План на експеримента - Редакционна история

Detelina Staneva: /* Същност */

2014-02-27T08:51:13Z

Същност

Detelina Staneva в 08:50, 27 февруари 2014

2014-02-27T08:50:56Z

Detelina Staneva: Нова страница: гх

2014-02-27T08:28:22Z

Нова страница: гх

Нова страница

гх

@@ Ред 7: / Ред 7: @@
 Случайният [[блоков модел]] е по-мощна [[техника]], предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
-До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА [[независима променлива]] и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата [[променлива]] ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
+До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА [[независима променлива]] и зависимата променлива.
 Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством [[коварационен анализ]]. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен [[фактор]]. Възможно е статистически да блокираме такива фактори, докато анализираме данните.

← По-стара версия		Версия от 08:50, 27 февруари 2014
Ред 1:		Ред 1:
−	гх	+	'''План на експеримента''' - Това е '''етапът на Проектиране на изследването - методика и последователност на работата'''.
		+	==Същност==
		+
		+	Терминът, понятието фактор се използва за обозначаване на независимата променлива - на пример [[цена]]та. Понятието ниво се използва за означаване на различни категории (нива) на фактора - на пример, висока, средна, ниска цена. Въздействието се отнася до различните нива на факторите. Блокиращ фактор е съществуваща по-рано променлива в дадена ситуация, която може да, да има ефект върху зависимата променлива в допълнение, освен изследваното въздействие и това влияние би било важно да се оцени. В действителност блокиращият фактор е независима променлива, която има ефект върху зависимата променлива, но е съществувала по-рано в дадена [[ситуация]], като например броят на жените и мъжете в организацията, клиентите на магазина и тнк.
		+
		+	Въпреки дискутирани до тук най-различни експериментални проекти, понякога може да е на лице едновременно въздействие на две или повече променливи върху зависимата променлива и за да бъде оценено то, ще трябва да използваме по-сложни модели. Сред много напреднали експериментални модели, които са на разположение по-известни са напълно рандомизирания (случаен) модел, рандомизирания блок дизайн, латинския квадрат и факторния [[модел]].
		+
		+	Случайният [[блоков модел]] е по-мощна [[техника]], предлагайки повече информация, за да се вземе решение. Обаче разходите на този експериментален проект ще бъдат по-високи. Докато случайният блоков модел помага на експериментатора да сведе до минимум въздействието на неудобната, нежеланата променлива при оценката на ефекта от въздействието, Латинският квадрат е много полезен, когато две нежелани блокиращи фактора трябва да бъдат контролирани. Един от проблемите при него е, че той предполага, че няма взаимодействие между изследваните въздействащи фактори и блокиращите фактори, което не винаги е така. Също така ние се нуждаем от толкова клетки (в таблицата), колкото и въздействия. Освен това, той е икономически неизгоден модел в сравнение с някои други.
		+	До тук бяха обсъждани експериментални модели в контекста на разглеждането на причинно-следствени връзки между ЕДНА [[независима променлива]] и зависимата променлива. Факторният модел ни дава възможност да тестваме въздействието, ефекта на ДВЕ ИЛИ ПОВЕЧЕ манипулации (фактори) върху зависимата [[променлива]] ПО ЕДНО И СЪЩО ВРЕМЕ. (едновременно). С други думи две въздействия може да бъдат едновременно манипулирани и да бъдат оценени техните отделни и съвместен ефекти (известни като главен, основен и взаимодействащ ефект). Богата информация може да бъде получена от този дизайн. Основните ефекти на двете независими променливи, както и взаимодействието между тях може да бъде оценено. Поради тази причина факториалният модел е по-ефективен от няколко еднофакториални рандомизирани модели.
		+
		+	Също така е статистически възможно да се контролира ЕДНА или ПОВЕЧЕ променливи посредством [[коварационен анализ]]. Например, ако предположим, заподозрем, че дори и след като сме произволно подложили членовете на въздействието, има още някой неудобен [[фактор]]. Възможно е статистически да блокираме такива фактори, докато анализираме данните.
		+
		+	==Вижте още==
		+
		+	*[[Анализ]]
		+	*[[Статистика]]
		+	*[[Хотърнски експеримент]]
		+	*[[Експеримент]]
		+	*[[Видове експеримент]]
		+	*[[Статистически модели на 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]]