Video: İSTATİSTİK II - Ünite 5 Konu Anlatımı 1 2025
regresyon terimi üstel yumuşatma kadar kötü görünmüyor, ancak en azından matematik. Ve bu yüzden Veri Analizi eklentisindeki Regresyon aracı kullanışlıdır. Eklenti, ortalamaları hareket ettirmek ve üstel yumuşatma gibi, matematiğin sorumluluğunu da alır.
Doğru sonuçları elde etmek için Veri Analizi eklentisindeki araçlara hala iyi bir başlangıç kriteri vermelisiniz.
İşte regresyon ile tahminlere hızlı bir bakış.
Regresyonun ardında yatan düşünce, bir değişkenin başka bir değişkenle bir ilişkisi olmasıdır. Örneğin, çocukken, boyunuz yaşınızla bir ilişki eğilimindedir. Gelecek yıl ne kadar uzun olacağınızı tahmin etmek istiyorsanız - en azından büyümeyi bırakana kadar - önümüzdeki yıl kaç yaşında olacağınızı kontrol edebilirsiniz.
Elbette ki insanlar farklıdır. 15 yaşında olduklarında, bazıları 5 fit boyunda, bazıları 6 fit boyunda. Ortalama olarak, yine de, biraz uzun süre birinin 15 yaşında olacağını bir miktar güvenle tahmin edebilirsiniz. (Ve neredeyse kesin olarak, yeni doğan bir kidletin 2 metrelik boyunun altında olacağını tahmin edebilirsiniz.)
Aynı şey satış tahminlerinde de geçerlidir. Şirketinizin tüketici ürünleri sattığını varsayalım. Yaptığınız reklam sayısının ne kadar artarsa o kadar çok şey satacağınız iyi bir şey. En azından, reklam bütçenizin boyutu ile satış gelirinizin boyutu arasında bir ilişki olup olmadığını kontrol etmeye değer. Güvenilir bir ilişki olduğunu düşünüyorsanız - ve şirketinizin reklamcılık için ne kadar harcamak istediğini biliyorsanız - satışlarınızı tahmin etmek için iyi bir konumdasınızdır.
Veya firmanızın yangın kapıları gibi özel bir ürünü pazarladığını varsayalım. (A yangın kapısı, bir süre için ateşe dayanıklı olması gereken bir konudur ve ofis binalarında bir yeri vardır.) Tüketici ürünlerinin aksine, yangın kapısı gibi bir şey belirli bir raf ömrü olan ya da taze aromalı yeni bir aromaya sahip olmalı. Yangın kapıları satın alıyorsanız, şartları yerine getiren ve en ucuz olanları almak istiyorsunuz.
Öyleyse, yangın kapıları satıyorsanız, ürününüz özelliklere uygun olduğu sürece, yangın kapılarının fiyatı ile kaç tanesinin satıldığı arasındaki ilişkiye göz atmak istersiniz. Ardından, kapı başına ne kadar ücret isteyebileceğinizi öğrenmek için pazarlama departmanınıza danışırsınız ve buna göre tahmini yapabilirsiniz.
Nokta, bir değişken (reklamcılık doları veya birim fiyat) ile başka bir (genellikle satış geliri veya satılan birimler) arasında güvenilir bir ilişki bulamayacağınızdan daha sık olmasıdır.
Bu ilişkiyi ölçmek için Excel araçlarını kullanırsınız. Regresyon tahminlerinde, Excel'e birkaç taban çizgisi kazandırırsınız:
- Geçmiş reklam masrafları ve tarihsel satış gelirleri
- Yangın kapısı başına ne kadar ücret ve ne kadar çok sattığınız kapı, örneğin
Eğer siz verirseniz Excel iyi baz çizgileri, size bir formülü ile geri gelecektir.
- Excel, reklamcılıkta ne kadar harcama yapmak istediğinizi çarpmak için bir sayı verir ve sonuç, beklenen satış geliriniz olur.
- Veya örneğin Excel, kapı başına birim maliyetin çarpımı için bir sayı verir ve sonuç, satmayı bekleyebileceğiniz kapıların sayısı olacaktır.
Sadece bir dokunuş daha karmaşık. Excel, çarpma sonucuna eklemeniz gereken bir sabit de denilen bir sayı verir. Ancak, Excel'i sizin yerinize yapmanız için kullanabilirsiniz.
