统计在商业调研中的应用.ppt

  1. 1、本文档共97页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
? 2002 Arial 12pt white, left-justified 引子 市场研究的目的 让业务决策更有把握 市场研究的目的 让业务决策更有把握 鉴别/量化新的机会 衡量市场表现 市场研究的目的 市场营销管理 ---菲利普·科特勒第9版 分析 计划 执行 监控 市场研究的两大类方法及主要差异 定性研究 提供消费者的见解(Insight),倾听消费者的语言和了解消费者行为的原因和方式的机会. 针对典型样本的深度调研,常见的形式有小组座谈会,个人深谈 样本量小,半结构化的调查,样本的选取不遵循统计抽样原则 缺乏量化数据和统计分析结论,不能推广到整体的状况。如一组座谈会中的8个人全部希望购买,不能得出结论购买可能性为100% 定量研究 通过抽样调查大规模收集信息(样本量不低于30),信息都可以进行数字的度量 统计学原理设计随机抽样,数据结论具有广泛代表性 统计在商业调研中的应用概括 主讲人:何伟 主要内容 引子、 什么是统计学 第一部分、 常用的统计专业术语 第二部分、 抽样设计 第三部分、 常用的统计分析方法 相关分析,回归分析,因子分析,聚类分析 第四部分、 统计的其他应用 第五部分、 图示法的应用 第六部分、 科学评估系统 目的 统计基本知识 统计在市场调研中的应用: 常用的分析方法及其注意事项 统计知识指导下的抽样方法及其注意事项 如何正确理解定量报告范例 第一部分、常用的统计专业术语 什么是统计学 统计学是关于数据资料的收集、整理、分析和推断的一门科学 Statistics = Way to quantify uncertainty so we can draw conclusions 为什么要了解统计知识 统计学的运用贯穿了从抽样设计到数据分析的各个步骤。它使得结论调研结论客观可靠。 统计学的基础 数学 概率论 与最初的赌博密不可分 随机概率 条件概率 例1:已知总体消费者中有头屑的比例为40%,一个家庭平均人口按照三口计算,请问通过入户派发去屑洗发水的方式是否合适?为什么? 例2:不放回抽奖一定先抽有利么? 什么是统计学 它可以分为描述统计学和推断统计学两大类。 如果在研究中可以得到整个总体,那么描述统计学就足够了。 但是实际中往往只能得到总体的一小部分(称为样本),这就需要通过这些有限的、不确定的信息来确定有关总体的信息,这就是推断统计学的研究领域。 概念定义 总体、个体、样本 统计中考察的对象全体叫总体,总体的单元数量一般用 N 来表示 总体中的每一个考察对象叫个体 从总体中所抽取的一部分个体叫总体的一个样本 样本容量 样本中个体的数目叫做样本的容量。 样本的单元数量 (样本容量)一般用 n 来表示 描述性统计量 描述性统计量= 对数据进行概括 用于衡量集中趋势(平均数,中位数,众数) 用于衡量离散、离中趋势(方差,标准差) 衡量数据集中趋势 衡量数据集中趋势 衡量数据集中趋势 练习 衡量数据分散趋势 衡量数据分散趋势 当数据的分散程度增加时,方差/标准差也会随之增加 可以用来比较数据的集中、分散程度 标准差是方差的算术平方根 衡量数据分散趋势 在阅读数据时,几种统计量要相互结合 …但标准差不同,得出结论因此不同。 推断性统计量(inferential) 推断性统计量= 得出结论 假设检验 Z-检验 T-检验 Chi-square检验 等 概念定义 假设检验 根据需要,对未知的或不完全知道的统计总体作出一些假设,用以说明总体的某种性质,这种假设称为统计假设。针对这种假设,利用一个实际观测的样本,通过一定的程序,检验这个假设是否合理,从而决定接受或否定假设,这种检验称为假设检验。 T-检验法 在未知正态总体的方差ó2的条件下,对其期望的检验是T检验 X2-检验法 在未知期望μ 的条件下,检验正态总体的方差要用X2检验法 正态标准分布示意图 中心极限定理 (Central Limit Theorem) 当样本量很大时,相互独立的随机变量的均值,近似的服从正态分布。 什么是假设检验 举例来说,我们推出一种感冒特效新药,为证明其疗效,选择200名患者为志愿者。将他们分成两组,分别不服药或服药,三日后的痊愈的情况如图所示,问新药是否有明显疗效。 假设检验的基本概念 原假设或零假设(Null Hypothesis) -- 假定为真 备选假设或对立假设 – 假定非真 检验统计量 -- 测量抽取样本的均值距离总体的均值有多少个标准差单位。 第一类错误(弃真):在零假设实际为真时,拒绝该假设的错误。 第二类错误(取伪):在零假设实际不真时,接受该假设的错误。 置信度(Confidence Level) -- 拒绝第一类错误发生的概率。 POWER--拒绝第二类错误发生的概率。

文档评论(0)

wxc6688 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档