- •Шкалирование как метод измерения социальных характеристик. Типы и виды шкал.
- •Дискретная случайная величина: определение, закон распределения, функция распределения
- •Закон распределения случайной величины. Примеры простых распределений, их формальное и графическое представление.
- •Биномиальный закон распределения.
- •Закон распределения Пуассона.
- •Математическое ожидание дискретной случайной величины: определения, свойства, формулы для вычисления.
- •Дисперсия дискретной случайной величины: определения, свойства, формулы для вычисления.
- •Среднее квадратическое отклонение дискретной случайной величины: определения, свойства, формулы для вычисления.
- •Ряды распределения, их разновидности.(196,200)
- •Непрерывная случайная величина: определение, плотность распределения, функция распределения.
- •Нормальное распределение социологических данных, его основные характеристики и причины значительной распространенности в социологии.
- •Проверка гипотезы о нормальном законе распределения: алгоритм реализации.
- •Корреляционный анализ: понятие. Коэффициент корреляции.
- •Методика расчета выборочного коэффициента корреляции.
- •Коэффициент ранговой корреляции Спирмена. Методика расчета.
- •Факторный анализ: понятия, возможность построения математической модели
- •Кластерный анализ: возможности и ограничения применения
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.
Построения математической модели
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:
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.