Как стать автором
Обновить

Комментарии 11

Вычисления несложные, Вы правы, но необоснованные. Почему Вы решили, что распределение будет нормальным? Почему вы выбрали 1.5 сигмы? Цитирую: «Вероятность того, что продажи товара в истории продаж, при нормальном ходе событий, будут меньше чем средние продажи этого товара минус среднеквадратичные продажи товара умноженные на 1,5, равнa 91%». Во-первых, что такое среднеквадратичные продажи? Так не говорят. Во-вторых, вы, наверное, имели ввиду не 91%, а 9%, а то у Вас почти все продажи были бы «аномально низкими». И в-третьих даже с 9% Вы не правы — это вероятность того, что продажи будут либо аномально низкими, либо аномально высокими. Вероятно, Вы хотели написать 4.5%.
Раз уж залезли в область мат. статистики и решили писать об этом статью, желательно все-таки в этой теории разбираться.
1. Выбрали 1,5 сигмы эксперементальным путем.
2. С 91% ошиблись, исправили на 9%. Среднеквадратические продажи исправили. Спасибо.
3. Правильно 9% потому-что мы ищем только аномально низкие продажи: 0.1+2.1+(13.6/2)=9, мы смотрим только левую сторону график
Насчет третьего, Вы, надеюсь, шутите. Это так Вы считаете вероятность?
Я подскажу. Для подсчета вероятности выхода за нижнюю границу мю-1.5 сигмы нужно брать определенный интеграл от функции плотности нормального распределения с пределами -бесконечность и мю-1.5 сигмы. И в Вашем случае она составит около 6.68%.
Да вы правы, для точного подсчета вероятности нужно интегрировать. Я же указал примерное значение. Но для практичекого результата 2.32% разницы не имеют почти никакого значения. В статье исправили.
Еще интересно было бы проверить, какое распределение лучше описывает продажи. Я лично отдал бы предпочтение гипотезе о бета-распределении (см. логистическая кривая), а не о нормальном. Но тут нужно брать данные и примерять.
И всё же — хороший подход, хотя, как написал The_Freeman — не все прописано до конца, но меня собственно интересует именно общее понимание процесса. У Вас есть ещё какие-то наработки в этой области? Было бы интересно.
Статья описывает как работает один из функционалов нашего сервиса. Вот еще одна статья в нашем блоге datawiz.io/ru/blogs12/. Мы делали еще очень много чего интерестного — прогнозирование продаж, оптимизацию управления запасами, деревья решений и т.д., но не хватает времени все это описать. В будующем появятся новые статьи.
Круто: подписался на Вас — тема больно уж мне близкая. Прочитаю, поделюсь впечатлениями.
Спасибо, на сайте можно взять демо — пощупать. Будут вопросы, пишите.
как правильно указали выше, где проверка нормальности распределения? без этого оценка стат.выбросов по нижней границе бесмысленна. какой фактический профит бизнесу от притянутого за уши алгоритма оценки упущенной выгоды?
Вот-вот. Почему нормальное, а не бета или например не Паретовское? Кто сказал?
Зарегистрируйтесь на Хабре , чтобы оставить комментарий