响石潭
医学硕士,不为良相则为良医,不为良医则为良相。
在心理与教育的实际测量和实验中所获得的基本随机变量。有些具有正态分布的形式,有些则不具备,其中常见到一种正偏态分布,这种分布的右侧部分偏长左侧偏短,还有一种负偏态分布是左侧偏长而右侧偏短。(见图5—3(2)) 有时为了统计分析的需要,常要分析次数分布是否为正态分布。对分布曲线是否为正态分布的拟合检验方法是χ2检验(见本书第十章第三节),除此之外,还有一些简单的方法,帮助分析。这些方法有累加次数曲线法,偏态峰态量数的描述方法。 (一)皮尔逊偏态量数法 皮尔逊发现在偏态分布中平均数距中数较近而离众数较远。在正偏态中M>Md>M0,在负偏态中M<Md<M0,而在正态分布中三者合于一点。根据平均数与众数或中数的距离,提出一个偏态量数公式,用以描述分布形态; SK = (M-M0) / S (5—4) 或 SK = 3 (M-Md) / S (5—5) 式中S为标准差,SK为偏态量数,当SK=0时,分布对称,当SK为正数时,分布属正偏态,当SK为负数时,分布属负偏态。 图5-3(2) (二)峰度、偏度检验法 这种方法是根据分析分布的峰度系数与偏度系数,确定分布形态。一般情况下,需要观测数据的数目要足够大,应用这种方法才有意义。 偏度系数 当g1=0时分布是对称的,当gl>0分布为正偏态,当gl<0时,分布呈负偏态。当观测数据数目N>200时,这个偏态系数的·统计量gl才较可靠。 峰度系数 当g2=0时,正态分布的峰度,g2<0时,分布的峰度比正态分布的峰度低阔,g2>0时,表明分布的峰度比正态分布的峰度高狭。当N>1000时,计算出的g2统计量才较可靠。
正态分布理论在测验上的应用
对于被评量如属于正态分布的研究资料,欲将其更好地数量化,得到较为符合实际的数量化结果时,常用到以下一些方法。 (一)化等级评定为测量数据 (二)确定测验题目的难易度 (三)在能力分组或等级评定时确定人致。 (四)T分数或测验分数的正态化 |