Op basis van hoeveel jeans (per type) is dit? Je conclusie is namelijk afhankelijk van de grootte van je dataset.quote:Op woensdag 8 augustus 2018 11:11 schreef liesjestudent het volgende:
Ik de volgende gegevens voor de modellen;
bootcut jeans 64,20%
boyfriend jeans 71,66%
flared jeans 68,73
regular jeans 70,84%
slim fit jeans 66,74%
skinny fit jeans 68,89%
straight jeans 67,15%
Ze streven naar een retourpercentage van 65%(dit geld voor alle modellen), dus ik dacht dat ik het ten opzichte van die 65% zou kunnen bekijken maar het is me nog niet gelukt..
Daar kunnen we zeker wat mee. De vraag is die blijft staan is, wat zie jij als significant, maar we kunnen natuurlijk ook eerst gaan rekenen om te kijken of de getallen die er uit komen reden geven tot discussie.quote:Op woensdag 8 augustus 2018 11:20 schreef liesjestudent het volgende:
Ik heb de retourpercentages wel uit ongeveer 20 jeans berekend, maar ik kan bijvoorbeeld wel zien hoeveel er retourgestuurd zijn en verkocht.
Dus laten we zeggen 64,20% staat gelijk aan 3475 retour gestuurde jeans en de 35,80% staat gelijk aan 2331 verkochte jeans. Zou het op deze manier kunnen?
Voor die 65% heb ik alleen geen aantallen, dit is hun streefpercentage
https://imgur.com/upload kun je gebruiken voor het uploaden van afbeeldingen.quote:Op woensdag 8 augustus 2018 11:49 schreef liesjestudent het volgende:
Ik weet dat de percentages zo niet uitkomen, maar ik heb deze percentages dus uit een gegeven bestandje. Ik wilde een afbeelding met je delen zodat je er een beeld van hebt, maar dat kan ik hier niet uploaden? Hoe kan ik dat met je delen?
Ik dacht dat het aannemelijk was om het tegenover die 65% te bekijken, want ik heb geen idee welke andere mogelijkheden er zijn ? of of het logisch is om dat te doen?
hmm, ik probeer het goed te interpreteren, maar ik ben goed in wiskunde, niet in economie.quote:Op woensdag 8 augustus 2018 11:53 schreef liesjestudent het volgende:
https://www.upmijnplaatje(...)ea48aff90032b11/show
Dit is waar ik de informatie uit haal, het bestand zelf is groter maar dit is de meest relevantie informatie. Je zou denken dat dat gelijk moet staan aan de retourpercentages.
3475 / 5806 * 100% ~ 59.85%quote:Op woensdag 8 augustus 2018 12:06 schreef liesjestudent het volgende:
ik dacht dus door de ontvangen aantallen en de retour gestuurde aantallen maar dat komt niet uit..
Ik ben in beide geen talent.. Is het mogelijk om aan de hand van deze gegevens:
Bootcut jeans:
Brutoverkopen 5.806
Retourverkopen 3.475
Nettoverkopen 2.331
Zelf een retourpercentage te berekenen? Ik heb het gevoel dat die sheets niet kloppen.. Maar ik moet het helaas met deze gegevens doen.
Significantie bereken je niet, je berekent een kans en daaruit concludeer je of de kans significant is dat onder jouw aanname van 0.65 die 3475 er uit komt rollen.quote:Op woensdag 8 augustus 2018 12:26 schreef liesjestudent het volgende:
Die 65% is hun streefpercentage, ze zitten daar het liefst niet boven. Door middel van de significantie te berekenen kan ik toch zien of het percentage bijvoorbeeld per toeval nu zo laag is?
De retourpercentages van de overige modellen liggen allemaal boven die 65%, al ga ik die dan ook even na berekenen aan de hand van de aantallen.
Zou ik de percentages ook ten opzichte van iets anders kunnen vergelijken om te kijken of het significant is? Jij hebt er verstand van, ik zeg maar iets namelijk..
Oke top! Ik ga kijken hoe ik dit kan invoeren in SPSS
Ik heb nooit met SPSS gewerkt, maar in Excel moet dit ook wel lukken. Ik zal de eerste twee toelichten hoe je dat met Excel doet, mag je de rest zelf doen.quote:Op woensdag 8 augustus 2018 13:42 schreef liesjestudent het volgende:
Super, dankje! Dit is inderdaad duidelijk en zo snap ik iets meer wat de bedoeling is.
Zou je ook uit kunnen leggen hoe ik dit het handigst in kan voeren in SPSS? Of is het makkelijker om dit te berekenen in Excel? Dit lees ik ook meerdere malen..
Ik heb de andere retourpercentages opnieuw berekend en kom nu hier op uit:
Bootcut jeans: 59,85%
Brutoverkopen 5.806
Retourverkopen 3.475
Nettoverkopen 2.331
Boyfriend jeans: 70%
Brutoverkopen 2.073
Retourverkopen 1.451
Nettoverkopen 622
Flared jeans: 65,83%
Brutoverkopen 4.421
Retourverkopen 2.897
Nettoverkopen 1.644
Regular jeans: 66,89%
Brutoverkopen 758
Retourverkopen 507
Nettoverkopen 251
Slim fit jeans: 63,85%
Brutoverkopen 25.541
Retourverkopen 16.309
Nettoverkopen 9.232
Skinny fit jeans: 66,24%
Brutoverkopen 22.776
Retourverkopen 17.073
Nettoverkopen 9.703
Straight fit jeans: 64,20%
Brutoverkopen 3.941
Retourverkopen 2.530
Nettoverkopen 1.411
Geen idee, misschien 0.65 bij jou ipv 0,65 ivm instellingen binnen Excel? Misschien dat ie copy paste niet zo leuk vindt. Voer het anders handmatig in.quote:Op woensdag 8 augustus 2018 14:27 schreef liesjestudent het volgende:
Als ik dit in Excel invoer; P(X<=3475) bereken je in (de Nederlandse versie van) Excel met
=BINOM.VERD(0,65;5806;3475;WAAR). Hierop krijg je een kans van ongeveer 2*10^-16, absurd klein dus.
Krijg ik #GETAL! Ik heb exact het zelfde ingevoerd, wat doe ik dan verkeerd?
We berekenen wat de kans is dat de data die je hebt aangeleverd eruit komt rollen bij een retourpercentage van 65%. Als die kans groot is past jouw data blijkbaar bij een retourpercentage van 65%. Als die kans klein is (wat we hier zien) dan past jouw data blijkbaar bij een ander retourpercentage dan 65% en kun je concluderen dat het daadwerkelijke retourpercentage significant hoger of lager ligt dan de gestelde 65%.quote:Daarnaast moet je wat ik las, die 1%, 5% of 10% kiezen: De overschrijdingskans moet lager of gelijk aan de alfa zijn; dan is het een significant verschil. Gebruikelijke alfa zijn 1%, 5% en 10%. In het voorgaande voorbeeld zouden geen van de uitkomsten significant zijn, zelfs niet bij een alfa van 10%.
Dit doen we nu niet toch?
Die 65% gebruik je, omdat dat vanuit de organisatie wordt vastgesteld als doelstelling. Je kan ook de doelstelling per jeans specificeren als blijkt dat die 65% niet eens in de buurt zit van je gemeten percentage.quote:Daarnaast berekenen we het nu ten opzichte van die 65%, dit is een standaard retourpercentage waar ze liever niet overheen zitten. Telt dit wel als goed vergelijkingsmateriaal?
Ik zat zelf te denken om misschien bij een recentere uitslag dezelfde berekening op die modellen te doen. Waar dus nu de bootcut jeans 59,85% heeft en die dan misschien wel 57.65 heeft, bij wijze van. En dan die 2 met elkaar te vergelijken. Zou dat beter zijn? Dan heb je twee meet momenten namelijk
Ja, in de meeste gevallen zie je het wel, sommige (zoals 59,85 en 70%) wijken wel heel veel af van 65%, terwijl de datasets best groot zijn. Er zijn echter ook datasets waarbij het best wel kan denk ik, maar je zult de kansen op de uitkomsten voor alle datasets na moeten lopen.quote:Op woensdag 8 augustus 2018 14:28 schreef liesjestudent het volgende:
Want ik snap nu niet zo goed hoe we aan die uitkomst komen en of die hoger of lager ligt, dat zie ik zonder die berekening ook wel toch? Dat het hoger en lager dan 65% is
Je hebt dan dezelfde berekening, maar dan is je retourkans anders, maar je kunt natuurlijk ook met kans 0,6 of 0,68 rekenen. Net wat jij wil.quote:Op woensdag 8 augustus 2018 15:23 schreef liesjestudent het volgende:
maar hoe gaat het in zijn werk als ik hetzelfde nog een keer bereken, per model en daar nu een ander retourpercentage uitkomt en we deze 2 met elkaar vergelijken? Dat is toch ook een bestaande methode? Is dit dan relevanter?
Lijkt mij toch dat dit niet klopt hoor, met 65% kans op een retour is iets bij 2000 verkopen normaal verdeelt rondom de 1300. Daar wordt een klein beetje van afgeweken. Je zou eigenlijk zeggen dat je bij 100 simulaties minder dan 5x 1400 retouren zou zien.... Ja dahag.quote:Op woensdag 8 augustus 2018 14:04 schreef spiritusbus het volgende:
[..]
Ik heb nooit met SPSS gewerkt, maar in Excel moet dit ook wel lukken. Ik zal de eerste twee toelichten hoe je dat met Excel doet, mag je de rest zelf doen.
Bij de eerste gaan we testen of dat die 0.65 klopt of dat het lager moet zijn. Hiervoor gaan we de kans berekenen op hoogstens 3475 retourverkopen bij 5806 totaal verkochte jeans.
Zoals eerder gezegd, het aantal retourgebrachte jeans noem ik gemakshalve X en volgens de hypothese is X binomiaal verdeeld met kans 0.65 en de steekproefgrootte = 5806
P(X<=3475) bereken je in (de Nederlandse versie van) Excel met
=BINOM.VERD(0,65;5806;3475;WAAR). Hierop krijg je een kans van ongeveer 2*10^-16, absurd klein dus.
We mogen derhalve aannemen dat die 65% niet klopt en dat het retourpercentage lager ligt dan de voorgestelde 65%. Wat voor het bedrijf prima is lijkt me, maar die conclusie laat ik aan jou
In het tweede geval testen we juist of de kans groter is dan 0.65 gezien het retourpercentage van 70%.
We willen nu juist uitrekenen wat de kans is op minstens 1451 retouren bij 2073 verkochte jeans oftewel P(X>=1451)
Aan de hand van de rekenregels van kansen kunnen we zeggen dan P(X>=1451) = 1 - (P<=1450) en dat kunnen we weer berekenen zoals in het eerste geval
1 - P(1450) = 1 - BINOM.VERD(0,65;2073;1451;WAAR) ~6*10^-7 ook ongelofelijk klein. Ook hier mogen we concluderen dat die 65% niet klopt, maar in dit geval ligt het retourpercentage niet lager, maar juist hoger en zal het bedrijf niet tevreden zijn.
Dit zijn ook de twee meest extreme gevallen uit jouw dataset, dus deze waren wellicht op voorhand al duidelijk. De overige berekeningen gaan op dezelfde manier, maar het is aan jou om te bepalen of jij een kans klein genoeg vindt om vast te kunnen stellen of die 65% gehaald wordt of niet. In de praktijk worden vaak kansen van 0,05 of 0,01 aangehouden als grens om te bepalen of je hypothese (retourpercentage = 65%) klopt en de eerste twee gevallen zitten daar heel ruim onder.
Ik bereken de kans dat je meer dan 1450 retouren terugziet hè, niet minderquote:Op woensdag 8 augustus 2018 15:33 schreef ludovico het volgende:
[..]
Lijkt mij toch dat dit niet klopt hoor, met 65% kans op een retour is iets bij 2000 verkopen normaal verdeelt rondom de 1300. Daar wordt een klein beetje van afgeweken. Je zou eigenlijk zeggen dat je bij 100 simulaties minder dan 5x 1400 retouren zou zien.... Ja dahag.
Maar moet toegeven dat je som er realistisch uitziet verder. Dus waarschijnlijk heb je wel geowon gelijk.
Nee precies, maar sorry dat ik het zeg, dat binomiale lijkt mij alleen geschikt als je te maken hebt met iets wat vaste kansen heeft, en je niet weet welke kans dat precies is, dus je gaat kijken of die vaste kans afwijkt van de vaste kans die aangenomen is om bepaalde redenen.quote:Op woensdag 8 augustus 2018 15:43 schreef spiritusbus het volgende:
T-toets gaat m niet worden, daarvoor heb meetgegevens nodig waar je een gemiddelde en standaardafwijking uit haalt.
Dit is simpelweg successen tellen en dus prima geschikt voor binomiaal.
Nee maar in alle eerlijkheid, het aantal retouren zal van nature flink fluctueren, Als je 2 standaardafwijkingen vanaf 65% zou nemen zou je een behoorlijk interval krijgen. Cq je kunt nooit zeggen dat iets significant verschilt vanaf de 65% retouren.quote:Op woensdag 8 augustus 2018 15:43 schreef spiritusbus het volgende:
T-toets gaat m niet worden, daarvoor heb meetgegevens nodig waar je een gemiddelde en standaardafwijking uit haalt.
Dit is simpelweg successen tellen en dus prima geschikt voor binomiaal.
Dan moet die toko maar retouraantallen van verschillende perioden aanleveren, dan kunnen we er op een andere manier naar kijkenquote:Op woensdag 8 augustus 2018 15:51 schreef ludovico het volgende:
[..]
Nee maar in alle eerlijkheid, het aantal retouren zal van nature flink fluctueren, Als je 2 standaardafwijkingen vanaf 65% zou nemen zou je een behoorlijk interval krijgen. Cq je kunt nooit zeggen dat iets significant verschilt vanaf de 65% retouren.
Lijkt mij nuttiger.quote:Op woensdag 8 augustus 2018 15:53 schreef spiritusbus het volgende:
[..]
Dan moet die toko maar retouraantallen van verschillende perioden aanleveren, dan kunnen we er op een andere manier naar kijken
Je kunt met 1 periode ook genoeg rekenen denk ik. Ik zou een Chi-square toets doen. Dan kun je de retour-percentages van alle soorten broeken met elkaar vergelijken, en zien of er broeken zijn die significant vaker/minder vaak worden geretourneerd. In principe test je dan eerst alle broeken tegelijk, en als die test significant is, kun je de broeken in paren vergelijken. Als die eerste test niet significant is concludeer je dat er geen verschillen tussen types broek zit qua retourpercentage.quote:Op donderdag 9 augustus 2018 11:17 schreef liesjestudent het volgende:
Zou over 2 perioden genoeg zijn? Ik ga er vanmiddag heen en even mijn probleem voorleggen, in de hoop dat ze wat willen betekenen (ga er niet van uit)
En is het dan voldoende om dan deze gegevens te hebben: 70% staat gelijk aan 1.451 retourverkopen en dan dat het 1 maand later bijv 68% is met 1.350 retouren? Of heb ik dan nog meer data nodig?
|
Forum Opties | |
---|---|
Forumhop: | |
Hop naar: |