WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 7 | 8 || 10 |

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Просуммируем эти данные, получим величину 2,905. Это и есть наш искомый 2.

расч Рис.19. Фрагмент рабочего листа Excel с исходными данными и результатами анализа хи-квадрат Теперь займемся вычислением показателя 2. Для этого применим крит функцию ХИ2ОБР. Для ее запуска предназначена специальная программа.

Воспользуемся Мастером функций.

Поступим следующим образом:

- выделим ту ячейку, в которой должен находиться получаемый результат;

- активизируем Мастер функций кнопкой fx;

- в появившемся диалоговом окне выберем нужную категорию из имеющегося списка и укажем опцию Статистические;

- затем отыщем собственно нужную нам функцию Хи2обр, после чего нажмем на кнопку ОК.

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel На экране появится диалоговое окно для ввода параметров, необходимых для вычисления критического (табличного) значения хи-квадрата (рис.20). В первом текстовом поле ввода (Вероятность) укажем выбранную величину уровня значимости. Примем традиционный показатель степени риска, равный 0,05.

Во втором поле ввода (Степени свободы) запишем число степеней свободы. В нашем примере фигурируют четыре компонента (причины "неудов"), поэтому число степеней свободы составит: f = k - 1 = 4 - 1 = = 3.

После нажатия на кнопку ОК в выбранной нами ранее ячейке (Е11) появится значение 2, равное 7,815 (после надлежащих округлений).

крит Рис.20. Диалоговое окно ввода параметров для определения критического(табличного) значения хи-квадрат Вот с этим-то числом нам и нужно теперь сравнить расчетное значение 2. Поскольку выполняется неравенство 2 < 2 (2,905 < 7,815), расч расч крит то с вероятностью 95 % можно утверждать, что наблюдаемые (фактические) показатели незначимо отличаются от ожидаемых (опорных) значений.

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Анализ хи-квадрат в режиме Excel можно выполнить и по-другому, с использованием так называемого хи-теста. Функция ХИ2ТЕСТ позволяет определить вероятность того, является ли различие между наблюдаемыми и ожидаемыми значениями статистически значимым результатом.

Покажем это на нашем примере.

Для этого вновь действуем с помощью Мастера функций:

- выделяем ячейку (допустим Е13), в которой должен находиться получаемый результат;

- активизируем Мастер функций;

- в диалоговом окне выбираем нужную категорию и указываем опцию Статистические;

- отыскиваем функцию Хи2тест, после чего нажимаем на кнопку ОК.

Рис.21. Диалоговое окно ввода параметров для определения расчетногозначения хи-квадрат В появившемся диалоговом окне (рис.21) нужно заполнить текстовые поля, в которых следует указать имеющиеся данные, относящиеся к фактическим и ожидаемым результатам. Напомним, эти данные занимают соответственно ячейки C3:C6 и D3:D6.

Кстати, после введения интервальных ячеек справа от каждого поля ввода в скобках будут перечислены те табличные значения, которые содержались в соответствующих столбцах (рис.21). Там же в окне можно будет прочитать и полученное расчетное значение уровня значимости, равное ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel 0,406530471. А после нажатия на клавишу ОК этот результат будет помещен в выделенную нами ячейку.

Проведем округление полученного результата до третьего знака после запятой и в окончательном виде получим 0,407. Теперь попытаемся обсудить полученные данные.

Указанное число показывает: гипотеза о том, что результаты нынешней сессии отличаются от итогов прошлых лет, высказывается с риском допустить ошибку на 40,7 %. И напротив, почти с вероятностью 60 % можно говорить о том, что различие между этими данными несущественное.

Как же следует толковать данные анализа хи-квадрат, исполненные обоими способами (сравнением 2 и 2, а также применением функции расч крит хи2-тест) Покажем, что оба подхода идентичны.

1. Нами сделано заключение о статистической неразличимости наблюдаемых и ожидаемых результатов на основании сопоставления значений 2 (2,905) и 2 (7,815). Напомним, что этот вывод был сделан для уровня расч крит значимости = 0,05 (т.е. для 5-процентной степени риска). Теперь попытаемся выяснить, при каких же условиях можно отважиться на утверждение, что экзаменационные данные нынешней и прошлых сессий (по характеру рассматриваемых факторов влияния на их итоги) все-таки разнятся. Иными словами, определим, когда можно считать, что эти данные являются извлечением не из одной и той же генеральной совокупности, а принадлежат к совершенно различным массивам.

Для этого, используя функцию ХИ2ОБР, рассчитаем значения крит для различных уровней значимости, постепенно повышая вероятность допустить ошибочный прогноз (увеличивая ). На рабочем листе Excel (рис.19) в виде списка приведены полученные значения 2 для, равного соответсткрит венно 0,05; 0,1; 0,2 и т.д. Закончим расчет и для случая = 0,407 и 0,41. Почему надо учесть именно эти числа, обусловлено следующим.

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Наше расчетное значение 2 (2,905) окажется превышающим расч крит (2,902), когда будет больше 0,407. Например, для = 0,41 уже можно определенно говорить, что условие 2 > 2 (2,905 > 2,883) выполняется. Порасч крит этому допустимо утверждение, что обе рассматриваемые совокупности являются различными.

2. Теперь дадим оценку только что сделанному заявлению. Прелесть статистики состоит в том, что она любое утверждение дает с определенной гарантией надежности, т.е. страхуется от проявления возможных случайностей (погрешностей). Совершенно недостаточно высказать какое-то соображение. Обязательно также определить, с какой степенью вероятности (или уровнем риска впасть в ошибку) оно формулируется.

Когда мы заявили, что влияние рассматриваемых факторов на итоги прошедшей сессии и сессий прошлых лет различаются, то сделали это с риском оказаться неправыми почти на 41 %! Совершенно чудовищная степень ошибочности утверждения! Кто всерьез примет в расчет такое мало обоснованное соображение Поэтому в ситуациях, когда мы должны высказывать суждения с достаточной степенью надежности (обычно при = 0,05, а еще лучше 0,01), величина порогового (критического) значения 2 имеет очевидную тенденцию к возрастанию. А это означает, при разумном объеме единиц наблюдения (в данном случае это студенты, большие знатоки математической науки) мы можем говорить лишь о незначимости рассматриваемых итогов. Чтобы всетаки обнаружить подобное возможное различие, следовало бы провести более масштабное по охвату обследование. Однако можно утешиться тем обстоятельством, что проделать всю эту процедуру весьма проблематично вследствие недостаточного числа (смеем надеяться!) физически наличествующих двоечников.

Числа 2,902 и 2,905 - это фактически одно и то же, различие обусловлено некоторым искажением при выполнении операции округления ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel Итак, резюме. Для обсуждаемого примера можно заключить, что «неуды» по математике, полученные в прошедшую сессию, по характеру причин (в интерпретации самих студентов) соответствуют тем же показателям, что случались и в прошлые годы. Имеющиеся расхождения обусловлены только лишь случайностью (для выборки размером 50). У нас нет убедительных причин полагать, что воздействующие прискорбные факторы как-то принципиально изменились (т.е. как было раньше, так и осталось нынче) и повлияли на результативность сдачи экзамена. По-прежнему доминирующей причиной остается собственная нерадивость студентов, а изменения остальных факторов вполне укладываются в границы случайных колебаний. Так что в этом отношении у деканата и методической комиссии факультета нет повода для беспокойства.

4.2. О коэффициентах взаимной сопряженности На основе хи-квадрата принято также оценивать показатели степени тесноты связи – коэффициенты взаимной сопряженности К.Пирсона и А.Чупрова.

Коэффициент Пирсона рассчитывается по формуле:

КП =, n + где 2 - расчетное значение хи-квадрата, n – общее число наблюдений (объем выборки).

Коэффициент Чупрова позволяет учесть число групп по каждому признаку и определяется следующим образом:

КЧ =, n (k1 -1)(k2 -1) где k1 и k2 – соответственно число значений (групп) для первого и второго признаков или, по-другому, число строк и столбцов в таблице, а n – общее число наблюдений (объем выборки).

ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ Попробуем выполнить такие расчеты для нашего примера.

2,КП = = = 0,;

n + 50 + 2, 2,КЧ = = = 0,.

n (k1 -1)(k2 -1) 50 (4 -1)(2 -1) Расчет обоих коэффициентов дает весьма малые величины, что свидетельствует об отсутствии связи между исследуемыми характеристиками. Это же подтверждают и оценки по таблице Чеддока: рассчитанные коэффициенты, по модулю меньшие 0,3, говорят об отсутствии корреляционной связи.

Иначе говоря, использование и этих коэффициентов подтверждает ранее высказанное соображение: анализируемая ситуация по своим параметрам соответствует опорным (ожидаемым) показателям и посему не требует введения каких-либо корректировок.

4.3. Проверка наличия взаимосвязи между двумя качественными переменными (критерий «хи-квадрат» независимости) Возможны ситуации, когда имеются две качественные переменные, т.е. набор экспериментальных данных представляет собой двумерные качественные данные. После изучения каждой из них отдельно с помощью анализа частот (или процентов) может возникнуть вопрос о наличии связи между ними.

Считается, что две качественные переменные являются независимыми, если знание значения одной переменной не помогает предсказать значение другой.

Представим себе, что ваша фирма разработала технологию гальванического покрытия никелем стальных деталей автомобильного кузова. В среднем процент брака, связанного с отслаиванием покрытия, составляет 3,1 %.

Однако когда работает технолог г-н Пупкин, размер брака достигает 11,2 %.

ГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel В этом случае знание значения одной переменной (имя конкретного технолога) помогает спрогнозировать значение другой переменной (объем брака определенного типа), поскольку 3,1 % и 11,2 % различаются между собой. Появление брака более вероятно во время работы г-на Пупкина и менее вероятно, когда работает кто-то другой. Следовательно, эти две переменные не являются независимыми.

Использование критерия «хи-квадрат» позволяет решить вопрос о том, являются ли рассматриваемые качественные совокупности зависимыми или же независимыми друг от друга. В этом случае применяется так называемый критерий «хи-квадрат» независимости, который устанавливает наличие (или отсутствие) связи между двумя качественными переменными.

Для такого анализа используется таблица частот, которые можно было бы ожидать в том случае, если переменные оказались бы независимыми.

В общем случае критерий «хи-квадрат» независимости принято представлять следующим образом:

1. Имеются исходные данные в форме табличного списка частот всех комбинаций категорий двух качественных переменных. Обсуждаются следующие гипотезы:

а) две переменные не зависят одна от другой;

б) две переменные связаны, они не являются независимыми друг от друга.

2. Составляется таблица ожидаемых (теоретических) частот. Для их расчета частоту одной категории (результат эксперимента) следует умножить на частоту другой категории (также экспериментальный показатель) и полученное произведение поделить на общий объем выборки n:

Частота категории fЭ1 Частота категории fЭдля одной переменной для другой переменной Ожидаемая частота fОЖ(Т) = ------------------------------------------------------------, Общий объем выборки n fЭ1 fЭ fОЖ(Т) = или более компактно, в символьной форме:.

n ГОУ ВПО УГТУ-УПИ – Бараз В.Р. Корреляционно-регрессионный анализ При этом считается, что а) набор данных представляет собой случайную выборку из рассматриваемой генеральной совокупности и б) для каждой комбинации категорий ожидаемая частота, по крайней мере, не меньше пяти.

3. Далее проводится анализ «хи-квадрат», расчет выполняется с использованием знакомого выражения:

( fЭ - fТ ) =.

fТ Степень свободы вычисляется следующим образом: f = (k1 – 1) (k2 – 1), где k1 и k2 - число категорий соответственно для первой и второй переменной.

4. Результат теста «хи-квадрат2 трактуется так: наличие значимой связи проявляется тогда, когда расчетное значение «хи-квадрат» больше критического (т.е. 2 > 2 ), в противном случае значимой связи нет.

расч крит Давайте познакомимся с этим видом статистического анализа, для чего рассмотрим следующий пример.

Кот Матроскин, занявшись молочным бизнесом, решил провести маркетинговое исследование, чтобы уяснить, какой вид молочной продукции предпочитают те или иные покупатели. Для каждой покупки фиксировались две качественные переменные – вид продукции и тип покупателя. В качестве продаваемой молочной продукции фигурировали молоко, сметана и творог.

Покупателей Матроскин условно разделил на две категории – практичные и импульсивные. К первым он отнес тех покупателей, которые идут на рынок уже с четко сформулированным намерением относительно того, что купить и сколько именно. Вторую же категорию составили покупатели, которые решение принимают на месте, непосредственно перед покупкой.

Полученные данные статистического опроса аккуратный кот Матроскин представил в табличной форме (табл.13), в которой для каждого виГОУ ВПО УГТУ-УПИ – связи показателей коммерческой деятельности с использованием программы Excel да молочной продукции указал количество совершаемых покупок тем или иным покупателем, т.е. привел фактическую частоту.

Необходимо дать заключение по итогам статистической проверки по критерию «хи-квадрат», т.е. сформулировать вывод и пояснить результат с практической точки зрения – определить какую рыночную стратегию должен избрать кот Матроскин и, следовательно, на какого покупателя и на какой вид молочной продукции ему надлежит ориентироваться Решение этой задачи вновь проделаем в двух вариантах - традиционным способом («вручную») и компьютерным.

Таблица Результаты опроса о перспективах молочного бизнеса Частота предпочтений Вид молочной Практичный Импульсивный продукции покупатель покупатель Молоко 38 Сметана 24 Творог 18 Для этого дополним таблицу с исходными данными итоговой строкой и дополнительным «суммирующим» столбцом, заполним их, выполнив несложные расчеты (табл.14).

Pages:     | 1 |   ...   | 7 | 8 || 10 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.