Waarom is de normalisatie van de indicator

Meestal probeert de ernst van een of andere kwaliteit het aantal te beschrijven. Meestal wordt een dergelijk nummer x gevormd als het aantal punten. Voor zover het legitiem is - is de vraag anders. We gaan ervan uit dat een dergelijk nummer x werd verkregen en zinvol.

Verandert meestal van enkele minimale waarde x min (weerspiegeling van de afwezigheid van kwaliteit) tot een aantal maximale waarde x max (extreme mate van manifestatie, aanwezigheid, ernst, ...).

Het verkrijgen van het probleem van het vergelijken van twee objecten, maar alleen voor deze indicator. Hier is het echter niet erg goed. We moeten ons altijd onthouden, in wat de indicator verandert. En deze reeksen zijn de meest diverse ... en evalueren zelfs hoe dicht de waarde van de randen van het bereik of naar het midden ervan. In het algemeen, pure harrop.

Als we het hebben over vergelijking met twee verschillende indicatoren - is het geval volkomen naden. Natuurlijk is het onmogelijk om de kwaliteiten rechtstreeks te vergelijken. Om dit te doen, moeten de vergeleken cijfers dimensieloos zijn. Maar de indicator wordt meestal geïnterpreteerd als mate van ernst Een kwaliteit. En je kunt het vergelijken !!! Maar hiervoor moeten ze op één schaal worden gebracht, zodat het begin en de uiteinden van de twee schalen samenvallen.

Maar waarom alleen deze twee? Laten we zo'n conversie voor alle indicatoren maken! Het heet normirovka (niet om met te verwarren normalisatie!). Daarna kunnen we de verscheidenheid aan indicatoren vergelijken die zijn verkregen door verschillende technieken.

2. Typen indicatoren

Met alle diversiteit van de numerieke kenmerken van objecten (of respondenten), kunnen er twee brede klasse van hen worden onderscheiden:

• unipolairuiting geven aan alleen de mate van beschikbaarheid (intensiteit, ernst, ...) van een kwaliteit;
• bipolairweerspiegelen niet alleen de mate van beschikbaarheid van kwaliteit, maar ook de "focus".

3. Normatie van een unipolaire indicator

Het is al lang in de wetenschap, zodat de waarden worden genormaliseerd op het bereik van 0 tot 1.

Om dit te doen, moet de conversiefunctie y \u003d f (x) de volgende eigenschappen hebben:

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

Elke functie met dergelijke eigenschappen MB Gebruikt voor normalisatie. Bijvoorbeeld, als x max, kunt u een functie kiezen

Het is gemakkelijk om te zien dat u vanwege de selectie van de juiste functie rekening houdt met de verschillende effecten van vervorming van schattingen. Bijvoorbeeld de verslaving van de respondent aan extreme schattingen. Tegelijkertijd kan het nodig zijn om verschillende respondenten en verschillende conversiefuncties aan te vragen die rekening houden met de kenmerken van hun persoonlijkheid, status, enz. Geschatte grafieken van dergelijke functies - in FIG. een.

Fig. een. Diagrammen Functie Normalisatie

De meest voorkomende lineaire conversie wordt gebruikt:

(2)

Als we van mening zijn dat een toename van x beschrijft als een toename van de ernst van de kwaliteit A, en de afname van een andere kwaliteit in, kan de genormaliseerde maatstaf van de kwaliteit in kan dienen als het verschil y '\u003d 1-y. Zoals bijvoorbeeld gerelateerd aan de betekenis van de kwaliteit 'nabijheid' en 'afstand'. Hun metrisatie onthult slecht gerealiseerd eerder, maar behoorlijk duidelijke extraheid en zelfs het tegenovergestelde.

4. Negeren van de bipolaire indicator

Meestal is een dergelijke indicator een "lijmen" van twee onderling verbonden en antoniem unipolaire kwaliteiten A en V.

Vaak is er eenvoudigweg een ontkenning en vice versa. Voor een dergelijk principe zijn bijvoorbeeld de schalen van het semantische differentieel geconstrueerd. Paren voor een dergelijk differentieel moeten echter worden gecontroleerd volgens het Woordenboek van Antoniemen (bijvoorbeeld twee Antoniemen voor het woord "vrolijk" - "Sad" en "somber" - zijn helemaal geen synoniemen).

De normalisatie van de overeenkomstige waarde omvat de keuze " positief»De aanwijzingen van de y-as. Als zodanig willekeurig Het wordt gekozen dat van de schaalpalen, de toename van de intensiteit waarvan geaccepteerd als een toename y. De tegenovergestelde pool wordt automatisch " negatief" We benadrukken dat er hiervoor geen modaliteit (axiologische beoordeling) is - alleen de gevestigde semantische stereotypen kunnen een rol spelen, maar niet meer.

Laat het bedrag x de ernst van beide kwaliteiten evalueren (met de bijbehorende aanduiding, bijvoorbeeld 'erg liefde' of 'iets haten'). Normatie kan worden uitgevoerd met behulp van een functie die voldoet aan de voorwaarden (1). In het bijzonder is het MB en lineaire transformatie:

(3)

Uiteraard, y [-1; +1].

Beide formules (2) en (3) beschrijven de lineaire conversie van het formulier Y \u003d K · X + B. Dus iedereen statistische conclusies Betreffende X en Y volledig samenvallen.

5. Kenmerken van de score

Bij gebruik van een scoreschaal zijn er verschillende subtiliteiten die vaak over het hoofd worden gezien:

• Soms zijn er geen antwoorden op alle problemen met betrekking tot deze indicator. De redenen zijn anders - het antwoord is gewoon niet gegeven, een fout bij het maken van een antwoord of de codering, ... kortom - er zijn machtigingen van antwoorden.
• Bijna altijd is de score gelijk aan het antwoordnummer onder andere. En de kleinste score wordt gelijk aan 1.
• Ik wil het antwoord graag gebruiken met het aantal andere gradaties dan de rest. Maar dan moet zijn bijdrage op een of andere manier in aanmerking worden genomen.

Wanneer de ballerschaal wordt genormaliseerd, is het alleen nodig om die x \u003d s te nemen, waarbij het bedrag van scoorde punten op de ontvangen reacties (en niet gespecificeerde vragen!). Dienovereenkomstig is S MIN en S MAX het minimum- en maximumbedrag dat kan worden getypt tijdens de ontvangen reacties.

Deze paragraaf behandelt de organisatietechniek, die nuttig is bij het oplossen van praktische taken. Voor alle taken (behalve de eenvoudigste), is het meestal handiger om de numerieke waarden van de opgegeven parameters te gebruiken dan de lettertekens in plaats van. Nadat de taak numerieke waarden heeft ingevoerd, is het wenselijk om uitdrukkingen in dit formulier in te dienen, zodat de nummers in deze uitdrukkingen zijn opgenomen als de tijdconstante, dwz in de vorm van een verhouding van de gewenste parameters van een systeem met een dimensie van de tijd . Het blijkt vaak dat constante tijd, die de dynamische eigenschappen van het systeem bepaalt, groot of klein is in vergelijking met één. Als de waarden van de constante tijd heel verschillend zijn van het apparaat, is het raadzaam om een \u200b\u200bandere stap te nemen, namelijk om de schaal van de tijd te wijzigen, zodat de grootste specifieke parameters genormaliseerde waarden in de buurt van één hadden. Hiermee kunt u berekeningen vereenvoudigen.

Het gebeurt vaak dat het handiger is om het contact toe te passen op het beeld en niet op de functie van de tijd. Het is dus noodzakelijk om te weten hoe u de Fourier-afbeelding voor een opgegeven functie kunt bepalen, die overeenkomt met de genormaliseerde tijd, waarbij de Fourier-afbeelding voor gewone tijd is. Hoe het te doen, wordt duidelijk als u zich wendt tot de definitie van Fourier-transformatie. Laat - het Fourier-beeld van de functie per definitie betekent dat

Laat - een afbeelding van de Fourier-functie ten opzichte van genormaliseerde tijd volgens de definitie, we hebben

Meestal is de vorm van een functionerende tijd hetzelfde als functies met ware tijd; Tegelijkertijd wordt de schaal van genormaliseerde tijd gespecificeerd ten opzichte van de ware. Laat de verhouding tussen de tijd

Hier kan de waarde elke dimensie hebben, maar meestal heeft het een dimensie van de tijd en dan is een gebeurtenis die is geassocieerd met dimensieloos. Symbolisch, de verhouding tussen de twee functies

geschreven als volgt:

Na het vervangen in (2,5-1) krijgen we

Maar volgens (2,5-4) hebben we

Laat de genormaliseerde complexe frequentie (1) geassocieerd met de niet-genormaliseerde (s) relatie

Gebaseerd op (2,5-6 en 7), formule (2,5-5) kan worden herschreven als

Volgens de integraal in het juiste deel is er per definitie een genormaliseerde Fourier-transformatie bijgevolg,

Dus, als het nodig is om de genormaliseerde afbeelding op basis van de gebruikelijke afbeelding te vinden, moet u de formule gebruiken

Op basis van de vorige, kunt u zeggen: Indien in het beeld van de tijdfunctie om op - en het resulterende resultaat te vervangen, verkrijgen we het beeld van de functie uit de originele variabele die overeenkomt met deze afbeelding, is een functie, hoewel dit resultaat is werd verkregen voor de afbeelding op Fourier, het blijft ook eerlijk en voor het beeld in Laplas. Opgemerkt moet worden dat de procedure voor het berekenen van de genormaliseerde (gepaste veranderde tijd) afbeelding niet van toepassing is op de berekening van de genormaliseerde versnellingsratio of de gewichtsfunctie. Transmissiefunctie

het kan worden beschouwd als de verhouding van afbeeldingen van twee functies van de tijd en daarom worden multiplicatoren die verschijnen als gevolg van normalisatie, in de teller en de noemer worden verminderd. Zo wordt de formule voor de genormaliseerde overdrachtsfunctie verkregen eenvoudigweg door deze uitdrukking op de vermenigvuldiger te vervangen.

Overweeg als voorbeeld het berekenen van de genormaliseerde afbeelding voor de volgende tijdfunctie:

Het beeld van deze functie heeft het formulier

De formule toepassen

De reverse transformatie berekenen door te ontvangen

Dit resultaat kan natuurlijk onmiddellijk worden verkregen van de volgende vraag. Het is hoe te berekenen op basis van de parsessie stelling de waarde van een geïntegreerde kwadratische fout, waarbij het genormaliseerde beeld van de Fourier-fout kent. Bedenk dat Parseval Theorem de volgende gelijkheid vaststelt:

waar ik een integrale kwadratische functiewaarde is. In overeenstemming met de regel van normalisatie wordt de formule bepaald

Verzameling van informatie en het verkrijgen van schattingen

Informatiecollectie kan op verschillende manieren worden uitgevoerd. De meest populaire manier is veldonderzoeken. Alvorens verder te gaan met de informatieverzameling, is het noodzakelijk om het publiek te bepalen, over het oordeel waarvan het mogelijk zal zijn om te vertrouwen op het bouwen van een rating. Ten eerste moeten de respondenten voldoende kwalificaties hebben om vragen te beantwoorden. Ten tweede moet hun beoordeling onpartijdig zijn. In dit geval kunnen er een aantal onverwachte moeilijkheden ontstaan. Die bijvoorbeeld de rating van universiteiten vormt, ondervragen vaak studenten of afgestudeerden van deze organisaties. Deze aanpak kan echter om de volgende redenen onjuist zijn. Ten eerste is het niet altijd een persoon klaar om toe te geven dat zijn keuze onjuist was en dat andere universiteiten beter zijn waaraan hij ging of die studeerde. Ten tweede kunnen studenten zelden een vergelijkende beoordeling van universiteiten maken, omdat training ze alleen in één passeren, zeldzaam in twee instellingen.

Een andere manier om brongegevens te verkrijgen, is de analyse van secundaire informatie (bijvoorbeeld het Comité van de Staatstatistieken). Het grootste probleem waarmee de onderzoeker geconfronteerd wordt in dit geval is informatie toegebracht. Als de rating is gebaseerd op de mediagegevens, dan is de waarschijnlijkheid niet om het bedrijf te evalueren, maar het werk van hun PR-afdelingen.

Een intelligente aanpak is om geconsolideerde informatie te gebruiken over de kenmerken van het object gepubliceerd in verschillende tijdschriften (deskundige tijdschriften, Kommersant, enz.).

Onder de normalisatie van de criteria wordt verstaan \u200b\u200bde lokale optimaliteitscriteria op een enkele dimensieloze vorm.

Als methoden van rantsoenering in het huiswerk, is de meest gebruikelijke manier om criteria te brengen voor een dimensieloze uiterlijk een lineaire transformatie.

f. 1 Bij voorkeur de maximale waarde, vervolgens de overgangsformule van de niet-genormaliseerde waarde van de indicator x. 1 tot de genormaliseerde uiterlijk:

,

waar f. 1 Min I. f. 1 mA. X.- dienovereenkomstig het minimum (slechtste) en de maximale (beste) waarde van de indicator op de reeks toegestane alternatieven.

Als voor een indicator f. 1 Bij voorkeur de minimumwaarde, wordt de overgangsformule opgenomen als:

.

Rantsoenering (standaardisatie) en gegevenseenheid

Normeerde (gestandaardiseerde) gegevens. In een aantal taken is het handig of zelfs nodig om van de initiële opmerkingen te gaan, waarbij I \u003d 1, 2, ... N, tot genormaliseerde (gestandaardiseerd), die verder introduceren. Laat er gegevens zijn op basis waarvan ze hebben ontvangen

Vermeld (gestandaardiseerd) Call-gegevens

- Dimensieloze waarden die voldoen aan de voorwaarde

We laten zien dat de gemiddelde rekenkundige genormaliseerde gegevens nul is:

en de dispersie is gelijk aan één:

In dit geval is als de genormaliseerde waarde groter is dan nul (.g *\u003e 0), dan is de waargenomen waarde groter dan gemiddeld (H.; \u003e x). Als x " < 0, то x,< х.

Standaardisatie (rantsoenering) van de gegevens is de noodzakelijke initiële fase van gegevenstransformatie bij gebruik van vele multidimensionale statistische methoden - vermindering van de dimensie van de functieruimte (faculteit, componentanalyse, zie ch. 5), classificatie van objecten (clusteranalyse, zie CH. 6), enz. In het bijzonder als de variabelen worden gemeten in schubben die in hoofdzaak verschillen in waarden (microns van eenheden - miljarden eenheden).

Vanwege de prevalentie en de vraag in statistische pakketten, wordt de rantsoeningsprocedure (standaardisatie) meestal gemaakt in het menu (Fig. 1.31).

Fig. 1.31. De normalisatieprocedure (standaardisatie) van gegevens in het pakketmenu bellenSta Tistica (Statsoft)

Gegevenseenheid (uniforme schaal). Bij het construeren van geïntegreerde generaliserende indicatoren treedt de situatie vaak voor wanneer de gegevensrantsering niet het gewenste resultaat geeft. We moeten bijvoorbeeld bijvoorbeeld een integrale indicator op bouwen van de kwaliteit van het leven in het land (regio), waaronder drie brontvariabelen - levensduur, kindersterfte en werkloosheid. Tegelijkertijd vertalen zelfs deze drie indicatoren in één schaal (bijvoorbeeld met waarden van 0 tot 1 of van 0 tot N) We zullen een conflict hebben in de interpretatie van de volgende planvariabelen.

De eerste variabele is de levensduur - gekenmerkt door het feit dat hoe groter de grotere waarden die het duurt, hoe hoger de kwaliteit van het leven in het land (regio). Integendeel, de tweede variabele is babysterfte - met het verhogen van waarden vermindert de kwaliteit van het leven. De derde variabele - werkloosheid - heeft zijn eigen optimum (ongeveer 5% Biedt de normale werking en ontwikkeling van de economie). En door alle drie de tekens in één integrale indicator aan te sluiten, zullen we de afwezigheid van een adequate interpretatie van de resulterende indicator hebben. Hoe hoger de betreurbaarheid van het leven (beter), boven babysterfte (slechter), boven werkloosheid (onbegrijpelijk). Om dergelijke problemen op te lossen en bestaat bij het analyseren van de gegevens, maakt een methode het mogelijk om alle variabelen te doen die betrokken zijn bij de bouw van een integrale indicator tot een enkele uniforme schaal.

Unified Scale - gebruikt bij het bouwen van integrale indicatoren uit verschillende variabelen, het ontvangen van waarden van 0 tot n met een uniform interpretatiesysteem: hoe hoger de waarde van de variabele op de uniforme schaal, hoe hoger de waarde van de integrale indicator. Voor N \u003d We krijgen een schaal van 0 tot 1.

Variabelen van het eerste type - hoe hoger de indicator, hoe beter (levensverwachting) - wordt als volgt aan een uniforme schaal gegeven:

waar XJ - De waarde van de variabele voor de heer Observatie; AMIN en ATA - respectievelijk de kleinste en meest waargenomen waarden van de variabele.

Volgens deze formule, als x.t. – AMIN, dan een "\u003d 0, en als .g, - apt, dan x] \u003d n, die. Hoe groter de waarde van de variabele A, de hogere (betere) waarde in de uniforme schaal A *.

2. De variabelen van het tweede type - hoe hoger de indicator, de slechter (babysterfte) - worden als volgt een uniforme schaal gegeven:

Volgens deze formule, als A, \u003d op | 1), ga h. = N, En als een, - \u003d een "ze, dan een * \u003d 0, d.w.z. Hoe groter de waarde van de variabele A, de onderste (slechtere) zijn waarde in de uniforme schaal X /.

3. Variabelen van het derde type - De indicator heeft een zekere AOPT Optimum, deze waarde is de beste, hoe meer afwijking ervan, hoe slechter (werkloosheid) - worden als volgt aan een uniforme schaal gegeven:

Volgens deze formule, als x.t. = Aopt, T. x] = N. Als A, het heeft de hoogst mogelijke afwijking van de Otiasp, dan A, "\u003d 0. Bijvoorbeeld, indien (as - a, pc's) \u003e\u003e (AOMT-AMIN) en A, \u003d ATA, dan een" \u003d 0. Dus, hoe groter de waarde van de variabele A, afwijkt van de optimale, de lagere (slechtere) waarde A * in de uniforme schaal, en hoe dichter de waarde A, aan deze Aopt, hoe beter.

• Avazyan S. A. Analyse van de kwaliteit en levensstijl van de bevolking // CEMI RAS. M.: Wetenschap, 2012. (Economische wetenschap van Modern Rusland).
• Ibid.

We illustreren de waarde van het gebruik van normen in het voorbeeld van de algemeen bekende methode van K.tomas. Bedenk dat erin de conclusie over de dominante gedragsstrategie in de conflictsituatie wordt gemaakt met een ondersteuning voor numerieke gegevens. Namelijk, na het tellen van de totale punten op elke schaal, moet u de schaal identificeren met de grootste score. De strategie wordt geïnterpreteerd als dominant in een conflictsituatie. Tellende statistieken tonen aan dat de gemiddelde waarden van de schaalramingen in absolute waarde verschillen. Ze variëren in mannen van 5,25 punten tot 7.25 punten en bij vrouwen van 3,71 tot 7,65 punten (zie tabel 11).

Tafel. 11. Primaire statistieken van schaalbeoordelingen van de TOMAS-techniek

Opmerking.

Gemiddelde. - gemiddelde waarden;

950% en + 95,0% - vertrouwelijke intervallen van gemiddelde waarden;

Toegewezen de grootste gemiddelden.

Als u dus geen rekening houdt met de regelgevingsgegevens die zijn verkregen op het Russische monster (of getest op het Russische monster), dan in de interpretatie van de resultaten die u kunt komen tot onjuiste conclusies. In feite hebben mannen en vrouwen de voorkeur aan een vermijdingsstrategie. De handleiding voor de methodologie zegt niet dat de dominantie van een van de vijf strategieën het transculturele kenmerk van de persoonlijkheid is. Bij de context kan het duidelijk zijn dat de auteur voortkomt uit de veronderstelling over gelijke waarschijnlijkheid van voorkeur aan elk van de vijf strategieën. Omdat er statistisch significante correlaties tussen de scorekaarten zijn, is het nauwelijks mogelijk om ongeveer gelijk te zijn aan de waarschijnlijkheid van elk van de vijf strategieën. In een dergelijke situatie, wanneer er geen regelgevingsgegevens en informatie over de aard van de distributie van hoeveelheden zijn, is het betrouwbaarder om te vertrouwen op de statistieken die voor zijn steekproef zijn berekend. In het bijzonder om de ernst van de dominantie van een van de strategieën om SIGMU- en betrouwbaarheidsintervallen te gebruiken. We voegen daaraan toe dat de regels raadzaam zijn om afzonderlijk te berekenen voor mannen en vrouwen. Volgens de ingediende gegevens kan worden gezien dat in twee schalen van vijf indicatoren aanzienlijk van verschillende verdiepingen verschillen. Bij het vergelijken van groepen of subgroepen kan deze seksuele specificiteit een variabele blijken te zijn waarvan de invloed niet in aanmerking kan worden genomen.

Bereken de normen zijn in andere gevallen raadzaam. De initiële (primaire) schattingen van de experimentele taken verkregen bij het verzamelen van gegevens zijn niet altijd handig om te gebruiken in verder werk. Ze worden op de een of andere manier getransformeerd. Meest frequente transformaties zijn Centreren en rantsoenerenrMS-afwijkingen. Onder de centrering betekent een lineaire transformatie van de waarden van de functie waarop de gemiddelde grootte van de verdeling van een bepaalde functie gelijk is aan nul. De richting van de schaal en de eenheden blijven ongewijzigd.

De essentie van rantsoenering bestaat uit de overgang naar een andere schaal - gestandaardiseerde eenheden van meting. Bij het standaardiseren van de resultaten van testtests, wordt de rantsoenering het vaakst uitgevoerd met behulp van RMS-afwijkingen. Standaardisatie wordt uitgevoerd in de normale distributie van testschattingen of dichtbij.

In de psychologie zijn er een aantal schalen op basis van de normale distributie en met verschillende waarden van M en . Bijvoorbeeld, in de schaal van afwijkingen van de intelligentie IQ: M \u003d 100,  \u003d 15; In de schaal van de ventilatieschaal M \u003d 10,  \u003d 3. De distributies van verschillende tekens gemeten in het experiment hebben verschillende waarden van M en . Overdragen ontvangen primaire beoordelingen van verschillende tekens tot distributie met hetzelfde en dezelfde m en , we krijgen meer mogelijkheden om hun variatie te evalueren en te vergelijken. Hiermee kunnen we de genormaliseerde afwijking gebruiken. De genormaliseerde afwijking laat zien hoeveel SIGM wordt afgebogen door een of andere optie van het gemiddelde niveau van de variatie (medium rekenkundig) en wordt uitgedrukt door de formule:

waar V de waarde is van het kenmerk (in de initiële punten).

Met behulp van genormaliseerde afwijking kunt u elke waarde schatten met betrekking tot de groep als geheel, met een gewicht van zijn afwijking en tegelijkertijd vrij van de genoemde waarden. Om negatieve getallen af \u200b\u200bte komen naar de verkregen waarde van T, kunt u een constante toevoegen. Handig, als alle nummers waarmee u werkt hetzelfde aantal tekens hebben. Rekening houdend met deze overwegingen, is de T-Evaluation-schaal erg handig. Voor deze schaal wordt een normale verdeling geaccepteerd, met m \u003d 0,  \u003d 10. Om opnieuw te berekenen, wordt een constante genomen gelijk aan 50. De formule voor het converteren van initiële punten in t-evaluatie is als volgt:

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

De betekenis van de rantsoeneringsprocedure zal het voorbeeld bekijken. Stel dat we geïnteresseerd zijn in sommige verbindingen van de communicatieve snelheid van verkopers met de kenmerken van de winkellocatie in een grote stad. Om een \u200b\u200bintegrale beoordeling van de communicatieve snelheid van een bepaalde verkoper te maken, kunnen we via observatie om voor elk testaantal van parameters te krijgen dat haar communicatie met de koper karakteriseert. We kunnen bijvoorbeeld de gemiddelde contactduur met ogen meten, het gemiddelde aantal glimlachen in een vaste tijdsinterval, het aantal grove, intense beroepen, enz. U kunt de voor- en nadelen van de locatie van de winkel in de stad karakteriseren (voor zover de "Britse plaats", enz.). Om dit te doen, kunt u het aantal stadsportroutes tellen dat in de nabijheid van de winkel aanhoudt, de afgelegenheden van de metrostations evalueren, rekening houden met het aantal nabijgelegen winkels van een ander profiel, enz.

Om enkele gegeneraliseerde communicatieve indicator te brengen, is het onmogelijk om het aantal glimlachen met de lengte van contact met de ogen toe te voegen en het aantal uitdrukkingen af \u200b\u200bte leveren dat uit dit bedrag met de lage spraakcultuur wordt aangegeven. Het is zinloos om het aantal busroutes te vouwen met het aantal naburige winkels en aftrek van het bedrag op de afstand tot de dichtstbijzijnde metro. Het is beter om de nodige reeks kwantitatieve gegevens te verzamelen, een studie in een aantal winkels uit te voeren, primaire statistieken te berekenen voor al deze indicatoren en vervolgens na het converteren van de initiële gegevens, om T-punten voor elke indicator te verkrijgen.

Bij normalisering van elke verkregen gegevens worden de waarden in de initiële eenheden afgetrokken door de gemiddelde rekenkunde en is het verschil verdeeld in Sigma. De resulterende waarde wordt vermenigvuldigd met 10, vervolgens toegevoegd aan 50 of afgetrokken van 50. De keuze van de laatste rekenkundige actie (toevoeging of aftrekking) We kunnen de richting van de bijdrage instellen die deze parameter maakt op de berekende integrale beoordeling, d.w.z. We kunnen de focus van de conversie instellen, gezien de details van deze parameter. Als een specifieke waarde in de initiële eenheden de gemiddelde rekenkunde overschrijdt, kunnen we de afwijking (het verschil gedeeld door het Sigma) geneffen om te ontbinden tot 50. Het komt overeen met een grotere ernst van de geschatte mentale kwaliteit van dit onderwerp dan gemiddeld door ons monster .

Bijvoorbeeld, meer dan een bepaalde verkoper het aantal glimlachen per sigma (dan gemiddeld) kwantitatief zal nu worden uitgedrukt: 60 t-punten. Een kwantitatieve beoordeling van tekenen van hoge spraakcultuur in genormaliseerde afwijkingen moet worden toegevoegd aan 50 t-punten en lage spraakcultuur - aftrekken van 50 t-punten. Als, bijvoorbeeld, een kwantitatieve beoordeling van een bepaald kenmerk van een negatieve oriëntatie (in de initiële punten), de gemiddelde waarde van het poltsigm overschrijdt, dan is het in t-punten gelijk aan 45. Na dit soort transformaties, tellen De integrale waarde van de communicatieve snelheid voor een specifiek onderwerp, we kunnen wat t-punten aan anderen toevoegen.

De vorm van standaardisatie van de gegevens is raadzaam om te kiezen, rekening houdend met de reikwijdte van de verkregen initiële schattingen en het aantal gradaties. Als in de initiële punten het aantal gradaties 7-15, dan kan dan vrij geschikt zijn 2 . Als het aantal gradaties 30 en meer bereikt met een kleine spreiding van de distributie (asymmetrie), zullen we deze indicatoren vertalen in de uitsteeksels om de scores te snijden, d.w.z. Verlies enige nauwkeurigheid van de meetnauwkeurigheid. Als er reden is om aan te nemen dat uw metingen behoorlijk effectief zijn (er zijn gegevens over goede retaente betrouwbaarheid, hoge correlaties verkregen in metingen van indicatoren met duidelijke en betrouwbare externe validatiecriteria, enz.), Dan is het gebruik van gestandaardiseerde eenheden hetzelfde of zelfs een iets groter aantal gradaties.