Cvičení 1.: Průzkumová analýza jednorozměrných dat


Vedení pojišťovny (zaměřené na pojištění automobilů) požádalo manažera oddělení marketingového
výzkumu o provedení průzkumu, který by ukázal názory zákazníků na uvažovaný nový systém pojištění
aut.

Náhodně bylo vybráno 110 současných zákazníků pojišťovny a ti byli telefonicky seznámeni s
následujícím textem:

„Naše pojišťovna nabízí nový systém pojištění aut výhradně pro cesty nad 300 km. Za roční poplatek
12 tisíc Kč budete pojištěni pro případ libovolných potíží s autem při všech cestách nad 300 km. V
případě nehody pojišťovna uhradí opravu, cestovní náklady a popř. i některé další výlohy, jako je
ubytování a stravování v hotelu, telefon atd.

Stupnicí od 1 (jednoznačný nezájem) do 5 (jednoznačný zájem) laskavě vyjádřete svůj postoj k
nabízenému novému typu pojištění. Dále uveďte svůj věk, počet cest nad 300 km v loňském roce, stáří
vašeho auta a váš rodinný stav. Děkujeme.“


Získané odpovědi byly zaznamenány do datového souboru pojist.sta a zakódovány takto:

POSTOJ ... postoj k novému typu pojištění (jednoznačný nezájem = 1, lehký nezájem = 2, neutrální
postoj = 3, lehký zájem = 4, jednoznačný zájem = 5).

RODSTAV ... rodinný stav (svobodný = 1, rozvedený, ovdovělý = 2, ženatý = 3).

VEK ... věk v dokončených letech.

STARIAUT ... stáří auta v letech.

CESTY ... počet cest nad 300 km v předešlém roce.


Ukázka části datového souboru:



Úkol 1.: Datový soubor pojist.sta načtěte do systému STATISTICA. Všem proměnným vy-tvořte návěští a
popište význam jednotlivých variant proměnných POSTOJ a RODSTAV.

Návod: Soubor – Otevřít – pojist.sta – Otevřít.

Názvy a vlastnosti proměnných se upravují v okně, do něhož vstoupíme, když 2x klikneme myší na
název proměnné. Návěští se píše do Dlouhého jména, význam variant do Text. hodnot.


Úkol 2. Zjistěte absolutní a relativní četnosti a absolutní a relativní kumulativní četnosti
proměnných POSTOJ a RODSTAV.

Návod: Statistiky – Základní statistiky/Tabulky – Tabulky četností – OK – Proměnné POSTOJ, RODSTAV
– OK – Výpočet.

Tabulky se uloží do pracovního sešitu, listovat v nich můžeme pomocí stromové struktury v levé
části okna.


Tabulka četností pro POSTOJ


Tabulka četností pro RODSTAV


Úkol 3. Absolutní četnosti proměnných POSTOJ a RODSTAV znázorněte graficky pomocí výsečového
diagramu.

Návod: V menu zvolíme Grafy – 2D Grafy – Výsečové grafy.

Vybereme proměnné POSTOJ, RODSTAV a dostaneme následující grafy:





Z prvního diagramu je zřejmé, že nejméně zákazníků projevilo jednoznačný zájem o nový typ
pojištění. Ostatní varianty jsou zastoupeny vcelku rovnoměrně.

Co se týká rodinného stavu zákazníků, vidíme, že v daném souboru jsou s přibližně stejnou četností
zastoupeni ženatí a svobodní zákazníci. Rozvedených či ovdovělých je nejméně.


Úkol 4. Vytvořte histogram proměnné VEK se šesti třídicími intervaly <23,29>, (29,35>, (35,41>,
(41,47>, (47,53>, (53,59>.

Návod: V menu vybereme Grafy – Histogramy – Proměnné VEK, OK, Detaily – zaškrtneme Hranice – Určit
hranice – zaškrtneme Zadejte hraniční rozmezí, Minimum 23, Krok 6, Maximum 59 – OK – Vypneme
normální proložení – OK. Dostaneme histogram v tomto tvaru:



Ze vzhledu histogramu lze soudit, že v souboru zákazníku jsou nejvíce zastoupeni lidé od 35 do 47
let. Soubor vykazuje kladné zešikmení, protože mladší věkové kategorie jsou zastoupeny s vyšší
četností než starší věkové kategorie.


Úkol 5.: Vytvořte kategorizovaný histogram proměnné VEK podle proměnné RODSTAV.

Návod: Postupujeme stejně jako v předešlém případě a zvolíme Kategorizovaný – Kategorie X – Zapnuto
– Změnit proměnnou RODSTAV – OK - OK.

Úkol 6.: Vypočtěte následující číselné charakteristiky:

POSTOJ (ordinální proměnná) – modus, medián, dolní a horní kvartil, kvartilová odchylka. RODSTAV
(nominální proměnná) – modus.

VEK, STARIAUT, CESTY (poměrové proměnné) – průměr, směrodatná odchylka, koeficient variace,
šikmost, špičatost.

Návod: Statistiky – Základní statistiky/tabulky – Popisné statistiky – OK, Proměnné  – zadáme název
příslušné proměnné, Detailní výsledky – vybereme příslušné charakteristiky.



Vidíme, že medián, modus a dolní kvartil jsou stejné – je to varianta 2 „lehký nezájem“. Horním
kvartilem je varianta 4 „lehký zájem“.



V našem datovém souboru je nejčetnější variantou rodinného stavu varianta 1 „svobodný“.



Průměrný věk zákazníka je 39 let a 7 měsíců se směrodatnou odchylkou 8 let a 10 měsíců. Rozložení
věku vykazuje kladnou šikmost (podprůměrné hodnoty věku jsou četnější než nadprůměrné) a zápornou
špičatost (rozložení věku je plošší než normální rozložení).

Průměrné stáří auta je 4 roky a 2 měsíce se směrodatnou odchylkou 2 roky a 4 měsíce. Rozložení
stáří aut je kladně zešikmené a špičatější než normální rozložení.

Průměrný počet cest nad 300 km je 7,2 se směrodatnou odchylkou 5,3. Rozložení počtu cest na 300 km
je značně kladně zešikmené a podstatně špičatější než normální rozložení.

Z porovnání variability uvedených tří proměnných pomocí koeficientů variace (koeficient variace je
podíl směrodatné odchylky a průměru, často se udává v procentech) vyplývá, že nejvyšší variabilitu
má proměnná CESTY, nejnižší VEK.


Úkol 7.: Zjistěte, jaký je průměrný počet cest nad 300 km pro svobodné, rozvedené , ženaté
zákazníky pojišťovny. Výpočet doplňte krabicovým diagramem.

Návod: Statistiky – Základní statistiky/tabulky – Rozklad&jednofakt. ANOVA – OK – Proměnné –
Závisle proměnné CESTY, Grupovací proměnná RODSTAV – OK – OK – Popisné statistiky – ponecháme jen N
platných – Výpočet

Vidíme, že nejvyšší průměrný počet cest nad 300 km mají svobodní zákazníci pojišťovny.


Vytvoření krabicového grafu: Grafy – 2D Grafy – Krabicové grafy – Proměnné – Závisle proměnné
CESTY, Grupovací proměnná RODSTAV – OK – OK

Ve všech třech variantách rodinného stavu se vyskytují odlehlé hodnoty, u svobodných zákazníků
pojišťovny jsou dokonce i extrémní hodnoty.


Úkol 8.: Pro proměnnou STARIAUT sestrojte N-P graf a s jeho pomocí posuďte normalitu této proměnné.


Návod: Grafy – 2D Grafy – Normální pravděpodobnostní grafy – Proměnné STARIAUT – OK.



Tečky v NP grafu se značně odchylují od zakreslené přímky a řadí se do konkávního tvaru. Datový
soubor vykazuje kladné zešikmení, nejedná se tedy o normální rozložení.


Úkol 9.: Pro proměnnou STARIAUT nakreslete histogram s proloženou hustotou normálního rozložení.
Ponechejte implicitní počet třídicích intervalů.

Návod: Grafy – Histogramy – Proměnné STARIAUT – OK.


Tvar histogramu svědčí o kladně zešikmeném rozložení, jehož hustota neodpovídá hustotě normálního
rozložení.



Příklad k samostatnému řešení:

Načtěte datový soubor lide.sta, s nímž jste pracovali v 1. cvičení.



1. Vytvořte tabulku absolutních a relativních četností proměnné SEX. Četnosti znázorněte pomocí
výsečového diagramu.



2. Vytvořte histogram proměnné VEK se šesti třídicími intervaly (16,23>, (23,30>, (30,37>, (37,43>,
(43,50>, (50,57> a zakreslenou Gaussovou křivkou.


3. Vytvořte kategorizované histogramy proměnné BMI  pro muže a pro ženy.

4. Vypočtěte průměr, směrodatnou odchylku, koeficient variace, šikmost a špičatost proměnné BMI pro
muže a pro ženy. Výsledky udávejte na dvě destinná místa.

Pro muže:


Pro ženy


 5. Sestrojte N-P plot pro proměnnou Hmotnost.


6. Vytvořte kategorizované krabicové diagramy pro proměnnou Vyska pro muže a pro ženy.


7. K extrémní hodnotě výšky umístěte jméno muže, kterému tato výška přísluší.

(Jan)