У меня есть машина, которая производит товары по заказу на работу, сгенерированному из базы данных. Количество товаров на один рабочий заказ варьируется от 1 до 5000. Я пытаюсь проанализировать эффективность машины, так как считаю, что большие рабочие заказы не приводят к повышению производительности, по крайней мере, не для всех типов материалов, которые мы используем. Я сгенерировал кол-во на рабочий заказ и среднюю скорость производства (частей / час) из базы данных. Но я не знаю, как поместить их в диаграмму распределения. Я хочу, чтобы кол-во для каждого рабочего задания на оси х и скорость на оси у, чтобы я мог видеть, какое кол-во дает максимальную производительность. Есть ли способ сделать это?
1 ответ
0
Дорогой,
Предположим: в столбце A вы ввели "Количество на рабочее задание", а в столбце B "Средняя скорость производства".
Выберите данные столбцов A и B
- Перейти к Вставить и выбрать график рассеяния
- Вы увидите диаграмму рассеяния построенных точек
- Правило таково: если на графике имеется широкий разброс, то нет никакой корреляции, но если точки находятся близко и образуют восходящий или нисходящий тренд, то существует связь.
- Если тренд восходящий; подразумевает положительную корреляцию: если X увеличивается, то Y увеличивается, а если X уменьшается, Y также уменьшается.
Если тренд нисходящий; подразумевает отрицательную корреляцию: поэтому, если X увеличивается, то Y уменьшается, а если X уменьшается, то Y увеличивается.
Чтобы получить количественные значения отношения, вы можете найти коэффициент корреляции Карла Пирсона (r), вставив формулу:
Выберите ячейку. Введите формулу: = CORREL(A2: A100, B2: B100). Вы получите значение r. Если вы получите r = 1 или -1, то существует идеальная положительная или отрицательная корреляция.
В вашем случае я предполагаю, что значение r может быть около -0,85, скажем, на основании вашего объяснения, которое говорит, что r квадрат т.е. (-.85)^ 2 = 0,7256, что указывает на то, что в 73% случаев скорость производства уменьшается при увеличении размера заказа.
По теории линий регрессии вы также можете подогнать уравнение к заданным данным, а также можете проверить значимость теста.