Ирина Эланс

Автор который поможет с любыми образовательными и учебными заданиями

Анализ технических характеристик автомобилей Audi

Санкт-Петербургский Государственный Политехнический Университет

Кафедра Управления в Социально-Экономических Системах

Курсовая работа по статистике

на тему:

«Анализ технических характеристик автомобилей Audi»

Выполнил студент

группы 3242/3

___________А.П. Казенкин

Проверила преподаватель

____________ М.В. Корягина

Санкт-Петербург

2011

Оглавление

Введение

Данная курсовая работа посвящена статистическому анализу некоторых технических характеристик автомобилей модельного ряда Audi, а так же динамики продаж этих автомобилей в дилерских центрах «Феникс-Авто Премиум». Основная цель моей курсовой работы – выявить закономерности между продажами и техническими характеристиками автомобилей в этой сети дилерских центров для выработки практических рекомендаций по увеличению общих объемов продаж

Основные задачи:

Определить основные тенденции в продажах по кварталам, сезонность сделать прогноз.
Определить основные связи между продажами и техническими характеристиками автомобилей.
Определить рекомендации для увеличения объема продаж.

Для проведения анализа были выбраны следующие признаки:

Кузов
Время разгона с места до 100 км/ч, с
Рабочий объем двигателя, куб.см
Мощность, л.с.
Мощность, об/мин
Смешанный цикл
Топливо
Емкость топливного бака, л

Продажи:

1 кв 2008
2 кв 2008
3 кв 2008
4 кв 2008
Cредние по кварталу, 2008
Всего за год, 2008
1 кв 2009
2 кв 2009
3 кв 2009
4 кв 2009
Cредние по кварталу, 2009
Всего за го, 2009
1 кв 2010
2 кв 2010
3 кв 2010
4 кв 2010
Cредние по кварталу, 2010
Всего за год, 2010

План исследования

Цель: Выявление закономерностей между продажами и техническими характеристиками автомобилей Audi, а так же выработка рекомендаций по повышению уровня продаж в дилерских центрах «Феникс-Авто Премиум».

Задачи:

Собрать необходимую для анализа информацию, систематизировать ее

Провести анализ по полученным данным
На основе полученных результатов сделать выводы

Объект исследования: сеть дилерских центров «Феникс-Авто Премиум»..

Предмет исследования: объемы продаж технические характеристики
Время начала: май 2011г.
Время окончания: май 2011г.
Программа:

Поиск информации и ее систематизация

Обработка данных в SPSS, подготовка к анализу
Проведение первичного анализа данных
Анализ динамического ряда
Проверка гипотез различными способами
Подведение итога, формулировка рекомендаций
Оформление отчёта

Продолжительность: 1 месяц; место проведения: СПбГПУ

Кадровое обеспечение: Казенкин Александр
Организация сбора данных:

Поиск информации – Казенкин Александр

Анализ данных – Казенкин Александр
Занесение данных в отчет – Казенкин Александр

Технология обработки: Данные были обработаны с помощью прикладной программы MS Excel 2007 и SPSS v16.

Организационно-хозяйственные мероприятия: для проведения работы необходимо иметь ноутбук, прикладное ПО, доступ в Интернет, расходные материалы.

Проверка распределения на нормальность.

Исходные данные см. Приложение 1.

Чтобы выяснить какие виды анализа можно провести в рамках данной работы, необходимо провести проверку на нормальность распределения.

Для проверки распределения на нормальность используем SPSS. С помощью критерия Колмогорова-Смирнова можно проверить, является ли распределение нормальным. Нормальное оно в том случае, если значение строки Asympsig. 2-tailed в таблице больше 0,05.

Я провел проверку на нормальность для всех признаков. Распределение оказалось ненормальным практически для каждого из них, кроме признаков:

общие продажи за 2008 год и за 2010год, средние продажи за 4 квартал 2010 года.

Таблица 1. Проверка распределения на нормальность

One-Sample Kolmogorov-Smirnov Test		время_разгона_до100	раб_объем_двигателя	мощностьлс	модностьобмин	расходсмешцикл	емкостьбака	s1kv08	s2kv08	s3kv08	s4kv08	sr08
N		87	87	86	87	87	86	87	87	87	87	87
Normal Parametersa	Mean	7,391	2454,68	213,09	5708,62	7,678161	68,91	10,21	9,97	10,37	11,31	10,1264
Normal Parametersa	Std. Deviation	1,652	759,676	70,703	916,522	1,68781	11,76	5,547	5,68	5,741	6,121	2,7314
Most Extreme Differences	Absolute	0,161	0,284	0,14	0,245	0,219	0,246	0,098	0,09	0,11	0,117	0,102
	Positive	0,161	0,284	0,14	0,159	0,219	0,246	0,09	0,09	0,11	0,091	0,07
	Negative	-0,131	-0,119	-0,087	-0,245	-0,114	-0,141	-0,098	-0,077	-0,079	-0,117	-0,102
Kolmogorov-Smirnov Z		1,499	2,649	1,296	2,289	2,046	2,285	0,912	0,839	1,026	1,096	0,954
Asymp. Sig. (2-tailed)		0,022	0	0,07	0	0	0	0,041	0,048	0,024	0,011	0,032
a. Test distribution is Normal.

Продолжение таблицы 1. Проверка распределения на нормальность

One-Sample Kolmogorov-Smirnov Test		total08	s1kv09	s2kv09	s3kv09	s4kv09	sr09	total09	s1kv10	s2kv01	s3kv10	s4kv10	srednie10	total10
N		87	87	87	87	87	87	87	87	87	87	87	87	87
Normal Parametersa	Mean	41,85	9,7	9,93	9,52	9,05	9,2069	38,2	10,11	10,48	10,14	9,72	9,7126	40,46
Normal Parametersa	Std. Deviation	10,925	6,301	6,243	5,884	5,884	3,1258	12,311	5,79	6,495	6,454	5,73	3,44021	13,937
Most Extreme Differences	Absolute	0,058	0,103	0,108	0,112	0,092	0,163	0,121	0,106	0,129	0,119	0,086	0,107	0,073
	Positive	0,032	0,103	0,108	0,112	0,092	0,111	0,065	0,106	0,129	0,119	0,079	0,107	0,073
	Negative	-0,058	-0,087	-0,102	-0,095	-0,088	-0,163	-0,121	-0,078	-0,11	-0,097	-0,086	-0,092	-0,063
Kolmogorov-Smirnov Z		0,542	0,958	1,007	1,045	0,856	1,524	1,133	0,988	1,207	1,105	0,8	0,995	0,683
Asymp. Sig. (2-tailed)		0,093	0,031	0,026	0,023	0,046	0,002	0,015	0,028	0,011	0,017	0,054	0,028	0,074
a. Test distribution is Normal.

Первичный анализ данных

С помощью SPSS проведем первичный анализ данных.

Для анализа очень важны такие параметры, как «Общие продажи за год», «Средние продажи за квартал»

Таблица 2. Статистика

Statistics
		srednie08	total08	srednie09	total09	srednie10	total10
N	Valid	87	87	87	87	87	87
N	Missing	0	0	0	0	0	0
Mean		10,1264	41,85	9,2069	38,20	9,7126	40,46
Mode		10,00	33^a	11,00	44	7,00	55
Minimum		3,00	14	2,00	9	2,00	8
Maximum		15,00	63	16,00	64	19,00	78
Sum		881,00	3641	801,00	3323	845,00	3520
a. Multiple modes exist. The smallest value is shown

Эта статистика показывает, что среднее значение средних квартальных продаж = 9-10 шт. за каждую модель, что вполне хорошо. Минимальное и максимальное общее количество продаж по моделям было в 2010г. Максимальные суммарные продажи были в 2008, а минимальные – в 2009г.

Теперь сравним по техническим характеристикам:

По моделям выборка распределилась следующим образом:

Диаграмма 1 . Распределение по типу кузова.

Вывод: Диаграмма показывает, что больше всего выпущено универсалов и седанов, меньше всего кабриолетов и купе, что вполне логично.

Теперь посмотрим, как распределились объемы продаж по типу кузова:

Диаграмма 2 . Распределение продаж по типу кузова

Вывод: этот график показывает, что больше всего было продано хэтчбеков и универсалов.

Теперь просмотрим, как соотносится кузов и мощность двигателя:

Диаграмма 3 . Распределение мощности двигателя по типу кузова

Вывод: Видно, что самыми мощными являются авто типа купе и кабриолет, что вполне логично, т. к. это спортивные модели.

Теперь необходимо выявить, какие модели самые экономичные:

Диаграмма 4 . Расход топлива по типу кузова

Вывод: Как оказалось, самые экономичные модели – хэтчбеки.

Теперь сравним по времени разгона до 100 км/ч

Диаграмма 5. Время разгона до 100 км/ч

Вывод: Видно, что самые медленные – это хэтчбеки, а самые быстрые – купе.

Сравним модели по среднему объему двигателя:

Диаграмма 6. Сравнение по объему двигателя

Вывод: Самый большой объем двигателя у моделей купе, т.к. это спортивные модели, как сказано выше.

Анализ динамического ряда

Диаграмма 7. Квартальные продажи

Вывод: Этот график отражает продажи за год по кварталам. Видно, что самый непродуктивный был весь 2009г. Самый продуктивный – 4 квартал 2010года.

Таблица 3. Индекс сезонности

период	продажи	среднее		индекс сезонности	значение с поправкой на сезон
1 кв 2008	779				792,2147
2 кв 2008	770				732,6118
3 кв 2008	777	793,7494	1,021996		801,6027
4 кв 2008	863	791,5411	0,917552		854,7188
1 кв 2009	753	783,4995	1,040044	1,017399764	766,4407
2 кв 2009	777	753,8745	0,969822	0,951856571	739,9094
3 кв 2009	705	734,4162	1,042219	1,032107279	727,291
4 кв 2009	698	742,3328	1,064023	0,99078753	691,239
1 кв 2010	763	758,6662	0,994755		775,9363
2 кв 2010	831	776,3745	0,933891		791,3097
3 кв 2010	781				806,4193
4 кв 2010	763				755,6402

Вывод: самые продуктивные для продаж 1 и 3 квартал, хотя и 2 и 3 кварталы тоже довольно продуктивные. Т.к. индекс сезонности приближен к 1, то говорить о каких-либо сезонных изменениях смысла нет.

Диаграмма 8. Значение с поправкой на сезон

Этот график подтверждает вывод, приведенный выше.

Таблица 4.Основные показатели динамического ряда

период	продажи	Абсолютный цепной прирост	Абсолютный базисный прирост	Коэффициент роста базисный	Коэффициент роста цепной
1 кв 2008	779
2 кв 2008	770	-9	-9	0,99	0,99
3 кв 2008	777	-2	7	1,00	1,01
4 кв 2008	863	84	86	1,11	1,11
1 кв 2009	753	-25	-109	0,97	0,87
2 кв 2009	777	-1	24	1,00	1,03
3 кв 2009	705	-74	-73	0,90	0,91
4 кв 2009	698	-81	-7	0,90	0,99
1 кв 2010	763	-16	65	0,98	1,09
2 кв 2010	831	53	69	1,07	1,09
3 кв 2010	781	3	-50	1,00	0,94
4 кв 2010	763	-16	-19	0,98	0,98

Продолжение таблицы 4.Основные показатели динамического ряда

продажи	цепной темп роста	базисный темп роста	темп прироста базисный	темп прироста цепной
779
770	92,48	92,48	-0,08	-0,08
777	109,42	101,19	0,01	0,09
863	106,63	107,89	0,08	0,07
753	89,67	96,75	-0,03	-0,10
777	96,54	93,40	-0,07	-0,03
705	98,29	91,80	-0,08	-0,02
698	95,04	87,25	-0,13	-0,05
763	112,25	97,95	-0,02	0,12
831	101,98	99,89	0,00	0,02
781	101,91	101,79	0,02	0,02
763	93,70	95,38	-0,05	-0,06

А теперь построим графики:

Диаграмма 9. Абсолютный цепной прирост

Вывод: в 1, 3, 4 кварталах наблюдается отрицательный абсолютный цепной прирост. Это говорит о том, что в эти месяцы продажи были меньше, чем в предшествующие. Самый большой темп прироста был в 2008г в 4 квартале.

Диаграмма 10. Коэффициент роста цепной

Вывод: Этот коэффициент показывает, что в начале (1 и 2 квартал) 2010 года наблюдался рост в продажах. Минимальный коэффициент роста наблюдался в 1 квартале 2008 года. Это объясняется тем, что, 1 квартал – зима (обычно падают продажи),

Диаграмма 11. темп прироста цепной

Вывод: Этот график показывает, что в большинстве кварталов наблюдается отрицательный цепной темп прироста.

Вывод: Эти коэффициенты говорят о том, что продажи в дилерских центрах «Феникс-Авто Премиум», во-первых, непостоянны, во-вторых, они уменьшаются. Все это говорит о том что руководству компании необходимо принимать меры по контролю качества продаж, обслуживания.

Воспользуемся механическим сглаживанием (методом скользящего среднего), чтобы устранить случайные факторы:

Таблица 5. метод скользящего среднего

период	продажи	Механическое сглаживание
1 кв 2008	779
2 кв 2008	770
3 кв 2008	777	775
4 кв 2008	863	803
1 кв 2009	753	798
2 кв 2009	777	798
3 кв 2009	705	745
4 кв 2009	698	727
1 кв 2010	763	722
2 кв 2010	831	764
3 кв 2010	781
4 кв 2010	763

Построим график , характеризующий тенденции развития продаж:

Диаграмма 12.Механическое сглаживание

Вывод: Как видно из графика, уровень продаж начиная со 2 квартала 2010г начал расти, хотя до этого наблюдалась тенденция сокращения продаж.

Проверка гипотез.

Коэффициент ассоциации

Гипотеза 1.1

Влияет ли мощность двигателя на время разгона с места до 100 км/ч, с?

Нулевая гипотеза (H0): мощность двигателя не влияет на время разгона с места до 100 км/ч, с

Альтернативная гипотеза (H1): мощность двигателя влияет на время разгона с места до 100 км/ч, с .

Данные были трансформированы следующим образом:

Время разгона:

Меньше 7,3 =1

Больше 7,3 = 0

Мощнность:

Менее 211 = 0

Более 211 = 1

Proximity Matrix
	Yule's Q
	time	power
time	1,000	,969
power	,969	1,000
This is a similarity matrix

Из таблицы видно, что коэффициент ассоциации равен 0, 969. Критическое значение для данного коэффициента составляет 0,5. Соответственно, полученное значение больше критического, что позволяет сделать вывод о справедливости альтернативной гипотезы. Т.е. мощность двигателя влияет на время разгона с места до 100 км/ч, с.

Коэффициент контингенции

Эту же гипотезу я проверил с помощью коэффициента контингенции:

Нулевая гипотеза (H0): мощность двигателя не влияет на время разгона с места до 100 км/ч, с

Альтернативная гипотеза (H1): мощность двигателя влияет на время разгона с места до 100 км/ч, с .

Proximity Matrix
	Fourfold Point Correlation
	time	power
time	1,000	,624
power	,624	1,000
This is a similarity matrix

Критическое значение для данного коэффициента составляет 0,3. Полученное значение коэффициента контингенции равно 0,624. Это так же подтверждает альтернативную гипотезу – мощность двигателя влияет на время разгона с места до 100 км/ч, с .