keskmisest. - Korrelatsioon – näitab seoseid mitme mõõtmise (skooride kogum) vahel. Olulisim testide mõõtmisvõime kriteerium reliaabluse ja valiidsuse väljendamisel. Kõige sagedamini esitatud Pearsioni lineaarse koefitnsendina. Praktiline väljund on ennustamine (x tulemusest tuletame võimaliku Y väärtuse). Vahemik on -1 kuni +1. seos valimis uuruse ja seose usaldusväärsuse vahel - Regressioonanalüüs – muutujatevahelise seoste kasutamine tulemuste prognoosimiseks. Regressioonvõrand on lineaarvõrrand mis ennutab et Xi suurenemise ühe võrra suureneb Y b-ühiku võrra. Normid kui interpreteerimise alus. Normgrupp ja selle omadused. - Norm on standard millega testis saadud skoore võrreldaks nt saame öelda kas ühe indiviidi tulemus on kõrge, madal saab öelda ainult kellegi või millegi suhtes! Igal
Konstruktivaliidsus kuivõrd muutujad peegeldavad või mõõdavad huvialust käitumist õigesti. Operatsionaalased definitsioonid ja protokollid aitavad vähendada vigadest tingitud konstrukti mittevaliidsust Väline valiidsus kuivõrd uuringu tulemis saab üldistada teistsugustele olukordadele ja katsealuste populatsioonidele. Uuringu kordamine aitab hinnata uuringu tulemuste üldkehtivust. Sisemine valiidsus muutujatevahelise põhjusliku seose väitmise õigustatus. Põhiline oht tuleneb segiajamisest, kuna siis ei saa määrata põhjuslikku muutujat 21. Valim ja populatsioon, valimi representatiivsus. Populatsioon kõik inimesed, keda on võimalik uurida Valim vabatahtlikest koosnev uuritavate hulk. Valimi representatiivsus kas uurimisel saadud tulemusi on võimalik üldistada kogu populatsiooni kohta? 22. Katseisikute reaktiivsuse probleem; pime ja topeltpime katseplaan.
· samade väljundi lingvistilisete märgenditega tulemuseks on redundantne reeglibaas; · erinevate väljundi lingvistilisete märgenditega tulemuseks on vastuolusid sisaldav reeglibaas. iii. R = Rmax tavaliselt soovitud situatsioon Reeglibaas annab lingvistilise seose süsteemi sisend-väljundmuutujate vahel. Samas on tegu vaid hägusate süsteemide ühe osaga, täpsemalt selle lingvistilise pealiskihiga (joonis 8). Muutujatevahelise numbrilise seose arvutamiseks kasutatakse alumist, nn. järelduskihti, mis sisaldab hägustamise, häguärastamise ning järeldamise protseduure ning mis opereerib lingvistilistele märgenditele vastavate hägusate hulkadega (liikmesfunktsioonidega). Hägusa süsteemi järelduskihti on detailsemalt käsitletud järgmises osas. Teadmusbaas Reeglid Liikmesf.-d
vahemikus 1,0..0,0..+1,0 (märk ei näita tugevust, ainult seose suunda!). Korrelatsiooni graafiliseks esituseks on hajuvusdiagramm (scatter diagram; scatterplot). Kui andmepaaridele vastavad punktid on hajuvusdiagrammil tõusvalt, väljendab see positiivset korrelatsiooni; kui langevalt, siis negatiivset korrelatsiooni; kui hajutatult, siis korrelatiivse seose puudumist; lineaarse korrelatsiooni puhul saame muutujatevahelise seose esitada sirgjoonena (best fit line); kui punktid on korrastatud, aga väga erinevalt sirgjoonest (näiteks -kujuliselt), siis lineaarse korrelatsiooni koefitsient sellise seose väljendamiseks ei sobi. KORRELATSIOON EI TÕESTA PÕHJUSLIKKUST! Teades ainult korrelatsiooni koefitsienti (kuigi see võib olla suur), ei saa me otsustada, kas muutused X-s põhjustasid muutusi Y-s või vastupidi, või oli tegemist hoopis mingi kolmanda faktori mõjuga.
annaabi.ee 
