Результаты анализа

1. Загрузка результатов теста

2. Подготовка данных к анализу

Dat[1:3]

## [1] "sub001,1,Polyakov" "sub001,2,22"       "sub001,1,1"

DatF <- data.frame()

for (i in 24:599) {
 crnt <- unlist(strsplit(Dat[i],","))
 UID   <- crnt[1]
 fn1   <- crnt[2]
 fn2   <- crnt[3]
 fn3   <- crnt[4]
 Pair  <- as.integer(crnt[5])
 ID1   <- crnt[6]
 ID2   <- crnt[7]
 ID3   <- crnt[8]
 ansC  <- as.integer(crnt[9])
 Ans1  <- as.integer(crnt[10])
 Ans2  <- as.integer(crnt[11])
 Time1 <- as.numeric(crnt[12])
 Time2 <- as.numeric(crnt[13])
 Time3 <- as.numeric(crnt[14])
 df0   <- data.frame(UID,fn1,fn2,fn3,Pair,ID1,ID2,ID3,ansC,Ans1,Ans2,Time1,Time2,Time3)
 DatF  <- rbind(DatF,df0)
}

3. Генерация признака правильного ответа DatF$Ok

DatF$Ok <- 0
s <- which(DatF$ansC == DatF$Ans1)
DatF$Ok[s] <- 1
s <- which(DatF$ansC == DatF$Ans2)
DatF$Ok[s] <- 1
mean(DatF$Ok)

## [1] 0.4444444

Правильный ответ был дан менее, чем в половине случаев (44.4%)
4. Точность решения от номера пары:

Acc     <- tapply(DatF$Ok, DatF$Pair, mean)
Tacc    <- table(DatF$Ok,DatF$Pair)
Res.chi <- chisq.test(Tacc)

• График распределения точности решения

plot(Acc,type="b")

#
Res.chi

## 
##  Pearson's Chi-squared test
## 
## data:  Tacc
## X-squared = 22.93, df = 4, p-value = 0.0001308

Можно утверждать, что имеется различие в точности решения в зависимости от номера пары
5. Время реакции от номера пары

DatF$Tr <- 0
s <- which(DatF$Ans1 == 9997)
DatF$Tr[s] <- DatF$Time2[s] + DatF$Time3[s] 
s <- which(DatF$Ans2 == 9997)
DatF$Tr[s] <- DatF$Time2[s] 

Tr_pair <- tapply(DatF$Tr,DatF$Pair,mean)
plot(Tr_pair,type="b")

• Проверка на нормальность

shapiro.test(DatF$Tr)

## 
##  Shapiro-Wilk normality test
## 
## data:  DatF$Tr
## W = 0.80093, p-value < 2.2e-16

Нормальность распределения отвергается. Также рассмотрим гистограмму и график квантилей.

hist(DatF$Tr)

qqnorm(DatF$Tr)
qqline(DatF$Tr,col=2)

• Проверка значимости различий времени реакции от номера пары

kruskal.test(DatF$Tr,DatF$Pair)

## 
##  Kruskal-Wallis rank sum test
## 
## data:  DatF$Tr and DatF$Pair
## Kruskal-Wallis chi-squared = 34.342, df = 4, p-value = 6.341e-07

Можно говорить о наличие различий времени реакции в зависимости от пары

res <- Calc.CAM(DatF,11,19,"Распределение ответов")

## [1] "Calc.CAM 1"