Анализ зависимости двух переменных: объема продаж и затрат на рекламу

Данная задача относится к предмету математическая статистика (раздел: регрессионный анализ и корреляция), а именно постановка задачи предполагает анализ зависимости двух переменных: объема продаж \(X\) и затрат на рекламу \(Y\). Для решения я выполню следующие шаги:

  1. Построю диаграмму рассеяния (график "точек", каждая из которых соответствует паре значений переменных \(X\) и \(Y\)).
  2. Рассчитаем выборочный коэффициент корреляции Пирсона.
  3. Проверим, отличается ли коэффициент значимо от нуля при уровне значимости \(α=0.05\).
  4. Запишем уравнение линейной регрессии.
  5. Дадим интерпретацию полученным результатам.
1. Построение диаграммы рассеяния

Пара значений \(X\) и \(Y\) позволяет построить диаграмму рассеяния, которая показывает, есть ли графическая зависимость между этими переменными.

Пары значений:

\(X=[72,78,76,70,68,80,82,65,62,90]\)

\(Y=[5,8,6,5,3,9,12,4,3,10]\)

Это создаст диаграмму с точками на плоскости (X, Y). Чем ближе точки к прямой линии, тем более выражена линейная зависимость.

2. Вычисление коэффициента корреляции Пирсона

Формула для расчёта коэффициента корреляции Пирсона (\(r\)):

\[r=nXY(X)(Y)(nX2(X)2)(nY2(Y)2)\]

Где:

  • \(n=10\) (количество наблюдений),
  • \(X\) — это сумма значений переменной \(X\),
  • \(Y\) — это сумма значений переменной \(Y\),
  • \(XY\) — это сумма произведений \(X\) и \(Y\),
  • \(X2\) — это сумма квадратов значений \(X\),
  • \(Y2\) — это сумма квадратов значений \(Y\).

Считаем промежуточные величины:

  • \(X=743\),
  • \(Y=65\),
  • \(X2=55803\),
  • \(Y2=583\),
  • \(XY=4865\).

Подставляем в формулу коэффициента корреляции:

\[r=10×4865(743×65)(10×558037432)(10×583652)\]

Выполним расчёты:

\[r=4865048395(558030552049)(58304225)=2555981×1605=25595932052553097.130.0823\]

3. Проверка значимости корреляции

Теперь проверим статистическую значимость данного значения коэффициента корреляции при уровне значимости \(α=0.05\).

t-критерий для проверки значимости:

\[t=r×n21r2\]

Так как \(n=10\), подставляем \(r=0.0823\):

\[t=0.0823×10210.082320.0823×810.00680.0823×8.05440.0823×2.838=0.2336.\]

Сравниваем с критическим значением t-критерия при 8 степенях свободы и уровне значимости 0.05, которое составляет примерно \(tcrit=2.306\).

Поскольку \(t=0.2336\) значительно меньше \(tcrit\), мы не можем отвергнуть нулевую гипотезу, и зависимость статистически незначима.

4. Уравнение регрессии

Линейная регрессия имеет вид:

\[Y=aX+b\]

Коэффициенты \(a\) и \(b\) вычисляются по формулам:

\[a=nXY(X)(Y)nX2(X)2,b=YaXn\]

Рассчитаем \(a\):

\[a=10×4865743×6510×558037432=4865048395558030552049=25559810.0426\]

Теперь \(b\):

\[b=650.0426×74310=6531.6510=33.3510=3.335\]

Получаем уравнение регрессии:

\[Y=0.0426X+3.335\]

5. Интерпретация
  • Коэффициент корреляции Пирсона \(r=0.0823\) указывает на очень слабую положительную корреляцию между расходами на рекламу и объемами продаж, однако эта корреляция статистически незначима при \(α=0.05\).
  • Уравнение регрессии \(Y=0.0426X+3.335\) показывает, что на каждый 1 тыс. руб., потраченный на рекламу, прогнозируется увеличение продаж на 0.0426 тыс. руб., однако эта модель недостаточно адекватна для прогнозов из-за слабой зависимости переменных.

Следовательно, текущие результаты показывают, что влияние рекламных затрат на рост продаж в исследуемом случае выражено слабо.

Не нашли нужного вам решения? Оставьте заявку и наши авторы быстро и качественно помогут вам с решением.
Оставить заявку
Работа вам нужна срочно. Не волнуйтесь, уложимся!

Узнайте стоимость работы онлайн

  • 22423 авторов готовы помочь тебе.
  • 2402 онлайн
Напишем БЕСПЛАТНО любую работу за 30 минут