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.