Содержание
Содержание_ 2
Введение_ 3
Коэффициент ассоциации и контингенции_ 4
Программы исследований в психологии, социологии и
маркетинге с применением статистических методов_ 6
Оценка параметров регрессионного уравнения линейной
зависимости_ 10
Проверка статистических гипотез_ 15
Заключение_ 21
Список литературы_ 22
Введение
Статистика широко используется в управлении и имеет большое
познавательное значение. В современных условиях это прежде всего
обусловливается проведением экономических реформ, затрагивающих интересы всех
людей. В статистических данных, отображающих развитие отдельных сторон жизни
общества и служащих информационной базой прогнозирования и принятия
управленческих решений, каждый из нас ищет результаты социально-экономических
преобразований.
Одним из непременных условий правильного восприятия и тем более
практического использования статистической информации, квалифицированных,
выводов и обоснованных решений является владение статистической методологией
изучения количественной стороны массовых социально-экономических явлений:
знание природы статистических совокупностей, назначения и познавательных
возможностей показателей статистики, условий их применения в исследовании.
Цель данной работы заключается в изучении некоторых
инструментов статистики и их практическое применение.
Для достижения цели были поставлены следующие задачи: дать
характеристику и проиллюстрировать на примере такие инструменты статистики как коэффициент
ассоциации и контингенции, составить программу исследования по социологии,
психологии и маркетингу, на основе одного из исследований вычислить
коэффициенты уравнения линейной зависимости, проверить статистические гипотезы
по полученному уравнению.
Коэффициент ассоциации и контингенции
Важной задачей статистики является разработка методики
статистической оценки социальных явлений, которая осложняется тем, что многие
социальные явления не имеют количественной оценки.
Для определения тесноты связи двух качественных признаков, каждый
из которых состоит только из двух групп, применяются коэффициенты ассоциации и
контингенции. При исследовании связи числовой материал располагают в виде таблиц
сопряженности например, табл. 1. Для вычисления строится таблица, которая
показывает связь между двумя явлениями, каждое из которых должно быть
альтернативным, т. е. состоящим из двух качественно отличных друг от друга
значений признака (например, хороший, плохой).
Таблица 1
Таблица для вычисления коэффициентов ассоциации и контингенции
|
а
|
b
|
a + b
|
|
с
|
d
|
c + d
|
|
а + с
|
b + d
|
a + b + c + d
|
Коэффициенты определяются
по формулам [1, стр. 276]:
ассоциации: 
контингенции: 
Коэффициент контингенции всегда меньше коэффициента ассоциации.
Связь считается подтвержденной, если Ка > 0,5 или Кк
> 0,3.
Проиллюстрируем применение коэффициентов
на примере исследования связи между участием в забастовках рабочих и окончанием
ими средней школы. Результаты обследования характеризуются следующими данными
(табл. 2).
Таблица 2
Зависимость
участия рабочих в забастовках от образовательного уровня
|
Группы рабочих
|
Число рабочих
|
Из них
|
|
участвующих в забастовке
|
не участвующих в забастовке
|
|
Окончившие
|
100
|
78
|
22
|
|
среднюю школу
|
|
|
|
|
Не окончившие
|
100
|
32
|
68
|
|
среднюю школу
|
|
|
|
|
ИТОГО
|
200
|
110
|
90
|
Таким образом, связь между участием в забастовках рабочих и их образовательным
уровнем можно считать существенной.
Программы
исследований по психологии, социологии и маркетинге с применением
статистических методов
С помощью статистических методов можно исследовать многие сферы
человеческой деятельности. В этой главе проиллюстрируется возможность
практического применения инструментов статистики в программах исследования изменений каких –
либо условий в психологии, социологии и маркетинге.
Допустим, что одна из фирм, работающих в сфере развлечений и
владеющая сетью баров и ресторанов запланировала изучить какие факторы и каким образом влияют
на продажу напитков (как алкогольных, так и безалкогольных) в увеселительных заведениях принадлежащих
данной компании, а так же изучить изменения их влияния при различных
температурных режимах в этих заведениях.
Для решения поставленных задач фирма обратилась к ведущим консалтинговым
агентствам в области психологии, социологии и маркетинга.
Современный маркетинг также уже не в состоянии обойтись без
статистического аппарата. Изучение ёмкости рынка, жизненного цикла товара
невозможно без инструментов статистики.
Маркетинговым агентством была выдвинута первоначальная гипотеза о
зависимости объема выручки от реализации
напитков и количеством посетителей мужского пола за день.
Агентство запланировало провести следующие мероприятия для проверки
своей гипотезы:
1. В одну из пятниц во всех кафе и барах компании заказчика на
кондиционерах выставить температуру 19ºС в 9.00. В течении суток
произвести подсчет выручки и количество посетителей мужского пола в каждом из
34 заведений.
2. Через неделю во всех кафе и барах компании заказчика на
кондиционерах выставить температуру
23ºС в 9.00. Произвести аналогичные подсчеты.
3. После сбора интересующих
данных построить уравнения линейной регрессии зависимости выручки от
продажи напитков и количества посетителей – мужчин. Проверить значимость
коэффициентов регрессии, посмотреть на сколько скоррелированны эти величины,
рассчитать долю дисперсии выручки которую объясняет фактор – количество мужчин
посетителей.
4. В зависимости от полученных результатов дать рекомендации фирме –
заказчику о мерах привлечения посетителей – мужчин. Проконсультировать заказчика
по поводу наиболее благоприятно температурного режима.
Дальнейшее выявление факторов влияющих на выручку сети баров и
ресторанов поручили фирме, занимающийся практической психологией.
Психологи считают, что
российские граждане в большинстве своём обладают оральным типом психики, то
есть для них очень важно находиться в контакте с другим человеком. В своем исследовании они сделали предположение,
что для людей, пришедших в бар, ресторан в компании более двух человек внешние
условия не имеют решающего значения (температура воздуха).
Для проверки выдвинутого
предположения о зависимости между объемом выручки бара, ресторана и количеством
компании более двух человек до и после изменения температуры воздуха необходимо
провести следующие мероприятия:
1. В одну из пятниц во всех
кафе и барах компании заказчика на кондиционерах выставить температуру
19ºС в 9.00. В течении суток произвести подсчет выручки и количество компаний
из двух и более человек в каждом из 34 заведений.
2. Через неделю во всех кафе и барах компании заказчика на
кондиционерах выставить температуру
23ºС в 9.00. Произвести аналогичные подсчеты.
3. После сбора интересующих
данных построить уравнения линейной регрессии зависимости выручки от продажи
напитков и количества компаний состоящих из более чем двух человек. Проверить
значимость коэффициентов регрессии, посмотреть на сколько скоррелированны эти
величины, рассчитать долю дисперсии выручки которую объясняет фактор –
количество компаний посетителей из более чем двух человек. Изучить влияние температурного режима на исходную
зависимость.
4. В зависимости от полученных результатов дать рекомендации фирме –
заказчику о мерах привлечения компаний из двух и более человек.
Следующим этапом исследования стало привлечение социологического
агентства. Данная фирма сделала предположение о зависимости выручки от продажи
напитков и среднего возраста посетителей в каждом из баров. Была разработана
следующая программа исследования:
1. В одну из пятниц во всех кафе и барах компании заказчика на
кондиционерах выставить температуру 19ºС в 9.00. В течении суток подсчитать
выручку от продажи напитков в каждом из 34 заведений. Одновременно с этим
произвести сплошной опрос посетителей кафе где необходимо выяснить их возраст.
2. Рассчитать средний возраст
посетителей в каждом из заведений.
3. Через неделю во всех кафе и барах компании заказчика на
кондиционерах выставить температуру
23ºС в 9.00. Произвести аналогичные подсчеты и опрос.
3. После сбора интересующих
данных построить уравнения линейной регрессии зависимости выручки от продажи
напитков и средним возрастом посетителей в кафе. Проверить значимость
коэффициентов регрессии, посмотреть на сколько скоррелированны эти величины,
рассчитать долю дисперсии выручки которую объясняет фактор – средний возраст
посетителей.
4.Изучить влияние
температурного режима на исходную зависимость.
5. В зависимости от полученных результатов дать рекомендации фирме –
заказчику о мерах изменения возрастной структуры посетителей.
Оценка параметров регрессионного уравнения
линейной зависимости
По описанной выше методике маркетинговым агентством было
произведено исследование зависимости
выручки от реализации напитков 34 баров и кафе фирмы – заказчика.
После первого эксперимента - в одну из пятниц во всех кафе и барах
компании заказчика на кондиционерах была выставлена температура 19ºС в
9.00. В течении суток произведены подсчет выручки от реализации напитков и
количество посетителей мужского пола в каждом из 34 заведений.
Полученные данные представлены в таблице 4.
Таблица 4
|
|
количество посетителей –
мужчин (х)
|
выручка от реализации
напитков, руб.(у)
|
|
1
|
104
|
21066
|
|
2
|
114
|
23088
|
|
3
|
116
|
23706
|
|
4
|
98
|
20033
|
|
5
|
72
|
14842
|
|
6
|
90
|
18514
|
|
7
|
97
|
19716
|
|
8
|
82
|
16827
|
|
9
|
105
|
21301
|
|
10
|
131
|
26592
|
|
11
|
110
|
22166
|
|
12
|
89
|
18164
|
|
13
|
94
|
19230
|
|
14
|
112
|
22828
|
|
15
|
91
|
18349
|
|
16
|
123
|
24813
|
|
17
|
87
|
17700
|
|
18
|
89
|
18371
|
|
19
|
129
|
25924
|
|
20
|
87
|
17576
|
|
21
|
147
|
29911
|
|
22
|
117
|
23923
|
|
23
|
144
|
28991
|
|
24
|
100
|
20299
|
|
25
|
99
|
20068
|
|
26
|
118
|
23866
|
|
27
|
101
|
20548
|
|
28
|
128
|
25853
|
|
29
|
97
|
19724
|
|
30
|
136
|
27519
|
|
31
|
131
|
26352
|
|
32
|
84
|
16776
|
|
33
|
118
|
23961
|
|
34
|
115
|
23232
|
По полученным данным постоим график зависимости выручки от
количества посетителей мужчин.
По графику можно сделать предположение о тесной зависимости между изучаемыми
показателями.
Одной из систем корреляционной связи является линейная связь между
двумя признаками — парная линейная
корреляция. Уравнение парной линейной корреляционной связи
называется уравнением парной регрессии
и имеет вид:
где 
- среднее значение
результативного признака у при определенном значении факторного признака х;
а - свободный член уравнения;
b - коэффициент регрессии, измеряющий среднее отношение отклонения
результативного признака от его средней величины к отклонению факторного
признака от его средней величины на одну единицу его измерения - вариация у,
приходящаяся на единицу вариации х.
Уравнение регрессии определяется по данным о значениях признаков х и
у в изучаемой совокупности, состоящей из n единиц. Параметры уравнения а и b находятся
методом наименьших квадратов (МНК). [4, стр. 239]
Исходное условие МНК для прямой линии имеет вид:
Для отыскания значений параметров а и Ь, при которых f(a,b) принимает минимальное значение,
частные производные функции приравниваем нулю и преобразуем получаемые
уравнения, которые взываются нормальными
уравнениями МНК для прямой:
Отсюда система нормальных уравнений имеет вид:
Нормальные уравнения МНК для прямой
линии регрессии являются системой двух уравнений с двумя неизвестными a и
b. Все остальные
величины, входящие в систему, определяются по исходной информации.
Если первое нормальное уравнение разделить на n, получим:
Через это уравнение обычно на практике вычисляется свободный член
уравнения регрессии а. Параметр b вычисляется по преобразованной
формуле, которую можно вывести, решая систему нормальных уравнений относительно
b:
или 
Составим вспомогательную таблицу для расчетов (у*,x*- среднее значение).
Таблица 5
|
|
х
|
у
|
x-x*
|
y-y*
|
(x-x*)2
|
(х-х*)(у-у*)
|
|
1
|
104
|
21066
|
-4
|
-753
|
15
|
2934
|
|
2
|
114
|
23088
|
6
|
1269
|
39
|
7890
|
|
3
|
116
|
23706
|
9
|
1888
|
79
|
16762
|
|
4
|
98
|
20033
|
-9
|
-1786
|
85
|
16474
|
|
5
|
72
|
14842
|
-35
|
-6976
|
1238
|
245429
|
|
6
|
90
|
18514
|
-17
|
-3305
|
294
|
56637
|
|
7
|
97
|
19716
|
-11
|
-2102
|
119
|
22901
|
|
8
|
82
|
16827
|
-26
|
-4992
|
661
|
128358
|
|
9
|
105
|
21301
|
-3
|
-518
|
8
|
1456
|
|
10
|
131
|
26592
|
24
|
4773
|
562
|
113114
|
|
11
|
110
|
22166
|
2
|
348
|
6
|
818
|
|
12
|
89
|
18164
|
-18
|
-3654
|
340
|
67396
|
|
13
|
94
|
19230
|
-13
|
-2588
|
181
|
34826
|
|
14
|
112
|
22828
|
5
|
1009
|
21
|
4615
|
|
15
|
91
|
18349
|
-17
|
-3470
|
276
|
57594
|
|
16
|
123
|
24813
|
15
|
2995
|
236
|
46039
|
|
17
|
87
|
17700
|
-20
|
-4119
|
403
|
82696
|
|
18
|
89
|
18371
|
-18
|
-3447
|
335
|
63073
|
|
19
|
129
|
25924
|
21
|
4106
|
452
|
87270
|
|
20
|
87
|
17576
|
-21
|
-4243
|
441
|
89103
|
|
21
|
147
|
29911
|
40
|
8092
|
1594
|
323110
|
|
22
|
117
|
23923
|
10
|
2104
|
94
|
20446
|
|
23
|
144
|
28991
|
37
|
7173
|
1356
|
264133
|
|
24
|
100
|
20299
|
-8
|
-1519
|
64
|
12127
|
|
25
|
99
|
20068
|
-8
|
-1750
|
68
|
14473
|
|
26
|
118
|
23866
|
10
|
2047
|
108
|
21234
|
|
27
|
101
|
20548
|
-7
|
-1270
|
45
|
8532
|
|
28
|
128
|
25853
|
21
|
4035
|
433
|
83913
|
|
29
|
97
|
19724
|
-10
|
-2095
|
104
|
21354
|
|
30
|
136
|
27519
|
29
|
5700
|
833
|
164502
|
|
31
|
131
|
26352
|
23
|
4534
|
539
|
105211
|
|
32
|
84
|
16776
|
-24
|
-5042
|
576
|
121051
|
|
33
|
118
|
23961
|
10
|
2143
|
107
|
22208
|
|
34
|
115
|
23232
|
7
|
1414
|
56
|
10585
|
|
сумма
|
3656
|
741829
|
0
|
0
|
11766
|
2338265
|
|
среднее
|
108
|
21818
|
|
|
|
|
Подставим полученные значения в формулу и рассчитаем a и b:
Таким образом искомая зависимость выглядит следующим образом:
Y= 454.7 + 198.7х
То есть независимо от количества посетителей мужчин средняя выручка
каждого из ресторанов составляет 454.7 руб., можно предположить что их тратят
женщины (за которых не платят мужчины). Каждый посетитель мужского пола
тратит в среднем 198 руб.
Проверка статистических гипотез
При изучении корреляционной связи показателей коммерческой
деятельности в условиях преобладания так называемого малого и среднего бизнеса
анализу подвергаются сравнительно небольшие по составу единиц совокупности.
При численности объектов анализа до 50 единиц возникает необходимость
испытания параметров уравнения регрессии на их типичность. При этом
осуществляется проверка, насколько вычисленные параметры характерны для
отображаемого комплекса условий. Не являются ли полученные значения параметров
результатами действия случайных причин.
Применительно к совокупностям, у которых п < 50, для
проверки типичности параметров уравнения регрессии используется t-критерий Стьюдента. При
этом вычисляются фактические значения t-критерия [5, стр. 338]:
для параметра а: 
для параметра b:
, где
- среднее квадратическое отклонение результативного признака
у от расчетных значений у.
- среднее квадратическое отклонение факторного признака х
от общей средней х.
Полученные по формулам фактические значения ta и tb сравниваются с критическим tk, который получают по таблице
Стьюдента с учетом принятого уровня значимости и числа степеней свободы к.
Полученные в анализе корреляционной связи параметры уравнения регрессии
признаются значимыми, если фактическое
больше критического:
и 
|
Наблю
дение
|
расчетное ух
|
остатки (е)
|
е2
|
Наблюю
дение
|
расчетное ух
|
остатки е
|
е2
|
|
1,0
|
21043,8
|
22,1
|
490,0
|
18,0
|
18182,4
|
188,9
|
35697,0
|
|
2,0
|
23054,0
|
33,6
|
1127,1
|
19,0
|
26042,8
|
-118,8
|
14112,2
|
|
3,0
|
23583,1
|
123,0
|
15137,0
|
20,0
|
17645,2
|
-69,7
|
4852,9
|
|
4,0
|
19984,9
|
48,0
|
2307,0
|
21,0
|
29753,3
|
157,7
|
24859,5
|
|
5,0
|
14827,0
|
15,4
|
236,0
|
22,0
|
23749,7
|
172,9
|
29886,7
|
|
6,0
|
18412,8
|
100,9
|
10174,6
|
23,0
|
29136,6
|
-145,3
|
21122,0
|
|
7,0
|
19653,3
|
63,2
|
3988,6
|
24,0
|
20232,3
|
66,8
|
4463,2
|
|
8,0
|
16708,5
|
118,2
|
13966,6
|
25,0
|
20175,4
|
-107,3
|
11518,0
|
|
9,0
|
21259,6
|
41,2
|
1698,7
|
26,0
|
23879,6
|
-13,8
|
189,5
|
|
10,0
|
26528,0
|
63,7
|
4056,8
|
27,0
|
20483,7
|
64,5
|
4166,4
|
|
11,0
|
22285,8
|
-119,5
|
14280,1
|
28,0
|
25951,8
|
-98,7
|
9747,8
|
|
12,0
|
18153,5
|
10,6
|
112,4
|
29,0
|
19792,7
|
-69,0
|
4765,3
|
|
13,0
|
19144,5
|
85,8
|
7367,1
|
30,0
|
27553,4
|
-34,4
|
1185,5
|
|
14,0
|
22727,2
|
100,6
|
10126,3
|
31,0
|
26430,5
|
-78,5
|
6155,6
|
|
15,0
|
18519,6
|
-170,7
|
29125,2
|
32,0
|
17047,4
|
-271,1
|
73476,7
|
|
16,0
|
24873,8
|
-60,8
|
3697,5
|
33,0
|
23878,3
|
82,9
|
6879,4
|
|
17,0
|
17828,2
|
-128,2
|
16447,0
|
34,0
|
23306,5
|
-74,3
|
5518,0
|
, 
Проверим полученные нами коэффициенты на значимость:
и все коэффициенты
значимы, отвергаем нулевую гипотезу.
Важным этапом корреляционного анализа связи является оценка
практической значимости синтезированных моделей. Смысл такой оценки состоит в
том, чтобы обосновать применение метода функционального анализа при изучении
корреляционной зависимости. Правомерность такого приема анализа будет
оправданной лишь в тех случаях, если изучаемая корреляционная связь не столь
значительно отстоит от функциональной связи. При этом необходимо доказать,
что применение метода функционального анализа при изучении корреляционной
зависимости не дает существенных погрешностей.
Проверка практической значимости синтезированных в корреляционно-регрессионном
анализе математических моделей осуществляется посредством показателей тесноты
связи между признаками х и у.
Для статистической оценки тесноты связи применяются следующие
показатели:
Соотношение между факторной 
и общей 
дисперсиями
характеризует меру тесноты связи между признаками х и у.
Показатель R2 называется коэффициентом детерминации. Он
выражает долю факторной дисперсии в общей дисперсии, т.е. характеризует, какая
часть общей вариации результативного признака у объясняется изучаемым фактором х.
Для оценки значимости коэффициентом детерминации применяется
критерий Фишера.
Фактическое значение критерия Fр для
линейной парной регрессии определяется по формуле:
Fр=
Величина FR сравнивается с
критическим значением Fk, которое определяется
по таблице F-критерия с
учетом принятого уровня значимости а и числа степеней свободы кх
=1 и кг= п - 2.
Если FR > Fk, то гипотеза о существенности величины коэффициента
детерминации принимается.
Fр=
Fk=250
Значение коэффициента детерминации
значимо. Те есть полученная регрессия объясняет 99% дисперсии выручки баров.
Теснота парной линейной корреляционной
связи, как и любой другой показатель, может быть измерена корреляционным отношением.
Кроме того, при линейной форме уравнения применяется другой показатель
тесноты связи - коэффициент корреляции, Этот показатель представляет собой стандартизованный коэффициент регрессии, т.
е. коэффициент, выраженный не в абсолютных единицах измерения признаков, а в
долях среднего квадратического отклонения результативного признака:
Составим расчетную таблицу:
Таблица 6
|
|
х
|
у
|
(x-x*)2
|
(y-y*)2
|
(x-x*)(y-y*)
|
|
1
|
104
|
21066
|
15
|
566414
|
2934
|
|
2
|
114
|
23088
|
39
|
1610635
|
7890
|
|
3
|
116
|
23706
|
79
|
3563292
|
16762
|
|
4
|
98
|
20033
|
85
|
3188183
|
16474
|
|
5
|
72
|
14842
|
1238
|
48666875
|
245429
|
|
6
|
90
|
18514
|
294
|
10922134
|
56637
|
|
7
|
97
|
19716
|
119
|
4418413
|
22901
|
|
8
|
82
|
16827
|
661
|
24918658
|
128358
|
|
9
|
105
|
21301
|
8
|
268044
|
1456
|
|
10
|
131
|
26592
|
562
|
22783158
|
113114
|
|
11
|
110
|
22166
|
6
|
120963
|
818
|
|
12
|
89
|
18164
|
340
|
13354812
|
67396
|
|
13
|
94
|
19230
|
181
|
6698777
|
34826
|
|
14
|
112
|
22828
|
21
|
1018694
|
4615
|
|
15
|
91
|
18349
|
276
|
12037698
|
57594
|
|
16
|
123
|
24813
|
236
|
8967130
|
46039
|
|
17
|
87
|
17700
|
403
|
16962378
|
82696
|
|
18
|
89
|
18371
|
335
|
11883152
|
63073
|
|
19
|
129
|
25924
|
452
|
16855399
|
87270
|
|
20
|
87
|
17576
|
441
|
18002876
|
89103
|
|
21
|
147
|
29911
|
1594
|
65487433
|
323110
|
|
22
|
117
|
23923
|
94
|
4427060
|
20446
|
|
23
|
144
|
28991
|
1356
|
51448568
|
264133
|
|
24
|
100
|
20299
|
64
|
2308462
|
12127
|
|
25
|
99
|
20068
|
68
|
3064032
|
14473
|
|
26
|
118
|
23866
|
108
|
4191706
|
21234
|
|
27
|
101
|
20548
|
45
|
1613494
|
8532
|
|
28
|
128
|
25853
|
433
|
16277667
|
83913
|
|
29
|
97
|
19724
|
104
|
4388249
|
21354
|
|
30
|
136
|
27519
|
833
|
32495056
|
164502
|
|
31
|
131
|
26352
|
539
|
20552823
|
105211
|
|
32
|
84
|
16776
|
576
|
25423185
|
121051
|
|
33
|
118
|
23961
|
107
|
4591187
|
22208
|
|
34
|
115
|
23232
|
56
|
1998527
|
10585
|
|
сумма
|
3656
|
741829
|
11766
|
465075134
|
2338265
|
|
среднее
|
108
|
21818
|
|
|
|
Подставим данные из таблицы 6 в формулу для расчета коэффициента
корреляции:
Полученное значение коэффициента корреляции говорит об очень тесной
взаимосвязи показателей выручки и количества посетителей мужчин.
Показатели тесноты связи, исчисленные по данным сравнительно
небольшой статистической совокупности, могут искажаться действием случайных
причин. Это вызывает необходимость проверки их существенности.
Для оценки значимости коэффициента корреляции r применяется t-критерий Стьюдента. При этом
определяется фактическое значение критерия tr:
Вычисленное по формуле значение tr, сравнивается с критическим tk, которое берется из таблицы
значений t-Стьюдента с
учетом заданного уровня значимости аи числа степеней свободы. Если tr > tk,
то величина коэффициента корреляции признается существенной.
В нашем случае:
tk=2
tr > tk следовательно отвергаем нулевую гипотезу о
незначимости связи х и у.
Таким образом агентство выполнило задание фирмы владельца сети баров
и кафе. Была найдена существенная связь между количеством посетителей мужчин и
выручкой от реализации напитков.
Заключение
Итак, в этой работе были описаны такие инструменты статистики как
коэффициент ассоциации и контингенции. Эти коэффициенты используются для
определения тесноты связи двух качественных признаков, каждый из которых
состоит только из двух групп. Эти коэффициенты в практике анализа социальных
явлений.
Далее были разработаны программы исследования влияния различных факторов
на выручку от продажи напитков в сети баров и ресторанов. Рассмотрелись
возможности применения статистических
методов в таких отраслях науки как психология, социология и маркетинг.
На основе программы исследования влияния изменения температуры и
количества посетителей – мужчин в кафе, были проанализированы взаимосвязи между
показателями выручки от напитков в сети баров и кафе и количества посетителей –
мужчин. Была установлена тесная и существенная корреляционная связь между этими
показателями. Были проверены и опровергнуты нулевые гипотезы о незначимости
коэффициентов регрессии и коэффициента детерминации.
Таким образом, по полученным результатам фирма владелец сети баров
может разрабатывать рекламную компанию с учетом полученной взаимосвязи выручки
и количеством посетителей мужчин.
Список литературы
1. Теория
статистики: Учебник/ Под ред. проф. Р.А. Шмойловой. – М.: Финансы и статистика,
1996. – 464 с.
2.
Социальная статистика: Учебник/ Под ред. чл.-кор. РАН И.И. Елисеевой. – М.:
Финансы и статистика, 2003. – 480 с.
3. Сидоренко Е.В. Методы математической
обработки в психологии. - СПб.: СПбГУ, 2000. – 367 с.
4. Общая
теория статистики: Учебник/ под ред. чл.-корр. РАН И.И. Елисеевой. – М.:
Финансы и статистика, 1999. – 484 с.
5. Общая
теория статистики: Статистическая методология в изучении коммерческой
деятельности: Учебник/ под ред. О.Э. Башиной, А.А. Спирина.- М.: Финансы и
статистика, 1999. – 440 с.