Статистическая обработка данных в электронных таблицах.

Задача 4Необходимо провести расчет сводных показателей по продажам продукции отдельных видов торговыми точками в указанные периоды. На рис.17 приведён фрагмент исходных данных.Рисунок – Исходные данные (фрагмент)Далее проведен расчет сводных показателей по указанному массиву.На рис.18 показана настройка сводного отчета по объемам продажи товаров по месяцам.Рисунок 18 – Настройка полей сводной таблицыНа рис.19 приведён результат формирования сводной таблицы.Рисунок 19 – Результат формирования сводной таблицыНа рис.20 приведён результат формирования сводной таблицы в разрезе ассортимента и торговых точек.Рисунок 20 – Результат формирования сводной таблицыНа рис.21 приведён результат составления сводной диаграммы.Рисунок 21 – Сводная диаграммаДалее проведено статистическое исследование зависимости объемов продаж от величины предоставления скидок.На рис.22 приведены настройки формирования данных описательной статистики.Рисунок - Настройки формирования данных описательной статистикиНа рис.23 приведён результат формирования данных описательной статистики.Объем продаж Скидка Среднее62.01886792Среднее4.45283Стандартная ошибка3.578934757Стандартная ошибка0.458405Медиана62Медиана4Мода32Мода1Стандартное отклонение26.05503832Стандартное отклонение3.337238Дисперсия выборки678.8650218Дисперсия выборки11.13716Эксцесс-1.38917579Эксцесс-1.1435Асимметричность0.126512493Асимметричность0.351836Интервал87Интервал11Минимум15Минимум0Максимум102Максимум11Сумма3287Сумма236Счет53Счет53Наибольший(1)102Наибольший(1)11Наименьший(1)15Наименьший(1)0Уровень надежности(95.0%)7.181657996Уровень надежности(95.0%)0.919857Рисунок 23– Результат формирования описательной статистикиКак показано на рис.23, в режиме описательной статистики проведено формирование данных, включающих минимальное, максимальное значения, показатели доверительного интервала, средние значения, показатели выборки, включающие эксцесс и асимметричности.Далее проведён расчет показателей корреляции (рис.24).Рисунок – Настройка расчёта показателей корреляцииНа рис.25 приведён результат расчетов показателей корреляции. Объем продажСкидкаОбъем продаж1Скидка0.5466211Рисунок 25 - Результат расчетов показателей корреляцииКак показано на рис.25, между изучаемыми показателями существует слабая прямая зависимость с коэффициентом корреляции 0,546.Далее проведено формирование статистики двухфакторного дисперсионного анализа. На рис.26 приведена настройка расчета.Рисунок – Настройка расчета двухфакторного дисперсионного анализаНа рис.27 приведён результат расчётов. Рисунок 26 – Результат расчета двухфакторного дисперсионного анализаДалее проведён анализ зависимости объемов продаж от бонусов с использованием режима «Регрессия». На рис.27 приведена настройка расчета.Рисунок 28 – Настройка расчета показателей регрессииНа рис.29 приведены результаты расчета показателей регрессионной статистики.Регрессионная статистикаМножественный R0.546621R-квадрат0.298795Нормированный R-квадрат0.285046Стандартная ошибка22.03083Наблюдения53Рисунок 29 – Результаты расчета показателей регрессионной статистикиНа рис.30 приведены результаты расчёта показателей дисперсионного анализа.Рисунок 30 – Результаты расчёта показателей дисперсионного анализаНа рис.31 приведён график выборки по показателю объёмов продаж.Рисунок 31 – График выборки по показателю объёмов продажНа рис.32 приведён график остатков по показателю «Скидка».Рисунок 32 – График остатков по показателю «Скидка»Выводы по разделуВ практической части работы проведено исследование возможностей табличного процессора MS Excel для проведения анализа статистических показателей выборки. Проведено решение задач оптимизации с использованием сервиса поиска решения. Также проведено изучение возможностей пакета анализа данных и построения сводных таблиц.Таким образом, поставленные задачи выполнены.ЗаключениеВ рамках данной работы рассмотрены теоретические аспекты решения задач по обработке статистических данных, рассмотрены вопросы использования MS Excel для решения задач статистического анализа. Использование системы статистической обработки информации обеспечивает возможности анализа деятельности предприятий, оптимизации структуры производства, финансирования основной деятельности, эффективного использования кредитных ресурсов и государственных субсидий. В настоящее время технологии работы с массивами данных и накопление больших объемов информации предоставляет возможности проведения обработки, целью которой является выявление трендов, прогнозирование поведения изучаемых систем. Сферами применения технологий обработки больших данных являются: задачи маркетинга, государственного управления, планирование производства и реализации продукции, планирование транспортной инфраструктуры, строительства социальных объектов.Основными методами решения задач являются: математические преобразования в рамках использования методов оптимизации и теории игр, использование специализированных программных пакетов, в которых реализованы возможности расчета параметров оптимального планирования.Рассмотрены теоретические аспекты решения задач оптимизации. В практической части работы проведено решение задач оптимизации производственного плана выпуска продукции и затрат ресурсов. По итогам решения прямой и двойственной задач было показано, что их решения совпадают.Технологии работы с электронными таблицами включают инструментарий статистического анализа, обеспечивающий возможности расчётов показателей, включающих возможности проведения анализа структуры выборки применительно к изучаемой предметной области.В практической части работы проведено исследование возможностей табличного процессора MS Excel для проведения анализа статистических показателей выборки. Проведено решение задач оптимизации с использованием сервиса поиска решения. Также проведено изучение возможностей пакета анализа данных и построения сводных таблиц.Список использованных источниковБолдырев А. В. Технологии хранения данных / А. В. Болдырев. - Ростов-на-Дону: ДГТУ, 2019. - 77 с.Данилова Н.В., Белявский Г. И. Анализ данных. Машинное обучение: учебное пособие / Н. В. Данилова, Г. И. Белявский. - Ростов-на-Дону: Изд-во Южного федерального университета, 2020. - 146 с.Скиена С. С. Наука о данных: учебный курс / Стивен С. Скиена. - Санкт-Петербург: Диалектика, 2020. - 543 с.Токарев В. В.  Методы оптимизации: учебное пособие для вузов / В. В. Токарев. — Москва : Издательство Юрайт, 2022. — 440 с. Шкурко В. Е. Статистические исследования в сферах предпринимательства и экономической безопасности: учебное пособие / В. Е. Шкурко. - Екатеринбург: Изд-во Уральского университета, 2020. – 172с.Шорохова И. С., Мариев О. С., Кисляк Н. В. Статистический анализ экономических данных: учебное пособие / И. С. Шорохова, О. С. Мариев, Н. В. Кисляк. - Екатеринбург: Изд-во Уральского университета, 2021. – 338 с.Яковлев, В. Б.  Статистика: учебное пособие для вузов / В. Б. Яковлев. — 2-е изд., испр. и доп. — Москва : Издательство Юрайт, 2022. — 353 с. Ямпольская, Д. О.  Маркетинговый анализ: технология и методы проведения : учебник и практикум для вузов / Д. О. Ямпольская, А. И. Пилипенко. — Москва : Издательство Юрайт, 2022. — 268 с. Скиена С. С. Наука о данных: учебный курс / Стивен С. Скиена. - Санкт-Петербург: Диалектика, 2020. - 543 с.Станкевич Л. А.  Интеллектуальные системы и технологии : учебник и практикум / Л. А. Станкевич. — Москва : Издательство Юрайт, 2022. — 397 с. Токарев В. В.  Методы оптимизации: учебное пособие для вузов / В. В. Токарев. — Москва : Издательство Юрайт, 2022. — 440 с. Уатт Д., Борхани Р., Катсаггелос А. Машинное обучение: основы, алгоритмы и практика применения / Джереми Уатт, Реза Борхани, АггелосКатсаггелос ; перевод с английского Андрея Логунова. - Санкт-Петербург: БХВ-Петербург, 2022. - 612 с.Шкурко В. Е. Статистические исследования в сферах предпринимательства и экономической безопасности: учебное пособие / В. Е. Шкурко. - Екатеринбург: Изд-во Уральского университета, 2020. – 172с.Сарычева Т. В., Иванова Д. Д., Фомичева Ю.П. Статистические подходы к анализу и прогнозированию развития цифровой экономики в Российской Федерации и ее регионах : монография / Сарычева Татьяна Владимировна, Иванова Дарья Дмитриевна, Фомичева Юлия Павловна. - Йошкар-Ола: Марийский государственный университет, 2020. - 158 с.Селеменева Т. А., Крюкова М. С. Математические методы обработки экспериментальных данных: учебное пособие / Т. А. Селеменева, М. С. Крюкова. - Санкт-Петербург: Санкт-Петербургский университет ГПС МЧС России, 2019. – 166с.Михайлов Г. А.  Статистическое моделирование. Методы Монте-Карло : учебное пособие для вузов / Г. А. Михайлов, А. В. Войтишек. — Москва : Издательство Юрайт, 2022. — 323 с.Набережная Ж. Б., Набережная И. Б., Нимгирова А.С. Корреляция / Ж.Б. Набережная, И.Б. Набережная, А.С. Нимгирова. - Астрахань: Изд-во Астраханского государственного медицинского университета, 2017. - 40 с.Назаров Д. М.  Интеллектуальные системы: основы теории нечетких множеств: учебное пособие для вузов / Д. М. Назаров, Л. К. Конышева. — 3-е изд., испр. и доп. — Москва : Издательство Юрайт, 2022. — 186 с. Никифоров С. Н. анализ бизнес-процессов: учебное пособие / С.Н. Никифоров. - Санкт-Петербург: СПбГАСУ, 2017. – 76с.Основы технологий Big Data : учебное пособие / В. В. Ухлова. - Воронеж: Издательский дом ВГУ, 2020. - 80 с. Парамонов И. Ю., Смагин В. А., Косых Н. Е., Хомоненко А. Д. Методы и модели исследования сложных систем и обработки больших данных: монография / И. Ю. Парамонов, В. А. Смагин, Н. Е. Косых, А. Д. Хомоненко. - Санкт-Петербург: ЛАНЬ, 2020. – 234с.Макаренко С. В. Методы аналитической обработки данных, полученных в результате исследований: учебное пособие / С.В. Макаренко. - Иркутск: Изд-во Иркутского национального исследовательского технического университета, 2021. - 91с.