В одной дискуссии заговорили про построение c&b функции, и никто из собеседников не назвал важным знание нормального распределения и параметров выборки в работе специалиста (ну или критично важным).
Хочу привести пример, поясняющий важность знания функций нормального распределения и, в более широком смысле, параметров распределения.
* Я не претендую на полное освещение темы "Как читать зарплатные обзоры специалисту по C&B", но обещаю показать пример, без каких знаний нельзя правильно понимать исследования рынка зарплат и, вообще, исследований.
Вам этого достаточно? Скорее, всего, нет. Почему? Потому что нужны какие то подтверждения тому, что 55 000 р соответствует "истине" - "тому, что есть на самом деле".
Или, по другому, насколько показатель среднего по выборке респондентов соответствует генеральной совокупности - данным по всем компаниям интересующей нас территории, отрасли и позиции.
Какие параметры нам нужны для ответа на данный вопрос?
Необходимо знать размер выборки (допуская, что провайдер честно сделал выборку по предприятиям и региону нашей целевой аудитории). Пусть число компаний - респондентов, принявших участие в обзоре будет равно 36.
Необходимо знать стандартное отклонение по выборке - S.
стандартное отклонение по выборке считается так
где xi - конкретное значение зарплаты компании, x со штрихом - среднее значение (в нашем случае 55 000 р), n - размер выборки (в нашем случае 36).
Встречали ли вы в исследовании стандартное отклонение выборочное? Я сам не встречался, но верю, что бывает. Давайте допустим, что в нашем случае S = 10 000
Далее мы оцениваем так называемые доверительные интервалы - интервалы показателя средней зарплаты генеральной совокупности, куда укладывается наши 55 000 р.
Доверительные интервалы мы оцениваем по левой формуле (справа сразу дана формула необходимого количества респондентов для заданных интервалов)
ME - margin of error - или границы интервалов; Z - стандартные баллы нормального распределения (помните про правило трех сигм? Вот Z измеряется в этих сигмах); S и N мы уже смотрели выше - стандартное отклонение по выборке и размер выборки.
Нас интересует 95 % доверительный интервал (чтобы значение генеральной совокупности с 95 % вероятностью попадало в этот диапазон). Для этого мы используем таблицу нормального распределения, где ищем значение 0, 025 (по 2, 5 % с каждой стороны, что дает вместе 5 %). А еще лучше запомните значение Z для 95 % интервала - 1 , 96 (я надеюсь, что вы сами потренируетесь с этим в работе). Но сама таблица здесь таблица нормального распределения
Теперь все ингредиентысупа уравнения есть, считаем:
ME = 1, 96 * 10 000 / корень из 36 = 3 267 р.
Т.е. мы можем утверждать, что средний размер заработной платы генеральной совокупности попадает с вероятностью 95 % в интервал от 51 733 р до 58 267 р.
Много это или мало? Это уже решать вам, как бизнесу. Вполне возможно, вас устроят такие границы. Кого то нет.
Но знание этих формул и параметров считаю нужным для специалиста по c&b.
И не только: если вы посмотрите на формулу ниже, то увидите, что ее можно применять для большего количества кейсов - например оценки параметров корпоративного опроса. Что я и покажу в одном из следующих постов.
Хочу привести пример, поясняющий важность знания функций нормального распределения и, в более широком смысле, параметров распределения.
* Я не претендую на полное освещение темы "Как читать зарплатные обзоры специалисту по C&B", но обещаю показать пример, без каких знаний нельзя правильно понимать исследования рынка зарплат и, вообще, исследований.
Пример
Вы получили обзор заработных плат (исследование рынка заработных плат), где средняя зарплата указана как 55 000 р.Вам этого достаточно? Скорее, всего, нет. Почему? Потому что нужны какие то подтверждения тому, что 55 000 р соответствует "истине" - "тому, что есть на самом деле".
Или, по другому, насколько показатель среднего по выборке респондентов соответствует генеральной совокупности - данным по всем компаниям интересующей нас территории, отрасли и позиции.
Какие параметры нам нужны для ответа на данный вопрос?
Необходимо знать размер выборки (допуская, что провайдер честно сделал выборку по предприятиям и региону нашей целевой аудитории). Пусть число компаний - респондентов, принявших участие в обзоре будет равно 36.
Необходимо знать стандартное отклонение по выборке - S.
стандартное отклонение по выборке считается так
где xi - конкретное значение зарплаты компании, x со штрихом - среднее значение (в нашем случае 55 000 р), n - размер выборки (в нашем случае 36).
Встречали ли вы в исследовании стандартное отклонение выборочное? Я сам не встречался, но верю, что бывает. Давайте допустим, что в нашем случае S = 10 000
Далее мы оцениваем так называемые доверительные интервалы - интервалы показателя средней зарплаты генеральной совокупности, куда укладывается наши 55 000 р.
Доверительные интервалы мы оцениваем по левой формуле (справа сразу дана формула необходимого количества респондентов для заданных интервалов)
ME - margin of error - или границы интервалов; Z - стандартные баллы нормального распределения (помните про правило трех сигм? Вот Z измеряется в этих сигмах); S и N мы уже смотрели выше - стандартное отклонение по выборке и размер выборки.
Нас интересует 95 % доверительный интервал (чтобы значение генеральной совокупности с 95 % вероятностью попадало в этот диапазон). Для этого мы используем таблицу нормального распределения, где ищем значение 0, 025 (по 2, 5 % с каждой стороны, что дает вместе 5 %). А еще лучше запомните значение Z для 95 % интервала - 1 , 96 (я надеюсь, что вы сами потренируетесь с этим в работе). Но сама таблица здесь таблица нормального распределения
Теперь все ингредиенты
ME = 1, 96 * 10 000 / корень из 36 = 3 267 р.
Т.е. мы можем утверждать, что средний размер заработной платы генеральной совокупности попадает с вероятностью 95 % в интервал от 51 733 р до 58 267 р.
Много это или мало? Это уже решать вам, как бизнесу. Вполне возможно, вас устроят такие границы. Кого то нет.
Но знание этих формул и параметров считаю нужным для специалиста по c&b.
И не только: если вы посмотрите на формулу ниже, то увидите, что ее можно применять для большего количества кейсов - например оценки параметров корпоративного опроса. Что я и покажу в одном из следующих постов.
Комментариев нет:
Отправить комментарий