6. Binokulaarne disparaatsus on oluline sügavustajuks. 7. Agnoosia puhul ei tunta objekte ära. 8. Kus toimub helide transduktsioon? Cort’i elundis karvarakkudel. 9. Milline vastusevariantidest ei kuulu tajulise grupeerimise printsiipide (geštaltide) hulka? Lahutatavus. Geštaltid: sarnasus, hea jätkuvus, ühtlane taust. 10. Pimedusadaptsiooni esimeses faasis adapteeruvad koonused umbes 10 minuti jooksul pimedusega. 11. Mida mõõdetakse detsibellides? Kõike, mida saab mõõta suhteskaalal, kuid heliteaduses heli valjust. 12. Milline järgnevatest ei ole teadaolevalt kuulmislanguse riskiteguriks? Tuulegeneraatorite tekitatud elektromagnetlained.
Kanti arvates? Alusteadmised on kaasasündinud. 2) Eristuslävi on vähim tunnetatav erinevus subjektiivsetes intensiivsustes (nt vähim helitugevuste vahe, mida inimene eristab). 3) Helilaine sagedusele vastab psüühikas heli kõrgus. 4) Helisageduse muutumist ühest keskkonnast teise levides nimetatakse heli murdumiseks. 5) Maitsmismeele info sensoorne kodeerimine on seletatav kõige paremini mustriteooria abil. 6) Mida mõõdetakse detsibellides? Kõike, mida saab mõõta suhteskaalal, kuid heliteaduses heli valjust. 7) Ülimatsetundlikke inimesi on populatsioonist ligikaudu veerand – neil on keelel olevate seennäsade arv suurem. 8) Pimedusadaptsiooni esimeses faasis adapteeruvad koonused 10 minuti jooksul pimedusega. 9) Agnoosia puhul ei tunta objekte ära. 10) Kus toimub helide transduktsioon? Cort’i elundis karvarakkudel. 11) Milline vastusevariantidest ei kuulu tajulise grupeerimise printsiipide (geštaltide) hulka? Lahutatavus.
02. Korrelatsioon Korrelatsiooni kasutatakse selleks, et uurida muutujate vahelisi seoseid ning nende seoste tugevust. Parameetriline seosekordaja on Pearsoni r, mitteparameetrilisteks seosekordajateks on Spearmani roo ning Kendalli tau. Mitteparameetriliste analüüside korral kasutatakse tihtipeale Spearmani roo statistikut, ent Kendalli tau-d peetakse paremaks näitajaks väiksematel valimitel. Pearsoni korrelatsioonikordaja eeldused: - muutujad peaksid olema mõõdetud intervall või suhteskaalal; - lineaarne seos muutujate vahel (hea viis testimiseks -> Scatterplot -> visuaalselt hinnata seose olemust); - ei tohiks olla märkimisväärseid erindeid (saab samuti hinnata joonise abil); - muutujad peaksid olema vähemalt ligilähedaselt normaaljaotuslikud. Korrelatsioonikordajate väärtused jäävad vahemikku -1 ja 1, kusjuures mida enam selle vahemiku piiridele lähemal, seda tugevam seos (korrelatsioon väärtusega 0 tähendab seose puudumist); ühtlasi näitab
korrigeerimata vabadusastmed koos Greenhouse-Geisseri väärtusega: F(dfalgne, dfresid. 2 algne) = X; p < X, η = X, GG=X (vabadusastmed korrigeerimata). Korrigeeritud vabadusastmed ise ütlevad vähe, kuid esitatuna koos GG väärtusega, on võimalik lihtsalt GG-a läbi korrutada. Korrelatsioon Uurib, kas eksisteerib seos kahe pideva muutuja vahel (muutuja intervall- või suhteskaalal) Näitab seose suunda (pos – muutujad kasvavad koos, neg – ühe kasvades teine kahaneb) ja tugevust. Korrelatsioonikordaja on sisuliselt ka efekti suuruse ning mudeli seletusvõime näitaja Pearsoni korrelatsioon r o Varieerub [-1;1], kus 1/-1 on täiuslik pos/neg seos ning 0 on seose puudumine o Skaala on ordinaarne, mitte lineaarne (ehk seos 0,2 ei ole 2x suurem kui seos 0,1)
· Erind anomaalne punkt. Ebatüüpilise erindi võib välja jätta, nt. viimsi pole traditsiooniline vald. · Tugevus: kui lähedal on punktid (joonisel). Suund: ; + või -; kasvav või kahanev. Kuju: kui vähegi võimalik võiks vaadelda lineaarsena (korrelatsiooni analüüsi puhul). · Astakkorrelatsioonikordaja e Spearmanikordaja: põhiolemuselt lineaarne ikkagi aga üle minnakse järjeskaalale. Kõiki füüsilisi suurusi mõõdetakse suhteskaalal (tavaliselt). (roo) on valimi ja üldkogumi korrelatsioon. Spearmani kordaja osas toome selle 1 erindi punkti teistele lähemale. Kõigi vahemaaks saab 1 ühik. Ei ole nii täpne kui lineaarne kordaja, see on üldistav kordaja, seega kaotame täpsuses. · Nelikkorrelatsioon (nelikkorrelatsioonikordaja) saab kasutada kui ei ole arvandmeid (kvalitatiivse tunnuse korral). · Regressioonanalüüsi juures on paigutus väga oluline. X ja y sõltuvad. Y=a+bx (x-
- on kahe muutuja kõikide kombinatsioonide esitus - Iga indiviidi tulemus on ainult ühes tabeliruudus - Vähemalt 2x2 (2 muutujat ja kummalgi kaks taset; 2 rida ja 2 veergu) - Statistiline analüüs hii-ruut - Andmed: sagedused (%) või loendatavad andmed 33. Korrelatiivsed uuringud (korrelatsioon, hajuvusdiagramm, korrelatsioonikordaja) võimaldavad määrate seose tugevust ja suunda Andmed intervall- või suhteskaalal Raske kindlaks teha põhjuslikkust Korrelatsioon - näitab võimalikku seost kahe või enama näitaja vahel. Seos ei tähenda põhjuslikku seost Hajuvusdigramm: Korrelatsiooni graafiline esitus Andmepaarid! Korrelatsioonikordaja: -1.00 kuni +1.00 Suurus seose tase Märk seose suund Nt Pearsoni korrelatsioonikordaja (Pearson r) Suur korrelatsioon > +/- 0,7 Väike korrelatsioon < +/- 0.3
võrrandiks, kus vabaliige kirjeldab y-teljega lõikumispunkti (intercept) ning sirge tõus (gradient) kirjeldab sirge paiknemist y- ja x-telje vahel (vt Fieldi õpikust lk 199). Sisuliselt üritab lineaarne regressioon läbi andmepunktide parve joonistada sirge, millest võimalikult palju väärtusi on sarnase kaugusega. Regressioonianalüüsi läbiviimiseks on 6 eeldust: 1 sõltuva muutuja andmed on intervall- või suhteskaalal (st on pidevtunnus); 2 muutujatevaheline suhe on lineaarne; 3 puuduvad märkimisväärsed erindid (outliers); 4 vaatluste sõltumatus; 5 püsihajuvus (homoskedastilisus; homoscedasticity); 6 jääkide normaaljaotuslikkus (normality of residuals). Kui 1. ja 4. eeldust saab juba lausa enne uuringu läbiviimist täita, siis eeldused 2, 3 ja 5
3.2. Mõõtmisskaalade põhitüübid Psühholoogid kasutavad nelja tüüpi skaalasid: nominaal-, järjestus-, intervall- ja suhteskaalat. Nende skaalade põhiiseloomustus on antav eelnimetatud omaduste olemasolu v. puudumise kaudu. Iga järgmine skaala allpool toodud loetelus on enaminformatiivsem eelmise suhtes, s.t. sisaldab omadusi, mis on kõigil eelnevatel, kuid lisaks alati ka ühe uue põhiomaduse. Siit tuleneb kaks tähtsat järeldust: 1) andmeid, mis on kogutud näiteks suhteskaalal (kõige informatiivsem), tohib töödelda statistiliste meetoditega, mis sobivad kolme madalama skaala jaoks, KUID ainult suhteskaala jaoks sobivaid meetodeid EI TOHI rakendada mõne madalamal skaalal kogutud andmehulga jaoks; 2) mida rohkem on antud skaalal eelpool nimetatud omadusi, seda rohkem informatsiooni nad sisaldavad ning täpsemaid järeldusi lubavad teha. Skaalade põhitüübid (nn. Stevensi skaalad): NOMINAALSKAALA 1
Intervallskaalat ja suhteskaalat nimetatakse ka meetrilisteks skaaladeks, kuna nende abil on võimalik teha mõõtmisi kitsamas mõttes. Nominaal- ja järjestusskaala kujutavad endast mittemeetrilisi skaalasid. Proportsionaalskaala on võimalikest skaalatüüpidest parim ja ta on kasutusel füüsikas ning teistes füüsikalistele mõõtmistele põhinevates teadustes. Igasuguse mõõtmise ideaaliks oleks kõigi nähtuste mõõtmine suhteskaalal. Kahjuks pole see psüühiliste nähtuste puhul võimalik. Seetõttu saame suhteskaalal ilma mööndusteta mõõta ainult psüühiliste nähtuste füüsilisi kajastusi (või eeldatavaid põhjusi). Maksimumsaavutuseks psühholoogias saab olla psüühiliste nähtuste mõõtmisel intervallskaala kasutamine. Selles ei avaldu mitte psühholoogia kui teaduse nõrkus, vaid psüühiliste nähtuste erilisus, nende mittefüüsikaline olemus. 1.2.2. Psühholoogilised mõõteskaalad ja statistika
annaabi.ee 
