Statistikos įvadas psichologijoje: santrauka

Įvadas į statistinę analizę ir duomenų paruošimas

• Tema: susipažinimas su pagrindiniais statistikos terminais, praktiniais duomenų paruošimo žingsniais ir pasiruošimu tolesnei statistinei analizei.
• Tikslas: suprasti, kaip statistika palaiko psichologų darbą – patvirtinti/paneigti teorijas, suprasti tyrimų duomenis, pristatyti išvadas ir priimti pagrįstus sprendimus klinikinėje praktikoje.
• Pagrindinės mintys:
  • Statistika leidžia patvirtinti ar paneigti mokslines teorijas.
  • Padeda suprasti mokslinių tyrimų rezultatus.
  • Leidžia skaidriai pristatyti tyrimų išvadas.
  • Padeda priimti pagrįstus ir patikimus sprendimus psichologinėje veikloje.
  • Vaizduoja, kaip atskleisti dėsningumus iš atsitiktinumo pasaulio, o ne tik vieną konkretų rezultatą.

Kam statistika reikalinga psichologui?

• Leis patvirtinti ar paneigti teorijas remiantis empiriniais duomenimis.
• Padės suprasti mokslinius tyrimus – kaip surinkti, apdoroti ir interpretuoti duomenis.
• Leidžia pateikti tyrimų išvadas paaiškinamai ir įtikinamai.
• Užtikrina sprendimų pagrįstumą klinikinėje praktikoje (emocinė parama, terapijos metodų pasirinkimas, intervijų vertinimas).
• Skirtumas tarp teorijos ir praktikos: statistika tilptų į sprendimų įvairovę ir tikslumą, išvengiant spėlionių.

Stochastinis eksperimentas ir jo elementai

• Apibrėžimas: stochastinis eksperimentas – tai eksperimentas, kurio rezultato tiksliai nuspėti iš anksto negalime, bet galime aprašyti visus galimus rezultatus.
• Pavyzdys psichologijoje: reakcijos laiko matavimas. Net kartojant matavimą žmonėms, rezultatai gali šiek tiek skirtis kas kartą – tai stochastiškumo pavyzdys.
• Realybėje svarbiausia yra ne konkretus rezultatas, o jo pasiskirstymas, tendencijos ir vidurkiai.
• Statistikos tikslas: atrasti dėsningumus atsitiktinumo pasaulyje.
• Psichologijoje beveik visi eksperimentai turi stochastišką komponentą; statistinė analizė padeda identifikuoti šias dėsnybes ir aprašyti jas.

Praktika: Stochastinis eksperimentas

• Uždavinys: tyrimas apie studentų miego kokybę ir jos įtaką pažymiams.
  • Apklausia 200 studentų, kurie įvertina miego kokybę nuo 1 iki 10.
  • Klausimai: ar šis tyrimas yra stochastinis eksperimentas? Kodėl?
  • Kokie yra galimi šio eksperimento rezultatai (elementarieji įvykiai)?
• Įžvalgos: netikslusis rezultatų atspindys, reikia aprašyti rezultatų pasiskirstymą, kad būtų galima įvertinti tikimybes ir dėsningumus.

Statistinio stabilumo fenomenas

• Esmė: kartojant atsitiktinius eksperimentus, kuo daugiau kartų, tuo labiau rezultatai artėja prie tam tikros pastovios reikšmės (teorinės tikimybės).
• Teorinis pagrindas: Didžiųjų skaičių dėsnis (Law of Large Numbers), susiformavęs iš Jakobo Bernulio darbų.
• Psichologijoje pavyzdys: jei imtis didėja, rezultatai geriau atspindi visą populiaciją.
• Didžiųjų skaičių dėsnis ir statistinio stabilumo fenomenas yra itin svarūs, nes leidžia patikimai spręsti apie visą populiaciją iš imties duomenų.

Praktika: Statistinio stabilumo fenomenas

• Uždavinys: kauliuko mėginiai.
  • Išmeskite kauliuką 10 kartų ir užrašykite, kiek iškrito 6.
  • Išmeskite 100 kartų ir užrašykite, kiek iškrito 6.
  • Išmeskite 1000 kartų ir užrašykite, kiek iškrito 6.
  • Išmeskite 10000 kartų ir užrašykite, kiek iškrito 6.
  • Kaip manote, ar rezultatas taps artimesnis teorinei tikimybei (1/6 ≈ 0.167)?
• Tikslas: pamatyti, kaip didėjant pakartojimų skaičiui, frekvencijos artėja prie tikrosios tikimybės.

10 metimų – duomenų išsidėstymas (pateiktosios lentelės santrauka)

• Die Face: skirtos 10 metimų duomenų pasiskirstymo įverčiai (tikslūs skaičiai pateikti lentelės formoje).
• Pagrindinė išvada: mažesnis imties dydis sukuria didesnį svyravimą, didesnė imtis artėja prie vienodos tikėtinos struktūros, kaip ir tikimybė 1/6 kiekvienam veidui.

100 metimų – duomenų išsidėstymas

• Pateikti duomenų rinkiniai su dažnio skaičiais kiekvienam veidui (1–6). Tikslūs skaičiai lentose rodo, kad su daugiau kartų skaičiumi pasikartojančių rezultatų įvairovė mažėja ir atspindys artėja prie teorinio pasiskirstymo.
• Pagrindinė išvada: kuo didesnė imtis, tuo artimesnis teisingam tikimybės pasiskirstymui (1/6 kiekvienam veidui).

1000 metimų – duomenų išsidėstymas

• Ilgesni skaičiai rodo sklandesnį pasiskirstymą; dažnai pateikiamos skaitinės reikšmės, kurios artėja prie idealios lygybės tarp veidų, kai mkiekis didėja.
• Pagrindinė išvada: didelė imtis suteikia tikslų įvaizdį apie tikėtiną populiacijos pasiskirstymą.

1000 000 metimų – duomenų išsidėstymas

• Ilgų laikotarpių duomenys iliustruoja, kaip ilgalaikiai pasiskirstymai konverguoja prie tikimybių normos.
• Pavyzdiniai skaičiai (apytikriai) rodo stabilų pasiskirstymą tarp veidų, kai imties dydis labai didelis.

Pagrindinės statistikos sąvokos: Populiacija ir imtis

• Populiacija: visi objektai, kurių savybės mus domina. Pavyzdys: visi 1-ojo kurso psichologijos studentai Europoje.
• Imtis: atrinkta, reprezentatyvi populiacijos dalis. Psichologijoje dažnai dirbama su imtimis, nes ištirti visą populiaciją yra neįmanoma dėl laiko, finansų ir logistikos apribojimų.
• Statistinė išvada: išvados apie visą populiaciją, paremtos imties duomenimis. Esmė – naudoti nedidelę duomenų dalį, kad suprastume didesnį reiškinį.
• Populiacija ir imtis yra esminės sąvokos statistinei analizei ir pagrįstoms išvadoms apie tiriamą grupę remiantis jos reprezentatyvia dalimi.

Praktika: Populiacija ir imtis

• Uždavinys: psichologas tiria depresijos paplitimą tarp 18–30 metų Lietuvos gyventojų ir nustato skirtumą tarp kaimo ir miesto vietovių.
  • Apklausta 500 atsitiktinai pasirinktų šio amžiaus grupės asmenų iš didžiųjų miestų ir 500 – iš kaimo vietovių.
  • Klausimai: kas yra populiacija? Kas yra imtis? Koks imties dydis?
• Pagrindiniai punktai: kaip nustatyti, ar imtis reprezentatyvi yra svarbu patikimai įvertinti populiaciją.

Imčių sudarymo būdai

• Paprastoji atsitiktinė imtis: kiekvienas populiacijos elementas turi vienodą galimybę patekti į imtį. Pavyzdys: kompiuteriu atsitiktinai atrinkti 100 studentų iš visų universiteto studentų sąrašo.
• Stratifikuota imtis: populiacija suskirstoma į grupes (stratas), o iš kiekvienos grupės atsitiktinai atrenkama tam tikra dalis, proporcinga populiacijos struktūrai.
• Sisteminė imtis: parenkamas kas n-tasis populiacijos elementas iš sąrašo (pvz., kas 10-as studentas iš universiteto studentų sąrašo).
• Patogioji (neatsitiktinė) imtis: tiriami asmenys, kurie yra lengvai prieinami (dažnai studentai); tokios imties negalima naudoti generuojant patikimas išvadas apie visą populiaciją.
• Reprezentatyviai imčiai sudaryti svarbiausi įvairūs imčių sudarymo būdai, kadangi jie lemia, ar galima daryti patikimas išvadas apie visą populiaciją.

Praktika: Imčių sudarymo būdai

• Uždavinys: įsivaizduokite tyrimą apie tai, ar studentų lytis turi įtakos jų sėkmei pirmajame semestre. Universitete yra 2000 studentų: 1200 moterų ir 800 vyrų. Leista apklausti 200 studentų.
  • Kaip sudarytumėte stratifikuotą imtį, kad atspindėtumėte populiacijos struktūrą?
  • Koks būtų atsitiktinės imties privalumas prieš patogiąją imtį (pvz., apklausus tik savo kurso studentus)?

Duomenų tipai: kodėl tai svarbu?

• Kategoriniai (kokybiniai) kintamieji:
  • Nominalūs: reikšmės yra kategorijos be tvarkos.
  • Ranginiai (ordinaliniai): turi tam tikrą tvarką, bet atstumai tarp jų nėra vienodi.
• Skaitiniai (kiekybiniai) kintamieji:
  • Intervaliniai: turi tvarką ir vienodus atstumus, bet nulinė reikšmė yra dirbtinė.
  • Santykiniai (ratio): turi tikrąjį nulį.
• Svarbu atpažinti kintamųjų tipą, nes nuo to priklauso, kokie statistiniai testai bei analizės metodai bus taikomi.
• Kintamųjų tipų teisingas identifikavimas yra esminis žingsnis prieš atliekant statistinę analizę, kadangi nuo to priklauso naudojamos metodikos.

Praktika: Kintamųjų tipų nustatymas

• Užduotis: nustatykite kintamųjų tipą šiems duomenims:
  • Studento universiteto kursas.
  • IQ testas.
  • Laimės lygis (1–10).
  • Miesto, kuriame gimėte, pavadinimas.
  • Kiek kartų per dieną studentas išgeria kavos.

Duomenų apdorojimas: JAMOVI

• JAMOVI: nemokama ir atviro kodo programinė įranga, skirta statistinei analizei.
• Ypatybės: intuityvi vartotojo sąsaja, leidžia greitai atlikti daugelį statistinių testų, nereikalauja programavimo žinių, tinkama pradedantiesiems.

Praktika: Duomenų rinkinio paruošimas

• Sukurkite MS Excel lentelę su stulpeliais: StudentoID; Amžius; Lytis; Studijukursas; Streso_lygis (nuo 1 iki 10).
• Užpildykite kelias įrašų eilutes pavyzdiniais duomenimis.

Praktika: Duomenų importavimas į JAMOVI

• Uždavinys: Atidarykite JAMOVI programą. Spustelėkite Open ir atidarykite ką tik sukurtą MS Excel failą.
• Patikrinkite, ar JAMOVI teisingai atpažino kintamųjų tipus. Jei ne, pakeiskite juos:
  • Lytis – Nominalus,
  • Streso_lygis – continuous (tęstinis),
  • Amžius – continuous (tęstinis),
  • Studiju_kursas – ordinal (ranguotasis).

Praktika: Pirminė analizė JAMOVI

• Uždavinys: atlikime pirminę analizę.
  • Eikite į Exploration meniu, pasirinkite Descriptives.
  • Perkelkite kintamuosius Amžius ir Streso_lygis į Variables langelį.
  • Peržiūrėkite automatiškai pateikiamą vidurkį (Mean) ir standartinį nuokrypį (Standard deviation).
  • Pažymėkite laukelius Frequency tables, Histogram ir Density plot.

Praktika: Pirmosios išvados iš duomenų

• Uždavinys: remdamiesi JAMOVI rezultatais, atsakykite į šiuos klausimus:
  • Kiek studentų dalyvavo tyrime?
  • Koks yra studentų streso lygio vidurkis jūsų imtyje?
  • Apžvelkite histogramą. Ar duomenys atrodo simetriški?
  • Ką galite pasakyti apie streso lygio pasiskirstymą savo sugalvotoje imtyje?

Savarankiško darbo užduotis

• Rasti ir perskaityti įvadinę statistikos literatūrą:
  • Rasti nemokamos statistikos literatūros (pvz., OpenIntro Statistics).
  • Susipažinti su pagrindiniais statistikos konceptais.
• Pasiimti savo duomenų rinkinį:
  • Sukurti nedidelį duomenų rinkinį (pvz., apie bendrakursių ūgį, svorį ir pan.).
  • Atlikti pirminę analizę JAMOVI.
  • Importuoti duomenų rinkinį į JAMOVI, nustatyti teisingus kintamųjų tipus ir atlikti aprašomąją statistinę analizę.
• Tikslas: giliau suprasti statistikos pagrindus, praktiškai dirbti su duomenimis ir pasiruošti tolesnei statistinei analizei.

Apibendrinimas: ką išmokome?

• Supratome statistikos svarbą psichologijoje: leidžia daryti pagrįstas išvadas iš duomenų.
• Susipažinome su esminėmis sąvokomis: populiacija, imtis, stochastinis eksperimentas, statistinis stabilumas, kintamųjų tipai.
• Išmokome atskirti kintamųjų tipus: kategoriniai (nominalūs, ranginiai) vs skaitiniai (intervaliniai, santykiniai).
• Supratome, kad skirtingi kintamųjų tipai reikalauja skirtingų statistinių metodų.
• Praktiniame lygmenyje dirbome su JAMOVI – nemokama, intuityvi programa statistinei analizei be programavimo žinių.
• Išvada: ši paskaita suteikė pagrindinius statistikos supratimus ir praktinius įgūdžius, kurie bus naudingi tolesnėse studijose ir karjeroje.

Iššūkis: hipotezės ir tyrimo planavimas

• Uždavinys: įsivaizduokite tyrimą apie studentų socialinio nerimo lygį (1–100 skalė).
  • Iškelkite hipotezę (pvz., „Studentai, kurie praleidžia daugiau laiko socialiniuose tinkluose, turi didesnį socialinio nerimo lygį”).
  • Kokius kintamuosius reikėtų rinkti, kad patvirtintumėte ar paneigtumėte hipotezę?
  • Kokie būtų jų tipai (nominalus, ranginis, santykinis)?
• Pastaba: klausimai skatina atsakyti į populiacijos/imties sudarymą ir kintamųjų tapatinimą bei tinkamą matavimo skalės pasirinkimą, kaip tai daro įtaką statistinės analizės plane.

Matematinės nuorodos (laTeX)

• Tikimybių paprasta demonstracija:
  • Vieno įvykio tikimybė 6-sienio kauliuke: p = rac{1}{6}.
• Didžiųjų skaičių dėsnis (LLN) (formali forma, išvada):
  • orall \, \epsilon > 0, \, \lim{n \to \infty} P\left(|\bar{X}n - \mu| < \epsilon\right) = 1
  • kur $\bar{X}<em>n = \frac{1}{n}\sum</em>{i=1}^n X_i$ yra imties vidurkis, o $\mu$ yra populiacijos vidurkis.
• Kintamųjų tipai: paprastas atmintinis apibrėžimas:
  • Nominalūs: nepriklausomos kategorijos (nieko neskirstoma).
  • Ranginiai (ordinaliniai): turi tvarką, bet tarp jų atstumai nėra vienodi.
  • Intervaliniai: tvarka ir vienodi atstumai, nulinė reikšmė dirbtinė.
  • Santykiniai (ratio): turi tikrąjį nulį.

Formatuoto pobūdžio trumpiniai

• Pagrindiniai raktiniai žodžiai: populiacija, imtis, stochastinis eksperimentas, didžiųjų skaičių dėsnis, duomenų tipai, JAMOVI, Descriptives, histogramas, density plot, aprašomoji statistika.
• Praktiniai įgūdžiai: duomenų rinkinio paruošimas, duomenų importavimas į JAMOVI, pirminė analizė, interpretavimo įgūdžiai.
• Etiniai/praktiniai aspektai: reprezentatyvumas, imčių sudarymo metodų pasirinkimas, skaidrumas ir patikimumas.