💸 Как сделать бизнес проще, а карман толще?

Тот, кто работает в сфере услуг, знает — без ведения записи клиентов никуда. Мало того, что нужно видеть свое раписание, но и напоминать клиентам о визитах тоже. Проблема в том, что средняя цена по рынку за такой сервис — 800 руб/мес или почти 15 000 руб за год. И это минимальный функционал. Нашли самый бюджетный и оптимальный вариант: сервис VisitTime.
⚡️ Для новых пользователей первый месяц бесплатно. А далее 290 руб/мес, это в 3 раза дешевле аналогов. За эту цену доступен весь функционал: напоминание о визитах, чаевые, предоплаты, общение с клиентами, переносы записей и так далее.
✅ Уйма гибких настроек, которые помогут вам зарабатывать больше и забыть про чувство «что-то мне нужно было сделать».
Сомневаетесь? нажмите на текст, запустите чат-бота и убедитесь во всем сами!

Выполнение корреляционно-регрессионного анализа с помощью компьютера

Корреляционно-регрессионный анализ можно осуществить, использую табличный процессор Excel или программный комплекс Statistica. Поскольку Excel находит более широкое применение, то будем работать именно с ним. Следует уточнить, что в Excel линии регрессии называются линиями тренда.

Анализ осуществляем в следующей последовательности:

1) создаем новую книгу Excel. Вводим заголовок зависимости и исходные данные, приведенные в таблице 1;

2) создаем (с помощью Мастера диаграмм) поле корреляции – диаграмму рассеяния или разброса;

3) на поле корреляции наносим возможные линии регрессии (линии тренда). Для этого, открыв контекстное меню на поле корреляции, выбираем команду «Добавить линию тренда». При этом в диалоговом окне на вкладке «Тип» будут показаны возможные типы линий тренда. Поочередно наносим их на поле корреляции, в т.ч.: линейную (рисунок 4), логарифмическую (рисунок 5), полиноминальную (рисунок 6), степенную (рисунок 7), экспоненциальную (рисунок 8).

При этом каждый раз на вкладке «Параметры» задаем размещение уравнения и значение достоверности аппроксимации (). Полученные результаты сводим в таблицу 7.

Рисунок 4 – Линейная линия тренда

Рисунок 5 – Логарифмическая линия тренда

Рисунок 6 – Полиноминальная линия тренда

Рисунок 7 – Степенная линия тренда

Рисунок 8 – Экспоненциальная линия тренда

Таблица 7 - Сравнение полученных уравнений регрессии

Уравнение		Вывод
y = 1, 616x - 2, 073	0, 997	Да
y = 19, 52ln(x) - 29, 77	0, 962	Нет
y = 0, 006x2 + 1, 449x - 1, 075	0, 997	Да
y = 1, 086x1, 111	0, 993	Нет
y = 5, 445e0, 089x	0, 972	Нет

4) Находим линию тренда, имеющую наибольшее значение достоверности аппроксимации – линейную (), которую и выбираем в качестве линии парной регрессии для исследуемой зависимости.