- •1. За даними про мобільні телефони було здійснено аналітичне групування для виявлення взаємозв’язку між класом, вагою та ціною мобільного телефону (табл. 1)
- •Аналітичне групування між класом, вагою та ціною телефону
- •2. За даними про мобільні телефони було здійснено аналітичне групування для виявлення взаємозв’язку між класом, камерою та тривалістю роботи в режимі очікування телефонів (табл. 5)
- •Аналітичне групування між класом, камерою та тривалістю роботи в режимі очікування телефонів
- •Дисперсійний аналіз
- •3. За даними про мобільні телефони було здійснено аналітичне групування для виявлення взаємозв’язку тривалістю роботи в режимі очікування, вагою та ціною мобільного телефону (табл. 9):
- •Дисперсійний аналіз
Міністерство освіти та науки, молоді та спорту України
Львівський національний університет ім. Івана Франка
Економічний факультет
Лабораторна робота №5 на тему:
«Статистичні методи аналізу взаємозв’язків»
Виконав:
студент групи ЕКТ-21
Панчук О.В.
Перевірила:
асист. Вільчинська О.М.
Львів 2012
Тема: Статистичні методи аналізу взаємозв’язків
Мета: Навчитися аналізувати статистичні взаємозв’язки за допомогою Microsoft Excel та покращити свої вміння роботи з цією програмою.
Кореляційний аналіз — це статистичне дослідження (стохастичної) залежності між випадковими величинами (англ. correlation — взаємозв'язок). У найпростішому випадку досліджують дві вибірки (набори даних), у загальному — їх багатовимірні комплекси (групи).
Мета кореляційного аналізу — виявити чи існує істотна залежність однієї змінної від інших.
Головні завдання кореляційного аналізу:
– оцінка за вибірковими даними коефіцієнтів кореляції;
– перевірка значущості вибіркових коефіцієнтів кореляції або кореляційного відношення;
– оцінка близькості виявленого зв'язку до лінійного;
– побудова довірчого інтервалу для коефіцієнтів кореляції.
Регресія (рос. регрессия, англ. regression; нім. Regression f) — форма зв'язку між випадковими величинами. Закон зміни математичного очікування однієї випадкової величини залежно від значень іншої. Розрізняють прямолінійну, криволінійну, ортогональну, параболічну та інші регресії, а також лінію і площину регресії.
Крива регресії Y на Х є залежність умовного математичного очікування величини Y від заданого значення Х:
my/x = φ (х, а, b, c, …), де а, b, c, … — параметри рівняння регресії.
1. За даними про мобільні телефони було здійснено аналітичне групування для виявлення взаємозв’язку між класом, вагою та ціною мобільного телефону (табл. 1)
Таблиця 1
Аналітичне групування між класом, вагою та ціною телефону
Вага телефону (грам) |
Кількість телефонів |
Економ |
Бізнес |
Преміум |
Середня ціна телефону |
Середня ціна телефонів економ класу |
Середня ціна телефонів бізнес класу |
Середня ціна телефонів преміум класу |
50-60 |
941 |
254 |
479 |
208 |
2554,59 |
635,88 |
1467,44 |
7217,46 |
60-70 |
876 |
233 |
393 |
250 |
2824,73 |
633,4 |
1401,97 |
7024,19 |
70-80 |
914 |
259 |
425 |
230 |
2496,34 |
626,41 |
1448,86 |
6698,35 |
80-90 |
891 |
237 |
434 |
220 |
2530,86 |
634,7 |
1478,76 |
6676,75 |
90-100 |
879 |
260 |
422 |
197 |
2452,04 |
628,64 |
1407,13 |
6676,75 |
100-110 |
815 |
219 |
398 |
198 |
2601,04 |
637,83 |
1463,27 |
6958,6 |
110-120 |
874 |
224 |
434 |
216 |
2473,97 |
639,2 |
1429,03 |
6575,04 |
120-130 |
878 |
224 |
451 |
203 |
2530,18 |
636,34 |
1460,54 |
7264,49 |
130-140 |
829 |
248 |
394 |
187 |
2494,59 |
630,87 |
1487,66 |
6988,39 |
140-150 |
899 |
252 |
436 |
211 |
2509,98 |
637,21 |
1424,49 |
6903,72 |
150-160 |
830 |
227 |
379 |
224 |
2618,43 |
641,49 |
1482,57 |
6495,78 |
160-170 |
861 |
229 |
415 |
217 |
2656,66 |
637,72 |
1431,62 |
7078,27 |
170-180 |
859 |
248 |
402 |
209 |
2490,78 |
644,09 |
1468,02 |
6725,7 |
180-190 |
810 |
193 |
404 |
213 |
2533,07 |
634,03 |
1449,71 |
6415,98 |
190-200 |
838 |
238 |
389 |
211 |
2669,49 |
641,97 |
1486,74 |
7360,9 |
Усього: |
12994 |
3545 |
6255 |
3194 |
X |
X |
X |
X |
Зараз дослідимо зв’язок між вагою і ціною телефону. Для цього скористаємося пакетом даних. Ми отримали такі показник:
Таблиця 2
Регресійна статистика |
|||||||
Множественный R |
0,022 |
||||||
R-квадрат |
0,0005 |
||||||
Нормированный R-квадрат |
-0,0765 |
||||||
Стандартная ошибка |
101,35 |
||||||
Наблюдения |
15 |
||||||
|
Таблиця 3 Дисперсійний аналіз |
||||||
|
df |
SS |
MS |
F |
Значимость F |
||
Регрессия |
1 |
62,786 |
62,786 |
0,006 |
0,939 |
||
Остаток |
13 |
133532,571 |
10271,74 |
|
|
||
Итого |
14 |
133595,358 |
|
|
|
Таблиця 4
|
Коэффициенты |
Стандартная ошибка |
t-статистика |
P-Значение |
Нижние 95% |
Верхние 95% |
Нижние 91,0% |
Верхние 91,0% |
Y-пересечение |
2568,369 |
80,105 |
32,063 |
9,25E-14 |
2395,313 |
2741,425 |
2421,641 |
2715,097 |
Переменная X 1 |
-0,047 |
0,606 |
-0,078 |
0,939 |
-1,356 |
1,261 |
-1,157 |
1,062 |
Показники таблиці 1 свідчать про те, що зв’язок між вагою і ціною мобільного телефону є прямим (оскільки значення коефіцієнта кореляції R = 0,022 > 0) і дуже слабким (оскільки значення коефіцієнта кореляції R = 0,022 знаходиться в межах від 0 до 0,1). Параметри рівняння регресії беремо з таблиці 4. Ми отримаємо рівняння виду y(x) = a + bx, оскільки параметрів лише 2. Рівняння регресії буде мати вигляд y(x) = 2568,369 - 0,047x. Коефіцієнт b = -0,047 (коефіцієнт регресії) показує нам, що за кожним додатковим грамом ваги телефону ціна буде зменшуватися на 0,47 гривні. Проте, цю модель можна вважати неістотною, тому що значення колонки «Значимость F» Таблиці 3 становить 0,939, що перевищує значення 0,09 за якого ця модель була б істотна.