ПРОГНОЗИРОВАНИЕ В МЫШЛЕНИИ стр. 3 [ prognostication in thinking ]
(Греч.: πρόγνωσις - предузнавание, предопределение; 15 в).
Трифонов Е.В. Военно-медицинская академия, г. Ленинград, 1983.
Методика исследования
Тринадцати испытуемым ( j = 1, 2, ..., 13; возраст 18 ÷ 30 лет) ставилась цель в процессе решения серии ( i = 1, 2, ..., 7) однотипных задач найти единственный алгоритм. Задача представляла собой головоломку (сквэарворд), [9] 1. Для ее решения необходимо пустые клетки квадрата (рис.1) заполнить буквами из числа имеющихся так, чтобы в столбцах, строках и диагоналях квадрата одинаковые буквы не повторялись. Регистрировалось время (с) каждой операции (правильной или неправильной, k = 1, 2, ..., 17, минимальное и достаточное их число для решения задачи равно 17), т.е. время, затрачиваемое испытуемым на формирование решения о том, какую букву записать в клетке с данными координатами. Результаты решения задачи сопоставлялись с ключом. Вычислялось время каждой из семнадцати правильных операций. Каждому испытуемому предлагалось решить семь однотипных задач. При последовательном решении однотипных задач у испытуемых постепенно формируется единый алгоритм. Если при этом используется прогнозирование, то с накоплением в памяти системы информации о предыстории, последовательные прогнозы управления должны улучшаться. При этом, каждому i -му прогнозу будет соответствовать i -е условное распределение процессов в системе. Установить и проанализировать такое соответствие можно, имея данные об i - распределениях процессов в системе и об i -прогнозах. Распределения 2 процессов в системе характеризуются его математическими ожиданиями Mi и дисперсиями Di . С физиологической точки зрения эти параметры характеризуют соответственно уровень процесса и точность управления процессом в системе. Выберем в качестве анализируемой переменной Xijk - время, затрачиваемое j -тым испытуемым на k -тую операцию j -того задания. Тогда оценки Mij и Dij будут следующими:
`xij = (1/n)·еxijk ; sij2 = 1/(n -1)·е(xijk - `xij)2 ;
где`x - средняя, оценка математического ожидания Mi ; sij2 - оценка дисперсии Di ; n = 17 - число операций в каждом задании. Эти оценки приводятся в таблице 1 и в таблице 2.
Если Mi и Di можно оценить по результатам наблюдений, то последовательные прогнозы управления являются переменной ненаблюдаемой. Однако, поскольку точно известна последовательность прогнозов, то вместо них можно использовать инструментальную переменную [5] - натуральный ряд чисел - i = 1, 2, 3, … 7 , соответствующий номерам выполняемых испытуемыми заданий. Зависимость Mi и Di от i при фиксированных i представляют собой регрессии порядка r =1, 2 или, соответственно регрессионную и скедастическую зависимости [14, 15]. Графики таких зависимостей для одного из испытуемых показаны на рис.2.
Проверка предположений З а, б (стр. 2) сводится к проверке статистических гипотез 3 об однородности Mi и Di у каждого испытуемого. Для проверки статистических гипотез относительно Di использовались М-статистика Бартлетта (множественные сравнения Di ) 4 или F-статистика Фишера (попарное сравнение Di ) 5. Для проверки статистических гипотез относительно Mi использовались t-статистика Стьюдента (попарное сравнение Mi для случаев равенства соответствующих Di ) 6 или V-статистика Уэлша (попарное сравнение Mi в случае неравенства соответствующих Di ) 7.
Проверка положения З в (стр. 2) осуществлялась оценкой степени линейной связи между показателями результатов прогнозирования и эффективной производительностью.
Примечания.
1 Список литературы и примечания открываются в отдельных окнах. Если Вы сделали это один раз, не делайте этого повторно. При необходимости просто перейдите в это отдельное окно.
2 Практически любое распределение.
3 Все статистические процедуры здесь и далее проводились в соответствии с известными руководствами [2, 5].
4 Бартлетт М.С. (Bartlett M.S. Properties of sufficiency of statistical tests. Proc. Roy. Soc. 1937, A160, 268-282).
5 Р. Фишер, Fisher, Ronald Aylmer, 1890-1968, британский математик и генетик, основатель теории планирования научного эксперимента.
6 William Sealy Gosset, 1876-1937, британский математик, публиковавшийся под псевдонимом Student, Стъюдент.
7 Trickett, W. H.; Welch, B. L.; and James, G. S. Further Critical Values for the Two-Means Problems. Biometrika 43, 203-205, 1956.
Страницы:
1
2
3
4
5
6
7
8
9
10
Таблицы:
1
2
Рисунки:
1
2
3
4
«Я У Ч Е Н Ы Й И Л И . . . Н Е Д О У Ч К А ?» Т Е С Т В А Ш Е Г О И Н Т Е Л Л Е К Т А
Предпосылка: Эффективность развития любой отрасли знаний определяется степенью соответствия методологии познания - познаваемой сущности. Реальность: Живые структуры от биохимического и субклеточного уровня, до целого организма являются вероятностными структурами. Функции вероятностных структур являются вероятностными функциями. Необходимое условие: Эффективное исследование вероятностных структур и функций должно основываться на вероятностной методологии (Трифонов Е.В., 1978,..., ..., 2015, …).
Критерий: Степень развития морфологии, физиологии, психологии человека и медицины, объём индивидуальных и социальных знаний в этих областях определяется степенью использования вероятностной методологии.
Актуальные знания: В соответствии с предпосылкой, реальностью, необходимым условием и критерием...
... о ц е н и т е с а м о с т о я т е л ь н о: — с т е п е н ь р а з в и т и я с о в р е м е н н о й н а у к и, — о б ъ е м В а ш и х з н а н и й и — В а ш и н т е л л е к т !
|
♥ Ошибка? Щелкни здесь и исправь ее! Поиск на сайте E-mail автора (author): tryphonov@yandex.ru
|