ним значення 94697 є викидом так як Sрасч> Sкр 4.078> 3.082 Перевіряємо наступне за ним значення 58947 не є викидом так як Sрасч
Таблиця 1.6 - Контроль інформації на наявність викидів в масиві
В
Аналогічно факторним ознаками зробимо аналіз результативної ознаки Y3 Аналогічно попередньому масиву елементів вводимо розрахункові дані Перше екстремальне значення (максимальне) 31,3 не є викидом так як Sрасч
Таблиця 1.7 (а) - Без викидів
В
Таблиця 1.7 (б) - Без викидів
В
Далі копіюємо вихідні дані на третій лист. Вихідні дані у нас утримуватися в діапазоні А1: D54, осередки з викидом зафарбовані блакитним кольором, поруч знаходиться діапазон G1: J50 очищений від викидів. br/>
2. Описова статистика
Далі копіюємо таблицю без викидів на наступний лист
За допомогою інструменту Описова статистика пакета аналізу виконуємо статистичну обробку багатовимірної вибірки.
Натискаємо на кнопку Аналіз Даних. Відкриється вікно діалогу Аналіз даних, а саме Інструменти аналізу в яких ми вибираємо Описова статистика (Рис.2.1). <В
Рис. 2.1 - Аналіз даних
Далі в описовій статистикою вводимо Вхідний інтервал (діапазон комірок, займаних елементами багатовимірної вибірки разом із заголовками це діапазон A1: D50), ставимо галочку Мітки у першому рядку, так як у нашому діапазоні перший рядок це назва стовпців , і вводимо Вихідний інтервал (це осередок F2), а також ставимо галочку Підсумкова статистика. br/>
Рис. 2.2 - Заповнення Описової статистики
Далі натискаємо кнопку ОК і отримуємо результати роботи описової статистики, які представлені в таблиці 2.1
Таблиця 2.1 - Висновок підсумків описової статистики
В
За даними описової статистики ми бачимо що у Х4 середнє, стандартна помилка і мода майже рівні між собою, ексцес та асиметричність не близькі до нуля. У Х8 середня, стандартна помилка і мода не рівні між собою, ексцес та асиметричність не близькі до нуля. У Х13 середня, стандартна помилка і мода не рівні між собою, ексцес та асиметричність не близькі до нуля. У Y3 середнє, стандартна помилка і мода не рівні між собою, ексцес та асиметричність не близькі до нуля. br/>
3. Гістограма
Основою для висунення гіпотези про те, що випадкова величина підпорядковується нормальному закону розподілу, може бути зовнішній вигляд гістограми і значення числових характеристик. Якщо близькі за значенням оцінки вибіркового середнього, моди і медіани, а оцінки асиметричності і ексцесу незначно відрізняються від нуля, то випадкова величина підпорядковується нормальному закону розподілу. p align="justify"> Далі копіюємо таблицю без викидів на наступний лист.
Гістограма будується для результативної ознаки за допомогою інструмента «óстограмаВ» пакету аналізу. Для побудови гістограми слід встановити курсор на вільну комірку, натиснути на кнопку Аналіз даних у вікні (Інструменти аналізу) вибираємо Гістограма. br/>В
Рис. 3.1 - Діалогове вікно Гістограма
Гістограми для фактичних (Х4 Х8 Х13) і результативного (Y3) ознак побудовані за допомогою інструменту Гістограма пакета аналізу і представлені на рис. 3.2а, рис. 3.2б, рис. 3.2в, рис. 3.2 р.
Рис. 3.2а - Х4 Форма гістограми свідчить про те, що трудомісткість одиниці продукції не підпорядковується нормальному закону розподілу
Аналогічно для всіх інших масивів елементів робимо гістограми
В
Рис. 3.2б Х8
Форма гістограми свідчить про те, що премії і винагороди на одного працівника не підкоряється нормальному закону розподілу.
В
Рис. 3.2в Х13
Форма гістограми свідчить про те, що середньорічний фонд заробітної плати ППП не підкоряється нормальному закону розподілу.
В
Рис. 3.2г Y3
Форма гістограми свідчить про те, що рентабельність не підпорядковується нормальному закону розподілу.
4. Кореляційний аналіз даних спостережень
Кореляційний аналіз - метод обробки статис...
