КАФЕДРА КРИМИНАЛИСТИКИ

1. What is the macrostructural analysis? What is revealed by it?

2. What ruptures do you know?

3. What is the surface etching and deep etching? What can be studied by them?

4. How to define the sulfur presence and distribution in steels by means of Baumann’s method print?

5. What is the microstructural analysis? What is revealed by it? How to prepare the microsection?

6. What reagents are applied for the structure of revealing various alloys?

Институт информационных наук и технологий безопасности

Факультет информационных систем и безопасности

 

ЛАБОРАТОРНАЯ РАБОТА 5

по курсу «Прикладная статистика» на тему

 

КОРРЕЛЯЦИОННЫЙ АНАЛИЗ.

Вариант 7.

 

Подготовил: студент 3 курса, группы «прикладная математика»

Кириенко Артём Игоревич

 

Проверил: научный руководитель

Синицын Вячеслав Юрьевич

 

Москва 2013

 

№ варианта	Задачи 1-3, 6, 8	Задачи 4, 5, 7, 9, 10
	E2_Общительность	П_37

 

 

Вариант 7 Задачи 1.

Коэффициент корреляции Пирсона переменных E2_Общительность и N6_Уязвимость с точностью до 0.001 равен

 

> load("NEO")

> attach(NEO)

> result <- cor(NEO$E2_Общительность, NEO$N6_Уязвимость, use = 'complete.obs')

> result

[1] -0.005422949

> round(result, digits=3)

[1] -0.005

> detach(NEO)

 

Ответ: -0.005.

 

 

Вариант 7 Задачи 2.

Для юношей уровень значимости коэффициента корреляции Пирсона переменных E2_Общительность и N6_Уязвимость с точностью до 0.001 равен

 

> load("NEO")

> attach(NEO)

> x<-subset(NEO,select=c(E2_Общительность,N6_Уязвимость),subset=(ПОЛ=='МУЖ'))

> p<-cor.test(x$E2_Общительность,x$N6_Уязвимость)$p.value

> round(p,digits=3)

[1] 0.402

> detach(NEO)

 

Ответ: 0.402.

 

 

Вариант 7 Задачи 3.

Для респондентов с высоким семейным доходом выяснить на уровне значимости 0.05, какие из перечисленных ниже психологических показателей имеют статистически значимый коэффициент корреляции Пирсона с показателем E2_Общительность.

Ответ 1. N6_Уязвимость

Ответ 2. E6_Жизнерадостность

Ответ 3. O6_Ценности

Ответ 4. A6_Отзывчивость

Ответ 5. C6_Осмотрительность

 

> load("NEO")

> attach(NEO)

> x<-subset(NEO,select=c(E2_Общительность,N6_Уязвимость,E6_Жизнерадостность,

+ O6_Ценности,A6_Отзывчивость,C6_Осмотрительность),subset=(СЕМ_ДОХ=='ВЫСОКИЙ'))

> round(cor(x[,1],x[,2:6],use='complete.obs'),3)

N6_Уязвимость E6_Жизнерадостность O6_Ценности A6_Отзывчивость

[1,] 0.016 0.323 -0.023 0.148

C6_Осмотрительность

[1,] -0.019

> p<-function(i) round(cor.test(x[[1]],x[[1+i]])$p.value,3)

> p.val <- 0; for (i in 1:5) p.val[i] <- p(i)

> names(p.val) <- names(x)[2:6]; sort(p.val[p.val < 0.05])

E6_Жизнерадостность

0.001

> detach(NEO)

 

Ответ: 2 E6_Жизнерадостность.

 

 

Вариант 7 Задачи 4.

Коэффициент корреляции Спирмена пунктов П_37 и П_75 опросника NEO PI-R с точностью до 0.001 равен

 

> load("NEO")

> attach(NEO)

> x <- as.numeric(NEO$П_37); y <- as.numeric(NEO$П_75)

> result <- cor(x, y, method = 'spearman', use = 'complete.obs')

> round(result,3)

[1] 0.054

 

Ответ: 0.054.

 

 

Вариант 7 Задачи 5.

Для юношей уровень значимости коэффициента корреляции Спирмена пунктов П_37 и П_75 опросника NEO PI-R с точностью до 0.001 равен

 

> load("NEO")

> attach(NEO)

> x <- subset(NEO, select = c(П_37, П_75), subset=(ПОЛ=='МУЖ'))

> cor.test(as.numeric(x$П_37), as.numeric(x$П_75), method = 'spearman', exact = F)

 

Spearman's rank correlation rho

 

data: as.numeric(x$П_37) and as.numeric(x$П_75)

S = 188733.1, p-value = 0.4393

alternative hypothesis: true rho is not equal to 0

sample estimates:

rho

0.07554487

> round(0.07554487, digits=3)

[1] 0.076

 

Ответ: 0.076.

Вариант 7 Задачи 6.

Выяснить на уровне значимости 0.05, какие из перечисленных ниже порядковых демографических переменных имеют статистически значимый коэффициент корреляции Кендалла с психологическим показателем E2_Общительность.

Ответ 1. возраст

Ответ 2. обр_род (образование родителей)

Ответ 3. степ_рел (степень религиозности)

Ответ 4. сем_дох (семейный доход)

Ответ 5. лич_дох (личный доход)

 

> load('NEO')

> attach(NEO)

> x <- subset(NEO, select = c(E2_Общительность, ВОЗРАСТ, ОБР_РОД, СТЕП_РЕЛ, СЕМ_ДОХ, ЛИЧ_ДОХ))

> name1 <- names(x)[1]; name2 <- names(x)[2:6]

> res <- 0; tau <- 0; p.val <- 0

> for (i in 1:10) {res <- cor.test(as.numeric(x[[1]]), as.numeric(x[[1+i]]), method = 'kendall'); tau[i] <- round(res$estimate, 3); p.val[i] <- round(res$p.value, 3) }

Ошибка в.subset2(x, i, exact = exact): подгруппа выходит за пределы

> for (i in 1:5) {res <- cor.test(as.numeric(x[[1]]), as.numeric(x[[1+i]]), method = 'kendall'); tau[i] <- round(res$estimate, 3); p.val[i] <- round(res$p.value, 3) }

> rdf <- data.frame(name1, name2, tau, p.val)

> rdf <- rdf[order(p.val),]

> rdf[sort(p.val) < 0.05,]

name1 name2 tau p.val

2 E2_Общительность ОБР_РОД -0.154 0.000

5 E2_Общительность ЛИЧ_ДОХ -0.155 0.002

1 E2_Общительность ВОЗРАСТ -0.083 0.033

> detach(NEO)

 

Ответ: ОБР_РОД, ЛИЧ_ДОХ, ВОЗРАСТ.

 

 

Вариант 7 Задачи 7.

Для респондентов с сильной степенью религиозности выяснить на уровне значимости 0.05, какие из перечисленных ниже психологических показателей имеют статистически значимый коэффициент корреляции Спирмена с утверждением П_37 опросника NEO PI-R.

Ответ 1. N1_Тревожность

Ответ 2. N2_Враждебность

Ответ 3. E1_Доброжелательность

Ответ 4. E2_Общительность

Ответ 5. O1_Фантазия

Ответ 6. O2_Эстетичность

Ответ 7. A1_Доверие

Ответ 8. A2_Прямота

Ответ 9. C1_Компетентность

Ответ 10. C2_Организованность

> load('NEO')

> attach(NEO)

> x <- subset(NEO, select = c(П_37, N1_Тревожность, N2_Враждебность,

+ E1_Доброжелательность, E2_Общительность,

+ O1_Фантазия, O2_Эстетичность,

+ A1_Доверие, A2_Прямота,

+ C1_Компетентность, C2_Организованность), subset=(СТЕП_РЕЛ=='СИЛЬНАЯ'))

> p <- function(i) round(cor.test(as.numeric(x[[1]]), as.numeric(x[[1+i]]),

+ method = 'spearman', exact = F)$p.value, 3)

> p.val <- 0; for (i in 1:10) p.val[i] <- p(i)

> names(p.val) <- names(x)[2:11]; sort(p.val[p.val < 0.05])

E1_Доброжелательность E2_Общительность

0 0

 

Ответ: 3 E1_Доброжелательность, 4 E2_Общительность.

 

 

Вариант 7 Задачи 8.

Для студентов факультета “Б“ указать три из первых сорока пунктов опросника NEO PI-R, которые имеют самые высоко значимые коэффициенты корреляции Кендалла с психологическим показателем E2_Общительность.

 

> load('NEO')

> attach(NEO)

> x <- subset(NEO, select=c(E2_Общительность, 1:40), subset = (ФАКУЛЬТ == 'Б'))

> name1 <- names(x)[1]; name2 <- names(x)[2:41]

> res <- 0; tau <- 0; p.val <- 0

> for (i in 1:40) {res <- cor.test(as.numeric(x[[1]]), as.numeric(x[[1+i]]), method = 'kendall');

+ tau[i] <- round(res$estimate, 3);

+ p.val[i] <- round(res$p.value, 3) }

Предупреждение

In cor(x, y, method = "kendall"): the standard deviation is zero

> rdf <- data.frame(name1, name2, tau, p.val)

> rdf <- rdf[order(p.val),]

> rdf[1:6,]

name1 name2 tau p.val

23 E2_Общительность N4_Застенчивость -0.184 0

26 E2_Общительность E_Экстраверсия 0.524 0

27 E2_Общительность E1_Доброжелательность 0.365 0

28 E2_Общительность E2_Общительность.1 1.000 0

29 E2_Общительность E3_Настойчивость 0.212 0

31 E2_Общительность E5_Непоседливость 0.282 0

> detach(NEO)

 

Ответ: N4_Застенчивость, E_Экстраверсия, E1_Доброжелательность.

 

Вариант 7 Задачи 9.

С помощью таблиц сопряженности и критерия хи-квадрат Пирсона вычислить с точностью до 0.001, на каком уровне значимости зависимы ответы респондентов на пункты П_37 и П_75 опросника NEO PI-R.

 

> load('NEO')

> attach(NEO)

> t <- table(NEO$П_37, NEO$П_75); t

 

АНС НС НУ С АС

АНС 0 1 1 12 5

НС 2 6 13 25 12

НУ 2 9 18 63 22

С 0 7 17 65 30

АС 5 5 8 27 19

> p <- chisq.test(t)$p.value; round(p,3)

Предупреждение

In chisq.test(t):

аппроксимация на основе хи-квадрат может быть неправильной

[1] 0.157

> p <- chisq.test(t, simulate.p.value = T, B = 1000000)$p.value; round(p, 3)

[1] 0.154

> detach(NEO)

 

 

Вариант 7 Задачи 10.

С помощью хи-квадрат критерия Пирсона вычислить с точностью до 0.001, на каком уровне значимости различаются распределения ответов рес-пондентов на пункт П_37 опросника NEO PI-R для студентов факультета “Б“ и студентов факультета “В“.

 

> load("NEO")

> attach(NEO)

> x <- subset(NEO, select = c("ФАКУЛЬТ", "П_37"), subset = (ФАКУЛЬТ == 'Б' | ФАКУЛЬТ == 'В'))

> chisq.test(x$ФАКУЛЬТ, x$П_37, simulate.p.value = T, B = 100000)

 

Pearson's Chi-squared test with simulated p-value (based on 1e+05

replicates)

 

data: x$ФАКУЛЬТ and x$П_37

X-squared = 3.3562, df = NA, p-value = 0.5051

 

> detach(NEO)

> round(0.5051, digits=3)

[1] 0.505

 

Ответ: 0.505.

Laser

 

Выше на картинках первоначальный образец. Теперь смотрите на конечный. Он использует кристалл и имеет повышенную мощность.

Самое главное в этой технологии используется шаровая молния, луч которой способен разрезать все на своем пути.

Система состоит из трех составляющих.

1. Нагнетатель.

2. Преобразователь

3. Излучатель

Все выглядит на много сложней.

Это не эти игрушки, которыми дурят людей. Их мощность просто мизерная.

Батарейки с такой емкостью просто фукалки.

Они работают как обыкновенные лампочки.

Днем их совсем не видно.

Разрезать они не чего не смогу.

Игрушка есть игрушка.

Более серьезные образцы имеют повышенную емкость.

Так использование аккумулятора на основе кристалла с емкостью 250.000 нечего не дало. Образец разредился за 1,7 секунды.

А нам нужна огромная мощность. Равную атомному реакторную. Но таскать такой груз с собой не будешь.

Поэтому источник энергии это шаровая молния. И это не такая молния, которая выделяет много тепла. Это молния холодного горения. Приведу пример расчета. Как бы сказать мысли вслух.

Если для плазмы, состоящей из одинакового числа свободных ионов и электронов (что дает равный нулю полный заряд), можно пренебречь электромагнитными взаимодействиями, то обменная энергия определяется формулой

где h — постоянная Планка. Кинетическая тепловая энергия 3/2 kT может перейти в эту обменную энергию, если температура

Температура, найденная отсюда для концентрации 2,7 10¹⁹ электрон/см³, что соответствует концентрации молекул при атмосферном давлении, составляет 632 К. При более высокой температуре обменная энергия окажется меньше необходимой для удержания плазмы. Отсюда видно, что существуют низкотемпературные сферы, которые, тем не менее, обладают высокой концентрацией заряженных частиц.

Вот такая и используется в данном аппарате.

(Полностью раскрывать секрет моей технологии я не буду.)

Лазер на основе плазмы разрежет все на своем пути. Разрежет как нож масло.

Перечисленные мной технологии нужны для этого летательного аппарата.

1. Технология воздействия на подсознание и материю.

2. Технология лазерного луча.

3. Технология шаровой ракеты.

Данное оружие занимает очень мало места в сравнение с ракетами и действует более эффективно и на больших дистанциях. Особенно в космосе. Мной разработанный аппарат ведет веерный огонь в различных плоскостях. Устоять перед таким огнем не сумеет не кто.

Prospecting device RSD259

 

КАФЕДРА КРИМИНАЛИСТИКИ

 

«УТВЕРЖДАЮ»