Web- технологии в информационно-документационном обеспечении ФК и С.

Интернет технологии в учебно-тренировочном процессе и при проведении научных исследований – это современное мощное инструментальное средство и всеобъемлющая информационная среда, и, наконец, принципиально новая организационно-методическая инфраструктура информационного обмена. Документы хранятся на постоянно подключенных к интернету компьютерах – веб-серверах. Обычно на веб-сервера размещают не отдельный документ, а группу взаимосвязанных документов. Такая группа представляет собой веб-узел. Существует множество поисковых систем, позволяющий найти интересующую информацию. При выполнении научных и методических работ большое значение имеет поиск первоисточников. Электронные базы библиотек позволяют ускорить этот поиск. Большое значение в организации профессиональной деятельности в области ФК и С имеют публикации ведущих научно-практических журналов. Например, журнал «ТиПФК», доступ к изданиям этого журнала есть на веб-ресурсе lib.sportedu.ru. Важным источником информации являются телеконференции UseNet, которые представляют собой способ общения, специалисты могут получать быструю и квалифицированную помощь своих коллег.

1) Понятие статистической шкалы. Типы статистических шкал.

Применение тех или других статисти­ческих методов определяется тем, к какой статистической шкале относится полученный материал. С. Стивене предложил различать четыре статистические шкалы: шкалу наименований (или номина­тивную), шкалу порядка, шкалу интервалов и шкалу отношений.Зная типические особенности каждой шкалы, нетрудно устано­вить, к какой из шкал следует отнести подлежащий статистической обработке материал.
Шкала наименований. К этой шкале относятся материалы, в которых изучаемые объекты отличаются друг от друга по их каче­ству. При обработке таких материалов нет никакой нужды в том, чтобы располагать эти объекты в каком-то порядке, исходя из их характеристик. В принципе объекты можно располагать в любой последовательности. Вот пример: изучается состав международной научной конференции. Среди участников есть французы, англичане,датчане, немцы и русские.
При статистической обработке такого рода материалов нужно считаться с тем, каким числом единиц представлен каждый объект. Имеются весьма эффективные статистические методы, позволяю­щие по этим числовым данным прийти к научно значимым выводам (например, метод хи-квадрат).
Шкала порядка. Если в шкале наименований порядок следова­ния изучаемых объектов практически не играет никакой роли, то в шкале порядка — это видно из ее названия — именно на эту по­следовательность переключается все внимание. К этой шкале в ста­тистике относят такие исследовательские материалы, в которых рассмотрению подлежат объекты, принадлежащие к одному или не­скольким классам, но отличающиеся при сравнении одного с другим:больше—меньше, выше—ниже и т.п.
Проще всего показать типические особенности шкалы порядка, если обратиться к публикуемым итогам любых спортивных соревно­ваний. В этих итогах последовательно перечисляются участники, занявшие соответственно первое, второе, третье и прочие по поряд­ку места. Но в информации об итогах соревнований нередко отсут­ствуют или отходят на второй план сведения о фактических дости­жениях спортсменов, а на первый план ставятся их порядковые места. Допустим, шахматист Д. занял в соревнованиях первое ме­сто. Каковы же его достижения? Оказывается, он набрал 12 очков. Шахматист Е. занял второе место. Его достижение — 10 очков.Третье место занял Ж. с 8 очками, четвертое — 3. с б очками и т.д. В сообщениях о соревновании разница в достижениях при разме­щении шахматистов отходит на второй план, а на первом остаются их порядковые места. В там, что именно порядковому месту отво­дится главное значение, есть свой смысл. В самом деле, в нашем примере 3. набрал 6, а Д. — 12 очков. Это абсолютные их дости­жения — выигранные ими партии. Если попытаться истолковать эту разницу в достижениях чисто арифметически, то пришлось бы признать, что 3. играет вдвое хуже, чем Д. Но с этим нельзя согла­ситься. Обстоятельства соревнований не всегда просты, как не все­гда просто и то, как провел их тот или другой участник. Поэтому, воздерживаясь от арифметической абсолютизации, ограничиваются тем, что устанавливают: шахматист 3. отстает от занявшего первое место Д. на три порядковых места. Заметим, что в других соревнованиях расклад абсолютных дос­тижений может быть иным: занявший первое место может всего на пол-очка опережать ближайших участников. Важно, что он набрал наибольшее количество очков. Только от этого зависит его порядко­вое место. Шкала интервалов. К ней относятся такие материалы, в которых дана количественная оценка изучаемого объекта в фиксированных еди­ницах. Вернемся к опытам, которые провел психолог с Саней. В опытах учитывалось, сколько точек может поставить, работая с максимально доступной ему скоростью, сам Саня и каждый из его сверстников. Оценочными единицами в опытах служило число точек. Подсчитав их, исследователь получил то абсолютное число точек, которое оказалось возможным поставить за отведенное время каждому участнику опытов. Главная трудность при отнесении материалов к шкале интервалов со­стоит в том, что нужно располагать такой единицей, которая была бы при всех повторных измерениях тождественной самой себе, т.е. одина­ковой и неизменной. В примере с шахматистами (шкала порядка) такой единицы вообще не существует. В самом деле, учитывается число партий, выигранных каждым участником соревнований. Но ясно, что партии далеко не одинако­вы. Возможно, что участник соревнований, занявший четвертое ме­сто — он выиграл шесть партий, — выиграл труднейшую партию у самого лидера! Но в окончательных итогах как бы принимается, что все выигранные партии одинаковы. В действительности же этого нет. Поэтому при работе с подобными материалами уместно их оценивать в соответствии с требованиями шкалы порядка, а не шкалы интервалов. Материалы, соответствующие шкале интерва­лов, должны иметь единицу измерения. ^Шкала отношений. К этой шкале относятся материалы, в ко­торых учитываются не только число фиксированных единиц, как в шкале интервалов, но и отношения полученных суммарных итогов между собой. Чтобы работать с такими отношениями, нужно иметь некую абсолютную точку, от которой и ведется отсчет. При изуче­нии психологических объектов эта шкала практически неприменима.

1) Числовые характеристики выборки. Ошибка среднего арифметического. Правила записи результатов экспериментального исследования. Выборка или выборочная совокупность — множество случаев (испытуемых, объектов, событий, образцов), с помощью определённой процедуры выбранных из генеральной совокупности для участия в исследовании. Объём выборки — число случаев, включённых в выборочную совокупность. Из статистических соображений рекомендуется, чтобы число случаев составляло не менее 30—35. К ним относятся следующие показатели, получаемые в процессе обработки данных: ранжирование данных среднее арифметическое, медиана, мода. Рассмотрим отдельно каждый из этих показателей: 1. Ранжирование данных – расположение полученных значений признака в порядке возрастания. Одинаковым числовым данным присваиваются очередные последовательные числа. Ранжированные данные представляются в виде таблицы, в которой первый столбик – номера от 1 до n, второй столбик – значения признака.2. Средне арифметическое (среднее, взвешенное среднее)., Х_ср, х_ср. Вычисляется по формуле:, где n- число данных, х_i–числовые данные. 2. Медиана. М_е. В ранжированных данных выбирается номер, находящийся посредине. Если такой номер один, медиана равна значению признака, стоящего под соответствующим номером. Если таковых номеров два, то берется среднее значение признаков, находящихся под этими номерами. Срединный номер можно определить визуально или вычислить по формуле:Если полученное число N — целое, то и есть срединный номер. Если число N- дробное, то срединных номеров два. Они непосредственно содержат это дробное число.3. Мода. М_о. Мода значение признака, встречающееся наибольшее число раз. Если несколько признаков встречаются одинаковое число раз, то берется среднее значение этих признаков. Если данные сгруппированы по интервалам, интервал, содержащий Моду, называется модальным интервалом. Ошибка среднего арифметического. Под «ошибкой» в статистике понимается не ошибка исследования, а мера представительства данной величины, т. е. мера, которой средняя арифметическая величина, полученная на выборочной совокупности (в нашем примере - на 125 детях), отличается от истинной средней арифметической величины, которая была бы получена на генеральной совокупности (в нашем примере это были бы все дети аналогичного возраста, уровня подготовленности и т. д.). Например, в приведенном ранее примере определялась точность попадания малым мячом в цель у 125 детей и была получена средняя арифметическая величина примерно равная 5,6 см. Теперь надо установить, в какой мере эта величина будет характерна, если взять для исследования 200, 300, 500 и больше аналогичных детей. Ответ на этот вопрос и даст вычисление средней ошибки среднего арифметического. Правила записи результатов экспериментального исследования.

1) Критерии проверки статистических гипотез. Классификация критериев значимости. Условия применения. Статистический критерий — строгое математическое правило, по которому принимается или отвергается та или иная статистическая гипотеза с известным уровнем значимости. Построение критерия представляет собой выбор подходящей функции от результатов наблюдений (ряда эмпирически полученных значений признака), которая служит для выявления меры расхождения между эмпирическими значениями и гипотетическими. КРИТЕРИЙ ЗНАЧИМОСТИ — правило проверки статистических гипотез, основанное на свойствах распределения меры отклонения эмпирической функции распределения выборки при одной гипотезе от эмпирической функции распределения при др. гипотезе. Эта мера определяется разл. способами (см. Критерий χ ², Критерий Стъюдента и др.). При выяснении согласия между распределениями выборки и теоретическим пользуются термином — критерий согласия. Распределение выборки не может точно совпадать с гипотетическим распределением, но это отклонение может быть вызвано случайными колебаниями или быть значимо, т. е. указывать на наличие действительного различия между неизвестным распределением совокупности и гипотетическим. Если мы вычисляем меру D отклонения выборочного распределения от гипотетического и по выборочному распределению D, а также заранее заданному уровню значимости а находим такое число Do, что P(D > D₀) = α, ςо такое отклонение значимо, т. е. при данном уровне значимости а гипотеза отвергается. Если же P(D ≤D₀) = α, ςо подобная проверка не опровергает гипотезы. Значение а определяется практическими соображениями. При решении геол. задач обычно за величину а принято 0,05, что нельзя считать достаточно обоснованным.

Статистические критерии подразделяются на следующие категории:

· Критерии значимости. Проверка на значимость предполагает проверку гипотезы о численных значениях известного закона распределения: — нулевая гипотеза. или — конкурирующая гипотеза.

· Критерии согласия. Проверка на согласие подразумевает проверку предположения о том, что исследуемая случайная величина подчиняется предполагаемому закону. Критерии согласия можно также воспринимать, как критерии значимости. Критериями согласия являются:

1. Критерий Пирсона

2. Критерий Колмогорова-Смирнова

3. Z-тест (англ.)

4. Критерий Андерсона-Дарлинга (англ.)

5. Критерий Жака-Бера (англ.)

6. Критерий Шапиро-Уилка (англ.)

7. График нормальности (англ.) — не столько критерий, сколько графическая иллюстрация: точки специально построенного графика должны лежать почти на одной прямой.

· Критерии проверки на однородность. При проверке на однородность случайные величины исследуются на факт значимости различия их законов распределения (т.е. проверки того, подчиняются ли эти величины одному и тому же закону). Используются в факторном (дисперсионном) анализе для определения наличия зависимостей.

Непараметрические критерии

Группа статистических критериев, которые не включают в расчёт параметры вероятностного распределения и основаны на оперировании частотами или рангами.

· Q-критерий Розенбаума

· U-критерий Манна-Уитни

· Критерий Уилкоксона

· Критерий Пирсона — наиболее часто употребляемый критерий для проверки гипотезы о законе распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки.

· Критерий Колмогорова-Смирнова

Параметрические критерии

Группа статистических критериев, которые включают в расчет параметры вероятностного распределения признака (средние и дисперсии).

· t-критерий Стьюдента— общее название для класса методов статистической проверки гипотез (статистических критериев), основанных на распределении Стьюдента. Наиболее частые случаи применения t-критерия связаны с проверкой равенства средних значений в двух выборках.

· Критерий Фишера

· Критерий отношения правдоподобия

· Критерий Романовского

1) Корреляционный анализ. Определения. Области применения корреляционного анализа в ФК и С. Корреляци о нный ан а лиз, совокупность основанных на математической теории корреляции методов обнаружения корреляционной зависимости между двумя случайными признаками или факторами. К. а. экспериментальных данных заключает в себе следующие основные практические приёмы: 1) построение корреляционного поля и составление корреляционной таблицы; 2) вычисление выборочных коэффициентов корреляции или корреляционного отношения; 3) проверка статистической гипотезы значимости связи. Корреляционное поле и корреляционная таблица являются вспомогательными средствами при анализе выборочных данных. При нанесении на координатную плоскость выборочных точек получают корреляционное поле. По характеру расположения точек поля можно составить предварительное мнение о форме зависимости случайных величин (например, о том, что одна величина в среднем возрастает или убывает при возрастании другой). Для численной обработки результаты обычно группируют и представляют в форме корреляционной таблицы.Корреляционный анализ представляет собой статистический метод, отражающий связь между парой признаков.Под признаком понимается некоторая совокупность (как генеральная, так и выборочная) варьирующих элементов. Таким образом, исследуется связь между двумя вариационными рядами. Взаимосвязь может быть значительной, и тогда говорят о тесном влиянии признаков друг на друга, или незначительной, выраженной слабым влиянием признаков. При этом всегда желательно располагать определенным методом для оценки тесноты взаимосвязи.