симального корреляционного пути. Алгоритм построения максимального корреляцион-
ного пути.
55
Программы лекционных курсов
Тема 7. Решение задачи сравнения выборок. Понятие статистических крите-
риев и их виды. Сравнение распределений: проверка гипотез. Понятие статистической
гипотезы. Нулевая и альтернативная гипотезы. Направленная и ненаправленная гипо-
тезы. Статистические критерии. Таблицы критических значений. Число степеней сво-
боды. Параметрические и непараметрические критерии. Возможности и ограничения
параметрических и непараметрических критериев. Уровни статистической значимости.
Правило отклонения нулевой гипотезы и принятия альтернативной гипотезы: зона не-
значимости, зона неопределенности и зона значимости. Мощность критериев. Зависи-
мые и независимые выборки.
Тема 8. Выявление различий в уровне исследуемого признака. Параметри-
ческий критерий t Стьюдента для сравнения результатов количественного измерения:
назначение критерия, его описание, область применения, алгоритм применения для не-
зависимых выборок. Использование t-критерия Стьюдента для сравнения результатов
регистрирующего измерения.
Непараметрические критерии. Критерий Розенбаума: назначение критерия, его
описание, область применения, алгоритм применения. Критерий Манна—Уитни: назна-
чение критерия, его описание, область применения, алгоритм применения. Критерий
тенденций Крускала—Уоллиса назначение критерия, его описание, область примене-
ния, алгоритм применения. Критерий тенденций Джонкира: назначение критерия, его
описание, область применения, алгоритм применения.
Тема 9. Оценка достоверности сдвига в значениях исследуемого признака. Па-
раметрический критерий t Стьюдента для сравнения результатов количественного из-
мерения: алгоритм применения для зависимых выборок. Непараметрические критерии.
Критерий знаков: назначение критерия его описание, область применения, алгоритм
применения. Критерий Вилкоксона: для сравнения результатов количественного изме-
рения. Критерий Фридмана: для сравнения результатов количественного измерения.
Критерий тенденций Пейджа: для сравнения результатов количественного измерения.
Тема 10. Выявление различий в распределении признака. Критерий Пирсона:
назначение критерия, его описание, область применения, алгоритм применения. Кри-
терий Колмогорова–Смирнова для сравнения результатов количественного измерения:
назначение критерия, его описание, область применения, алгоритм применения. Бино-
миальный критерий: назначение критерия, его описание, область применения, алгоритм
применения.
Тема 11. Многофункциональные статистические критерии. Понятие многофун-
кциональных статистических критериев. Критерий φ* — угловое преобразование Фи-
шера: назначение критерия, его описание, область применения, алгоритм применения.
56
Программы и методические рекомендации. V курс
Биномиальный критерий m: назначение критерия, его описание, область применения,
алгоритм применения. Многофункциональные критерии как эффективные заменители
традиционных критериев. Алгоритм выбора многофункциональных критериев.
Тема 12. Дисперсионный анализ. Понятие дисперсионного анализа. Подготовка
данных к дисперсионному анализу: создание комплексов, уравновешивание комплек-
сов, проверка нормальности распределения результативного распределения признака,
преобразование эмпирических данных с целью упрощения результатов. Однофактор-
ный дисперсионный анализ для независимых выборок: назначение метода, его описа-
ние, область применения, алгоритм применения. Дисперсионный анализ для зависимых
выборок: назначение метода, его описание, область применения, алгоритм применения.
Дисперсионный двухфакторный анализ: обоснование задачи взаимодействия двух
факторов. Дисперсионный двухфакторный анализ для случая независимых и для случая
зависимых выборок: назначение метода, его описание, область применения.
Тема 13. Многомерные методы обработки данных. Многомерные методы обра-
ботки данных как дальнейшее развитие эмпирической математической модели в отно-
шении многостороннего описания изучаемых явлений. Проблема искусственного интел-
лекта и программная реализация многомерных методов. Классификация многомерных
методов обработки данных: по назначению, по способу сопоставления данных, по виду
исходных данных.
Общее знакомство с методами многомерной обработки данных (назначение каждо-
го метода и сфера его применения; математико-статистические идеи метода; исходные
данные и требования к ним; процедура и результаты): множественный регрессионный
анализ (МРА) как метод экстраполяции; множественный дискриминантный анализ как
распознавание образов («классификация с обучением»); кластерный анализ как ме-
тод классификации автоматическая классификация, таксономический анализ, анализ
образов без обучения); факторный анализ как метод структурирования эмпирической
информации; многомерное шкалирование как метод выявления структуры множества
объектов. Примеры использования многомерной обработки данных.
Тема 14. Компьютерные пакеты прикладных статистических программ и мате-
матическое моделирование. Математико-статистическая обработка результатов пси-
хологического исследования с использованием компьютерного пакета Statistica, SPSS,
Statgrafic. Возможности и ограничения конкретных компьютерных методов обработки
данных.
Стандарты обработки данных.
Нормативы представления результатов анализа данных в научной психологии.
57
Программы лекционных курсов
Математическое моделирование и средства построения моделей: классификации,
латентных структур, семантических пространств и т. п. Модели индивидуального и груп-
пового поведения. Моделирование когнитивных процессов и структур. Проблема искус-
ственного интеллекта. Нетрадиционные методы моделирования.
Литература
Основная
1. Ермолаев, О. Ю. Математическая статистика для психологов. — М., 2002.
2. Наследов, А. Д. Математические методы психологического исследования: Анализ и
интерпретация данных. — СПб., 2004.
3. Сидоренко, Е. В. Методы математической обработки в психологии. — СПб., 2000.
4. Суходольский, Г. В. Основы математической статистики для психологов. — Л.,
1999.
Дополнительная
1. Бешелев, С. Д., Гурвич, Ф. Г. Математико-статистические методы экспертных оце-
нок. — М., 1980.
2. Гласс, Дж., Стенли, Дж. Статистические методы в педагогике и психологии. — М.,
1976.
3. Годфруа, Ж. Что такое психология? В 2-х т. Т. 2. — М., 1992.
4. Дрейпер, Н., Смит, Г. Прикладной регрессионный анализ. — М., 1973.
5. Захаров, В. П. Применение математических методов в социально-психологических
исследованиях. — Л., 1985.
6. Ивантер, Э. В., Коросов, А. В. Основы биометрии: Введение в статистический анализ
биологических процессов и явлений. — Петрозаводск, 1992.
7. Кендэл, М. Ранговые корреляции. — М., 1975.
8. Классификация и кластер / Ред. Дж. Вэн Райзин. — М., 1980.
9. Крылов, В. Ю. Геометрическое представление данных в психологических исследо-
ваниях. — М., 1980.
10. Лисенков, А. Н. Математические методы планирования многофакторных медико-
биологических экспериментов. — М., 1979.
11. Лупандин, В. И. Математические методы в психологии. — Екатеринбург, 1996.
12. Математическая психология: Методология, теории, модели. — М., 1985.
13. Математические методы в исследованиях индивидуальной и групповой деятель-
ности / Под ред. В. Ю. Крылова. — М., 1989.
14. Математические методы в социальных науках / Ред. П. Лазерсфельд, Н. Генри. —
М., 1973.
58
Программы и методические рекомендации. V курс
15. Процесс социального исследования. — М., 1975.
16. Рунион, Р. Справочник по непараметрической статистике: Современный подход. —
М., 1982.
17. Современная психология: Справочное руководство. — М., 1999.
18. Статистические методы анализа информации в социологических исследовани-
ях. — М., 1979.
19. Тюрин, Ю. Н., Макаров, А. А. Анализ данных на компьютере / Под ред. В. В. Фигур-
нова. — М., 1995.
20. Факторный, дискриминантный и кластерный анализ. — М., 1989.
21. Харари, Ф. Теория графов. — М. 1973.
22. Харман, Г. Современный факторный анализ. — М., 1982.
23. Холлендер, М., Вульф, Д. А. Непараметрические методы статистики. — М., 1983.
Клиника невротических расстройств
Тема 1. Ипохондрический невроз. Особенности личности ипохондрика. Клиниче-
ские проявления. Экстро- и интерорецепция. Нарциссизм ипохондрика.
Тема 2. Невроз страха. Определение. Дифференциальная диагностика. Позиция
«от» и «к». Страх и тревога невротической личности.
Тема 3. Депрессивный невроз. Определение. Диагностика. Особенности личности.
Ларвированная невротическая депрессия.
Тема 4. Истерический невроз. Клиническое многообразие проявления. Истериче-
ская акцентуация в генезе истерии. Реактивная истерия и истерическое развитие лич-
ности. Конверсионная истерия. Клинические формы истерических расстройств.
Тема 5. Неврастения. История формирования нозологической формы. Астениче-
ская и сенситивная акцентуация в генезе неврастении. Типичные внутриличностные
конфликты. Три формы неврастенических расстройств.
Тема 6. Неврозы навязчивых состояний. Фиктивно-символическая защита как спо-
соб подавления тревоги невротического конфликта. Три формы навязчивости. Экстра-
вертные и интровертные модели навязчивости.
Тема 7. Внутренний конфликт. Невротическая тревога. Неосознаваемые факторы
внутриличностного конфликта. Невротический конфликт при неврастении, истерии, не-