именно без таких непсихологических показателей исследования оказываются неполными, малоинформативными. Также часто бывает, что представители других наук (например, социологии или биологии) тоже используют психологические параметры в своих исследованиях.

Математическая статистика позволяет много вещей:

Практические психологи в своей работе обычно ограничиваются нахождением средней арифметической, с разделением на подгруппы (как в примере выше). Ученые-психологи используют самый разнообразный арсенал методов математической статистики. Рассмотрим основные.

Нахождение средней арифметической

   Самый банальный и простой метод. Показатели (например, рост испытуемых) складываются, затем делятся на число испытуемых. Несмотря на простоту, метод, конечно, очень информативный и наглядный. Наглядность — важное качество метода для практического психолога. Когда он представляет результаты своих исследований заказчику (например, директору школы), тот далеко не всегда способен понять сущность корреляционного или дисперсионного анализа. Разделение испытуемых на подгруппы по произвольному основанию усиливает потенциал средней арифметической, позволяя закрыть большинство потребностей исследователя.

Нахождение моды и медианы

Предположим, мы обследовали 1000 студентов — измеряли их рост с точностью до сантиметра. Эти данные заносили в таблицу. Если в таблице чаще всего встречается значение, скажем, 172 сантиметра, это и есть мода

нашей выборки. Аналогичным, кстати, образом слово «мода» используется и в быту: если в этом сезоне чаще всего можно встретить шапочки красного цвета, значит это мода, хотя на долю этих шапочек может приходиться всего лишь 20 или 30 процентов.

В психологических исследованиях обычно мода находится где-то рядом со средней арифметической. Если мода 172 см, то и средняя будет около того. Чем больше выборка, тем ближе мода и среднее арифметическое.

Далее. Предположим, мы поделили своих студентов на две равные группы: в первой группе 500 низких студентов, во второй группе 500 высоких студентов. Значение роста, которое приходится на 500-го или 501-го студента и есть медиана. Медиана обычно тоже находится рядом со средней арифметической.

Выявление рассеяния значений

   Как известно, средняя температура по больнице не так уж важна. И в хорошей больнице, где лечат хорошо, средняя температура может быть 36,6°C; и в плохой может быть такая же: просто у кого-то жар в 40 °C, а кто-то уже умер, и у него 18°C.

Самый простой способ оценить рассеяние выборки — найти ее размах (иначе — разброс). Если в нашей выборке самый низкий студент имеет рост 148 см, а самый высокий 205 см, значит размах выборки составит 205-148=57 см. Это величина важна в первую очередь для того, чтобы оценить, в каких рамках вообще меняется данный параметр.

Далее. Предположим такую ситуацию. Лет через двадцать по прихоти какого-нибудь богатого человека у него появятся дети-клоны. Ещё через двадцать лет они поступят в университет. И будет в университете выборка студентов объемом 1000 человек, из которых 998 имеют рост 177 см, один — 148 см, один — 205 см. По основным параметрам — средней арифметической, моде, медиане, размаху — эта выборка может не отличаться от другой выборки студентов (там будут такие же значения). Но при этом во второй (нормальной) выборке будет какое-то количество студентов с ростом 150-160 см, какое-то с ростом 180-190 см и т.д. Так что же, получается, что с точки зрения математической статистики эти группы одинаковые?

Одного взгляда на этот рисунок достаточно, чтобы понять, что группы различаются по рассеянию значений. Поэтому в статистике есть более точный инструмент для оценки рассеивания — дисперсия. Дисперсию исчисляют так: находят среднее арифметическое, потом для каждого случая находят отклонение от среднего, возводят это значение в квадрат, в конце делят на общее количество случаев. Из значения дисперсии легко получить стандартное отклонение: оно есть квадратный корень из дисперсии.

Стандартное отклонение обозначает, что понятно, стандартное отклонение: то есть мера того, насколько в среднем значения вообще отклоняются.

Стандартное отклонение измеряется в тех же самых единицах, что и сам параметр. В первой нашей гипотетической группе, где почти все студенты одинаковы, стандартное отклонение будет крайне малым (менее 1 см). Во второй группе будет значительно больше — сантиметров 10-15. Если нам скажут, что средний рост студентов составляет 175 см при стандартном отклонении 12 см, мы будем знать, что большинство студентов (примерно 2/3) находится в диапазоне от 163 до 187 см.

t-критерий Стьюдента

   Предположим, мы решили провести эксперимент такого рода. Мы взяли группу испытуемых. Перед началом эксперимента протестировали их, скажем, на уровень креативности. Далее они целый месяц занимались по часу в день рисованием. В конце эксперимента мы опять проверили их на уровень креативности. Был замечен результат, но довольно малый, и скептики стали нам заявлять, что уровень креативности не повысился, небольшое повышение средней арифметической это всего лишь случайность.

Для таких ситуаций придумали разные критерии. Один из них — наиболее популярный — это t-критерий Стьюдента. В числителе у него разница средних арифметических. В знаменателе — корень из суммы квадратов дисперсий (имеется в виду первый и второй случай тестирования). Чем больше разница между средними арифметическими, тем лучше (наш труд не остался напрасным), и чем меньше разброс значений в обоих случаях диагностики, тем тоже лучше: когда разброс значений больше, тогда и случайные колебания тоже больше.

Для применения данного критерия есть существенное ограничение — распределение показателей должно быть близко к так называемому нормальному (колоколообразному).

Существуют специальные критерии для определения степени нормальности распределения.

Корреляция

   В психологии, как наверное ни в одной другой науке, любят находить коэффициенты корреляции. Существует несколько разных подходов, в том числе и для нормального, и для не нормального распределения. Все они показывают степень зависимости одного параметра от другого. Если один параметр (например, вес человека) сильно зависит от другого параметра (например, рост человека), тогда коэффициент корреляции будет близок к +1. Если зависимость обратная (например, чем человек выше, тем менее ловок он), тогда коэффициент корреляции будет стремиться к -1. Если зависимости нет (скажем, удачливость при игре в карты не зависит от роста человека), тогда коэффициент корреляции будет около 0.

Если взять группу испытуемых, зафиксировать их рост и вес, а потом результаты перенести на двухмерный график, то получится примерно следующая картина, которая свидетельствует о том, что корреляция положительная, примерно на уровне +0.5.

Факторный анализ

   Наиболее, пожалуй, таинственный анализ. Некоторая загадочность его объясняется тем, что сам он предназначен для того, чтобы найти новый параметр, который многое объясняет, но при этом непосредственно в ходе эксперимента не исследовался. Как правило, в ходе факторного анализа находятся наиболее влиятельные параметры, от которых зависят более мелкие, частные.

Допустим, мы проводили исследование со школьниками. В числе прочих фиксировались следующие параметры: общая успеваемость, успеваемость по точным предметам, успеваемость по гуманитарным предметам, объем кратковременной памяти, объем и распределение внимания, активность мышления, пространственное воображение, общая осведомленность, общительность, тревожность. Если применить корреляционный анализ и составить так называемую матрицу корреляций (где отражена связь каждого параметра с каждым), то можно увидеть, что большинство этих параметров между собой хорошо коррелирует. Исключение составляет последние два, которые с другими связаны слабо. Уже глядя на эту матрицу можно предположить, что за большинством параметров стоит некий один общий (сверх-параметр), который на них на всех влияет. Мы проводим процедуру факторного анализа, и после этого в нашей матрице появляется еще один столбец — столбец без названия. Этот загадочный параметр очень хорошо коррелирует со всеми (кроме общительности и тревожности). После некоторого творческого раздумья психолог приходит к единственно возможной здесь интерпретации — загадочный параметр это есть интеллект. Он и влияет на все остальное, влияние его сильное, хотя и не стопроцентное.

Существуют методы факторного анализа, которые помогают выявить не один, а несколько факторов, которые влияют на другие параметры. Часто так бывает, конечно, что загадочный параметр оказывается не таким уж и загадочным, а полностью совпадает с одним из тех параметров, которые фиксировались. Но иногда бывает и так, что придется долго поломать голову прежде, чем удастся интерпретировать этот секретный фактор.

Факторный анализ применяется в основном учеными для глубокого понимания предмета исследования. При этом следует учитывать, что для точности результата необходимо довольно большое количество испытуемых: желательно, чтобы количество испытуемых в разы превышало количество параметров.

С помощью факторного анализа можно изучать качество психологических тестов. Если взять, например, какой-нибудь личностный опросник с несколькими параметрами, подвергнуть эти параметры факторному анализу, то может всплыть некий странный общий фактор, влияющий на все параметры. Значимого психологического смысла он может не иметь — это просто тенденция испытуемого отвечать так или иначе по формальному признаку (кто-то отвечает вдумчиво, кто-то склонен выбирать первые пункты из вариантов, кто-то последние). Большое влияние этого общего фактора может говорить о недостаточно качественной проработке заданий.

Литература

Ермолаев О. Ю. Математическая статистика для психологов: Учебник. — 2-е изд. испр. — М.: МПСИ, Флинта, 2003. — 336 с.

Математические методы в психологии

Примеры решенийПоказатели вариацииДоверительный интервал Расчет моды и медианы Группировка данныхДецили Проверка гипотез по Пирсону Корреляционная таблица Квартили

Данный раздел представлен следующими онлайн-калькуляторами.

Методы описательной статистики

1. Построение вариационных рядов. Пример. Сгруппировать данные, классифицируя оценки по распределения частот.
2. Построение доверительных интервалов для математического ожидания и среднего квадратического отклонения нормально распределенной случайной величины. Пример. Найти доверительный интервал для оценки математического ожидания а нормального распределения с надежностью 0.95, зная выборочную среднюю x, объем выборки n и среднее квадратическое отклонение σ.
3. Показатели вариации. Пример. Для проверки эффективности новой развивающей программы были созданы две группы детей шестилетнего возраста. Требуется: 1) Упорядочить данные (по убыванию) в каждой выборке; 2) Рассчитать моду, медиану и среднее; 3) Сделать сравнительный анализ полученных результатов; 4) Посчитать дисперсию, стандартное отклонение; 5) Посчитать коэффициент вариации; 6) Рассчитать асимметрию и эксцесс; 7) Сделать интерпретацию результатов.

Меры связи между признаками

1. Расчет коэффициента Фехнера;
2. Расчет коэффициента Спирмена;
3. Расчет коэффициента Кендэла;
4. Коэффициент конкордации.
5. Коэффициент контингенции.

Методы проверки статистических гипотез

1. Проверка статистических гипотез
2. Ранжирование данных
3. Критерий Манна-Уитни
4. Критерий Вилкоксона
5. Проверка гипотезы о равенстве дисперсий и генеральных средних.
6. Проверка статистических гипотез о виде распределения

Многомерный анализ данных

1. Методом одномерного дисперсионного анализа проверить нулевую гипотезу о влиянии фактора на качество объекта.
2. Двумерный анализ может использоваться для проверки воздействия двух независимых переменных и возможного эффекта взаимодействия на зависимую переменную.
3. Метод средних оценок.
4. Метод медиан рангов.

Какие критерии следует использовать в случаях, когда выборки независимы и когда зависимы.

1. Выборки независимы (например, выборка населения из городской и сельской местности).
   • Q–критерий Розенбаума, используется для оценки различий между двумя выборками по уровню какого-либо признака, количественно измеренного
   • U–критерий Манна-Уитни
   • F–критерий Фишера, используется для установления сходства-различия дисперсий в двух независимых выборках
   • t–критерий Стьюдента, используется для установления сходства-различия средних арифметических значений в двух выборках или в более общем виде, для установления сходства-различия двух эмпирических распределений
2. Выборки зависимы (например, одна и та же выборка испытуемых, но замеры делаются до и после эксперимента).
   • T–критерий Вилкоксона, применяется для сопоставления показателей, измеренных в двух разных условиях на одной и той же выборке испытуемых. Он позволяет установить направленность изменений, и их выраженность.
   • t–критерий Стьюдента.
   • t–критерий Спирмена.
   • Cs–критерий Ман-Мемара.

Функции Excel

Критические точки распределения Стьюдента: СТЬЮДРАСПОБР(вероятность; степени_свободы).
Вероятность — вероятность, соответствующая двустороннему распределению Стьюдента.
Степени_свободы — число степеней свободы, характеризующее распределение.

При решении задач для проверки надежности показателей используются статистические таблицы:

• Распределение Стьюдента (t-распределение)
• Распределение Фишера (F-распределение)
• Таблица значений функции Лапласа
• Статистические таблицы Дарбина-Уотсона
• Распределение ХИ квадрат (X2). Используется для определения доверительного интервала дисперсии.

Задать свои вопросы или оставить замечания можно внизу страницы в разделе Disqus.
Можно также оставить заявку на помощь в решении своих задач у наших проверенных партнеров (здесь или здесь).

Важность математики и статистики в области психологии

Опубликовано 9 августа 2021 г. в Соискатели

Вы выбрали специализацию в области психологии, но не ожидали всей математики, которая с этим связана. Честно говоря, математика вам не по душе, поэтому вы не понимаете, зачем вам нужно ходить на такие курсы, как статистика. Конечно, эти классы не были бы необходимы, если бы они не служили очень хорошей цели.

Математика может помочь психологам лучше понять мозг и интерпретировать данные. Поэтому важно иметь эти навыки, чтобы вы могли быть максимально эффективными в своей работе. Вот несколько примеров того, как математика и статистика имеют решающее значение для области психологии.

Лучшее понимание психологических исследований  

Если вы будете в курсе последних психологических исследований, это поможет вам обеспечить наилучший уход за пациентами. Однако вы не сможете сделать это, не разбираясь в математике и статистике. Как вы, возможно, уже знаете, опубликованные исследования часто содержат таблицы, графики и статистические анализы, которые человеку без этих знаний может быть трудно интерпретировать. Если вы не понимаете этих концепций, вы окажетесь в невыгодном положении, потому что не сможете полностью понять результаты исследования.

Улучшите свои навыки критического мышления  

Решение проблем — важная часть работы психолога. Поскольку нет двух одинаковых пациентов, вам нужна способность мыслить на ходу. Вы можете этого не осознавать, но знания математики и психологии могут помочь улучшить ваши навыки критического мышления. Когда вы читаете исследования по психологии, вам необходимо понимать процесс, используемый исследователями для оценки влияния любых важных результатов. Знание статистики — это не просто ряд математических формул — это параллели с лежащими в основе отношениями между переменными, которые вы обнаруживаете при изучении человеческого поведения.

Сбор и анализ данных  

Работая в области психологии, вполне возможно, что вы будете проводить собственные исследования. Знание математики и статистики поможет вам лучше структурировать свои исследования, улучшить методы сбора данных, а также лучше анализировать и интерпретировать данные. Без этих знаний ваше исследование может — без вашего ведома — содержать недостатки, делающие его менее эффективным. Вы также можете совершить другие ключевые ошибки, например, не собрать данные нужного типа, неправильно проанализировать данные и неверно интерпретировать результаты. Это, конечно, может оказать негативное влияние как на ваших пациентов, так и на других психологов, прочитавших ваше исследование.

Определение релевантности исследований  

Существует много информации о психологии. Независимо от того, читаете ли вы журнал, книгу или журнал, всегда есть исследования, предлагающие различные взгляды на уход за пациентами и уникальную авторскую интерпретацию данных. Когда вы сможете понять математику, лежащую в основе исследовательского процесса, вы сможете делать собственные выводы. Это позволит вам обеспечить более высокий уровень ухода за пациентами, потому что вы будете принимать решения, за которые действительно стоите. Любой может следить за современными тенденциями в психологии, но только те, у кого есть правильные математические навыки, могут понять их актуальность.

Хотите сделать следующий шаг в своей карьере? Если вы хотите узнать больше о том, как мы можем помочь вам найти вашу следующую должность в области психического здоровья, свяжитесь с нами сегодня по телефону (513) 651-9500 или по электронной почте [email protected].

Преподавание (и изучение) статистики психологии в эпоху беспокойства по поводу математики — кривая обучения психологии

Каждый семестр студенты-психологи по всей стране с тревогой записываются на обязательные вводные занятия по статистике. Хотя некоторым это нравится, статистика, как правило, трудна и вызывает беспокойство у студентов-психологов (которые иногда называют ее Садисты 101). Чтобы бороться с этим, издатели выпустили множество удобных для учащихся учебников, призванных сделать статистику более доступной. Однако студенты часто сталкиваются с трудностями при изучении статистики, и, честно говоря, в целом она им не нравится.

Исследование, в ходе которого изучались школьные данные за более чем два десятилетия, указывает на ухудшение математических навыков как на один из источников проблемы. В исследовании, крупнейшем в своем роде, изучались данные вводных занятий по статистике психологии в период с 1990 по 2011 год. За это время баллы по математической оценке карандашом и бумагой, в которой учащимся предлагалось решать математические задачи вручную, снизились на 9.%, а количество попыток, необходимых для прохождения теста по математике, увеличилось на 28%. Материал на тесте варьировался от округления чисел до базовой алгебры.

В исследовании (которое было проведено в одном частном университете) не было сказано, почему или какие виды математических навыков снижаются. Тем не менее, результаты отражали результаты из Великобритании и других стран, предполагая, что студенты психологии (а также бизнеса и биологических наук) все чаще испытывают трудности с базовой математикой. Кроме того, во всех этих исследованиях наблюдалось снижение результатов при выполнении аналогичных математических тестов с карандашом и бумагой (например, при решении математических задач от начального до среднего уровня сложности вручную). Исследование также подтвердило, что эти навыки ручного счета важны для успеха на занятиях по статистике — даже на занятиях, которые подчеркивают концептуальное понимание.

Короче говоря, у студентов-психологов все больше проблем с математикой. Это может иметь ряд последствий. Помимо усложнения вычислений, это может создать психологические барьеры. Студенты воспринимают статистику как нечто в высшей степени математическое, вызывая страх и тревогу на курсах статистики у математически отсталых. Точно так же студенты-психологи, испытывающие трудности с математикой, склонны негативно относиться к статистике. Простое информирование студентов-психологов о том, что задача требует математики, достаточно, чтобы ухудшить успеваемость студентов, более слабых в математике. Если студенты начнут волноваться, сдаваться или оборонительно дистанцироваться от своих курсов по статистике, у них, вероятно, возникнут еще большие трудности.

Что делать инструкторам?

Учитывая эти проблемы, как преподавателям (и учащимся) добиться успеха? В свете вышеизложенного мы предлагаем несколько стратегий:

1. Предлагайте поддержку заранее

Согласно эффекту Даннинга-Крюгера, люди не подозревают о дефиците знаний. Учащиеся, считающие себя математически слабыми, могут знать об этом, но им все еще не хватает диагностической информации, необходимой для устранения их слабостей. Предоставление учащимся обратной связи на раннем этапе (например, с помощью самопроверки) в сочетании с хорошей поддержкой (например, ассистентами, учебными руководствами, видеороликами на YouTube, рекомендациями учебного центра) может помочь учащимся выявить и выявить слабые места до того, как они станут проблематичными.

2. Борьба с негативом

Как упоминалось выше, некоторые проблемы, связанные со слабостями в математике, могут быть психологическими. Например, учащиеся могут препятствовать себе, обороняясь, чтобы смягчить удар ожидаемой неудачи. Точно так же учащиеся могут чувствовать угрозу со стороны статистики, считать ее выше своих возможностей или считать, что она не стоит их времени. Однако инструкторы могут представить различное представление статистики. Как исследователь, я рад открыть свои данные и посмотреть, что я нашел. Предоставление учащимся возможности испытать эту радость (например, с помощью активных учебных упражнений, примеров исследований, даже обмена историями из собственных исследований) может помочь завоевать «сердца и умы» учащихся. Точно так же инструкторы могут представить трудности как преодолимые проблемы, а не как непреодолимые препятствия.

3. Продавайте ценность статистики для всех направлений карьеры

Реальность такова, что навыки статистики ценны, но эта реальность (пока) не проявляется в повседневной жизни студентов. Статистические рассуждения помогают интерпретировать опубликованные (и сообщения в СМИ) исследования и полезны для будущих исследователей и будущих консультантов, педагогов и практиков. Навыки не только востребованы работодателями, но и высоко ценятся в программах для выпускников, даже в программах консультирования на уровне магистра (например, исследования и оценки на экзамене национального советника). Помогая учащимся понять это, можно переориентировать приоритеты при планировании своей карьеры. В более широком смысле психологию можно преподносить на занятиях по статистике как союз «науки о людях» и «науки о данных». Таким образом, он может стать стартовой площадкой для прибыльной и полезной карьеры в области исследований и аналитики. Обучение студентов этим возможностям может вызвать мотивацию.

4. Не жертвуйте пониманием; Do Leverage Technology

Если учащиеся испытывают затруднения с математикой, обучение основным формулам и расчетам может занять много времени. Поэтому есть риск превратить занятия по статистике в учебники по обработке чисел. Однако знание того, как вводить числа в инструмент, не равно пониманию инструмента, того, как его использовать, как понимать его, когда сообщают, и как обнаруживать его неправильное использование. Студенты получат гораздо больше от занятий, которые обучают статистическому мышлению и решению реальных задач.

Однако время занятий ограничено. Одним из решений, которое хорошо зарекомендовало себя на занятиях по психологии и статистике, является скринкаст — создание видеоуроков. Например, мои студенты, изучающие статистику, выполняют домашние задания, смотрят видео с пошаговыми инструкциями по каждой задаче, исправляют свою работу, а затем отправляют исправление. Это позволяет учащимся приостанавливать, перематывать и просматривать расчеты в своем собственном темпе, экономя время класса.

Что делать учащимся?

Вы студент, который хочет преуспеть в статистике, но беспокоится? Однокурсник-психолог предлагает следующие стратегии:

1. Использование ресурсов

Иногда преподаватели охватывают большой объем материала за одно занятие. Это может вызвать стресс, поскольку вы понимаете, что не поняли концепции так хорошо, как думали. Когда это произойдет, помните, что для вас доступно множество ресурсов!

Во-первых, на таких сайтах, как YouTube, есть лотов онлайн-видео. Эти видеоролики могут содержать различные примеры и пошаговые объяснения. Их можно приостановить, перемотать и перемотать вперед, когда это необходимо. Один канал, который я нашел чрезвычайно полезным, — How2Stats.

Во-вторых, используйте рабочее время, которое ваш профессор и ассистент назначили для вас , чтобы задавать вопросы. В это время многие профессора сидят в своих кабинетах, ожидая вопросов. Зайдите и проработайте концепции и навыки, на которых вы застряли. Чаще всего вы уходите с лучшим пониманием и более спокойным умом.

В-третьих, в большинстве университетов есть место на территории кампуса, где вас могут поддержать преподаватели. Это отличное место для проработки вопросов с коллегой, который прошел курс и был на вашем месте. Там часто бывают и другие студенты, что создает прекрасную среду для групповых занятий.

2. Сосредоточьтесь на основах; Создавайте исходные данные

Прежде чем столкнуться с большим и пугающим миром дисперсионного анализа, регрессии и медиации, хорошо разберитесь в основах. Потратьте дополнительное время на изучение и отработку концепций в начале курса. Статистика сильно зависит от первых нескольких недель. Когда эти навыки хорошо развиты, ничто не мешает вам изучить более сложные процедуры.

3. Знайте, что это не просто математика

Многие студенты, пришедшие на статистику, нервничают из-за математики. Однако математика — это только часть статистики. В психологии статистика — это способ узнать о людях; уравнения и диаграммы — это инструменты для понимания того, что вас, вероятно, волнует, например, насколько полезно лечение, роль стресса в депрессии и другие психологические темы. Если вы не можете увлечься математикой, ищите то, что вам небезразлично, чтобы держать вас на земле.

Заключение

Мы пришли к выводу, что вводные занятия по статистике могут становиться все более важным занятием для некоторых студентов-психологов. Однако мы также утверждаем, что один и тот же класс может быть прекрасной возможностью. Преподаватели могут облегчить учащимся проблемы, предлагая поддержку и рассказывая о психологических барьерах: представляя «позитивное отношение к статистике», выражая уверенность в способностях учащихся, рекламируя ценность статистики и разделяя радость открытия. Точно так же учащиеся могут улучшить свой опыт, протягивая руку и ища связь со своими собственными целями, чтобы помочь им участвовать. В конечном счете, вводный курс статистики может изменить жизнь, дав учащимся возможность открыть для себя новые сильные стороны и интересы, стать более научными и приобрести навыки, на которых могут основываться приятные и прибыльные карьеры и призвания.

No related posts.