SES School, Studie en Onderwijs
Wiskunde in de brugklas, Frans voor het examen of een studie Personeel en Arbeid? Moeilijke formulieren van DUO? Iets weten over studiefinanciering of studentenverenigingen? Dit is het forum voor leerkrachten, scholieren en studenten, van brugklas tot uni
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.
Maar moet toegeven dat je som er realistisch uitziet verder.
Dus waarschijnlijk heb je wel geowon gelijk. Maareh, ik vind dat binomiale verdeling maar een beetje vreemd in deze. De kansen staan niet vast ofzo bij kledingterugkoop... Lijkt mij dat hier een TTest bij hoort inclusief standaardafwijkingen etc.
[ Bericht 2% gewijzigd door ludovico op 08-08-2018 15:40:08 ]
"Het enkele feit dat de gewasbeschermingsmiddelen zijn toegelaten, geeft in ieder geval geen garantie op het ontbreken van met name een uitgesteld schadelijk effect op de gezondheid van mensen."
Ik bereken de kans dat je meer dan 1450 retouren terugziet hè, niet minderquote:
[..]
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.
Ik zie dat ik wat symbolen ben vergeten, maar ik bereken P(X>=1451) = 1 - P(X<=1450)
[ Bericht 4% gewijzigd door #ANONIEM op 08-08-2018 15:41:21 ]
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.
Dit is simpelweg successen tellen en dus prima geschikt voor binomiaal.
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:
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.
Retourtjes bij kleding.. Dat is daar veel te volatiel voor.
Productiefouten ofzo, dat zou kunnen met de binomiale verdeling. Dat zal toch wel aardig consistent fout gaan en zich houden aan een kansberekeing.
"Het enkele feit dat de gewasbeschermingsmiddelen zijn toegelaten, geeft in ieder geval geen garantie op het ontbreken van met name een uitgesteld schadelijk effect op de gezondheid van mensen."
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:
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.
"Het enkele feit dat de gewasbeschermingsmiddelen zijn toegelaten, geeft in ieder geval geen garantie op het ontbreken van met name een uitgesteld schadelijk effect op de gezondheid van mensen."
Dan moet die toko maar retouraantallen van verschillende perioden aanleveren, dan kunnen we er op een andere manier naar kijkenquote:
[..]
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.
[ Bericht 1% gewijzigd door #ANONIEM op 08-08-2018 15:57:43 ]
Lijkt mij nuttiger.quote:
[..]
Dan moet die toko maar retouraantallen van verschillende perioden aanleveren, dan kunnen we er op een andere manier naar kijken
"Het enkele feit dat de gewasbeschermingsmiddelen zijn toegelaten, geeft in ieder geval geen garantie op het ontbreken van met name een uitgesteld schadelijk effect op de gezondheid van mensen."
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?
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?
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:
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?
De datainvoer kan makkelijk in SPSS als je “weighing cases” gebruikt. Dan heb je een variabele met het type broek, een retour variabele met opties ja/nee (als labels voor 1 en 0) en een variabele met het aantal keer dat die situatie voorkomt.
Zie: https://www.uvm.edu/~dhow(...)hiWeightedCases.html
|
|
