Статистическая обработка результатов исследования: При анализе полученных данных решались такие задачи, как описание

Статистическая обработка результатов исследования

Статистическая обработка результатов исследования: При анализе полученных данных решались такие задачи, как описание

Применение методов математической статистики (статистических методов) для обработки результатов эмпирического исследования является обязательным требованием к курсовым работам по конфликтологии.

Методами статистической обработки результатов исследования называются математические приемы, формулы, способы количественных расчетов, с помощью которых показатели, получаемые в ходе исследования, можно обобщать, приводить в систему, выявляя скрытые в них закономерности.

В зависимости от применяемых методов можно охарактеризовать выборочное распределение данных исследования, можем судить о динамики изменения отдельных показателей, о статистических связях существующих между исследуемыми переменными величинами.

Математическая обработка результатов исследования дает конфликтологу возможность ответить на ряд вопросов:

Чем один человек отличается от другого (или группы лиц) по исследуемой психологической характеристике?

Чем отличается уровень развития одной психологической характеристики от другой у данной личности?

Как развиваются две группы лиц по какой-либо психологической характеристике и др.

Ответы на эти и другие вопросы могут быть получены в ходе психодиагностического обследования и зависят от правильного проведения этого обследования, а также от грамотной обработке и интерпретации полученных результатов.

цель статистических методов – представить количественные данные в сжатой форме, с тем, чтобы облегчить их понимание.

Все методы статистического анализа условно делятся на первичные и вторичные.

Первичными называются методы, с помощью которых можно получить показатели, непосредственно отражающие результаты проводимых в эксперименте измерений. Под первичными статистическими показателями имеются в виду показатели, которые применяются в самих психодиагностических методиках и являются итогом начальной статистической обработки результатов диагностики.

К первичным методам статистической обработки относят: определение среднего арифметического, дисперсии, моды и медианы.

Вторичными называют методы статистической обработки, с помощью которых на базе первичных данных выявляют скрытые в них статистические закономерности.

К вторичным методам статистической обработки относят: корреляционный анализ, регрессионный анализ, факторный анализ, методы сравнения первичных данных двух или нескольких выборок.

Краткая классификация задач и методов их статистического решения приведены в таблице 3.

Таблица 3 – Краткая классификация задач и методов их статистического решения

Задачи Условия Методы
1. Выявление различий в уровне исследуемого признака   а) 2 выборки испытуемых критерий Макнамары Q – критерий Розенбаума U – критерий Манна-Уитни φ – критерий (угловое преобразование Фишера)
б) 3 и больше выборок испытуемых S – критерий Джонкира H – критерий Крускала-Уоллиса
2. Оценка сдвига значений исследуемого признака   а) 2 замера на одной и той же выборке испытуемых T – критерий Вилкоксона G – критерий знаков φ – критерий (угловое преобразование Фишера) t- критерий Стьюдента
б) 3 и более замеров на одной и той же выборке испытуемых критерий Фридмана L – критерий тенденций Пейджа t- критерий Стьюдента
3. Выявление различий в распределении признака   а) при сопоставлении эмпирического распределения с теоретическим критерий Пирсона λ- критерий Колмогорова-Смирнова t- критерий Стьюдента
б) при сопоставлении двух эмпирических распределений критерий Пирсона λ-критерий Колмогорова-Смирнова φ – критерий (угловое преобразование Фишера)

Продолжение табл.3

4. Выявление степени согласованности изменений а) двух признаков коэффициент корреляции Пирсона коэффициент корреляции Кендалла R – бисериальный коэффициент корреляции корреляционное отношение Пирсона
б) трех или большего числа признаков коэффициент ранговой корреляции Спирмена r – коэффициент корреляции Пирсона Линейная и криволинейная регрессии
5. Анализ изменений признака под влиянием контролируемых условий   а) под влиянием одного фактора S – критерий Джонкира L – критерий тенденций Пейджа Однофакторный дисперсионный анализ Критерий Линка и Уоллеса Критерий Немени Множественное сравнение независимых выборок
б) под влиянием двух факторов одновременно Двухфакторный дисперсионный анализ

Работать с данной таблицей рекомендуется следующим образом:

1. По первому столбцу таблицы, выбирается задача, стоящая в исследовании.

2. По второму столбцу таблицы определяются условия решения задачи, например, сколько выборок обследовано или на какое количество групп может быть разбита обследованная выборка.

3. Выбирается соответствующий статистический метод. Можно выбрать несколько методов и сравнить их результаты.

Список литературы

Основная:

1. Конфликтология: учебник мо/ А.Я. Кибанов, И.Е. Ворожейкин, Д.К. Захаров [и др.]; под ред. А.Я. Кибанова.- 2-е изд., перераб. и доп..- М.: ИНФРА-М, 2010.- 301 с.

2. Шейн, Эдгар. Организационная культура и лидерство : учебник / Эдгар Шейн; пер. с англ. С. Жильцова; под ред. Т. Ю. Ковалевой .— 3-е изд. — СПб. : Питер, 2012 .— 331 с.

Дополнительная:

3. Авксентьев, В. А. Региональная конфликтология: концепты и российская практика/ В. А. Авксентьев, Г. Д. Гриценко, А. В. Дмитриев ; под ред. М. К. Горшкова.- М.: Альфа-М., 2008.- 368 с.

4. Анцупов, А.Я. Конфликтология/ А.Я.Анцупов, А.И. Шипилов.- СПб.: Питер, 2007.- 496 с.

5. Ворожейкин, И.Е. Конфликтология: учебник/ Ворожейкин И.Е., Кибанов А.Я., Захаров Д.К..- М.: ИНФРА-М, 2002.- 240 с.

6. Горбунова, М.Ю. Конфликтология: конспект лекций/ М.Ю.Горбунова.- Ростов н/Д: Феникс, 2005.- 256 с.

7. Громова, О.Н. Конфликтология: курс лекций/ Громова О.Н..- М.: ЭКМОС, 2001.- 320 с.

8. Дмитриев, А.В. Конфликтология: учебное пособие/ Дмитриев А.В..- М.: Гардарики, 2003.- 320 с.

9. Кильмашкина Т.Н. Конфликтология: социальные конфликты:учебное пособие для вузов/ Т.Н. Кильмашкина.- М: ЮНИТИ-ДАНА, 2004.- 279 с.

10. Козырев, Г. И. Политическая конфликтология: учеб. пособ. умо/ Г.И. Козырев.- М.: ФОРУМ: ИНФРА-М, 2008.- 432 с.

11. Курбатов, В.И. Конфликтология: учебное пособие/ В.И. Курбатов.- Ростов н/Д: Феникс, 2004.- 445 с.

Не нашли то, что искали? Воспользуйтесь поиском:

Источник: https://studopedia.ru/10_227332_trebovaniya-k-yaziku-i-stilyu-raboti.html

7 методов статистического анализа, которые может применять каждый

Статистическая обработка результатов исследования: При анализе полученных данных решались такие задачи, как описание

Деятельность людей во множестве случаев предполагает работу с данными, а она в свою очередь может подразумевать не только оперирование ими, но и их изучение, обработку и анализ.

Например, когда нужно уплотнить информацию, найти какие-то взаимосвязи или определить структуры.

И как раз для аналитики в этом случае очень удобно пользоваться не только разными техниками мышления, но и применять статистические методы.

Особенностью методов статистического анализа является их комплексность, обусловленная многообразием форм статистических закономерностей, а также сложностью процесса статистических исследований. Однако мы хотим поговорить именно о таких методах, которые может применять каждый, причем делать это эффективно и с удовольствием.

Статистическое исследование может проводиться посредством следующих методик:

  • Статистическое наблюдение;
  • Сводка и группировка материалов статистического наблюдения;
  • Абсолютные и относительные статистические величины;
  • Вариационные ряды;
  • Выборка;
  • Корреляционный и регрессионный анализ;
  • Ряды динамики.

Далее мы рассмотрим каждый из них более подробно. Но отметим, что представим лишь основные характеристики без подробного описания алгоритмов действий. Впрочем, понять их не составит никакого труда.

Статистическое наблюдение

Статистическое наблюдение является планомерным, организованным и в большинстве случаев систематическим сбором информации, направленным, главным образом, на явления социальной жизни. Реализуется данный метод через регистрацию предварительно определенных наиболее ярких признаков, цель которой состоит в последующем получении характеристик изучаемых явлений.

Статистическое наблюдение должно выполняться с учетом некоторых важных требований:

  • Оно должно полностью охватывать изучаемые явления;
  • Получаемые данные должны быть точными и достоверными;
  • Получаемые данные должны быть однообразными и легкосопоставимыми.

Также статистическое наблюдение может иметь две формы:

  • Отчетность – это такая форма статистического наблюдения, где информация поступает в конкретные статистические подразделения организаций, учреждений или предприятий. В этом случае данные вносятся в специальные отчеты.
  • Специально организованное наблюдение – наблюдение, которое организуется с определенной целью, чтобы получить сведения, которых не имеется в отчетах, или же для уточнения и установления достоверности информации отчетов. К этой форме относятся опросы (например, опросы мнений людей), перепись населения и т.п.

Кроме того, статистическое наблюдение может быть категоризировано на основе двух признаков: либо на основе характера регистрации данных, либо на основе охвата единиц наблюдения. К первой категории относятся опросы, документирование и прямое наблюдение, а ко второй – наблюдение сплошное и несплошное, т.е. выборочное.

Для получения данных при помощи статистического наблюдения можно применять такие способы как анкетирование, корреспондентская деятельность, самоисчисление (когда наблюдаемые, например, сами заполняют соответствующие документы), экспедиции и составление отчетов.

Сводка и группировка материалов статистического наблюдения

Говоря о втором методе, в первую очередь следует сказать о сводке. Сводка представляет собой процесс обработки определенных единичных фактов, которые образуют общую совокупность данных, собранных при наблюдении.

Если сводка проводится грамотно, огромное количество единичных данных об отдельных объектах наблюдения может превратиться в целый комплекс статистических таблиц и результатов.

Также такое исследование способствует определению общих черт и закономерностей исследуемых явлений.

С учетом показателей точности и глубины изучения можно выделить простую и сложную сводку, но любая из них должна основываться на конкретных этапах:

  • Выбирается группировочный признак;
  • Определяется порядок формирования групп;
  • Разрабатывается система показателей, позволяющих охарактеризовать группу и объект или явление в целом;
  • Разрабатываются макеты таблиц, где будут представлены результаты сводки.

Важно заметить, что есть и разные формы сводки:

  • Централизованная сводка, требующая передачи полученного первичного материала в вышестоящий центр для последующей обработки;
  • Децентрализованная сводка, где изучение данных происходит на нескольких ступенях по восходящей.

Выполняться же сводка может при помощи специализированного оборудования, например, с использованием компьютерного ПО или вручную.

Что же касается группировки, то этот процесс отличается разделением исследуемых данных на группы по признакам.

Особенности поставленных статистическим анализом задач влияют на то, какой именно будет группировка: типологической, структурной или аналитической.

Именно поэтому для сводки и группировки либо прибегают к услугам узкопрофильных специалистов, либо применяют конкретные техники мышления.

Абсолютные и относительные статистические величины

Абсолютные величина считаются самой первой формой представления статистических данных. С ее помощью удается придать явлениям размерные характеристики, например, по времени, по протяженности, по объему, по площади, по массе и т.д.

Если требуется узнать об индивидуальных абсолютных статистических величинах, можно прибегнуть к замерам, оценке, подсчету или взвешиванию. А если нужно получить итоговые объемные показатели, следует использовать сводку и группировку. Нужно иметь в виду, что абсолютные статистические величины отличаются наличием единиц измерения. К таким единицам относят стоимостные, трудовые и натуральные.

А относительные величины выражают количественные соотношения, касающиеся явлений социальной жизни. Чтобы их получить, одни величины всегда делятся на другие. Показатель, с которым сравнивают (это знаменатель), называют основанием сравнения, а показатель, которой сравнивают (это числитель), называют отчетной величиной.

Относительные величины могут быть разными, что зависит от их содержательной части. Например, существуют величины сравнения, величины уровня развития, величины интенсивности конкретного процесса, величины координации, структуры, динамики и т.д. и т.п.

Чтобы изучить какую-то совокупность по дифференцирующимся признакам, в статистическом анализе применяются средние величины – обобщающие качественные характеристики совокупности однородных явлений по какому-либо дифференцирующемуся признаку.

Крайне важным свойством средних величин является то, что они говорят о значениях конкретных признаков во всем их комплексе единым числом.

Невзирая на то, что у отдельных единиц может наблюдаться количественная разница, средние величины выражают общие значения, свойственные всем единицам исследуемого комплекса.

Получается, что при помощи характеристики чего-то одного можно получить характеристику целого.

Следует иметь в виду, что одним из самых важных условий применения средних величин, если проводится статистический анализ социальных явлений, считается однородность их комплекса, для которого и нужно узнать среднюю величину. А от такого, как именно будут представлены начальные данные для исчисления средней величины, будет зависеть и формула ее определения.

Вариационные ряды

В некоторых случаях данных о средних показателях тех или иных изучаемых величин может быть недостаточно, чтобы провести обработку, оценку и глубокий анализ какого-то явления или процесса. Тогда во внимание следует брать вариацию или разброс показателей отдельных единиц, который тоже представляет собой важную характеристику исследуемой совокупности.

На индивидуальные значения величин могут воздействовать многие факторы, а сами изучаемые явления или процессы могут быть очень многообразны, т.е. обладать вариацией (это многообразие и есть вариационные ряды), причины которой следует искать в сущности того, что изучается.

Вышеназванные абсолютные величины находятся в непосредственной зависимости от единиц измерения признаков, а значит, делают процесс изучения, оценки и сравнения двух и более вариационных рядов более сложным. А относительные показатели нужно вычислять в качестве соотношения абсолютных и средних показателей.

Выборка

Смысл выборочного метода (или проще – выборки) состоит в том, что по свойствам одной части определяются численные характеристики целого (это называется генеральной совокупностью). Основной выборочного метода является внутренняя связь, объединяющая части и целое, единичное и общее.

Метод выборки отличается рядом существенных преимуществ перед остальными, т.к. благодаря уменьшению количества наблюдений позволяет сократить объемы работы, затрачиваемые средства и усилия, а также успешно получать данные о таких процессах и явлениях, где либо нецелесообразно, либо просто невозможно исследовать их полностью.

Соответствие характеристик выборки характеристикам изучаемого явления или процесса будет зависеть от комплекса условий, и в первую очередь от того, как вообще будет реализовываться выборочный метод на практике. Это может быть как планомерный отбор, идущий по подготовленной схеме, так и непланомерный, когда выборка производится из генеральной совокупности.

Но во всех случаях выборочный метод должен быть типичным и соответствовать критериям объективности. Данные требования нужно выполнять всегда, т.к. именно от них будет зависеть соответствие характеристик метода и характеристик того, что подвергается статистическому анализу.

Таким образом, перед обработкой выборочного материала необходимо провести его тщательную проверку, избавившись тем самым от всего ненужного и второстепенного.

Одновременно с этим, составляя выборку, в обязательном порядке нужно обходить стороной любую самодеятельность.

Это означает, что ни в коем случае не следует делать выборку только из вариантов, кажущихся типичными, а все другие – отбрасывать.

Эффективная и качественная выборка должна составляться объективно, т.е. производить ее нужно так, чтобы были исключены любые субъективные влияния и предвзятые побуждения. И чтобы это условие было соблюдено должным образом, требуется прибегнуть к принципу рандомизации или, проще говоря, к принципу случайного отбора вариантов из всей их генеральной совокупности.

Представленный принцип служит основой теории выборочного метода, и следовать ему нужно всегда, когда требуется создать эффективную выборочную совокупность, причем случаи планомерного отбора исключением здесь не являются.

Корреляционный и регрессионный анализ

Корреляционный анализ и регрессионный анализ – это два высокоэффективных метода, позволяющие проводить анализ больших объемов данных для изучения возможной взаимосвязи двух или большего количества показателей.

В случае с корреляционным анализом задачами являются:

  • Измерить тесноту имеющейся связи дифференцирующихся признаков;
  • Определить неизвестные причинные связи;
  • Оценить факторы, в наибольшей степени воздействующие на окончательный признак.

А в случае с регрессионным анализом задачи следующие:

  • Определить форму связи;
  • Установить степень воздействия независимых показателей на зависимый;
  • Определить расчетные значения зависимого показателя.

Чтобы решить все вышеназванные задачи, практически всегда нужно применять и корреляционный и регрессионный анализ в комплексе.

Ряды динамики

Посредством этого метода статистического анализа очень удобно определять интенсивность или скорость, с которой развиваются явления, находить тенденцию их развития, выделять колебания, сравнивать динамику развития, находить взаимосвязь развивающихся во времени явлений.

Ряд динамики – это такой ряд, в котором во времени последовательно расположены статистические показатели, изменения которых характеризуют процесс развития исследуемого объекта или явления.

Ряд динамики включает в себя два компонента:

  • Период или момент времени, связанный с имеющимися данными;
  • Уровень или статистический показатель.

В совокупности эти компоненты представляют собой два члена ряда динамики, где первый член (временной период) обозначается буквой «t», а второй (уровень) – буквой «y».

Исходя из длительности временных промежутков, с которыми взаимосвязаны уровни, ряды динамики могут быть моментными и интервальными. Интервальные ряды позволяют складывать уровни для получения общей величины периодов, следующих один за другим, а в моментных такой возможности нет, но этого там и не требуется.

Ряды динамики также существуют с равными и разными интервалами. Суть же интервалов в моментных и интервальных рядах всегда разная.

В первом случае интервалом является временной промежуток между датами, к которым привязаны данные для анализа (удобно использовать такой ряд, например, для определения количества действий за месяц, год и т.д.).

А во втором случае – временной промежуток, к которому привязана совокупность обобщенных данных (такой ряд можно использовать для определения качества тех же самых действий за месяц, год и т.п.). Интервалы могут быть равными и разными, независимо от типа ряда.

Естественно, чтобы научиться грамотно применять каждый из методов статистического анализа, недостаточно просто знать о них, ведь, по сути, статистика – это целая наука, требующая еще и определенных навыков и умений. Но чтобы она давалась проще, можно и нужно тренировать свое мышление и улучшать когнитивные способности.

В остальном же исследование, оценка, обработка и анализ информации – очень интересные процессы.

И даже в тех случаях, когда это не приводит к какому-то конкретному результату, за время исследования можно узнать множество интересных вещей.

Статистический анализ нашел свое применение в огромном количестве сфер деятельности человека, а вы можете использовать его в учебе, работе, бизнесе и других областях, включая развитие детей и самообразование.

Источник: https://4brain.ru/blog/%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D1%8B-%D1%81%D1%82%D0%B0%D1%82%D0%B8%D1%81%D1%82%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B3%D0%BE-%D0%B0%D0%BD%D0%B0%D0%BB%D0%B8%D0%B7%D0%B0/

8. Статистическая обработка результатов исследования

Статистическая обработка результатов исследования: При анализе полученных данных решались такие задачи, как описание

Применение методовматематической статистики (статистическихметодов) для обработки результатовэмпирического исследования являетсяобязательным требованием к курсовым ивыпускным квалификационным работам попсихологии и конфликтологии.

Методами статистическойобработки результатов исследованияназываются математические приемы,формулы, способы количественных расчетов,с помощью которых показатели, получаемыев ходе исследования, можно обобщать,приводить в систему, выявляя скрытые вних закономерности.

В зависимости отприменяемых методов можно охарактеризоватьвыборочное распределение данныхисследования, можем судить о динамикиизменения отдельных показателей, остатистических связях существующихмежду исследуемыми переменнымивеличинами.

Математическаяобработка результатов исследованиядает исследователю возможность ответитьна ряд вопросов:

Чем один человекотличается от другого (или группы лиц)по исследуемой психологической \конфликтологической характеристике?

Как развиваются двегруппы лиц по какой-либо психологической\ конфликтологической характеристикеи др.

Ответы на эти идругие вопросы могут быть получены входе психодиагностического обследованияи зависят от правильного проведенияэтого обследования, а также от грамотнойобработке и интерпретации полученныхрезультатов.

цельстатистических методов – представитьколичественные данные в сжатой форме,с тем, чтобы облегчить их понимание.

Все методыстатистического анализа условно делятсяна первичныеивторичные.

Первичныминазываются методы, с помощью которыхможно получить показатели, непосредственноотражающие результаты проводимых вэксперименте измерений. Под первичнымистатистическими показателями имеютсяв виду показатели, которые применяютсяв самих психодиагностических методикахи являются итогом начальной статистическойобработки результатов диагностики.

К первичным методамстатистической обработки относят:определение среднего арифметического,дисперсии, моды и медианы.

Вторичныминазывают методы статистической обработки,с помощью которых на базе первичныхданных выявляют скрытые в них статистическиезакономерности.

К вторичным методамстатистической обработки относят:корреляционный анализ, регрессионныйанализ, факторный анализ, методы сравненияпервичных данных двух или несколькихвыборок.

8.1.1. Меры центральной тенденции

Рассматриваяметоды математической статистики,применяемые для обработки данныхтестовых исследований, можно выделитьгруппу методов которые могут описыватьте или иные меры центральной тенденции.Такие меры указывают наиболее типичныйрезультат, характеризующий выполнениетеста всей группой. Самая известная изтаких мер – среднеарифметическоезначение (М).

Среднеарифметическое(или выборочное среднее) значениепредставляет собой среднюю оценкуизучаемого в эксперименте психологическогокачества.

Эта оценка характеризуетстепень его развития в целом у той группыиспытуемых, которая была подвергнутаисследованию (выборка испытуемых).

Сравнивая среднее значение двух илинескольких групп, мы можем судить оботносительной степени развития у людей,составляющих эти группы, оцениваемогокачества

Среднеарифметическоеопределяется по следующей формуле:

М=

гдеМ – среднеарифметическое значение

n- количество испытуемых

Пример:В исследовании объема вербальноймеханической памяти, тест “10 слов'' вгруппе из 12 испытуемых (n = 12), полученыследующие результаты (количествозапомненных слов): 5, 4, 5, 6, 7, 3, 6, 2, 8, 6, 9, 7

Среднеарифметическоезначение (М)

Дляданной выборки среднеарифметическоезначение (М) = 5,6

Другоймерой центральной тенденции являетсямода(Мо) – наиболее часто встречающийсярезультат. В интервальном частотномраспределении мода определяется каксередина интервала, для которого частотамаксимальна.

Пример:В ряду значений 2, 3, 4, 5, 5, 6, 6, 6, 7, 7, 8, 9 модойявляется 6, потому, что 6 встречаетсячаще любого другого числа.

Обратитевнимание, что мода представляет собойнаиболее часто встречающееся значение(в данном примере это 6), а не частотувстречаемости этого значения (в данномпримере равную 3).

Когдадва соседних значения имеют одинаковуючастоту и их частота больше частот любыхдругих значений, мода вычисляется каксреднее арифметическое этих двухзначений.

Пример:в выборке 1, 2, 2, 2, 5, 5, 5, 6 частоты рядомрасположенных значений 2 и 5 совпадаюти равняются 3. Эта частота больше, чемчастота других значений 1 и 6 (у которыхона равна 1). Следовательно, модой этогоряда будет величина

Третьямера центральной тенденции – медиана(Ме), – результат, находящийся в серединепоследовательности показателей, еслиих расположить в порядке возрастанияили убывания.

Справа и слева от медианы(Ме) в упорядоченном ряду остается поодинаковому количеству данных (50% и50%).

Если ряд включает в себя четноеколичество признаков, то медианой (Ме)будет среднее, взятое как полусуммадвух центральных значений ряда.

Пример:Найдем медиану выборки: 5, 4, 5, 6, 7, 3, 6, 2,8, 6, 9, 7.

Упорядочимвыборку: 2, 3, 4, 5, 5, 6, / 6, 6, 7, 7, 8, 9. Посколькуздесь имеется четное число элементов,то существует две “середины'' – 6 и 6. Вэтом случае медиана определяется каксреднее арифметическое этих значений.

Ме

Пример:Найдем медиану выборки с нечетнымколичеством значений: 9, 3, 5, 8, 4, 11, 13.

Сначалаупорядочим выборку по величинам входящихв нее значений. Получим: 3, 4, 5, 8, 9, 11, 13.Поскольку в выборке семь элементов,четвертый по порядку элемент будетсерединой ряда. Таким образом, медианойбудет четвертый элемент – 8

ЗначенияМе и Мо полезны для того, чтобы установитьявляется ли распределение частныхзначений изучаемого признака симметричными приближающимся к нормальномураспределению.

Среднее арифметическое(М), медиана (Ме) и мода (Мо) для нормальногораспределения обычно совпадают илиочень мало отличаются друг от друга.

При нормальном распределении результатовграфик распределения имеет формуколокола (рис. 2).

Рис. 2. Графикнормального распределения результатовисследования

Источник: https://studfile.net/preview/6062551/page:8/

Medic-studio
Добавить комментарий