Зависимость уровня тревожности человека от количества времени, затрачиваемого им на компьютерные игры - (курсовая)
p>Потребность уменьшения тревоги побуждает человека "уходить" в виртуальную реальность, в тот мир, где он сильнее всех, в отличие от мира реального. Виртуальный мир уменьшает тревогу на время игры, но после выхода из нее тревожность вновь увеличивается, более того—ее уровень становится выше исходного, т. к. каждое "вхождение" в виртуальный мир усиливает диссонанс между реальностью и виртуальным миром, усиливая дезадаптацию.Человек попадает в замкнутый круг, точнее, спираль, каждый виток которой усиливает дезадаптацию и тревожность, что создает еще более сильную потребность в игре, а это, в свою очередь, усиливает зависимость.
Такой "круговорот" можно считать еще одним механизмом формирования и усиления зависимости, наряду с механизмами, основанными на потребностях в принятии роли и ухода от реальности.
Для проверки гипотезы использовался опросник личностной тревожности Спилбергера. Текст опросника состоит из 20-ти утверждений, на каждое из которых предлагается 4 варианта ответов—от полного несогласия до полного согласия с утверждением. Сумма числовых значений вариантов ответов и составляет уровень тревожности личности (в баллах). В исследовании принимали участие 20 человек. Возраст испытуемых— 18-25 лет, большинство испытуемых —студенты ВУЗов. Критериями отбора служили следующие факторы: отношение к играм и компьютеру в целом, наличие потребности в игре на компьютере, регулярность и продолжительность игры, игровой "стаж". Все данные получены из наблюдений и бесед с испытуемыми и лицами из их окружения.
Теория вероятностей
Теория вероятностей —наука, изучающая вероятностные закономерности случайных событий. Знание этих закономерностей позволяет предвидеть, как эти события будут протекать. Знание и методы теории вероятностей используются в различных отраслях естествознания и техники. Это подчеркивает необходимость и важность теории вероятностей как науки.
Числовые характеристики случайной величины
Случайная величина —это величина, которая в результате испытания примет одно и только одно возможное значение, заранее неизвестное и зависящее от случайных причин, которые заранее не могут быть известны.
Случайные величины подразделяются на дискретные и непрерывные. Дискретной случайной величинойназывают случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Непрерывной случайной величинойназывают случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями. Законами распределения непрерывных случайных величин называют плотности распределений.
Математическое ожидание
Случайные величины имеют числовые характеристики, одной из которых является математическое ожидание. Математическим ожиданиемдискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности. Математическое ожидание приближенно равно среднему значению случайной величины. Допустим, что случайная величинаХ может принимать значения x1, x2, .... , xn, вероятности которых соответственно равны p1, p2, …, pn. Тогда математическое ожидание М(X) случайной величины X определяется равенством: M(X) = x1p1 +x2p2 + … + xnpn
Если дискретная случайная величина Х принимает счетное множество возможных значений, то можно записать: Для данных, указанных в этой работе, математическое ожидание равно (pn принимается равным 1/20 или 0. 05) M(X) = 18. 83125
M(Y) = 20. 0076.
Дисперсия
Для определения дисперсии необходимо ввести понятие отклонения случайной величины от ее математического ожидания.
Пусть X — случайная величина и М(Х) —ее математическое ожидание. Рассмотрим в качестве новой случайной величины разность Х – М(Х). Эту разность и называют отклонением, т. е. разность между случайной величиной и ее математическим ожиданием. При определении дисперсии используется следующее свойство отклонения:
y = px2 + qx + r
Дисперсией случайной величины Хназывают математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
D(X) = M[X – M(X)]2
Также дисперсию вычисляют по формуле:
D(X) = M(X2) – [M(X)]2
Для данных, указанных в этой работе дисперсия равна:
D(X) = 33, 6625
D(Y) = 57, 5029.
Среднее квадратическое отклонение
Для оценки рассеяния возможных значений случайной величины вокруг ее среднего значения кроме дисперсии служат и другие характеристики, такие как среднее квадратическое отклонение. Средним квадратическим отклонением случайной величины X называют квадратный корень из дисперсии: Для данных, указанных в этой работе отклонение равно:
s(X) = 5, 801939
s(Y) = 7, 583067
Моменты
Моменты служат для более подробной характеристики случайной величины. Они делятся наначальные и центральные. Начальные моменты характеризуют саму случайную величину, а центральные — отклонения случайной величины от М(Х). Начальный момент n-го порядка — математическое ожидание от n-ой степени случайной величины; обозначается: бn = M(Xn).
Центральный момент n-го порядка — математическое ожидание величины (X – M(X))n; обозначается: мn = M[(X – M(X))n].
В частности,
б1 = M(X) м1 = 0
б2 = M(X2) м2 = D(X).
Для данных, указанных в этой работе, начальные и центральные моменты 1-4 порядков равны:
X
Y
б1
18. 83125
20. 0076
б2
7092. 31953
8006. 081
б3
2671144. 84
3203649
б4
1006019927
1. 28E+09
м1
0
0
м2
33. 6625
57. 5029
м3
49. 008
150. 736
м4
2104. 840
7756. 033
Математическая статистика
Математическая статистика —это наука, которая занимается получением, обработкой и анализом данных, характеризующих количественные закономерности жизни общества в неразрывной связи с их качественным содержанием. Статистика, в узком смысле—это совокупность данных о каком-либо процессе или явлении. Основной задачей математической статистики является выяснение вероятностных свойств совокупности: распределения, числовых характеристик и т. д. с применением методов теории вероятности, позволяющих оценить надёжность и точность выводов, делаемых на основании ограниченного статистического материала (выборки) Совокупность объектов, или совокупность значений какого-то признака объектов, называется генеральной совокупностью. Обычно из генеральной совокупности делают выборку, т. е. исследуют некоторые ее объекты. Выборочной совокупностью или просто выборкой называют совокупность случайно отобранных объектов. С помощью выборки оценивают генеральную совокупность по вероятным свойствам. Чтобы оценки были достоверными, выборка должна быть представительной, т. е. ее вероятностные свойства должны совпадать или быть близкими к свойствам генеральной совокупности. Часто под генеральной совокупностью понимают и исследуемую случайную величину. Для исследования случайной величины при постоянных условиях выполняются испытания. Совокупность полученных значений также называется выборкой и обрабатывается статистически. Методы статистической обработки выборки аналогичны в обоих случаях. При исследовании объектов можно фиксировать или измерять значение одного или нескольких признаков, т. е. речь может идти об одномерной или многомерной выборках.
Корреляционный анализ
Корреляционная таблица
Две случайные величины могут быть связаны либо функциональной, либо статистической зависимостью, либо быть независимыми. Строгая функциональная зависимость реализуется редко в реальной жизни, так как обе величины или одна из них могут быть подвержены еще действию случайных факторов, причем среди них могут быть и общие для обеих величин. В этом случае возникает статистическая зависимость. Статистической называют зависимость, при которой изменение одной из величин влечет изменение распределения другой. В частности, статистическая зависимость проявляется в том, что при изменении одной из величин изменяется среднее значение другой; в этом случае статистическую зависимость называют корреляционной.
Предположим, что рассматриваемые случайные величины Х и Усвязаны корреляционной зависимостью. Так как при большом числе наблюдений одно и то же значениеx может встретиться nx раз, и значения y — ny раз, одна и та же пара чисел (х, у) — nxy раз. Поэтому данные наблюдений группируют, т. е. подсчитывают частоты nx, ny, nxy. Все сгруппированные данные записывают в виде таблицы, которую называют корреляционной.
Таблица 2.
x/y
7-15
15-23
23-31
31-39
mi
9-14
5
0
0
0
5
14-19
2
4
0
0
6
19-24
0
1
3
0
4
24-29
0
0
4
1
5
ni
7
5
7
1
20
Характеристики значений выборки
