Miért van a mutató normalizálása

Általában a minőség súlyossága megpróbálja leírni a számot. Leggyakrabban egy ilyen szám x a pontok mennyiségét képezi. Amennyire legitim - a kérdés más. Feltételezzük, hogy ilyen számot kaptunk és értelmesek.

Általában változik bizonyos minimális értéket x min (tükröző hiányában minőség), hogy bizonyos maximális értéket X Max (extrém fokú megnyilvánulása, jelenlétében, súlyossága, ...).

A megszerzése megoldja a két objektum összehasonlításának problémáját, de csak erre a mutatóra. Itt azonban ez nem túl jó. Mindig emlékezni kell, hogy milyen korlátozza a mutatót. És ezek a határok a legváltozatosabb ... és még értékelik, hogy milyen szoros értéket a széleit a tartomány vagy annak közepén. Általában tiszta Harrop.

Ha két különböző mutatónál összehasonlításról beszélünk - az ügy teljesen varratok. Természetesen lehetetlen közvetlenül összehasonlítani a tulajdonságokat. Ehhez az összehasonlított számoknak méret nélkülinek kell lenniük. De a mutatót általában úgy értelmezik, mint súlyossági fok Valamilyen minőségű. És összehasonlíthatja azt !!! De erre, azokat egyetlen skálára kell hozni, hogy a két mérleg kezdete és végei egybeesnek.

De miért csak ez a kettő? Legyen ilyen konverziót minden mutatóra! Ez az úgynevezett normirovka (Nem szabad összetéveszteni normalizálás!). Ezt követően összehasonlíthatjuk a különböző technikák által kapott mutatókat.

2. A mutatók típusai

Az objektumok (vagy válaszadók) numerikus jellemzőinek sokszínűségével két széles osztály különböztethető meg tőlük:

• unipoláriscsak bizonyos minőségű rendelkezésre állás (intenzitás, súlyosság, ...) kifejezése;
• kétpólusúNem csak a minőség rendelkezésre állása, hanem a "fókusz" mértékét tükrözi.

3. Egy unipoláris mutató normálja

Régóta tudományban van, hogy az értékeket 0 és 1 között normalizáljuk.

Ehhez az Y \u003d F (x) konverziós funkciónak a következő tulajdonságokkal kell rendelkeznie:

y (x min) \u003d 0; y (x max) \u003d 1; DY / DX\u003e 0 (1)

Bármely funkció az ilyen tulajdonságokkal MB Normalizálásra használják. Például, ha x max, kiválaszthat egy funkciót

Könnyű látni, hogy a megfelelő funkció kiválasztása miatt figyelembe veheti a becslések torzításának különböző hatásait. Például a kedvezményezettnek a szélsőséges becsléseknek való függőségét. Ugyanakkor szükség lehet különböző válaszadókra és különböző konverziós funkciókra, amelyek figyelembe veszik személyiségük, állapota stb. Az ilyen funkciók hozzávetőleges grafikonjai - az 1. ábrán. egy.

Ábra. egy. Diagramok függvény normalizáció

A leggyakoribb lineáris konverziót használják:

(2)

Ha úgy véljük, hogy az X-es növekedés a minőség súlyosságának növekedését mutatja, és a minőségi minőségi minőség csökkenése, a minőségi minőségi mérés az Y '\u003d 1-Y különbségként szolgálhat. Ilyen például a "közelség" és a "távolság" jelentőségével kapcsolatos. A metrizációnk korábban rájönnek, de meglehetősen egyértelműlegességet és még az ellenkezőjét is feltárják.

4. A bipoláris jelző figyelmen kívül hagyása

Általában egy ilyen mutató két összekapcsolt és antonimikus unipoláris tulajdonság "ragasztása" A és V.

Gyakran egyszerűen megtagadják az A és fordítva. Ilyen alapelv például a szemantikus differenciál skálájának megteremtése. Az ilyen differenciálra vonatkozó párokat azonban az antonimok szótárának megfelelően kell ellenőrizni (például két antonims a "vidám" szó - "szomorú" és "komor" szó - nem szinonimák).

A megfelelő érték normalizálása a választás " pozitív»Az Y tengely iránya. Mint olyan önkényesen Kiválasztjuk, hogy a skálaoszlopok, a növekedés az intenzitás növekedésként elfogadott y. Az ellenkező pólus automatikusan " negatív" Hangsúlyozzuk, hogy erre nincs modalitás (axiológiai értékelés) - csak a megállapított szemantikai sztereotípiák szerepet játszhatnak, de többé nem.

Hagyja, hogy az X összeg értékelje mindkét tulajdonság súlyosságát (a megfelelő megjelöléssel, például "nagyon szeretet" vagy "kissé gyűlöli"). A normálálás bármely funkcióval kielégítő feltételek (1) segítségével történhet. Különösen az MB és lineáris transzformáció:

(3)

Nyilvánvaló, hogy Y [-1; +1].

Mindkét képlet (2) és (3) leírja az y \u003d k · x + b formanyomtatvány lineáris átalakítását. Így mindenki statisztikai következtetések X és y tekintetében teljesen egybeesik.

5. A pontszám jellemzői

A pontszám skála használatakor több finomság van, amelyek gyakran figyelmen kívül hagyják:

• Néha nincs válasz az e mutatóhoz kapcsolódó valamennyi kérdésre. Az okok eltérőek - a válasz egyszerűen nem adható meg, hiba, ha válaszol, vagy kódolása, ... röviden - a válaszok engedélyei vannak.
• Szinte mindig a pontszám egyenlő a válaszszámmal többek között. És a legkisebb pontszám 1-nek felel meg.
• Szeretném használni a választ a többi, a többiek száma. De akkor a hozzájárulását valamilyen módon figyelembe kell venni.

Amikor a baller skála normalizálódott, csak az X \u003d S, ahol a kapott válaszok összege a kapott válaszok (és nem meghatározott kérdések!). Ennek megfelelően S Min és S max a kapott válaszok során beírható pontok minimális és maximális összege.

Ez a bekezdés foglalkozik a szervezeti technikával, amely hasznos a gyakorlati feladatok megoldásában. Minden feladat (a legegyszerűbb kivételével), általában kényelmesebb a megadott paraméterek numerikus értékeinek felhasználása, mint a betű karakterek helyett. A feladat bevezette a numerikus értékeket, kívánatos, hogy a kifejezéseket ebben az űrlapban adják meg, hogy a számok ezen kifejezésekben szerepeljenek az időállandó, azaz az időtartamú rendszer kívánt paramétereinek aránya formájában . Gyakran kiderül, hogy állandó idő, amely meghatározza a rendszer dinamikus tulajdonságait, nagy vagy kicsi, mint egy. Ha az állandó idő értékei nagyon különböznek az egységetől, célszerű egy másik lépést tenni, nevezetesen az idő skálájának megváltoztatásához, hogy a legnagyobb meghatározott paraméterek normalizálták az egyiket. Ez lehetővé teszi a számítások egyszerűsítését.

Gyakran előfordul, hogy kényelmesebb alkalmazni a gyújtást a képre, és nem az idő függvényében. Így meg kell tudni, hogy hogyan lehet meghatározni a Fourier képet egy meghatározott funkcióhoz, amely megfelel a normalizált időnek, ismeri a szokásos időtartamot. Hogyan kell csinálni, világossá válik, ha a Fourier-átalakítás definíciójához fordul. Legyen - a funkció Fourier képe definíció szerint azt jelenti, hogy

Legyen - a Fourier funkció képe a definíció szerint a normalizált időhez viszonyítva

Jellemzően a működési idő formája megegyezik az igazi idővel rendelkező funkciókkal; Ugyanakkor a normalizált idő skálája az igazhoz viszonyítva van. Hagyja, hogy az arány az idő között

Itt az érték bármilyen dimenzióval rendelkezik, de általában az idő dimenziója, majd az eseményhez kapcsolódó esemény dimenziómentes. Szimbolikusan a két funkció közötti arány

az alábbiak szerint írva:

Miután a (2.5-1) bekövetkeztünk

De (2,5-4) szerint van

Hagyja, hogy a normalizált összetett frekvencia (1) a nem normalizált (S) kapcsolathoz kapcsolódjon

A (2,5-6 és 7) alapú (2,5-5) képlete átírható

A jobb részben a megfelelő részben, definíció szerint van egy normalizált Fourier transzformáció következtében,

Így, ha a szokásos kép alapján meg kell találni a normalizált képet, akkor a képletet kell használnia

Az előzőnek megfelelően azt mondhatjuk: Ha az időfunkció képében a bekapcsoláshoz és a keletkező eredményhez képest a funkció képét megkapjuk a képnek megfelelő eredeti változóból, egy funkció, bár ez az eredmény A Fourier képhez kaptuk, továbbra is tisztességes és a laplasi képen marad. Meg kell jegyezni, hogy a normalizált (megfelelő megváltozott idő) kép kiszámításának eljárása nem alkalmazható a normalizált sebességváltó és a súlyfüggvény kiszámítására. Átviteli funkció

az idő két funkciójának képei arányának tekinthető, ezért a norminizáció eredményeként megjelenő szorzók, a számláló és a denominátor csökken. Így a normalizált átviteli funkció képletét egyszerűen a kifejezést a multiplikátoron cseréljük.

Például fontolja meg a normalizált kép kiszámítását a következő alkalommal:

A funkció képe a nézetben van

A képlet alkalmazása

A fordított átalakulás átvételének kiszámítása

Ez az eredmény nyilvánvalóan azonnal beszerezhető a következő kérdésből. Az elemzési tétel alapján az integrált négyzetes hiba értékének kiszámítása, a Fourier hiba normalizált képének ismeretében. Emlékezzünk vissza, hogy a Parseval Theorem a következő egyenlőséget állapítja meg:

ahol egy integrált kvadratikus függvényérték. A normalizációs szabály szerint meghatározzák a képletet

Információgyűjtés és becslések beszerzése

Az információs gyűjtemény különböző módon végezhető el. A legnépszerűbb módja a terepi felmérések. Az információs gyűjteményhez való megkezdése előtt azonban meg kell határozni a közönséget, amelynek véleménye szerint a minősítés megteremtésének folyamatára támaszkodhat. Először is, a válaszadóknak elegendő képzettséggel kell rendelkezniük a kérdések megválaszolására. Másodszor, értékelésük pártatlannak kell lennie. Ebben az esetben számos váratlan nehézség merülhet fel. Például az egyetemek minősítésének, gyakran kihallgatják a hallgatókat vagy a szervezetek végzettségét. Ez a megközelítés azonban a következő okok miatt helytelen lehet. Először is, nem mindig olyan személy, aki készen áll arra, hogy elismerje, hogy a választása hibás volt, és hogy más egyetemek jobbak, amelyekre belépett, vagy aki végzett. Másodszor, a diákok ritkán képesek összehasonlító értékelni az egyetemek, mert a képzés csak egy, ritka két intézményben.

A forrásadatok megszerzésének másik módja a másodlagos információk elemzése (például az Állami Statisztikai Bizottság). A fő probléma, amellyel a kutató ebben az esetben az információkat az információ. Ha a minősítés a médiaadatokon alapul, akkor a valószínűség nem értékeli a vállalatot, hanem a PR-részlegek munkáját.

Az intelligens megközelítés az, hogy a különböző folyóiratokban közzétett objektum jellemzőiről szóló konszolidált információkat használják (szakértői magazinok, kommesszens stb.).

A kritériumok normalizálása alatt azt értjük, hogy a helyi optimális kritériumokat egyetlen dimenzió nélküli formára hozza.

Mint a házi feladatban való feltérképezés módszerei, a legelterjedtebb módja annak, hogy a kritériumok a dimenzió nélküli megjelenéshez lineáris transzformáció.

f. 1 előnyösen a maximális érték, majd az átmeneti képlet az indikátor nem normalizált értékétől x. 1 a normalizált megjelenéshez:

,

hol f. 1 perc I. f. 1 mA. X.- Ennek megfelelően a minimum (legrosszabb) és a mutató maximális (legjobb) értéke a megengedett alternatívák sorában.

Ha valamilyen indikátor esetén f. 1 Előnyösen a minimális érték, majd az átmeneti képlet a következőképpen kerül rögzítésre:

.

Rationing (szabványosítás) és adategyesítés

Normált (szabványosított) adatok. Számos feladatban kényelmes vagy akár szükséges a kezdeti megfigyelésekből, ahol I \u003d 1, 2, .... n, normalizálva (szabványosított), amely tovább vezet. Adjon adatokat, amelyek alapján kaptak

Normál (szabványosított) hívásadatok

- az állapot kielégítő méret nélküli értékei

Megmutatjuk, hogy az átlagos aritmetikai normalizált adatok nulla:

És a diszperzió egyenlő:

Ebben az esetben, ha a normalizált érték nagyobb, mint nulla (.g *\u003e 0), akkor a megfigyelt érték az átlagnál nagyobb (H.; \u003e X). Ha x " < 0, то x,< х.

Az adatok szabványosítása (Rationing) az adatátalakítás szükséges kezdeti szakasza, ha sok többdimenziós statisztikai módszert alkalmaz, a funkcióterület dimenziójának csökkentése (faktoriális, komponens analízis, lásd a ch. 5), az objektumok osztályozása (klaszterelemzés, lásd CH. 6), stb. Különösen, ha a változókat mérlegben mérik lényegesen eltérő értékekben (mikron egységek - milliárd egységek).

A statisztikai csomagok prevalenciájának és keresletének köszönhetően az adagolási eljárás (szabványosítás) általában a menüben történik (1.31. Ábra).

Ábra. 1.31. Az adatok normalizálási eljárása (szabványosítás) a csomag menübenSta tosta (statsoft)

Adategyesítés (egységes skála). Az integrált generalizáló mutatók létrehozásakor a helyzet gyakran akkor fordul elő, ha az adatmennyiség nem adja meg a kívánt eredményt. Például meg kell építeni az ország életminőségének integrált mutatóját (régió), amely három forrásváltozót tartalmaz - az élettartam, a csecsemőhalandóság és a munkanélküliségi ráta. Ugyanakkor, még akkor is, ha ezeket a három jelzőt egyetlen skálába (például 0-tól 1-ig tart) N) Konfliktusunk lesz a következő tervváltozók értelmezésében.

Az első változó az élettartam - azzal jellemezve, hogy minél nagyobb a nagyobb értékek, annál nagyobb az életminőség az országban (régió). Éppen ellenkezőleg, a második változó a csecsemőhalandóság - az emelkedő értékek csökkenti az életminőségét. A harmadik változó - munkanélküliség - saját optimális (kb 5% Biztosítja a gazdaság normális működését és fejlődését). És azáltal, hogy mindhárom jelet egy integrált indikátorba csatlakoztatjuk, hiányozunk a kapott mutató megfelelő értelmezésének hiányában. Minél magasabb az élet (jobb), a csecsemőhalandóság felett (rosszabb), a munkanélküliség felett (érthetetlen). Az ilyen problémák megoldása és az adatok elemzése során egy módszer lehetővé teszi, hogy az integrált indikátor felépítésében részt vevő összes változó egyetlen egységes skálájához való beépítéséhez vegyen részt.

Egységes skála. - A különböző változókból származó integrált indikátorok felépítéséhez használják, 0-tól N értékeket kapva egységes értelmezési rendszerrel: minél magasabb az egységes skála változó értéke, annál nagyobb az integrált mutató értéke. -Ért N \u003d 0-tól 1-ig terjedő skálát kapunk.

Az első típusú változók - annál nagyobb a mutató, annál jobb (élettartam) - az egységes skála az alábbiak szerint történik:

hol XJ - A Mr. megfigyelésre vonatkozó változó értéke; Amin és ATA - a változó legkisebb és leginkább megfigyelt értékei.

E képlet szerint, ha x.t. – amin, majd a "\u003d 0, és ha .g, - az APT, akkor x] \u003d n, azok. Minél nagyobb a változó értéke, annál magasabb (jobb) értéke az egységes skálán a *.

2. A második típusú változók - annál nagyobb a mutató, annál rosszabb (csecsemőhalandóság) - az egységes skála az alábbiak szerint történik:

E képlet szerint, ha a, \u003d a | 1), menj h. = N, És ha a, - \u003d a "őket, akkor a * \u003d 0, azaz. Minél nagyobb az A változó értéke, az alacsonyabb (rosszabb) értéke az egységes skálán X /.

3. változók a harmadik típusú - az indikátor egy bizonyos AOPT optimális, ez az érték a legjobb, a nagyobb eltérés, annál rosszabb (munkanélküliségi ráta) - kapnak egy egységes skálán az alábbiak szerint:

E képlet szerint, ha x.t. = AOPT, T. x] = N. Ha a, az OtiaSP legmagasabb eltérése, akkor a "\u003d 0,0, ha (Ashes - A, PCS) \u003e\u003e (AOMT-AMIN) és A, \u003d ATA, majd a" \u003d 0. Így annál nagyobb az A változó értéke, eltér az optimális, az alacsonyabb (rosszabb) értéktől az egységes skálán, és annál közelebb az A értéket, hogy ez az AOPT, annál jobb.

• Avazyan S. A. A lakosság minőségének és életmódjának elemzése // CEMI RAS. M. Science, 2012. (A modern Oroszország gazdasági tudománya).
• Ibid.

A K.TOMAS széles körben ismert módszerének példáján lévő normák használatának értékét szemléltetjük. Emlékezzünk rá, hogy benne a konfliktushelyzetben a domináns viselkedési stratégiára vonatkozó következtetés a numerikus adatok támogatását szolgálja. Nevezetesen, miután számolta a teljes pontokat az egyes skálán, meg kell határoznia a legnagyobb pontszámot. A stratégiát a konfliktushelyzetben dominánsként értelmezik. A számlálási statisztikák azt mutatják, hogy a skála becslések átlagos értékei abszolút értékben eltérőek. A férfiakban 5,25 pontból 7,25 pontra és a nőkre 3,71 és 7,65 pont között változnak (lásd a 11. táblázatot).

Asztal. 11. A Tomas technika méretarányának elsődleges statisztikája

Jegyzet.

Átlagos. - átlagos értékek;

950% és + 95,0% - az átlagos értékek bizalmas időtartama;

Kiosztották a legnagyobb átlagokat.

Így ha nem veszi figyelembe az orosz minta (vagy az orosz mintán tesztelt szabályozási adatokat), akkor az eredmények értelmezésében helytelen következtetésekre juthat. Tény, hogy a férfiak és a nők előnyben részesítik az elkerülési stratégiát. A módszertan kézikönyve nem jelenti azt, hogy az öt stratégia egyikének dominanciája a személyiség transzkulturális jellemzője. A kontextusban meg lehet érteni, hogy a szerző az öt stratégia mindegyikének preferenciájának egyenlő valószínűségéből származik. Mivel statisztikailag szignifikáns összefüggések vannak az eredménymutatók között, aligha lehet beszélni az öt stratégia mindegyikének valószínűségével. Ilyen helyzetben, ha nincsenek szabályozási adatok és információk a mennyiségek eloszlásának jellegéről, megbízhatóbb a mintájára kiszámított statisztikákra támaszkodni. Különösen a SIGMU és a konfidencia intervallumok egyik stratégiájának dominanciájának súlyosságát értékelni. Hozzáteszi, hogy a szabályok tanácsosak a férfiak és a nők számára külön kiszámítására. A benyújtott adatok szerint látható, hogy az öt mutató két skálán jelentősen különbözik a különböző padlóktól. A csoportok vagy alcsoportok összehasonlításakor ez a szexuális specifitás olyan változónak bizonyulhat, akinek befolyását nem lehet figyelembe venni.

Számítsa ki a normákat más esetekben. Az adatok gyűjtése során kapott kísérleti feladatok kezdeti (elsődleges) becslései nem mindig használhatók további munkában. Ezek egy vagy más módon alakulnak át. A leggyakoribb transzformációk Központosítás és adagolásrms eltérések. A központosítás alatt a funkció értékeinek lineáris transzformációja, amelynél az egyes funkciók eloszlásának átlagos mérete nulla. A skála iránya és egysége változatlan marad.

Az adagolás lényege az átmenet egy másik skála - szabványos mérési egységekre való áttérés. A vizsgálati vizsgálatok eredményeinek szabványosításakor az adagolás leggyakrabban az RMS-eltérések segítségével történik. A szabványosítás történik a vizsgálati becslések normál eloszlásában vagy közel.

A pszichológiában számos mérleg van a normál eloszláson alapulva, és különböző értékei m és . Például az intelligencia eltérései IQ: M \u003d 100,  \u003d 15; A szellőzési skála skálán m \u003d 10,  \u003d 3. A kísérletben mért különböző jelek eloszlása \u200b\u200beltérő értékei m és . A különböző jelek elsődleges értékelésének elsődleges felmérései ugyanazon és ugyanazon M és  -val rendelkeznek, több lehetőséget kapunk a változatok értékelésére és összehasonlítására. Lehetővé teszi, hogy a normalizált eltérést használjuk. A normalizált eltérés azt mutatja, hogy a variáció átlagos szintjétől (közepes aritmetika) átlagos szintjétől eltérő sigm-ot vált ki, és a következő képletben van kifejezve:

ahol v az attribútum értéke (a kezdeti pontokban).

A normalizált eltérés segítségével becsülheti meg a csoport egészére vonatkozó értéket, mérlegelését és egyidejűleg a megnevezett értékektől. Annak érdekében, hogy megszabaduljon a negatív számoktól a T kapott értékéhez, hozzáadhat állandóan. Kényelmesen, ha az összes olyan szám, amellyel működött, azonos számú karaktert tartalmaz. Figyelembe véve ezeket a megfontolást, a T-Értékelési skála nagyon kényelmes. Ehhez a skála esetében egy normál eloszlás elfogadható, m \u003d 0,  \u003d 10. Az újratárcsázáshoz 50-et megegyezik 50-nek. A T-értékelés kezdeti pontjainak konvertálására szolgáló képlet a következő:

t \u003d 50 + 10 -------

Az adagolási eljárás jelentése a példát mutatja. Tegyük fel, hogy érdeklődünk az eladók kommunikációs sebességének egyes kapcsolataiban, a bolt helyének jellemzőivel egy nagyvárosban. Annak érdekében, hogy az adott eladó kommunikációs sebességének valamilyen integrált értékelését észleljük, megfigyeléssel tudjuk elérni, hogy minden egyes tesztszámot kapjunk a vevővel való kommunikációjával jellemző paraméterekhez. Például mérhetjük a szemek átlagos érintkezési időtartamát, a mosoly átlagos számát egy meghatározott időintervallumban, a durva, intenzív fellebbezések stb A bolt helyének előnyeit és hátrányait a városban (a "élénk hely" stb.) Jellemezheti. Ehhez számolhatja meg a városi közlekedési útvonalak számát, amelyek a boltba szoros közelségben leállnak, értékelhetik a metróállomások távoli távolságot, fontolja meg a közeli egy másik profilú üzletek számát stb.

Annak érdekében, hogy néhány általánosított kommunikációs mutatót hozzon létre, lehetetlen hozzáadni a mosoly hosszát a szemmel való érintkezés hosszával, és levonja az alacsony beszédkultúrát jelző kifejezések számát. Nyilvánvaló, hogy a buszjáratok számát a szomszédos üzletek számával hajtja végre, és levonja az összeget a legközelebbi metró távolságáig. Sokkal jobb, hogy összegyűjti a szükséges tömb a mennyiségi adatok tanulmányt számos üzlet, számítani elsődleges statisztikák összes mutatót, majd átalakítása után a kezdeti adatokat, így a T-pont minden mutató.

Az egyes adatok alapján normalizálódnak, a kezdeti egységekben lévő értékeket az átlagos aritmetika kivonja, és a különbség Sigma-ra oszlik. A kapott értéket 10-vel szorítjuk, majd 50-re adjuk, vagy kivonjuk 50-ről 50-ből. Az utolsó aritmetikai hatás kiválasztása (adagolás vagy kivonás) Beállíthatjuk a hozzájárulás irányát, amely ezt a paramétert a kiszámított integrált értékeléshez, Beállíthatjuk a konverzió fókuszát, tekintettel a paraméter sajátosságaira. Ha a kezdeti egységek egy meghatározott értéke meghaladja az átlagos aritmetikát, akkor normálosíthatjuk az eltérést (a sigma osztott különbség), hogy 50-re bomlik. Ez megfelel a becsült mentális minőség nagyobb súlyosságának e témában, mint a minta .

Például több mint egy adott eladó A Sigma-nak a Sigma-nál (átlagosan) kvantitatív módon kifejezhető: 60 t-pont. A magas beszédkultúra jelei kvantitatív értékelését a normalizált eltérésekben 50 t-pont, és alacsony beszédkultúra - levonják 50 T-ponttól. Ha például a negatív orioráció bizonyos jellemzője (a kezdeti pontokban) kvantitatív értékelését meghaladja a Poltsigm átlagos értékét, majd a T-Pontokban 45-ös lesz. Ez az átalakítások után A kommunikációs sebesség integrált értéke egy adott témához, hozzáadhatunk néhány T-pontot másoknak.

Az adatok szabványosításának formája tanácsos választani, figyelembe véve a kapott kezdeti becslések és a fokozatok számát. Ha a kezdeti pontokban a 7-15-ös fokozatok száma meglehetősen megfelelő lehet 2 . Ha a fokozatok száma 30 és annál többet ér el az eloszlás enyhe elterjedésével (aszimmetria), akkor ezeket a mutatókat a konensilisbe lefordítjuk, hogy csökkentse a pontszámokat, azaz. Elveszíti a mérési pontosság bizonyos pontosságát. Ha van olyan ok, hogy feltételezzük, hogy a mérések meglehetősen hatékonyak (például a jó retaens megbízhatóságról, a világos és megbízható külső érvényesítési kritériumokkal rendelkező indikátorok mérésére szolgáló nagy összefüggések vannak, stb.), Ezután a szabványosított egységek használata van ugyanazt vagy akár egy kissé nagyobb számú fokozatot.