лекция 3-4 (4)

1.

Составитель: Курсакова Л.В.
преподаватель КузГТу
Прокопьевск, 2024

2.

Статистические методы позволяют
анализировать массивы данных и
находить
в
них
закономерности,
проверять гипотезы и строить прогнозы.
В
маркетинге
таким
образом
анализируют информацию о продукте,
потребителях, продажах и рекламных
кампаниях.
Например, сегментируют покупателей
в зависимости от разных факторов.

3.

Статистические методы – количественные,
поэтому с их помощью можно увидеть итоги
работы в цифрах и спрогнозировать результаты
будущих нововведений на предприятиях.
Это важно для принятия бизнес-решений,
особенно когда речь идет о высоких рисках.
Например, можно спрогнозировать, как
повлияют разные изменения в производстве на
объемы продаж, сколько новых потребителей
принесет рекламная кампания, какая цена на
ваши
товары
или
услуги
покажется
справедливой и так далее.

4.

Наиболее часто используют следующие
виды анализа:
дисперсионный,
корреляционный,
регрессионный,
факторный,
кластерный,
когортный,
описательный.

5.

Характеристика основных видов
статистического анализа:
Дисперсионный анализ. Ориентирован на
использование одного ведущего фактора,
который отражает степень влияния на
исследуемый показатель и его реакцию на
данное воздействие.
Дисперсия показывает различия между
средними значениями в разных группах. Это
делают для того, чтобы определить, есть ли
между ними статистически значимая разница.

6.

Например, продавцы в магазине на Арбате в
среднем продают на 9000 руб. в день,
продавцы в точке на Тверской - в среднем на
7500 руб. в день,
продавцы на Черкизовской - в среднем на 12
000 руб. в день,
продавцы в Бутово - в среднем на 5500 руб. в
день.
Анализ покажет, является ли разница между
средними показателями в разных группах
статистически значимой, или же она могла
возникнуть случайно.

7.

Группы можно определять на основании
самых разных факторов.
Например - это расположение торговой
точки, ее площадь и количество продавцов.
Анализ покажет, как сильно эти параметры
влияют на среднее значение - средний чек на
группу.

8.

Примеры связанные с машиностроением:
1) Оценка результатов испытаний
материалов.
Дисперсионный анализ помогает:
• оценить обобщённый уровень свойств
физико-механических характеристик;
• сравнить
экспериментальные
данные,
полученные на разных сериях образцов;
• оценить влияние на уровень свойств одного
из наиболее значимых факторов.

9.

2) Исследование технологических
процессов.
Дисперсионный анализ позволяет:
• оценить влияние каждого фактора на
устойчивость
процесса,
если
процесс
неустойчив;
• установить эффективность мероприятий,
направленных на улучшение технологических
процессов (например, применение новых
приспособлений,
изменение
режимов
обработки).

10.

3) Определение наилучших вариантов
исследуемых факторов
(например,
выбор
наилучшего
приспособления или режущего инструмента
из нескольких предложенных) - с помощью
дисперсионного
анализа
сравнивают
результаты действия различных вариантов
факторов во всех возможных их комбинациях.

11.

Корреляционный анализ
Определяет характер зависимости какоголибо явления от одного или нескольких других.
Во многих отраслях экономики невозможно
корректное решение многих проблем без
применения
статистических
зависимостей
между исследуемыми факторами.
Это вызвано тем, что подавляющее число
взаимосвязей между величинами имеет не
функциональный характер, а случайный.
Так, например, объем продаж продукции
невозможно
точно
прогнозировать
с
изменением цены.

12.

Производительность обработки заготовок на
станках вероятностно зависит от режимов
резания, качество шлифованных поверхностей
так же с какой-то долей вероятности
определяется
величиной
зернистости
абразивного инструмента и т. д.
Такого рода статистическая зависимость
между переменными величинами называются
корреляционной.

13.

Виды корреляционных связей между
измеренными
признаками
могут
быть
линейными
и
нелинейными,
положительными или отрицательными,
сильными и слабыми, прямыми и обратными.
Например,
может
существовать
положительная корреляция между количеством
писем,
отправленных
клиентам,
и
последующим увеличением продаж. Значит,
она положительная.
Результаты корреляционного анализа удобно
смотреть на диаграмме рассеяния.

14.

15.

16.

На рисунке диаграмма рассеяния:
а) положительная корреляция, б) отрицательная
корреляция, в) корреляция отсутствует, г) выбросы
измерений из поля корреляции.
В задачи
входит:
корреляционного
анализа
- установление направления (положительное или
отрицательное)
и
формы
(линейная
или
нелинейная)
связи
между
варьирующими
признаками;
- измерение
тесноты
связи
(значения
коэффициентов корреляции);
- проверка уровня значимости коэффициентов
корреляции.

17.

Регрессионный анализ. Применяется для
выявления
количественной
зависимости
показателей качества объекта исследования от
значений его свойств и параметров, а также
условий внешнего окружения.
Как
и
корреляционный
анализ,
регрессионный определяет, как именно какое-то
явление зависит от одного или нескольких
других. Однако между этими методами есть
разница. Если корреляция показывает общую
тенденцию, то регрессия помогает увидеть её в
конкретных цифрах.

18.

19.

На
ней
каждое
пересечение
двух
показателей показано в виде точки. Чем ближе
друг к другу они расположены, тем сильнее
корреляция.
Факторный анализ
Измеряет, как разные условия влияют на
результат какого-то процесса. Для анализа
сначала выявляются основные факторы,
которые влияют на результат (переменную).
Затем выбирают один фактор и смотрят, как он
влияет на результат.
Далее эта процедура повторяется с другими.

20.

В конце выясняется, каким факторам нужно
уделить особое внимание.
Например, производитель мороженого
замечает, что на выручку влияют цена,
упаковка и расходы на рекламу.
Изучив
прошлые
данные
и
отзывы
покупателей, он решает начать с упаковки.
Тогда он меняет дизайн и анализирует уровень
продаж до и после изменений.
С декабря мороженое продавалось более или
менее линейно, примерно по 50 коробок в день.
Потом производитель поменял упаковку.
С марта продажи стали расти

21.

22.

Факторный анализ простой, но может
показать ложную зависимость.
В примере с картинки кажется, что
гипотеза
оправдалась:
новая
упаковка
привлекла дополнительных покупателей.
На самом же деле, скорее всего, повлияла
сезонность. В жару мороженое пользуется
спросом, а к осени продажи снова начнут
падать.
Чтобы
результаты
были
точнее,
исследуют влияние не одного, а всех
возможных факторов.

23.

С помощью факторного анализа решаются
разные задачи.
Например,
сегментируют
аудиторию:
определяют, как влияют на продажи такие
факторы, как возраст, пол, финансовые
возможности и подобные.

24.

Кластерный анализ
Помогает
объединить
разрозненные
элементы в группы на основе выбранных
переменных.
В результате формируются кластеры,
элементы внутри которых более похожи друг на
друга, чем на элементы из других кластеров.
Например, маркетологи сегментируют с его
помощью целевую аудиторию (ЦА).

25.

Чтобы провести кластерный анализ, нужны
хотя бы две переменные.
Например, возраст клиента и общая сумма
его покупок.
Результат каждого потребителя выглядит как
точка на диаграмме.
Покупатели с похожими показателями на
схеме оказываются рядом и образуют собой
кластеры.
Результаты позволяют адаптировать свои
стратегии к разным сегментам ЦА.

26.

27.

Диаграмма помогает увидеть, что покупатели
в возрасте от 20 до 30 лет делают
преимущественно недорогие заказы от 1000 до
1500 рублей.
Клиенты от 25 до 40 лет покупают на 3000–
3700 рублей.
Более взрослые клиенты вновь покупают
меньше.
Когортный анализ
Показывает, как ведут себя люди в разных
группах - когортах.

28.

Анализ отличается от кластерного тем, что
когорты выделяют по двум основным признакам:
одинаковое действие и одинаковое время.
Например, можно исследовать сегмент тех,
кто скачал приложение в марте 2023 года.
Их можно сравнивать с другими когортами: с
установившими приложение в апреле, в мае, в
июне и так далее.
Результаты анализа показывают, насколько
были активны пользователи приложения каждый
месяц после регистрации. На основе этой
статистики можно предположить, как поведут
себя новые пользователи.

29.

30.

Описательная статистика
Дескриптивная,
или
описательная
статистика - это наиболее простой и наглядный
способ исследования показателей.
Описательная статистика применяется для
систематизации и описания данных наблюдения.
Задачи, которые решает описательная
статистика – это, прежде всего, задачи
соединения и обобщения данных.
В качестве данных для описательной
статистики может быть любая информация.

31.

Это информация отражает содержание
наблюдений: опросы общественного мнения,
показатели экономической и финансовой
деятельности,
характеристики
производственных процессов и т.д.
В качестве основных средств описания
информации наиболее широко используются
графики и таблицы.
Графическое
представление
данных
наблюдения является наиболее наглядным и
удобным для обобщения.

32.

К графическим средствам отображения
наблюдений можно отнести следующие:
- столбчатые графики,
- круговые диаграммы,
- полигоны,
- ленточные графики,
- z- образные графики,
- временные ряды,
- карты сравнения,
- контрольные карты,
- графики накопленных частот,
- диаграммы рассеяния (корреляционные
поля),

33.

- многомерные графики и др.
Большинство из перечисленных средств широко
применяется на предприятиях для выявления
отклонений, дефектов и причин несоответствий при
обеспечении качества продукции и процессов.
В маркетинге (как и в качестве) чаще всего
используют меры центральной тенденции: среднее
число, моду и медиану.
Среднее число. Обычно подсчитывают среднее
арифметическое.
Мода. Значение, которое повторяется чаще
других.
Медиана. Это значение, которое расположено
посередине выборки.