Преглед на кода на Статистически модели на експеримент

'''Статистически модели на експеримент''' позволяват '''измерването, контрола и определянето на въздействието на променливите.'''
==Напълно случаен модел на експеримент==
При този модел експерименталните въздействия се разпределят случайно към тестваните обекти като се предполага,че външните променливи няма да влияят по различен начин (по-силно и по-слабо) на отделните групи. Този модел позволява контролирането на една външна променлива и контролирането на една [[независима променлива]]. 

Напълно случайният модел на експеримент изисква най-малко разходи и е най-лесен за провеждане в сравнение с другите [[статистически модел]]и на експеримент. Подходящ е за използване,когато изследователят е сигурен,че тестваните единици са напълно подобни и групите не се различават значимо една от друга по отношение на някаква вънщна променлива. За съжаление не винаги тези условия са изпълнени. Освен това голямо влияние върху тестваните единици могат да окажат една или повече външни променливи,които не са взети предвид и не се контролират.

==Случаен блоков модел на експеримент==
Напълно случайните модели на експеримент са основани на предположението, че експерименталните групи са относително сходни по отношение на зависимата променлива и че членовете на тези групи ще реагират на независимата променлива по сходен начин. 

На практика тези предположения често са невалидни и водят до [[експериментална грешка|експериментални грешки]]. За разлика от тях,случайният блоков модел дава възможност на изследователя да контролира една основна вътрешна [[променлива]],която би могла да повлияе на резултатите от [[експеримент]]а. Терминът [[“блокове”]] се отнася до стратифицирането на тестваните единици по отношение на външна променлива напр. образование,доход,размер на търговския [[обект]] или всяка друга променлива,за която се преценява,че може да окаже значително влияние върху тестваните единици и стойността на зависимата променлива,която се измерва. При този модел на експеримент тестваните единици се групират в сходни блокове преди да бъдат случайно разпределени на експериментални и контролни групи. 

Както и при стратифицираната [[извадка]],образуването на блокове дава възможност да се осигури по-голямо подобие между тестваните единици,особено когато се ползват малки извадки.

==Модел “Латински квадрат”==

Моделът позволява на изследователя да контролира стратегически две, невзаимодействащи си външни променливи и взаимодействието на една независима върху една [[зависима променлива]]. Основното изискване при разработване на модела Латински квадрат е разделянето на всяка външна или блокова променлива на равен брой блокове или равнища. Независимата променлива трябва да се раздели на същия брой равнища. 

Моделът се представя във формата на матрица, в която редовете представляват блоковете по една външна променлива,а колоните - блоковете по друга външна променлива. В клетките на матрицата се разпределят равнищата на независимата променлива,така че всяко равнище да се появява само един път във всеки ред и всяка колона. При съставянето на модела трябва да се има предвид, че се стратифицира на основата на две променливи, а не на една, както е при случайния [[блоков модел]]. 

Експерименталните въздействия отново се разпределят случайно между тестваните единици. Процедурата трябва да гарантира,че дадено въздействие ще се появява само по един път във всяка колона.Моделът Латински квадрат позволява да се контролират въздействията на външните променливи върху зависимата променлива.Този модел се използва често в маркетинговите изследвания. Особено е удачен е при проучвания на обекти за търговия на дребно,където необходимостта от контролиране на типа или размера на търговския обект и времевия период е особено голяма. 

Използването на модела Латински квадрат позволява да се намали обема на извадките,тъй като допуска едни и същи експериментални единици да се подлагат на въздействието и да реагират на всички експериментирани равнища на независимата променлива. Приложението на метода се ограничава от изискването за еднакъв брой редове,колони и равнища на експериментиране и от възможността за контролиране само на две външни променливи.Моделът Латински квадрат не отчита важните и две важни взаимодействия :  

*взаимодействията между двете външни променливи сами по себе си и 
*взаимодействията между външните променливи и равнищата на независимата променлива.

==Факторен модел на експеримент==
Разглежданите досега модели на експеримент позволяват да се измерват въздействията само на една [[независима променлива]]. Факторните модели позволяват да се измерват въздействията на две или повече независими променливи с различни равнища на въздействие. Взаймодействието може да включва всякакъв брой променливи. 

Основното [[преимущество]] на този модел е неговата възможност да отчита резултата от взаимодействията между различните променливи. За взаимодействие говорим,когато ефектът от едновременното действие на две или повече променливи е различен от техните ефекти, взети поотделно. При измерването на взаимодействието, факторният модел на експеримент се съчетава с прилагането на [[дисперсионен анализ]].

Ако се представи схемата на модела като таблица, всяко равнище на едната променлива ще представлява ред,а всяко равнище на другата променлива ще представлява колона. [[Факторен модел|Факторният модел]] изисква клетка за всяка възможна комбинация на манипулираните променливи. Анализът на резултатите от факторния модел на експеримент се извършва по отношение на два вида измервания:
 
*основни въздействия - въздействията на всяка независима променлива индивидуално и 
*взаимодействащи си въздействия-резултат от съвместното въздействие на две променливи,при което полученият ефект е по-голям от простата сума на техните индивидуални действия. Основен недостатък на факторните модели на експеримент е големият брой въздействия,които трябва да се извършат,когато има повече променливи или равнища за всяка променлива.

В заключение на фигурата е предложен [[алгоритъм]],който може да подпомогне изследователите при избора на конкретен модел на експеримент:

==Експериментална психология==

Експерименталнте изследвания намират широко приложение и в [[психология]]та. Те включват: 

#Изследване на [[личност]]та
#Методи за изследване на интелекта
#Методи за измерване времето на реакция на личността
#Методи за изследване на вниманието
#Методи за изследване на мисленето
#Методи за изследване на паметта
#Методи за изследване на емоциите
#Психологическо изследване на професионалната пригодност наличността
#Методи за описване, анализ и оценка професионалната дейност наличността — професиограма
#Психологическо изследване ефективността на груповата дейност на личността и др.

Всички разработени тестове в тази област могат да се прилагат при провеждането на [[интервю]] за подбор на служители, при мотивирането  и обученито на персонала, при подобряване качествето на изпълнени на възложените му задачи, при формирането на екипи, при изследването на нагласите, потребностите и поведението на клиентите и т.н.
==Вижте още==

*[[Анализ]]
*[[Статистика]]
*[[Хотърнски експеримент]]
*[[Експеримент]]
*[[Видове експеримент]]
*[[Провеждане на експеримент]]
*[[Метод Делфи]]
*[[Метод Монте Карло]]
*[[Хипноза]]
*[[Франсис Галтон]]
*[[Теория на информацията]]
*[[Теория на вероятностите]]
*[[Хипотеза]]
*[[Бейсова вероятност]]
*[[Странен атрактор]]
*[[Етапи на дедуктивния подход за бизнес изследвания]]

==Източници==

*Василева, Б., Узунова, Ю.; "Приложни маркетингови изследвания"; "Ромина", 2003 (75 – 88 стр)
*Желев, С.; "Маркетингови изследвания"; университетсо издателство "Стопанство", 2008 (170, 171,174 стр.)
*Тодорков, К.; „Експериментална психология”; „Faber”, 2005

==Външни препратки==

* [http://webcache.googleusercontent.com/search?q=cache:Cjx8yNI2t9QJ:meduniversity-plovdiv.bg/files/ff/mat_inform/tema_4.ppt+корелационен+анализ&cd=4&hl=bg&ct=clnk&gl=bg Анализ на връзки и зависмости между явленията]
* [http://docs.google.com/viewer?a=v&q=cache:ZiYsmTunBrcJ:www.ue-varna.bg/uploads/materials/KorrelRegress_5500.doc+корелационен+анализ&hl=bg&gl=bg&pid=bl&srcid=ADGEESg6sAB2QwERsl578wXo0jAyqEfjkMtoXycf3QgaoD-SdmkCm-wweMf44dpJuuz0ozaFMhRH-TIBzUFXEtnL_QezcnxanBRjTproEGyi7h3RPcSA6BeHlyzEwgWgclrsaz72qI5z&sig=AHIEtbRDIq1I-QOeLg84grnDCQ7UwCPwYw Примери за корелационен и регресионен анализ]
* [http://www.kaminata.net/topic-t29973.html Корелационен и регресионен анализ - модели и примери]
* [http://docs.google.com/viewer?a=v&q=cache:KxQTQW0YQwQJ:www.nsa-virtualeducation.com/zadochno/lecture_zad_2.ppt+коефициент+корелация&hl=bg&gl=bg&pid=bl&srcid=ADGEESgMAkNjzmJBhVrwZnPFJRKKZF5sMGROATmhT3dsSZUGPo5dVyisnP7yp-d_HcD8wRDb4g_PIpShWVOMWjopcxs-wd_R5Cr4aUXmt__eUtG4M3NWltgqwrcjDB-AY-QnSJi99F09&sig=AHIEtbTArXaMPis5fOwOnlRdEF-5iHvukw Изследване на зависимости]
* [http://www.ist-world.org/ResultPublicationDetails.aspx?ResultPublicationId=49e683d81c8c41dd8ed3016a4d108e3d Изчисляване на претегления коефициент на фенотипна корелация между количествени признаци в малки нееднородни извадки]
* [http://www.broker.bg/content/view/616/38/ Коефициент на корелация]

[[category:Методи за изследване в бизнеса]]