9.2.1. Анализ значимости фактора. Решить предыдущую задачу 9.1.1. при N=0, то есть без придания ей индивидуальности.
Прежде, чем приступать к решению задачи, приведем краткие сведения о том, что представляет собой математическая модель однофакторного дисперсионного анализа и какова схема вычислений по этой модели.
Пусть дана случайная величина и не случайная величина , которая может принимать значения . Величину будем называть фактором, а – градациями или уровнями фактора . Математическая модель однофакторного дисперсионного анализа записывается в виде:
, (9.2.1)
где – случайная величина, - вклад градации в изменчивость , - среднее значение , - нормально распределенная случайная величина с нулевым средним и постоянной дисперсией. В задаче – объем складской реализации, – фактор «уровень механизации», у которого пять градаций. Будем предполагать, что даны независимых реализаций случайной величины , при значении фактора равном , которые обозначим через ; независимых реализаций при , которые обозначим через ; и т.д., наконец, даны реализаций , при . Общее число реализаций обозначим через N, т.е. :
.
Имеем .
Введем обозначения:
, , (9.2.2)
где - Выборочное среднее величины при i-ой градации фактора (групповое среднее), m – общее среднее.
Проверка существенности влияния фактора на случайную величину сводится к проверке справедливости гипотезы о равенстве групповых средних, которая может быть формально записана в виде:
(9.2.3)
Если гипотеза справедлива (принимается), т.е. групповые средние случайной величины , при различных градациях фактора отличаются незначительно, то влияние фактора на признается несущественным, а имеющиеся фактические отличия в средних объясняются действием каких-то случайных колебаний. Если же гипотеза отвергается (несправедлива), т.е. существуют по крайней мере два номера , для которых и отличаются значительно, то влияние фактора на признается существенным.
В качестве проверочной статистики для проверки гипотезы используется случайная величина , где
, , ,
,
Случайная величина при справедливости гипотезы удовлетворяет распределению Фишера (F – распределению) с ( ) степенями свободы.
Проверка справедливости осуществляется следующим образом. Задается уровень доверия или уровень значимости , который полагают равным достаточно малому положительному числу (0,1; 0,05 и т.п.) и который количественно характеризует степень риска получения неверного результата. Далее, по значениям из таблицы распределения Фишера определяется квантиль распределения Фишера , где степени свободы соответственно числителя и знаменателя дроби . После этого осуществляется проверка выполнения неравенства:
. (9.2.4)
Если неравенство (9.2.4) выполняется, то гипотеза отвергается и делается вывод о существенном влиянии фактора на величину . В противном случае, т.е. при выполнении противоположного неравенства, гипотеза принимается и делается вывод о несущественном влиянии фактора на .
Для более наглядного представления изложенного метода проверки существенности влияния фактора на исследуемую случайную величину можно составить таблицу, отражающую основные элементы однофакторного дисперсионного анализа (см. табл. 9.2.1).
Решение задачи 9.2.1 проведем в соответствии с вычислительной схемой, состоящей из четырех этапов. На первом этапе исходные данные записываются в табличной форме так, как это сделано в первой половине табл. 9.2.2. Отметим, что при составлении расчетной таблицы для упрощения вычислений все значения можно уменьшать (или увеличивать) на одно и то же число, так как значение от этого не изменится.
Таблица 9.2.1
Основные элементы однофакторного дисперсионного анализа.
На втором этапе вычисляются и заносятся во вторую половину табл. 9.2.2 значения:
, , , ,
а также определяются:
, .
Таким образом,
;
; ; ; ;
;
;
; ; ;
;
; ; ; ;
;
;
; ; ;
Заносим полученные значения в табл. 9.2.2. Далее определяем:
;
;
На третьем этапе находим значения:
, , , , ,
.
Таким образом:
; ;
;
;
;
.
На четвертом этапе задаем уровень значимости , находим из таблиц распределения Фишера квантиль и проверяем выполнение неравенства:
.
Пусть , тогда =
и делается вывод о существенном влиянии фактора на случайную величину , т.е. влияние фактора «уровень механизации складских работ» на объем складской реализации существенно.
Необходимо отметить, что существенность (или не существенность) влияния фактора на случайную величину в значительной мере зависит от уровня доверия , т.к. с уменьшением , т.е. с уменьшением степени риска получения неверного результата, значение увеличивается. Следовательно, может оказаться, что при выполняется неравенство , т.е. влияние фактора признается существенным, а при , где , выполняется неравенство , т.е. влияние фактора признается несущественным.
Литература
1. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. – М: Финансы и статистика, 1983.
2. Айвазян С.А. и др. Прикладная статистика: Исследование зависимостей. – М: Финансы и статистика, 1985.
3. Бауэр Р., Коллар Э., Тан В. Управление инвестиционным проектом: опыт IBM: Пер. с англ. – М.: ИНФРА-М, 1995.
4. Бахтин А.Е., Высоцкий Л.Л., Савиных В.Н. Сборник задач по математическому программированию. Часть 1. – Новосибирск: НИНХ, 1994.
5. Бахтин А.Е., Высоцкий Л.Л., Савиных В.Н. Сетевые модели планирования и управления. – Новосибирск: НИНХ, 1992. – 36 с.
6. Беренс В., Хавранек П.М. Руководство по оценке эффективности инвестиций: Пер. с англ. перераб. и дополн. изд. – М.: АОЗТ “Интер Экспорт”, “ИНФРА-М”, 1995.– 528 с.
7. Ван Хорн Дж. К. Основы управления финансами: Пер. с англ. / Гл. ред. серии Соколов Я.В. – М.: Финансы и статистика, 1996.– 800 с.
8. Вентцель Е.С., Овчаров Л.А. Прикладные задачи теории вероятностей. – М.: Радио и связь, 1983. – 416 с.
9. Высоцкий Л.Л., Высоцкая Н.В., Руди В.А. Балансовые экономические модели. – Новосибирск: НИПКиПРО, 1998. – 41 с.
10. Высоцкий Л.Л. Графический способ решения задачи линейного программирования. – Новосибирск: НИПКиПРО, 1998. – 23 с.
11. Л.Л.Высоцкий. Симплекс-метод. Метод потенциалов. Теория игр и линейное программирование. – Новосибирск: НИНХ, 1994.
12. Высоцкий Л.Л. Управление проектами: традиции и новизна. – Новосибирск: СибАГС, 2000. – 291 с.
13. Высоцкий Л.Л., Гаврюшенко А.Ф., Бойко М.Е. Моделирование в менеджменте / Часть 5: Марковские процессы. Системы массового обслуживания. – Новосибирск, СНИ, 2001. – 60 с.
14. Высоцкий Л.Л., Гаврюшенко А.Ф., Микалуцкая Т.Г., Бойко М.Е. Моделирование в менеджменте / Часть 1: Корреляционный и регрессионный анализ. Дисперсионный анализ. – Новосибирск, СНИ, 2001. – 60 с.
15. Глазьев С.Ю. Теория долгосрочного технико-экономического развития. — М.: Владар,1993.
16. Иванова В.М., Калинин В.Н. и др. Математическая статистика. – М: ВШ, 1981. – с.371.
17. Кендэл М., Стюарт А. Статистические выводы и связи. – М: Наука, 1973.
18. Саати Т.Л. Элементы теории массового обслуживания и ее приложения. – М.: Советское радио, 1971. – 520 с.
19. Тернер Д. Вероятность, статистика и исследование операций. – М.: Статистика, 1976. – 432 с.
20. Управление организацией / Под ред. А.Г.Поршнева и др. – М.: ИНФРА-М, 1999. – 669 с.
21. Холт Роберт Н., Барнес Сет Б. Планирование инвестиций: Пер. с англ. – М: “Дело Лтд”, 1994. – 120 с.