Description
(Text)
Die mathematisehe Psyehologie hat sieh seit dem Vortrag von JOHANN FRIEDRICH HERBART vor der konigliehen Deutsehen Gesellsehaft am 18. April 1822 zum Thema "Ueber die Mogliehkeit und Nothwendigkeit, Mathematik auf Psyehologie anzuwenden" und dem Erscheinen seiner Abhandlung "Ueber das Maass und die allgemeinsten Bedingungen der Aufmerksamkeit" (De attentionis mensura eausisque primariis, Konigsberg 1822) in zu nehmend enger Verbindung mit der experimentellen Psyehologie entwickelt. 1hr Gegen stand ist die Messung und Modellierung psychiseher Eigensehaften und Prozesse, wobei die Sehwerpunktsetzung, bedingt dureh die Entwicklung neuer experimenteller Methoden und theoretischer Konzeptionen der Psycho logie, weehselnd bei der Messung oder Mo dellierung lag. Psyehisehe Prozesse sind erst recht in ihrem Wesen begreifbar, wenn sie in ihrer Funktion im WiderspiegelungsprozeB betrachtet werden. Was wird in Modellen psychiseher Prozesse abgebildet? Es sind der Gegenstand, das Resultat und der ProzeB der Widerspiegelung sowie die Organisation der mensehliehen Tiitigkeit auf der Grundlage der Widerspiegelung (LOMOW u. a. 1976). Mathematisehe Modelle wurden flir die laterale Inhibition in der Retina des Limulus, fill Suehprozesse im mensehliehen Gediiehtnis und logisehe SehluBprozesse, aber aueh flir Prozesse der sozialen Interaktion entwickelt. Das Spektrum ist weit gespannt und de monstriert die oft sehr enge Verbindung natur- und gesellsehaftswissenschaftlicher Fra gestellungen in der Psychologie. Nieht jeder psyehisehe ProzeB erfordert fill seine Unter sue hung eigene mathematisehe Methoden, und dies ermoglicht ein Studium von Ergebnissen der mathematischen Psychologie relativ unabhiingig von speziellen psyehisehen Erschei nungen und stellt zugleieh eine Voraussetzung daflir dar, daB die mathematische Psycho logie einen Beitrag zur theoretisehen Psychologie leistet.
(Table of content)
Vorwort.- 1. Einleitung.- 2. Skalierungsverfahren und -modelle.- 2.1. Grundlagen der Skalierung.- 2.2. Direkte Skalierungsverfahren.- 2.3. Eindimensionale Skalierung mit indirekten Skalierungsverfahren.- 2.4. Skalierungsmodelle zur Messung psychischer Eigenschaften.- 2.5. Verfahren der mehrdimensionalen Skalierung.- 2.6. Verfahren der Clusteranalyse.- 3. Mathematische Modellierung psychischer Prozesse und Strukturen.- 3.1. Anwendung elementarer Funktionen zur Modellierung psychischer Prozesse.- 3.2. Beschreibung von internen Variablen durch Zufallsgrößen.- 3.3. Anwendungen der Informationstheorie_ in der Psychologie.- 3.4. Algebraische Methoden für die Modellierung kognitiver Prozesse.- 4. Anhang.- Tab.I: Verteilungsfunktion der standardisierten normalverteilten Zufallsgröße.- Tab. II: Verteilungsfunktion der standardisierten normalverteilten Zufallsgröße.- Tab. III: Transformation z =arc sin $$sqrt {P/100} $$ für Prozentwerte $${text{0}}underset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } Punderset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } 100$$.- Tab. IV: Werte - xldx für $$0,00underset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } xunderset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } 0,99$$.- Tab. V: Werte ldN und NldN für $$1underset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } Nunderset{raise0.3emhbox{$smash{scriptscriptstyle-}$}}{ leqslant } 500$$.- 5. Literaturverzeichnis.- 6. Register.
Contents
Vorwort.- 1. Einleitung.- 2. Skalierungsverfahren und -modelle.- 2.1. Grundlagen der Skalierung.- 2.2. Direkte Skalierungsverfahren.- 2.3. Eindimensionale Skalierung mit indirekten Skalierungsverfahren.- 2.4. Skalierungsmodelle zur Messung psychischer Eigenschaften.- 2.5. Verfahren der mehrdimensionalen Skalierung.- 2.6. Verfahren der Clusteranalyse.- 3. Mathematische Modellierung psychischer Prozesse und Strukturen.- 3.1. Anwendung elementarer Funktionen zur Modellierung psychischer Prozesse.- 3.2. Beschreibung von internen Variablen durch Zufallsgrößen.- 3.3. Anwendungen der Informationstheorie* in der Psychologie.- 3.4. Algebraische Methoden für die Modellierung kognitiver Prozesse.- 4. Anhang.- Tab.I: Verteilungsfunktion der standardisierten normalverteilten Zufallsgröße.- Tab. II: Verteilungsfunktion der standardisierten normalverteilten Zufallsgröße.- Tab. III: Transformation z =arc sin $$
\sqrt {P/100} $$ für Prozentwerte $${\text{0}}\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } P\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } 100$$.- Tab. IV: Werte — xldx für $$
0,00\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } x\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } 0,99$$.- Tab. V: Werte ldN und NldN für $$
1\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } N\underset{\raise0.3em\hbox{$\smash{\scriptscriptstyle-}$}}{ \leqslant } 500$$.- 5. Literaturverzeichnis.- 6. Register.
