Escolar Documentos
Profissional Documentos
Cultura Documentos
Isaic-Maniu A., Mitru C., Voineagu V., Statistica pentru managementul afacerilor, Editura Economic,
1996
7 Colibab Dana tefania, Prospectarea pieei bunurilor de larg consum prin metodele cantitative specifice
economiei de pia, tez de doctorat, ASE Bucureti, 1999.
68
Aceast prim abordare se va realiza prin tehnici aritmetice, robuste, uor de intuit i
reinut, dar dup verificarea calcul cu calcul vom proceda la utilizarea facilitilor pachetului mai
sus amintit.
Asupra datelor acioneaz variabila independent cu alternativele din coloanele tabelului
statistic. Pentru verificarea omogenitii datelor, deci a lipsei de influen a variabilei
considerate independente, se utilizeaz cel mai adesea, testul prezentat la punctul 2.1.1.
2.1.1. Testul asocierii, 2 (Chi, Hi sau X2 , teoretic-t)
Testul a fost introdus de Karl Pearson (1857-1936), considerat fondatorul analizei statistice
moderne, n anul 1900 i de cele mai multe ori presupune verificarea ipotezei de asociere ntre:
(1) frecventele rspunsurilor obinute ntr-un chestionar la alternativele unor ntrebri i
(2) verificarea unui set particular de date ce pot urma o distribuie statistic cunoscut. n
problemele de marketing se aplic dup alctuirea unor tabele de contingen n care datele
sunt clasificate dup una, dou sau mai multe variabile de segmentare (categorii) in distributii
multinomiale.
Acest test permite punerea n eviden a existenei / inexistenei unei legturi de
asociere ntre subcolectivitile create de variabilele de segmentare studiate. Spre exemplu,
cnd analizm rezultatele intervievrii prin chestionar, primul pas este acela de a afla ct de
multe rspunsuri exist
pentru fiecare alternativ a unei ntrebri. Se pot obine apoi
proporiile sau procentele celor care au anumite puncte de vedere sau dein informaii legate de
scopul construirii chestionarului.
n faza a doua, se constituie tabele de contingen a rezultatelor prin ncruciarea
rspunsurilor la dou ntrebri X cu alternativele Xi, unde i = 1,.., r aezate ca rnduri (r) ale
tabelului, i Y cu alternativele Yj, cu j = 1,, c aezate n coloanele (c) ale aceluiai tabel.
n mod obinuit, ntrebrile considerate variabile
de segmentare (atribute
independente, variabile cauzale, caracteristici extrinseci, categorii exogene, stimuli) sunt
aezate n coloanele tabelului (figura 2.1).
Yj
1. j c Ti .
1
.
.
Xi
xij
Ti
.
.
r
T. j .T. j . T. .
Figura 2.1
Analiza dispersional
69
nsumrile la captul liniei presupun neluarea n considerare a variabilei din coloane sau
a altor variabile-ntrebri reprezentnd ct de multe rspunsuri exist pentru fiecare alternativ i a
unei ntrebri X ce depinde de respondent (atribut sau caracteristic dependent, efect, intrinsec,
endogen) de aceea totalul parial este notal cu Ti . , unde punctul este simbolul indiferenei
fata de variabila din coloana.
n acela fel, T.. reprezint totalul (numrul) celor ce rspund la cele dou ntrebri X, Y
(i poate fi mai mic sau egal cu cel al colectivitii intervievate) indiferent de alternativele de
rspuns i sau j
c
Ti .= x ij
(2.1)
j=1
r
Tj .= x ij
(2.2)
i =1
c
T. .= x ij x ij
j=1
(2.3)
i =1
ij =
Ti. * T.j
T..
2
4.Calcularea lui cu ajutorul formulei;
c
2
xc =
2
r, c ( x ij ij )
i, j
ij
(2.5)
(2.4)
70
2
2
5. Se compar cu obinut din tabelul repartiiei 2 astfel:
c
t
2
2
dac > se respinge ipoteza nul i deci exist o legtur ntre variabilele
c
t
de segmentare studiate;
2 2
dac se admite ipoteza nul i deci nu exist o legtur ntre
c
t
variabilele de segmentare studiate.
n condiiile n care se stabilete c exist o legtur ntre cele dou variabile de
segmentare se pune problema ct de corelate sunt acestea. Pentru a verifica acest lucru, se va
calcula coeficientul de contingen C, pentru a msura gradul de asociere ntre variabilele
tabelului de contingen.
Acest coeficient se calculeaz indiferent de natura variabilelor (continue sau discrete) i
indiferent de natura repartiiei acestora (normal sau nu) n cadrul populaiei supus cercetrii
dup modelul matematic:
C=
xc
2
N + xc
[0,1]
(2.6)
Cu ct valoarea lui C este mai aproape de 1 (dar nu ajunge niciodat s fie egal cu 1)
cu att variabilele sunt mai strns corelate.
Valoarea lui C depinde de numrul de rnduri i coloane, deci doi coeficieni de
contingen nu pot fi comparai dect dac provin din tabele de contingen de aceeai mrime.
Vom nota cu litera r (rnd, row n englez) numrul de rnduri ale tabelului de
contingen, cu litera c (coloana, column n englez) numrul de coloane iar cu litera n,
unitile observate (n = r * c), iar cu (alfa) probabilitatea erorii de genul I care se numete i
risc de genul I, reprezentnd un prag de semnificaie necesar pentru aflarea valorii F (Fisher)
din tabelele statistice.
Metodologia de determinare a raportului Fisher pentru un ntreprinztor care dorete s
nu foloseasc facilitile pachetului de programe EXCEL:
Analiza dispersional
71
TABELUL 2.1
DISTRIBUIA NR. DE CHESTIONARE PE ZILE I OPERATORI
Ziua i / Observator - j
Luni
ziua 1
Mari
ziua 2
Miercuri
ziua 3
Joi
ziua 4
Vineri
ziua 5
Total- Tj
1
99
96
95
98
97
485
2
70
65
60
65
65
325
Nr. chestionare
.8
9 10
70
85 92
51
84 91
93
80 93
94
86 90
92
90 89
.400 425 455
Cifrele din interiorul tabelului reprezint respondenii chestionai n cele cinci zile ale
cercetrii.
Modelul statistico-matematic este urmtorul:
x ij = + j + ij
(2.7)
n care fiecare dat din tabel, xij este egal cu o medie a populaiei care sufer abaterea datorat
coloanei j, j i a unei erori experimentale ij.
Se presupun seturile de ipoteze statistice:
H0 - numrul de chestionare nu este influenat de hrnicia operatorului de interviu;
( ) j , j = 0
(2.8)
72
(2.9)
(2.11)
C=
4.000
C=
= 320 .000
10 5
Se determin suma ptratelor SP pe fiecare factor de influen n parte (n acest exemplu,
conform ipotezei i modelului matematic, doar coloana j):
SPC =
c T2
.j
-C
(2.13)
n
j=1 j
n care T.j reprezint totalurile din fiecare coloan j (sau alternativ de rspuns n parte) ale
factorului observat, iar nj numrul de date observate din factorul respectiv (numrul de csue
completate din coloan).
Pentru exemplul ales vom avea urmtoarele:
SPC =
Analiza dispersional
73
SPT =
xij2 - C
(2.14)
i =1 j =1
(2.15)
SPC
MPC =
(2.16)
df1
MPC =
6.810
= 756, 67
9
MPE =
SPE
(2.17)
df 2
MPE =
3.138
= 78,45
40
Se determin raportul Fisher calculat pentru fiecare factor de influen n parte (n acest
exemplu, conform ipotezei i modelului matematic, doar factorul din coloane):
Fc =
Fc =
MPC
MPE
(2.18)
756,67
= 9,65
78,45
74
Figura 2.2
Se observ unele deosebiri, dar ipoteza diferenierii rmne oricum valabil.
Diferenierile rezult din luarea n calcul n mod diferit a gradele de libertate. Dac n
exemplul
manual erau df1 = c-1 = 9 i respectiv r = 5, produsul lor fiind 40, iar df2 este calculat drept
produsul c * (r-1), din care rezult numrul 40, n varianta ANOVA, df2 are valoarea 44,
pentru df1=c. Valoarea df1 rezult n primul caz deoarece numai c-1 medii ale coloanelor
(eantioanelor), j pot fi alese arbitrar fr a afecta valoarea mediei generale, . La fel, pentru
gradele de libertate din tabel pot fi alese, n varianta manual c * (r-1) de vreme ce r-1 valori
eantioane (zile) sunt necesare fr a afecta o medie a coloanei, c = 10.
Dac ipoteza unui singur factor o verificm pentru rnduri, avem valorile din tabelul de
mai jos, n varianta Microsoft EXCEL.
Analiza dispersional
75
TABELUL 2.2
ANOVA: SINGLE FACTOR
RNDUL ESTE CAUZA VARIAIEI
SUMMARY
Groups
Count
Average Variance
Sum
Ziua
10
55
5.5
9.16
1 10
830
83
152.89
2 10
790
79
215.33
3 10
750
75
324
4 10
820
82
154.22
5 10
810
81
214.44
SS
Between
Groups
46652.
Within
Groups
9630.
Total
df
MS
P-value
F. crit
2.38
54 178.34
56282 59
.
76
Analiza dispersional
77
vorbete cu el ca i cum a devenit deja, sau pur i simplu ar fi, o fiin pieritoare
(Petru Creia, pag. 126,127, op. cit).
Este subliniat juxtapoziia a dou teze exprimate n prima parte a vorbirii Demiurgului: a)
cea a diferenei i incompatibilitii dintre ordinea eternului i cea a efemerului i b) cea a
eternitii formelor sau a tiparelor efemerului.
Dar cum putem recunoate c relaia observat este datorat sau nu ntmplrii (erorii)? De
cele mai multe ori metoda pe care oamenii de tiin o ntrebuineaz este o versiune mai
organizat a bunului sim. S ne reamintim poezia Luceafrul creat de genialul Eminescu.
Ctlina: l vede azi, l vede mni/Astfel dorina-i gata/El iar privind de sptmni,/i
cade drag fata. (repetabilitatea ce justific trinicia relaiei)
Cauza genereaz efectele, rezultatele, reacia:
M dor de crudul tu amor/A pieptului meu coarde,/i ochii mari i grei m dor,
Privirea ta m arde.
Consecina este cererea:
Dar dac vrei cu crezmnt/S te-ndrgesc pe tine, /Tu te coboar pe pmnt, /Fii
muritor ca mine.
Situaia grea n care se afl Hyperion este aceea a unui experimentator. Ambii doresc
s afle dac ceea ce s-a ntmplat (chemrile repetate, oaptele) este datorat unui ceva
important. n ambele cazuri ei trebuie s se ngrijoreze dac reaciile obinute (datele) sunt
produse de fluctuaiile necontrolate ale unor factori neinteresani. Ar trebui s se ntrebe pe ei
nii Am primit un mesaj important, sau este datorat zgomotului din mediu
(variabilitii mediului)?
Hyperion nu tie dac toate aceste chemri nu au fost alarme false, adic ceea ce
experimentatorul va numi erori de tip I, eroarea lui fiind n acest caz renunarea la nemurire
cnd de fapt nu exist dragoste. Cu alte cuvinte crede n existena variabilei independente
(amor), cnd aceasta nu exist. Dar mai exist un tip de eroare. Ce se ntmpl
dac El nu
renun la nemurire i dragostea exist? Experimentatorul tie c este eroarea de tip II.
Prin impunerea interveniei Demiurgului i evidenierea comportamentului Ctlinei,
Eminescu ne convinge c Lucifer iubete i noi tim c Luceafrul cade n primul tip de
eroare.
- Tu-mi cei chiar nemurirea mea /n schimb pe-o srutare,/Dar voi s tii asemenea/Ct
te iubesc de tare;
Ctlina face eroarea de tip II, ea fiind convins c Hyperion nu va renuna la nemurire:
Lucete c-un amor nespus /Durerea s-mi alunge,/Dar se nal tot mai sus/Ca s nu-l
pot ajunge.
Eroarea de tip I este corectat, acel ceva important nu exist, se pare c reaciile
obinute sunt produse de fluctuaiile necontrolate ale unor factori neinteresani (muritorii
Ctlin i Ctlina). Prin urmare, El tremur ca alte di/n codrii i pe dealuri, / Cluzind
singurti/De mictoare valuri;, Dar nu mai cade ca-n trecut / n mri din tot naltul;/- Ce-i
pas ie, chip de lut,/Dac-ai fi eu sau altul ?
78
Dac judecm n continuare la rece, statistic, reaciile celor doi atunci ajungem la un punct
fundamental al experimentului i anume ncercarea de a detecta un semnal n prezena unui
mediu zgomotos. oaptele naturii, ale mrii, ale pdurii, ale vntului trebuiesc
difereniate de oaptele iubitei; apariiile misteriosului Luceafr trebuie discriminate de
apariiile altor frumoi tineri (Ctlin).
Decidentul dorete s afle dac rezultatele obinute cu un tratament experimental difer
destul de mult de ceea ce se ntmpl n lipsa acestuia pentru a decide dac variabila
experimental este eficient. n mod natural avem ncredere n date dac variabilele independente
produc reacii previzibile. Vom decide acest fapt prin compararea nivelului de zgomot,
variaie, analiznd datele n i fr prezena tratamentului. Trebuie s discriminm ntre zgomotul
de fond i cel produs atunci cnd semnalul este prezent. Trebuie s deosebim combinaia de
zgomot + semnal de zgomotul n sine ntrebndu-ne ct de probabil este s se produc
evenimentul dac este doar zgomot. Hyperion auzea un nivel sigur al larmei provenit de pe
pmnt. Unele zgomote ori oapte puteau fi o chemare. oaptele ca zgomote erau puin
peste zgomotul de fond i puteau fi chemri. Ne putem imagina ce se putea ntmpla cnd
Ctlina i-ar fi spus iubirea mea. Atunci, cu mari anse, s-ar fi produs evenimentul dragoste,
dar i eroarea, prezumtiv, de tip II: odat ajuns muritor, relaia acceptat de ctre Ctlina cea
uuratic, s fie temporar.
Tehnic, suntem interesai de un raport algebric ntre oaptele auzite i fonetele
naturale. Dac oaptele se confund sau au acelai nivel cu larma obinuit atunci raportul este,
algebric, 1. Dac zgomotul este altfel dect larma obinuit, raportul este mai mare, caz n care,
dac depete un anumit nivel de contientizare, produce reacia, deci apariia frumosului
Luceafr.
Pentru experimentator raportul este observaie / eroarea estimat. Rezult o privire asupra
diferenei ntre tratament i condiiile de control n contrast cu diferenele ce se observ fr
tratament. Dac raportul (semnal + zgomot) / zgomot este destul de mare n raport cu
zgomot/zgomot atunci exist acel ceva, semnalul. n cazul nostru oapte + larm.
Cum pot ns, n practic, decide experimentatorii c rezultatele sunt de ncredere. n
primul rnd prin inspectarea acestora. Uneori este att de evident distorsionarea datelor nct
este clar intervenia variabilei tratament doar
prin analiza experimental a
comportamentului acesteia. Alternativa tiinific presupune ns analiza statistic deoarece
ochiul i judecata obinuit sunt relativ insensibile n identificarea pragului de ncredere.
Nu trebuie uitat c rezolvm cu greutate, fr creion sau calculator, dou ecuaii cu dou
necunoscute. Cu att mai mult dac considerm n experiment mai multe variabile independente.
Poate ajuta doar reducerea nivelului de zgomot prin mrirea gradat a controlului experimentului
ceea ce nseamn intervenie i artificializare.
De aceea este preferat analiza statistic modern.
Ideea fundamental n cadrul aplicaiilor statistice moderne
este aceea c amplific abilitatea de a discrimina efectele
tratamentelor experimentale.
Analiza dispersional
79
Ce se ntmpl cnd dorim s aflm dac variabila independent are influen; spre exemplu,
Hyperion poate raiona astfel: independent de el exist o mulime de zgomot pe Pmnt. Una
dintre variabilele independente este oapta Ctlinei: Cobori. Statistica ncearc s
rezolve acest dubiu, decizia de a rspunde la apel, prin cuantificarea probabilitii
evenimentului ca parte a zgomotului de fond. S presupunem c Luceafrul are o baz de date
cu toate sunetele, zgomotele, fonetele, chemrile ntmplate sear
de sear. Pentru
simplificare, s lum numrul de date
egal cu 1000. Teoretic orice nou sunet, chemare,
oapt, o
poate compara cu cele 1000. Dac chemarea Cobori s-a ntmplat s spunem
de mai mult de 200 de ori el poate conchide c este ceva normal, se ntmpl tot timpul i deci nu
este o oapt de dragoste. Dar dac nu s-a mai ntmplat, ansele s fie din mediu sunt de 1/1000
i poate presupune altceva (dorina ateptat).
n experimente, aceasta nseamn s comparm descoperirile cu ateptrile (cunoaterea)
provenite din fluctuaiile aleatoare sau erori. Pentru o bucat de vreme presupunem c totul se
produce dintr-o ntmplare, eroare, i cutm s aflm ct de des ne putem atepta ca observaia
s se produc dac presupunerea noastr este adevrat. Acest fapt este identic cu a presupune c
variabila independent nu are efect, numit n statistic ipoteza nul.
n secolul XVIII, Blaise Pascal a creat un model matematic pentru situaii de joc pentru a
se cheam
nu fi nevoii s repetm experimentul de 1000 de ori, cazul nostru. Modelul
distribuie binomial.Conform anexei create de aceast distribuie, i presupunnd c
Luceafrul coboar de 7 ori din cele 10 chemri netiind dac este iubit sau nu, atunci
probabilitatea este 0,172. Aceasta nseamn c ne putem atepta s coboare la orice oapt n
17% din cazuri fr s tie dac este realmente dorit sau nu. Considerm c sunt cam riscante
att de multe teleportri fr efect.
Dar care este probabilitatea pe care s o acceptm ca evenimentele cercetate s se produc
doar datorit ansei. Din punct de vedere logic, decizia este arbitrar dar n practic se accept
5% sau mai puin. Aceasta este probabilitatea de a respinge ipoteza nul i este cunoscut ca
nivel (alfa).
Mrimea acestei variabile ne spune proporia n care ne ateptm s greim n respingerea
ipotezei nule. La nivelul de 5% ne ateptm s respingem, n mod fals (incorect), ipoteza
nul n 5% din cazuri sau o dat n douzeci de experimente. Respingerea incorect a
ipotezei nule este eroarea de gen I.
Pentru muli decideni, a gndi att de des eronat este inacceptabil. Ei vor dori s aeze
pragul probabilitii mai jos (3%, 1%) deci 3 n 100 de experimente sau doar unul, ori chiar
odat n 1000 de experimente (nivel 0,001). Dar cu
ct se micoreaz nivelul alfa, crete
riscul de a identifica o variabil independent care lucreaz. Aceasta este eroarea de
genul II. Probabilitatea acesteia este denumit beta i nu este un singur numr ci un set de
numere. Valoarea ei depinde de proprietile populaiei examinate pe care de obicei nu o
cunoatem.
n analiza cazului de mai sus, ipotezele H0 i H1 pentru Luceafr, respectiv Ctlina sunt
urmtoarele:
LUCEAFR
80
CTLINA
H0 nu exist diferene n comportamentul Luceafrului, decizia va fi c voi accepta flirtul lui
Ctlin;
H1 exist diferene, vrea s fie muritor ca i mine, m iubete i face sacrificiul suprem.
Cum am apreciat anterior, eroarea Luceafrului este de genul nti, respinge ipoteza Ho
dei n realitate ea este adevrat n timp ce Ctlina face o eroare de genul al doilea, accept Ho
cnd ipoteza e fals9.
Reacie - Ipotez
H0 fals
Accept - Ctlina
Eroare gen II
Resping - Luceafrul
H0 adevrat
Eroare gen I
x ij = + i + j + ij
(2.19)
n care fiecare variabil observat xij este egal cu media populaiei, care sufer abaterea liniei
i, abaterea coloanei j i a erorii experimentale ij.
9 Mihi N.V., Eseu privind incertitudinea i comunicarea, Sesiunea tiinific a cadrelor didactice,
Univ.George Bariiu, Braov, mai, 2000.
Analiza dispersional
81
( ) i , i = 0
H1
(2.20)
() i , i 0
(2.21)
( ) j , j = 0
sau, oricare ar fi media pe coloana j, j
1 = 2 = 3 = .j = . = c
numrul de chestionare este influenat de hrnicia operatorului de interviu; exist
H1
diferene semnificative ntre operatori. vor fi valabile relaiile (2.10), (2.11)
() j , j 0
sau cel puin dou medii pe coloan nu sunt egale:
1 .j
Se calculeaz numrul de grade de libertate df1 pentru fiecare factor de influen i
numrul de grade de libertate df2 pentru ntregul tabel.10
df1 = r - 1 = 4
df1 = c - 1 = 9
df2 = (r - 1)(c - 1) = 36
i pentru = 0,05
Fr (4, 36) = 2,63
iar
Fc (9, 36) = 2,15
Se determin factorul de corecie C:
C=
10
2
T..
rc
(2.22)
Hicks, Charles R., Fundamental Concepts in the Design of Experiments., New York: Holt, Rinehart and
Winston, Inc. 1964
82
2
C=
4.000
= 320 .000
10 5
SPR =
r T2
i. - C
i=1
SPR =
(2.23)
SPC =
c T2
.j
j=1
SPC =
-C
SPT =
xij2 - C
i =1 j =1
(2.25)
(2.24)
Analiza dispersional
83
MPR =
400
= 100,00
4
SPC
MPC =
df1
MPC =
6.810
= 756, 67
9
MPE =
MPE =
SPE
df 2
2.738
= 76,06
36
MPR
MPE
Fr =
(2.27)
Fc =
MPC
MPE
Fr =
100,00
= 1,31
76,06
Fc =
756,67
= 9,95
76,06
84
TABELUL 2.3
Se apeleaz din meniul Tools, Data Analysis i se alege :
Anova: Two-Factor Without Replication
n ecranul aprut se introduce:
Se bifeaz: Label
Average
Variance
1
2
3
4
5
10
10
10
10
10
830
790
750
820
810
83
79
75
82
81
152.89
215.33
324
154.22
214.44
1
2
3
4
5
6
7
8
9
10
5
5
5
5
5
5
5
5
5
5
485
325
350
475
310
410
365
400
425
455
97
65
70
95
62
82
73
80
85
91
2.5
12.5
262
24
74.5
24.5
6.5
362.5
13
2.5
SS
df
MS
400
6810
2738
4
9
36
100
756.67
76.056
1.3148
9.9489
Total
9948
49
Rezultate similare cu lucrul direct
PF crit
value
0.283 2.634
2E-07 2.153
Analiza dispersional
85
Vom analiza cazul n care asupra datelor din tabel acioneaz doi factori simultan
(alternativele n rnduri pentru unul i alternativele celuilalt n coloan) iar interaciunea
existent sau nu ca legatur, va fi descoperit pe baza repetiiei observaiilor.
Vom lua n calcul cazul n care exist interaciune ntre zilele lucrtoare ale sptmnii
i amplasamentul unor uniti comerciale. n acest caz, rndurile tabelului de contingen vor
cuprinde zilele lucrtoare , coloanele vor fi societile comerciale, iar drept repetiie vom lua
n considerare observaiile fcute dimineaa i dup orele 15.
TABELUL 2. 4
Dou intrri
Vadul
comercial
Ziua /
repetiia
S.C. 1
S.C. 2
S.C. 3
Luni
Dimineaa
72
66
80
Dup ora 15
76
72
84
Dimineaa
71
69
97
Dup ora 15
75
73
95
Dimineaa
81
75
100
Dup ora 15
83
75
96
Dimineaa
70
64
95
Dup ora 15
72
66
89
600
560
736
Mari
Miercuri
Joi
T.j.
T1. = 450
T2. = 480
T3. = 510
T4. = 456
Ti..
xijk = + i + j + ij + ijk
(2.28)
n care fiecare variabil observat xijk este egal cu o medie a populaiei care sufer: abaterea
liniei i, fa de medie, abaterea coloanei j, fa de medie, interaciunea dintre linie i coloan
ij, abateri fa de medie datorit influenei simultane att a liniilor ct i coloanelor, sau datorit
erorii experimentale ijk (ali factori influeneaz datele i ei nu au fost luai n model, exist
perturbaii majore asupra datelor i le fac s difere fa de medie).
86
( ) i , i = 0
sunt diferene semnificative ntre mediile pe rnduri; ex.n unele zile datele centralizate
H1
pe cele trei S.C.-uri sunt semnificativ diferite fa de media pe sistem datorit abaterilor.
Relaia este n acest caz (2.21)
() i , i 0
Coloan (localizarea geografic)
H0
datele o inute nu sunt diferite semnificativ statistic de la o unitate la alta; ex. indiferent de
zi sau ali factori (fenomen realizat prin totalizarea datelor, uitnd de unde provin) nu sunt
abateri fa de medie. Relaia utilizat este (2.8)
( ) j , j = 0
datele difer statistic semnificativ de la o unitate la alta; ex. totalurile obinute difer
semnificativ statistic fa de medie, exist abateri. Folosim relaia (2.10)
H1
() j , j 0
Interaciune (exist o legtur care poate duce la o segmentare)
H0
datele obinute sunt aproape egale cu media general indiferent de zi sau unitate
comercial;
( ) i , j , ij = 0
(2.29)
H1
anumitor S.C.-uri le merg bine n zile cnd altora le merge prost i vice-versa, sunt
abateri semnificative statistic fa de medie.
( ) i , j , ij 0
(2.30)
Se calculeaz numrul de grade de libertate df1 pentru rnd, coloan, interaciune (fiecare
factor de influen din model) i numrul de grade de libertate df2 pentru ntregul tabel, unde sunt
r rduri, c coloane, i n repetiii.
df1 = r - 1 = 3
df1 = c - 1 = 2
Analiza dispersional
87
df1 = (r - 1)(c - 1) = 6
df2 = r c (n - 1) = 12
pentru = 0,05 avem Fisher tabelat pentru:
Ftabelat rnd (3, 12) = 3,49;
Ftabelat coloan (2, 12) = 3,88;
Ftabelat interaciune (6, 12) = 3,00
Se determin factorul de corecie C:
C=
T 2...
r cn
(2.31)
2
C = 1.896 = 149.784
24
unde T este totalul general, n care dispare identitatea liniei i, coloanei j i repetiiei k.
Se determin suma ptratelor SP pentru fiecare factor de influen din model:
r
SPR =
i =1
T i2.
-C
cn
(2.32)
2+
2+
2+
2
SPE = 450 480 510 456 - 149.784 = 372
6
SPC =
c T2
.j
(2.33)
r xk - C
j =1
SPC =
SPRep =
c T2
rep
i =1 j =1
SP Re p =
-C
(2.34)
( 72 + 76 )2 + (66 + 72 )2 + ...
- 149.784 = 2.676
2
(2.35)
88
r
SPT =
rep
2 -C
x ijk
(2.36)
i =1 j=1k =1
( 2.37)
MPR =
SPR
r 1
MPI =
372
SPC 2.128
= 124 MPC =
=
= 1.064
3
2
c 1
SPI
176
=
= 29,33
6
(r 1)(c 1)
MPE =
SPE
102
=
= 8,5
r * c * ( n 1) 12
F=
r
MPR 124
=
= 14,59
MPE 8,5
F =
i
F =
c
MPC 1.064
=
= 125,18
MPE
8,5
MPI 29,33
=
= 3,45
MPE
8,5
Se compar valoarea tabelat cu valoarea calculat i se constat c ipoteza nul este respins n
toate cele trei cazuri.
In ilustrarea de mai jos artm modul n care se poate apela la MicrosoftEXCEL cu
rezultatul urmtor:
Analiza dispersional
89
= 0,01 nu exist
interaciune. Pentru rezultatele MicrosoftEXCEL, situaia este redat mai jos n tabelul 4.
TABELUL 4
ANOVA
Source of
Variation
Sample
Columns
Interaction
Within
Total
SS
df
MS
P-value
F crit
372
2128
176
84
2760
3
2
6
12
23
124
1064
29.33
7
17.7
152
4.2
0.00011
3E-09
0.0167
3.490
3.885
2.996
Ce trebuie iar apreciat este faptul c valoarea SPE a fost calculat diferit (rndul de mai sus
Within) ceea ce arat nc odat, diferena ntre gndirea diferit a colilor de teorie statistic. Trebuie
subliniat atitudinea specialistului de a nu rmne robul unei singure tehnici, dar mai ales verificarea
din mai multe, unghiuri de vedere, cu tehnici diferite, deoarece ele nu sunt singurele purttoare de
adevr.
90
2.3. Identificarea interaciunilor prin experimente factoriale.
chestionai ntr-o intersecie. Pentru a se valida cercetarea a fost luat n calcul ca test de control o alt
intersecie amenajat identic ca panotaj. n urma cercetrii, au rezultat urmtoarele rezultate :
TABELUL 5
Combinatia
factorilor
Sptmna n care
s-a desfurat
experimentul
Total
Efect simplu si
combinat
II
69
74
143
t1
72
81
153
ta
71
80
151
tb
75
82
157
tc
AB
73
80
153
tab
AC
77
87
164
tac
BC
79
94
173
tbc
ABC
82
95
177
tabc
Total
589
673
1271
Total
Cifrele reprezint numrul de intervievai care au tiut unde au mai vzut reclama din panotajul
afiat. Factorul A:
sex
Niveluri: 0 Femeie
Brbat
Factorul B:
dup ora 15
Factorul C:
0 n strad
pe o faad
111
ABC
Abc
100
(a)
Abc
Abc 110
(ab)
abC
001
(c)
001 abc
000
abc (1)
O1O
(b)aBc
aBC
O11(bc)
Analiza dispersional
91
xi
jk l
= + i + j + k + i j + i k + j k + i
jk
+ i
jk l
Repetiii
momentul
factorilor
a
II
69
74
Total
pariAL
Efect pariale i
combinate
143
t1
72
81
153
ta
...
...
...
tb
...
...
...
tc
...
...
...
tab
...
...
...
tac
...
...
...
tbc
...
...
...
tabc
92
10 010
Analiza dispersional
93
Avnd n vedere c factorul A ctig influennd la patru subtotaluri i anume ta, tab, tac, tabc;
pentru a obine efectul lui A, simplu i combinat, vom scdea din suma ctigului contribuiile altora
fr factorul A, i anume ali factori din mediu (1), ctigul lui B fr A, ctigul lui C fr A, i
ctigul combinaiei ntre B i C, fr A. Situaia se repet i pentru factorii B i C. Vom organiza datele
n tabel astfel nct s obinem aceste noi totaluri.
Datele vor fi organizate ntr-un tabel al semnelor aritmetice, astfel:
1
ab
ac
bc
abc
1271
T1
23
Ta
37
Tb
71
Tc
(-11)
Tab
(-1)
Tac
21
Tbc
Tabc
Total
Sumele s-au obinut prin adunarea , acolo unde este semnul "+" i prin scderea, acolo unde este
semnul "-" a subtotalurilor efectelor pariale i combinate obinute n urma cercetrii i ilustrate n tabelul
6.
Spre exemplu:
Ta=-t1+ta-tb-tc+tab+tac-tbc+tabc=
-143+153-151-157+153+164-173+177=23
iar interacinea AC este:
Tab=+t1-ta+tb-tc-tab+tac-tbc+tabc= 143-153+151-157 153 +164-173+177 = - 1
Grafic, interaciunea AC arat astfel:
interaciunea
AC
94
interaciune
a BC
interaciunea
AB
avem
Ft (1,7) = 5,59
Analiza dispersional
95
2
C=
1271
T
=
= 100.965,06
nr.
repetitii
*
x
2
2
2
1
23
T
SPA = 3 a =
= 33,06
2 x 2 16
37
SPB = 3Tb =
= 85,56
x
2
16
2
2
2
( -1)
Ta c
SPAC = 3
=
= 0,06
16
2 x2
SPBC = T3 b c = 21 = 27,56
2 x 2 16
2
5
SPABC = T3a b c = = 1,56
2 x 2 16
2
SPRep =
2
2
T rep
598 + 673
C
=
- 100965 = 351,56
3
3
2
k =1 2
SPT = x
2
i j k l
-C=
i=0 j =0 k =0 l =1
96
MPA = SPA
MPB = SPB
MPC = SPC
MPAB = SPAB
MPAC = SPAC
MPBC = SPBC
MPABC = SPABC
Se determin media ptratelor pentru eroarea experimental:
MPE =
SPE
37,96
= 5,42
7
df 2
F =
Re p
MP Re p 351,56
=
= 64,86 > F
MPE
5,42
Fa =
Fb =
MPB
MPE
MPA
MPE
(2.60)
(2.61)
MPC
MPE
85,56
= 15,74 > F t
5,42
(2.62)
Fc =
Fab =
Fa =
33,06
= 6,09 > Ft
5,42
F b=
Fc =
315,06
= 58,12 > F t
5,42
MPAB
MPE
(2.63)
7,56
= 1,39 < Ft
5,42
MPAC
Fac =
MPE
0,06
= 0,01 < Ft
Fac =
5,42
Fab =
Fbc =
MPBC
MPE
(2.65)
Fbc =
F abc =
MPABC
MPE
Fabc =
27,56
= 5,08 < Ft
5,42
(2.66)
MPABC 1,56
=
= 0,28 < F t
MPE
5,42
(2.64)
Analiza dispersional
97
De vreme ce Fisher tabelat are valoarea 5,59, ipoteza nul este respins n primele
n ultimele patru teste. Sptmnile produc diferene
patru teste i acceptat
semnificative statistic (panoul st mai mult timp, iar dup dou sptmni devine lesne
reamintirea).
Efectele principale ale variabilelor independente, sex, momentele zilei i tipul de
panotaj sunt semnificative statistic, adic sunt diferene notabile ntre numrul de panouri de
care i-au reamintit pe faade stradale, momentele observaiilor i-au spus cuvntul i chiar
surpriza c reamintirea difer n funcie de sex. Se remarc faptul c nici o interaciune nu este
obinut semnificativ statistic,dar interaciunea dintre momentul zilei i tipul de panotaj care
nu este semnificativ la un nivel al semnificaiei de 0,05, poate deveni semnificativ la un
nivel de 0,10.
Aplicaia utiliznd rezultatele MicrosoftEXCEL este redat n figura
2.7, 2.8, 2.9 i 2.10.
Figura 2.7 Comenzi succesive n MicrosoftEXCEL
Data Pivot
Table
Report
Next Range
= E18
PAGE
=$B$17
B
Factorul B
COLUMN
98
C19
=
D19
Fig.2.8
Coloane
EXCEL
A
F
=D19
Linie EXCEL
=$B$17
17 Experiment cu 3 factori si rep.
18 Repetitii
C
A
20 1
1
1
21
2
1 Total
22
23
2
1
24
2
2 Total
25
26 1 Total
27 2
1
1
28
2
1 Total
29
30
2
1
31
2
2 Total
32
33 2 Total
34 Grand Total
G
= B19
=E18
=C19
B
1
69
72
141
75
77
152
293
74
81
155
82
87
169
324
617
2
71
73
144
79
82
161
305
80
80
160
94
95
189
349
654
Total
140
145
285
154
159
313
598
154
161
315
176
182
358
673
1271
Figura 2.9
Plasarea n Pivot Table poate fi urmrit n continuare n figura 2.10.
LEGENDA
REPETITIE
Factorul C
Factorul A
2&3
Factorul B
count Of
repeti ie
=B20
=B27
Repetitii
1
2
69
74
Total
143
Rep.1
=E20
=E21
=F20
=E23
=F21
=E24
=F23
=F24
Rep.2
=E27
=E28
=F27
=E30
=F28
=E31
=F30
=F31
SPEvariabilei
1271 100965 C
Analiza dispersional
A
72
81
B
71
80
C
75
82
AB
73
80
AC
77
87
BC
79
94
ABC 82
95
T.rep 598 673
99
153
151
157
153
164
173
177
1271
23
37
71
-11
-1
21
5
100.
965
33.06 SPA
85.56 SPB
315.06 SPC
7.56 SPAB
0.06 SPAC
27.56 SPBC
1.56 SPABC
351.56 SPRep
859.93 SPT
37.93 SPE
C =sus
6.10 Fa
15.78 Fb
58.13 Fc
1.39 Fab
0.01 Fac
5.08 Fbc
0.28 Fabc
64.86 Frep
Ftab 5,59
=
5.42 MPE
Figura 2.10
2.4. PTRATUL LATIN I GRECO-LATIN N ANALIZA DATELOR
Ptratul latin reprezint un plan experimental incomplet pentru analiza a trei factori prin
folosirea unui model trifactorial ANOVA, n cazul verificat al lipsei interaciunii ntre factori.
n acest fel se msoar efectele pe care le au diferitele nivele ale anumitor variabile simultan, n
timp ce efectele altor variabile ar trebui meninute la un nivel constant, sau aa cum se ntmpl
n prelucrrile obinuite, ignorate i considerate fr o influen esenial asupra rezultatelor
proiectrilor experimentale.
Construcia ptratelor latine se bazeaz pe teoria corpurilor Galois, iar denumirea lor
provine de la folosirea literelor din alfabetul latin pentru desemnarea nivelelor factorului al treilea
(tratamentul).
Organizarea experimentului dup aceast metod presupune mprirea n n
tratamente, n rnduri i n coloane astfel nct fiecare tratament s apar o singur dat n
fiecare rnd
sau coloan corespunztoare nivelurilor celor dou variabile independente
(respectiv din rnd i coloan). Tratamentele vor fi distribuite n mod aleator n celulele tabelului
dar niciodat pe linie ori coloan nu vom avea aceeai liter.
Tabelele pot avea diverse forme:
TABEL 2 9
TABEL 2.10
TABEL 2.11
Spre exemplu, Primria dorete s aprecize, nainte de diversele licitaii pentru obinerea
dreptului de folosire a panourilor publicitare, valoarea amplasamentului acestora n locurile
amenajate n acest scop. Pentru o firm care liciteaz, Tabelul 2.9 poate conine a) pe linii cele
trei alternative pentru zona n care sunt amplasate: centru, intermediar, periferie; b) n coloana
ntia zilele cuplate (sau oricare) luni, mari i miercuri ca nceputul sptmnii de lucru,
considernd similitudini n comportamentul subiecilor n aceste zile dar deosebiri fa de cele
100
din coloana a II-a, care cuprinde zilele joi i vineri, sau de weekend din coloana a III-a, zilele
smbt i duminic. Tratamentul poate consta din trimiterea unor observatori (studeni sau
personal auxiliar instruit) n cursul dimineii (alternativa A), zilei (B) sau serii (C).
Problema const n utilizarea eficient a resurselor umane i de timp ori bani. n loc de a
obine informaii privind numrul de ceteni, maini mici i mari care se deplaseaz prin faa
panourilor n discuie din 3 zone x 3 zile omogene x 3 segmente omogene ale zilei, ce
nseamn 27 de surse de date ce trebuie investigate, experimentatorul care utilizeaz ptratele
latine consider c sunt suficiente doar 9. Sigurana acestei convingeri rezult din proiectarea
atent i tratamentul adecvat al acestor surse. Astfel n zonele cercetate nu se fac observaii n
toate zilele i la orice or, ci dup o planificare experimental atent spre exemplu: n zona
central, la nceputul sptmnii doar dimineaa (tratament A), n timpul sptmnii, la prnz i
n weekend doar seara, n timp ce simultan, n zona a II-a (intermediar), la nceputul sptmnii
n timpul prnzului, n zilele de joi-vineri, seara; pentru zonele situate n periferie, la nceputul
sptmnii, seara, n timpul sptmnii, dimineaa, iar n weekend, la mijlocul zilei.
Una dintre ipotezele importante de lucru este aceea c ntre variabilele analizate (inclusiv
cu tratamentul) nu exist interaciuni. Panourile publicitare pot fi vzute n orice fel de zon n
orice perioad de timp din sptmn sau zi.
Dar poate c importante pentru Primrie sunt panourile plasate pe 4 mari artere de
circulaie identificate ca fiind interesante pentru strbaterea localitii cercetate. De altfel, nu
zilele sau chiar sptmnile sunt importante deoarece nchirierea se face pe termen lung, aa c
variabila din coloan trebuie s fie alta, spre exemplu poziia panoului publicitar (pe trotuar, la
nivelul de 3-5 m, 5-8 m i peste 8 metri. Tratamentul poate consta n locul n care este situat
panoul n sensul A-foarte aproape de centru, B-la distan de 2 km de centru, C-5 km de centru,
D-foarte departe de centru.
Aceasta nseamn c vom avea (pentru tabelul 210):
4 rnduri 4 coloane 4 forme ale tratamentului = 43 = 64 observaii.
Aceste 64 de observaii se reduc la 16 deoarece avem 4 forme ale tratamentului (A, B, C,
D) iar tratamentul este unul singur! Rezult c vom avea: 16 date observate n tabel = 42 = n2
uniti de test.
Prin intermediul acestui tip de proiectare pot fi controlate simultan dou sau mai multe
variabile independente care pot afecta concret rspunsul unitilor experimentale. Acest control
simultan permite nlturarea efectelor variabilelor respective asupra erorii experimentale.
Calculele analizei dispersionale mpart dispersia total n efectele distincte ale
tratamentului, coloanei, rndului i eroarea experimental.
Rolul ptratelor latine n studiile de pia este acela c
prin organizarea experimentului se reduc cheltuielile
materiale i umane (datorit tratamentului) iar
controlul simultan permite nlturarea efectelor
variabilelor de segmentare alese asupra erorii
experimentale.
Analiza dispersional
101
Definim problema drept nevoia de a msura ori evalua i ierarhiza punctele de trafic unde
merit s fie afiate posterele.
Aceasta nseamn numrarea persoanelor, mainilor mari-mici-medii, autobuzelor i
sistematizarea informaiilor rezultate din datele culese la faa locului.
Ipotezele de lucru sunt: (1) rezultatele msurtorilor difer lunar sau la un interval
de timp de dou luni i n mod sigur, cele fcute primvara difer de cele fcute vara i mai
ales n cursul unei zile;
(2) rezultatele msurtorilor n locuri diferite variaz n zilele unei sptmni (Luni de
Mari, Miercuri);
(3) iar ziua de Luni din prima sptmn a lunii difer, ca trafic de ziua de Luni de
celelalte ale lunii;
(4) conceptul de medie ascunde diferenele i nu corespunde realitii spre exemplu
gospodin medie, salariu mediu, cultur medie, etc.
TABELUL 2.12
Ore 6-9
9 12
12 15 15 18 18 21 21 23
S1 Joi
Smbt Vineri
Luni
Miercuri Mari
S2 Smb-t Vineri
Joi
Miercuri Mari
Luni
S3 Vineri
Miercuri Mari
Joi
Luni
Smbt
S4 Luni
Mari
Miercuri Smbt Vineri Joi
S5 Miercuri Joi
Luni
Mari
Smbt Vineri
S6 Mari
Luni
Smbt Vineri
Joi
Miercuri
Not: S semnifica sector la care este ataat numrul sect.
x ijk = + i + j + k + ijk,
i = j=k = n
(2.67)
n care fiecare variabil observat xijk este egal cu o medie a populaiei care sufer abaterea
liniei i , abaterea coloanei j , abaterea datorat tratamentului k i a unei erori experimentale
ijk. Dup ilustrarea a nc dou exemple de ptrate greco latine tabelele 2.13 i 2.14, pentru
exemplificare vom reduce problema la ptratul latin 4*4*4.
TABELUL 2.13 / TABELUL 2.14
Ore
Sect.
1
Sect.
2
Sect.
3
Sect.
4
Sect.
5
Sect.
6
PAN
OU
6-9
A / Joi
9-12
B/
Smbt
C / Vineri
12 - 15 15 18 18 - 21 21 - 23
C/
D / Luni E / Mier- F / Marti
Vineri
curi
B/
A / Joi E/Mier- F / Marti D / Luni
Smbt
curi
C/
E / Mier- F / Marti A / Joi D / Luni B/
Vineri curi
Smbt
D / Luni F / Marti E/Mier- B /
C / Vineri A / Joi
curi
Smbt
E/Mier- A / Joi
D /Luni F / Marti B /
C
curi
Smbt /Vineri
F / Marti D /Luni B /
C/
A / Joi
E/MierSmbt Vineri
curi
A =
B=
C=
D=
E=
F=
1, 7, 13 2, 8, 14
3,9,15 4,10,16 5,11,17
6,12,18
102
LH
S1
S2
S3
S4
S5
S6
U
A
L
D
J
V
M
S
m
B
D
V
S
M
J
m
L
C
S
M
V
J
m
L
D
D
V
J
M
m
L
D
S
E
J
S
m
L
D
M
V
F
M
m
L
D
S
V
J
G
m
L
D
S
V
J
M
Zona
OBS.
800-1200 1200-1600
1600-2000
Zona 1
85
79
76
Zona 2
73
81
Zona 3
75
78
Zona 4
82
70
T.j
315
308
2000-2400
Ti.
78 D
318
84
75 C
313
92
83 A
328
79
90 B
321
331
326
1.280
( ) i , i = 0
H1
() i , i 0
Coloan (reperele orare)
H0
numrul de persoane care i amintesc reclama este semnificativ statistic egal cu media,
indiferent de reperele orare;
( ) j , j = 0
H1
numrul de persoane care i amintesc reclama este diferit, pe repere orare diferite.
() j , j 0
Tratament (ziua din sptmn)
Analiza dispersional
H0
103
numrul de persoane care i amintesc reclama este aproape acelai indiferent de ziua din
sptmn;
( ) k, k = 0
H1
() k , k 0
C=
T i2 j
(2.67)
r c
1.2802
= 102.400
16
Se determin suma ptratelor pe fiecare factor de influen
C=
SPR =
i=1
SPR =
(2.68)
SPC =
n T2
.j
j=1
SPC =
T i2.
-C
c
-C
(2.69)
Se calculeaz suma ptratelor SP pe tratament, care este cel de-al treilea factor. Pentru
aceasta, vom calcula numrul totalul de persoane care i-au amintit reclama pe zi, indiferent de
loc sau moment al zilei.
Luni
Mari
Miercuri
Joi
Total general,
A = 79 + 84 + 83 + 82 = 328;
B = 92 + 90 + 85 + 81 = 348;
C = 76 + 70 + 75 + 75 = 296;
D = 79 + 78 + 73 + 78 = 308;
= 1.280.
104
SPTratament =
k =1
SPTratament =
T 2trat
-C
k
(2.70)
SPT =
x ij2 - C
(2.71)
i =1 j = 1
(2.72)
MPR =
SPR
(2.73)
df 1
30
MPR =
= 10
3
SPC
MPC =
(2.74)
df 1
82
MPC =
= 27.33
3
MPTratament =
SPTratament
(2.75)
df 1
MPTratament =
392
= 130,67
3
MPE =
SPE
df 2
(2.76)
Analiza dispersional
105
20
= 3,33
6
Se determin raportul Fisher calculat pentru fiecare factor de influen (folosind
formulele 2.18, 2.27).:
MPR
Fr=
MPE
MPE =
Fc =
Fr =
10
= 3,00
3,33
Fc =
27,33
= 8,21
3,33
MPC
MPE
MPTratament
(2.77)
MPE
130,67
= 39,24
F tratament =
3,33
Se compar valoarea tabelar cu valoarea calculat:
Fr < 4,76;
Fc > 4,76;
Ftratament > 4,76
Concluziile sunt urmtoarele: nu sunt diferene semnificative ntre cei ce i-au
reamintit reclamele ei fiind intervievai n zone diferite n schimb ziua este variabila care
arat diferene semnificative, se pare c mari i luni memoria este mai proaspt fa de joi
i miercuri, iar diferene mai mici dar semnificative statistic se regsesc la nivelul orelor n
cursul zilei.
Calculele realizate utiliznd ANOVA prin MicrosoftEXCEL sunt redate cu
explicaiile de rigoare n textul integrat mai jos:
F tratament =
TABELUL 2.16
A
1
2
3
4
5
6
7
Rnd 1
Rnd 2
Rnd 3
Rnd 4
85
73
75
82
79
81
78
70
76
84
92
79
78
75
83
90
C
A
B
D
D
C
A
B
TRATAMENT
B
D
C
A
A
B
D
C
106
Replication
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
J
1
SUMM
Count Sum Average Variance
ARY
1
4 318 79.5
15
2
4 313 78.25 26.25
3
4 328
82 55.33
4
4 321 80.25 68.25
1
2
3
4
4
4
4
4
ANOV A
Source
of
Variation
SS
df
MS
PF crit
value
Rows
Columns
Error
29.5
81.5
413
9 45.889
Total
524
15
M
Q
Total rind
1
2
3
4
79
84
83 82
Rand 1 A
2
328
Rand 2 B
85
81
92 90
3
348
Rand 3 C
76
75
75 70
4
296
Rand 4 D
78
73
78 79
5
308
6
7 Pentru tratament, datele din tabelul de mai sus sunt obinute
prin functiile:
8
9 Pentru M2:
=IF(F2="A",+B2,IF(G2="A",+C2,IF(H2="A",+D2,I
F(I2="A",+E2))))
10 ..
11 Pentru P5:
=IF(F5="D",+B5,IF(G5="D",+C5,IF(H5="D",+D5,I
F(I5="5",+E5))))
12
13 Se apeleaz din meniul Tools,
Data Analysis si se alege :
14
Anova: Two- Without
Factor
Replicati
on
15
16 n ecranul aprut se introduce: Input
Analiza dispersional
Range $K$1:$P$5
se bifeaz:
17
Label
107
Output
Range
$K$21
18
19
20
21 Anova: Two-Factor Without
Replication
22
23
Vari
SUMMARY Count Sum Average
ance
1
4
328
82 4.67
24
2
4
348
87 24.67
25
3
4
296
74 7.33
26
4
4
308
77 7.33
27
28
1
4
318 79.5
15
29
2
4
313 78.25 26.25
30
3
4
328
82 55.33
31
4
4
321 80.25 68.25
32
ANOVA
Source of
Variation
Rows
SS
df
392
Columns
29.5
Error
102.5
Total
524
A
B
C
D
n C40 funcia este:
=C34 -C30 -C31- L37
39 SSE =
40 SSE =
41 MSE =
42 MSE =
43
Pvalue
3 130.66 11.47 0.00
2
7
3 9.833 0.86 0.49
5
9 11.389
MS
F crit
3.863
3.863
15
SST SSR
SSC- SSTR
21
SSE/[(r-1)(r- 2)]
3.5
G
H
I
EXIST DI FE RE NE?
Frnd
Fcoloan
Ftratament
Fteoretic
n G39 funcia
este=E30/C42
n G40 funcia este:
=E31/C42
n G41 funcia este:
=N37/C42
n H39 funcia este:
=IF(G39<G42, NU, DA)
n H40 funcia este:
2.81
NU
7.76
37.33
4.76
DA
DA
108
=IF(G40<G42, NU, DA)
n H41 funcia este:
=IF(G41<G42, NU, DA)
n anex vom prezenta cteva studii de caz pentru aplicarea metodelor cantitative n
marketing
Menionm c nu sunt cercetri contractate iar exemplele sunt fcute pentru a fi
criticate (studiile de caz nu au soluii unice). Datele culese pe baz de chestionare (la fel,
criticabile), au fost sistematizate doar n scopul aplicrii metodelor cantitative i interpretrii
ct mai realiste. Ele nu sunt conforme cu realitatea economic, mereu n schimbare, dar
incit la cercetri aprofundate al cror rezultat poate fi o decizie neleapt sau un portofoliu
de decizii pentru cazuri de avarie.