为了分析一些汽车市场数据，我不得不进行一些挖掘。如果你像我一样，更喜欢分析数据而不是幻想新闻，那么你必须有工作。在这个阳光明媚的周日，整整花了 44 分钟才找到可以访问的数据源。
我的第一个搜索源是 FENABRAVE 网站，但在那里，我只找到了每月比较的 pdf 文件。你知道那件事不会通向任何地方吗？将某个月与另一个月或今年与去年的一段时间进行比较？是的，亲爱的床。人们撕毁了戴明深层知识中的“理解变异” ，而不断地比较正常原因的变异。
经过这次搜索，我到达了 ANFAVEA 网站，在那里我找到了一个很好的基地。网站上有一个历史系列的链接，可以在 Excel 中快速下载。找到这样的地方是多么好的事情，其数据是由那些理解的人构建的。但让我们进入正题吧？让我们继续分析巴西的汽车市场。
卡车销售情况如何？
为了开始分析，我建议我们先了解一下基础知识。那么，分 黎巴嫩数据 析时间序列的基本图表是什么？著名的趋势图（或线），或者顾名思义：Times Series Plot。在图 1 中，我们显示了巴西卡车产量和国家卡车许可数量的趋势图。
卡车生产
图 1：全国卡车产量和许可趋势图。
从图1中，通过这个简单的图表，你可以看到，从2012年到现在，市场的跌幅一直很强劲。很明显，生产符合许可，也就是说，该行业似乎遵循国内市场。即使销量急剧下降，出口仍然不足以保持我们的生产强劲。
如何制作数据分析控制图？
如果你是我们学校毕业的绿带或黑带，我敢打赌，当你读到这个新闻时，你的脑子里已经在说话了：控制图，控制图……冷静下来。我们开始做吧。但问题来了：使用哪个图表？
变量的类型是什么？
物品的产量是连续变量、计数变量还是分类变量？由于我们无法生产半辆卡车，因此我们说产量是一个离散变量，因此我们将其分类为计数。正确的？不。生产不是属性变量，因为我不想计算总体中的缺陷或问题。因此，为了分析卡车生产，我必须使用变量控制图。
但是，您还记得，使用变量控制图（X-bar R、X-bar s、I 和 MR 或 CUSUM）时必须做出的假设是分布是正态的。但这种分布真的正常吗？为了检查特征的个体或平均结果的正态性，可以应用多种技术，例如使用直方图、坚持性检验（Anderson-Darling、Kolmogorov-Smirnov 或 Shapiro-Wilk）或概率图（QQ 图或图表）纸）。
我们已经在博客上讨论过使用 Minitab 软件进行正态性检验的程序。但在这里，为了测试正态性，我们将使用概率图。
卡车生产
图 2：卡车生产概率图。
从图 2 可以看出，分布不是正态的。而且，如果我们稍微思考一下，就会发现这是有道理的，不是吗？我们不能指望从我父亲出生那年（1957年）至今，卡车的月产量会呈正态分布。产量持续 60 年停滞不前，意味着我们卡车运输物品的产量在此期间没有增长。鉴于这种情况，该怎么办？Box-Cox 变换?我不知道，我们来测试一下。
如何对待非正态分布？
卡车生产
图 3：卡车生产的 Box-Cox 转型。
在图 3 中，我们有 Box-Cox 变换。现在，重要的是检查变换是否足以使分布标准化。我们该如何做到这一点？再次绘制概率图。
卡车生产
图 4：卡车生产 Box-Cox 变换的概率图。
从图 4 可以看出，数据已令人满意地标准化，但它仍然不是完全正态分布。如果我们制作一个单独的图表，我们就会观察到问题。只要看看图 4，就可以清楚地看到有 3 种不同的分布：一个在系列的开头，另一个在系列的中间，另一个在系列的末尾。让我们制作一个转换后的变量的单独图表来分析这一点。
卡车生产
图 5：卡车生产转型的个体图。
从图 5 中，您可以看到销量改变了其行为。我们又回到了80年代末90年代初的销售模式，我们的工人该怎么办？如果我们像 80 年代末那样进行生产并采用更多技术，我们可以认为所需的劳动力会少得多。当国家恢复就业时，我们似乎不能对这个行业抱有太大期望。现在，你能做比这更好的分析吗？
如何模拟生产的演变？
现在艺术开始了。事实上，它不是艺术。这是训练。当我们查看卡车产量图表时，我们想知道什么？我们想知道这个行业是在增长还是在下降。我们如何衡量产量的增长？对于那些想要将一个月与另一个月进行比较的人来说，这是一个要点。
生产变化的时间序列怎么样？这是为什么呢？因为这样就可以了解每月变化是否高于预期。如果我们观察到本月的增长高于预期，并且产量变化遵循正态分布，那么其他月份的变化可能不会那么大。我们继续进行这个分析吗？
- Board index
- All times are UTC
- Delete cookies
- Contact us