Главная страница
Навигация по странице:

  • РЕФЕРАТ по дисциплине «___________Социология___________________» _______ Шкалирование как метод измерения социальных характеристик

  • ФИО студента Амонов Анвар Файзулло Угли Направление подготовки

  • Группа ТУР-Б-01-3-2020-1_ДИСТАН Москва 2020

  • История и перспективы информатизации социологических исследований.

  • Понятие признака в социологическом исследовании. Типы признаков. Измерение - определение понятия. Измерение в социологии. Измерение

  • Шкалирование как метод измерения социальных характеристик. Типы и виды шкал. Шкала

  • 6. Дискретная случайная величина: определение, закон распределения, функция распределения

  • 10. Математическое ожидание дискретной случайной величины: определения, свойства, формулы для вычисления.

  • 11. Дисперсия дискретной случайной величины: определения, свойства, формулы для вычисления.

  • 12. Среднее квадратическое отклонение дискретной случайной величины: определения, свойства, формулы для вычисления.

  • 19. Математическое ожидание непрерывной случайной величины: определения, свойства, формулы для вычисления.

  • 20. Дисперсия дискретной непрерывной величины: определения, свойства, формулы для вычисления.

  • 25. Проверка гипотезы о нормальном законе распределения: алгоритм реализации.

  • Алгоритм: Критерий согласия Пирсона

  • 26. Корреляционный анализ: понятие. Коэффициент корреляции. Корреляция

  • Коэффициент ранговой корреляции Кендалла. Методика расчета.

  • Коэффициент множественной ранговой корреляции. Метод расчета. Исследование случайных зависимостей между величинами.

  • 34. Кластерный анализ: возможности и ограничения применения

  • Амонов А.Ф.Социология ПЗ2. Реферат по дисциплине Социология


    Скачать 90.69 Kb.
    НазваниеРеферат по дисциплине Социология
    Дата05.05.2021
    Размер90.69 Kb.
    Формат файлаdocx
    Имя файлаАмонов А.Ф.Социология ПЗ2.docx
    ТипРеферат
    #201919






    Российский государственный социальный университет





    РЕФЕРАТ

    по дисциплине «___________Социология___________________»

    _______Шкалирование как метод измерения социальных характеристик________

    (тема реферата)

    ФИО студента

    Амонов Анвар Файзулло Угли

    Направление подготовки

    ТУРИЗМ

    Группа

    ТУР-Б-01-3-2020-1_ДИСТАН


    Москва 2020


    Особенности применения математических методов для решения социологических задач.

    1.. Создание прогностических моделей соц-го развития общества на

    ближайшую и более отделенную переспективу.

    2.. Выработка системы показателей и индикаторов соц-го развития.

    3.. Разработка научных принципов и методик изучения связи

    показателей соц-го, экон-го и эколог-го развития России.

     

    История и перспективы информатизации социологических исследований.

    · Методы дескритивности статистики:

    - Метод оценки средних величин и их отклонений.

    - Метод аналитических группировок индексный метод анализа.

    · Проблемы: Репрезентативность выборки

    · Развитие: Применение вычислительности техники.

     

    Понятие признака в социологическом исследовании. Типы признаков.

    ???

    Измерение - определение понятия. Измерение в социологии.

    Измерение –это процедура, с помощью который измеряемый объект сравнивается с которыми эталоном и получает числовое выражение в определенном масштабе или шкале.

    При помощью которой объект исследования рассматриваемые как носители определенных отношений между ними и как таковые составляющие эмпирическую систему отображаются в некоторую математическую систему с соответствующими отношениями между ее элементами.

    Шкалирование как метод измерения социальных характеристик. Типы и виды шкал.

    Шкала –правило, определения, каким образом в процессе измерения каждому изучаемому объекту ставится в соответствие некоторое число или другой математический конструкт. С помощью шкалы к каждому объекту ставится в соответствие число называемое шкальным значение объекта.

    Процесс получения шкальных значений наз-ется шкалированием.

    Типы и виды шкал.

    Номинальные шкалы:

    · Номинальное шкала (неупорядоченная шкала наименований)

    · Частично упорядоченная номинальная шкала.

    · Порядковая шкала или полностью упорядоченная ординарная шкала (шкала рангов)

    Метрические шкалы:

    · Интергальная шкала (шкала равных интергалов)

    · Идеальная или абсолютная шкала (шкала пропорциональных оценок)

    6. Дискретная случайная величина: определение, закон распределения, функция распределения

    Случайная величина Х наз-ется дискретной, если в результате испытания они принимает одно из конечного или счетного множества значений х1, х2, …

    Закон распределения дискретной случайной величин Х наз-ется соответствие между каждым ее возможным значением Х1 и вероятностью ее появления р1

    Фунций распределения вероятностей дискретной случайной величины Х наз-ется функция F(х) определения для каждого значения х вероятность того, что случайная величина х примет значение, меньше х:



    По закону распределения Пуассона. Если число п очень велико, р очень мало и вероятность P(X = k) появления события А ровно К раз вычисляется по ф-ле Пуассона:

     

     , где   =пр

     

     

    10. Математическое ожидание дискретной случайной величины: определения, свойства, формулы для вычисления.

    Математические ожидание дискретной случайной величин Х, заданной таблицей.

    Табличное представление ДСВ:

    Х

    Х1

    Х2

    Х3

    Х4



    Хп

    Р

    Р1

    Р2

    Р3

    Р4



    Рп

    Наз-ется число М(Х), вычисленное по формуле:



    Св-ва математического ожидания:

     

    1. М(С)=С, где С – постоянная величина;

    2. М(СХ)=С*М(Х), где С – постоянная величина;

    3. М(Х12+…+Хп)=М(Х1)+М(Х2)+…+М(Хп);

    4. М(Х12*…*Хп)=М(Х1)*М(Х2)*…*М(Хп), если Х12,…Хп – независимые случайные величины;

    5. Мат.ожидания случайных величин Х и У, заданных, соответственно, табл. 1 и 3, где а – некоторые постоянное число, связанны равенством: М(У) = М(Х) – а

    6. Мат.ожидания случайных величин Х и Z, заданных, соответственно, табл. 1 и 4, где b – некоторые постоянное число, связанны равенством: М(Z) = b * М(Х)

    7. Мат.ожидания случайных величин Х, имеющие биномиальное распределение, ровно произведению числа испытаний на вероятность появления события Х в одном испытании: М(Х) = п*р

     

    Табл.3

    Y

    x1 - a

    x2 - a



    x- a



    p

    p1

    p2

    p3

    Pk



    Табл.4

    Z

    x1 * b

    x2 * b



    x* b



    p

    p1

    p2

    p3

    Pk



     

     

    11. Дисперсия дискретной случайной величины: определения, свойства, формулы для вычисления.

     

    Дисперсией дискретной случайной величине Х наз-ется математическое ожидание квадрата отклонения случайной величины Х, от ее математического ожидания.

     

    Св-ва дисперсии:

    1. D(X)≥0 ¥C; D(C)=0, где С ө постоянная величина;

    2. D(СХ)=С*D(Х), где С – постоянная величина;

    3. D(Х12+…+Хп)=D(Х1)+D(Х2)+…+D(Хп), если Х12,…Хп – независимые случайные величины взаимно независимы;

    4. D(X)=M(X2)-(M(X))2

    5. Для Дискретной случайной величины Х, заданной табл.1, справедливо равенство:



    Для Дискретной случайной величины , заданной табл.2, справедливо равенство:



    6. Для Дискретной случайной величины Х и У, заданных, соответственно, табл.1 и 3, связаны равенством: D(Y) = D(X);

    7. Для Дискретной случайной величины Х и Z, заданных, соответственно, табл.1 и 4, связаны равенством: D(Z) = b2 * D(X);

    8. Для Дискретной случайной величины Х, имеющие биномиальное распределение, равна произведению числа испытаний на вероятность появления и не появления события в одном испытании: D(Х) = пр(1 – p).

     

    12. Среднее квадратическое отклонение дискретной случайной величины: определения, свойства, формулы для вычисления.

    Среднее квадратическое отклонение дискретной случайной величины Х наз-ется квадратный корень из ее дисперсии:

     



     

    Св-ва дисперсии:

    1. D(X)≥0 ¥C; D(C)=0, где С - постоянная величина;

    2. D(СХ)=С*D(Х), где С – постоянная величина;

    3. D(Х12+…+Хп)=D(Х1)+D(Х2)+…+D(Хп), если Х12,…Хп – независимые случайные величины взаимно независимы;

    4. D(X)=M(X2)-(M(X))2

    5. Для Дискретной случайной величины Х, заданной табл.1, справедливо равенство:



    Для Дискретной случайной величины , заданной табл.2, справедливо равенство:



    6. Для Дискретной случайной величины Х и У, заданных, соответственно, табл.1 и 3, связаны равенством: D(Y) = D(X);

    7. Для Дискретной случайной величины Х и Z, заданных, соответственно, табл.1 и 4, связаны равенством: D(Z) = b2 * D(X);

    8. Для Дискретной случайной величины Х, имеющие биномиальное распределение, равна произведению числа испытаний на вероятность появления и не появления события в одном испытании: D(Х) = пр(1 – p).

    По закону распределения Пуассона. Если число п очень велико, р очень мало и вероятность P(X = k) появления события А ровно К раз вычисляется по ф-ле Пуассона:

     

     , где   =пр

    19. Математическое ожидание непрерывной случайной величины: определения, свойства, формулы для вычисления.

     

    Математическое ожидание М(х) непрерывной случайной величины Х наз-ется число, вычисляемое по ф-ле:

     



    при условии, что этот несобственный интеграл первого рода сходится.

     

    Св-ва математического ожидания:

    1. М(С)=С, где С – постоянная величина;

    2. М(СХ)=С*М(Х), где С – постоянная величина;

    3. М(Х12)=М(Х1)+М(Х2).

    20. Дисперсия дискретной непрерывной величины: определения, свойства, формулы для вычисления.

    Дисперсией D(X) непрерывной случайной величине Х наз-ется математическое ожидание квадрата отклонения случайной величины Х, от ее математического ожидания.



    Св-ва дисперсии:

    1. D(X)D(C)=0, где С - постоянная величина;

    2. D(СХ)=С*D(Х), где С – постоянная величина;

    3. D(Х12)=D(Х1)+D(Х2)

    4. Дисперсия вычисления по ф-ле

    №1. Статистической гипотез наз-ется предположение о виде распределения, о параметрах известных распределений.

    №2. Выдвинутая гипотеза наз-ется нулевой (или основной) и обозначается Но.

    Гипотеза, которая противоречит нулевой, наз-ется конкурирующей гипотезой и обозначается Н1.

    №3. Гипотеза наз-ется простой, если она содержит только одно предложение.

    Гипотеза наз-ется сложной, если она состоит из конечного или бесконечного числа предположений.

    №4. Сопоставление выдвинутой гипотезы с экспериментальными данными наз-ется проверкой гипотезы.

    №5. Правосторонней критической областью для проверки 0-ой гипотезы с уровнем значимости а наз-етс совокупность значений критерия проверки Z, для которых выполняется равенство: Р(Z>Zкрит.)=а, где Zкрит. – некоторое число, наз-мое границией критической области.

    Левосторонней критической областью для проверки 0-ой гипотезы с уровнем значимости а наз-етс совокупность значений критерия проверки Z, для которых выполняется равенство: Р(Z<-Zкрит.)=а, где Zкрит. – некоторое число, наз-мое границией критической области.

    Двусторонней критической областью для проверки 0-ой гипотезы с уровнем значимости а наз-етс совокупность значений критерия проверки Z, для которых выполняется равенство:

    Р(Z2 крит. < Z< Z1крит.)=а, где Z 1крит. Z 2крит – некоторое число, наз-мое границией критической области.

     

     

    25. Проверка гипотезы о нормальном законе распределения: алгоритм реализации.

    Статистической гипотез наз-ется предположение о виде распределения, о параметрах известных распределений.

    Критерием согласия наз-ется критерий проверки гипотезы о предлагаемом законе распределения.

    Алгоритм: Критерий согласия Пирсона:

    1. По выборке объем п построить статистический ряд:

    Хi

    X1

    X2



    Xt

    mi

    m1

    m2



    mt

    2. Вычислить оценку математического ожидания х и выборочное среднее квадратическое отклонение бв

    3. В предположении нормального распределения генеральной совокупности вычислить теоретические частоты m1теор. … , m1теор. по ф-ле: m1теор.=п*р,

    где   Ф(х) – интегральная функция Лапласа

    4. Найти число Х2набл. по любой из ф-л:



    5. Найти число Х2 крит. По заданному уровню значимости а и числу степеней свободы к = т – 3

    6. Сравнить числа Х2набл и Х2 крит.

    · Если Х2набл < Х2 крит. То принимают гипотезу о нормальном распределения генеральной совокупности.

    · Если Х2набл > Х2 крит. То гипотезу о нормальном распределения генеральной совокупности.

     

    26. Корреляционный анализ: понятие. Коэффициент корреляции.

    Корреляция между 2-мя случайными величинами - это статистическая зависимость между ними, при которой изменение 1 величин влечет за собой изменение среднего значения другой.

    Коэффициент корреляции

    Коэффициентом корреляции случайных величин X и Y называется число, вычисленное по формуле:

     



    где µху = М((Х-Мх)*(У-Му)) - корреляционный момент,

     - средние квадратические отклонения величин X и Y соответственно; Мх, Му – математические ожидания

    Коэффициентом ранговой корреляции Спирмена – это непараметрический метод которой используется с целью статистического изучения связи между явлениями. В этом случае определяется фактическая степень параллелизма между 2-мя количественными рядами изучения признаков и дается оценка тестоны установленной связи с помощью количественно выраженного коэф-та.

     

    Коэффициентом ранговой корреляции Спирмена наз-ется число, вычисляемые по ф-ле:



     

     - сумма квадратов разностей рангов, п – число парных наблюдений.

    Коэффициент ранговой корреляции Кендалла. Методика расчета.

    Коэффициентом ранговой корреляции Кендалла наз-ется число, вычисляемые по ф-ле:



    Коэффициент множественной ранговой корреляции. Метод расчета.

    Исследование случайных зависимостей между величинами.

    пределения.

    Корреляция случайных величин Х и У наз-ется линейной, если являются линейными функции регрессии У на Х (то есть   = f(x)) и Х и У (то, есть   = φ(у)).

    Построения.

    Выборочным уравнением линейной (прямой) регрессии У на Х является ур-е вида:



    Выборочным уравнением линейной регрессии Х на У является ур-е вида:



       Выборочные средние

     Выборочные средние квадратические отклонения

     Выборочные коэф-т корреляции

     

    Числа наз-ются выборочными коэф-тами регрессии У на Х или Х на У соотвественно:



    33. Факторный анализ: понятия, возможность построения математической модели

     

    Факторный анализ – это процедура, с помощью которой большое число переменных, относящихся к имеющимся наблюдшем сводят к меньшему количеству независимых влияющих величин, называемых факторами. При этом в один фактор объединяются переменные сильно коррелирующие между собой. Переменные из факторов слабо коррелируют между собой.

    Пусть имеются получены эмпирические данные о значение N переменных. В каждой из них измеряет значения К признаков и получены значения случайных много мерных нормально распределенных величин:

     , где t = 1,2,3 … N

    Значения случайных многомерных величин обслусловлены какими-то объективными причинами (факторами).

    Предполагается что число этих факторов всегда меньше, чем число измеряемых параметров (признаков) изучаемого объекта. Эти факторы являются скрытыми (латентиными) их нельзя непосредственно измерить и поэтому они представляются гипотетическими вычисляется корреляционная матрица содержащая линейные коэффициенты парной корреляций i-ого признака с j-тым признаком:



     

     

    34. Кластерный анализ: возможности и ограничения применения

    Кластерный анализ – задача разбиения заданной выборки объектов (ситуацией) на подмножества, наз-емые кластерами, так чтобы каждый кластер состоля из схожих объектов, а объекты разных кластеров существенно отличались.

    Методы кластерного анализа используются в большинстве случаев тогда, когда нет каких-либо гипотез (предположений) относительно классов, исследования находится в описательной стадий.


    написать администратору сайта