Распределение значений показателя

Пример: оценка остроты соуса.

Среднее значение стандартное отклонение

Нормальное распределение

99% наблюдений укладываются в диапазон:

Кривая нормального распределения – теоретическая модель:

- форма колокола;

- концы уходят в бесконечность в обоих направлениях.

Важное свойство: расстояние по горизонтальной оси, измеренное в единицах стандартного отклонения, всегда дает одинаковую общую площадь под кривой.

1 – 68,26% 95% - 1,96

2 – 95,44%

3 – 99,72%

Использование кривой нормального распределения –

оценка вероятности: попадет ли в определенный диапазон наблюдение, выбранное наугад из эмпирического нормального распределения.

Переменные

Большинство статистических методов предполагает разделение переменных на зависимые и независимые.

В качестве независимых переменных, как правило, рассматриваются показатели, которыми компания может управлять, например:

- цена продукта;

- затраты на продвижение продукта, интенсивность различных видов рекламы;

- дизайн упаковки;

- состав торгового персонала и качество обслуживания.

В качестве зависимых переменных чаще выступают критерии эффективности маркетинговой деятельности, например:

- объем продаж;

- отношение респондентов к продукту, торговой марке, компании и готовность посетителей купить товар;

- поведение покупателей при выборе одного из вариантов.

Предполагается, что независимые переменные влияют на зависимые, т.е. изменения независимых переменных являются причиной изменений зависимых переменных.

Разделение всех переменных на зависимые и независимые отражает, прежде всего, математическую суть методов, но не обязательно соответствует направлению причинно-следственных отношений.

МЕТОДЫ АНАЛИЗА

Большинство статистических методов предполагают в результате расчет уровня значимости. Общепринято считать закономерность статистически достоверной в случаях, когда эмпирический уровень значимости меньше критических значений 0,01 или 0,05.

Чем большее количество критериев показывают наличие статистической достоверности, тем в большей степени Вы можете быть уверены в том, что анализируемая закономерность действительно является статистически значимой.

Чем выше статистическая значимость, тем более сильной является закономерность.

Все статистические методы можно разделить на параметрические и непараметрические.

Параметрические методы - их можно применять, если переменные измерены в интервальной шкале и имеют нормальное распределение.

Чем меньше соблюдаются эти ограничения, тем менее точные результаты дают параметрические методы.

Непараметрические методы - являются менее мощными, т.е. в меньшей степени способны выявлять существующие закономерности.

Так как параметрические и непараметрические методы часто дают похожие результаты, то в маркетинговых исследованиях часто пренебрегают различиями между ними - вместо того, чтобы проверять распределение показателя на нормальность, просто делают допущение о том, что оно нормально и применяют параметрические методы.

Если не принимать во внимание шкалу измерения, объем выборки и нормальность распределения, то одна и та же структура данных может быть проанализирована как параметрическими, так и непараметрическими методами.