Корреляционный анализ спроса.

Заданы продажи пяти номенклатур (k, l, m, n, h) запасной части в магазине в течении 12 месяцев.

Таблица 1

1. Определение среднего значения спроса для каждой номенклатуры:

;

= =9.5

Полученные данные занесем в таблицу 2:

Таблица 2

9, 5	9.5	8.83	8.167
97, 667	101, 67	85, 667	76, 33	120, 667
7.417	11.417	7.697	9.63	39.667
2, 723	3, 38	2, 77	3, 103	6, 3

2. Рассчитываем эмпирические дисперсии:

;

= 97, 667

Для оставшихся номенклатур считаем аналогичным способом и заносим значения в таб.2.

3. Вычисляем эмпирическую ковариацию и коэффициент корреляции для всех сочетаний номенклатур (значения будем брать из таб.3):

;

;

3.1

3.2

3.3

82

3.4

3.5

3.6

3.7

3.8

3.9

14

3.10

95, 33	77, 667			81, 33	86, 667		68, 33	75, 33

Таблица 3

4. Сведем вычисления в матрицу:

					k	l	m	n	h
		k
		l
		m
		n
		h

5. Строим диаграммы рассеивания для сочетаний ln, kh, km.

5.1 Диаграмма рассеивания для номенклатур l и n.

Коэффициент корреляции , что очень близко к 1. Это означает, что зависимость между спросом на l-ю и n-ю номенклатуры запасных частей является прямой линейной, близкой к функциональной, т.е. увеличение спроса на l-ю номенклатуру запасной части сопровождается ростом спроса на n-ю номенклатуру и наоборот.

5.2 Диаграмма рассеивания для номенклатур k и h.

Коэффициент корреляции , что очень близко к 0. Чем ближе значение r к 0, тем слабее корреляция. Т.е. зависимость в данном случае не линейная.

5.3 Диаграмма рассеивания для номенклатур k и m.

Коэффициент корреляции r = 0, 824, это очень близко к 1, а значит зависимость обратная линейная. Это значит, что повышение спроса на номенклатуру k-ю приведет к падение спроса на m-ю номенклатуру и наоборот.