We have made the sample size as lar

We have made the sample size as large as possible to guarantee a very representative idea of the situation in a sector for a given inventory type, as a consequence, sample size differs between inventory types for certain sectors in the manufacturing industry. Note that we omitted sectors with too little observations (16 Tobacco, 19 Leather & shoes, 30 Office & computer, 33 Medical equipment & clocks, 35 Other means of transportation). Furthermore, outlying observations were removed when the ID ratio exceeded the outer fences of the box plot, i.e. when data are outside the following interval: ] Q1-3×IQR; Q3+3×IQR [. Q1 and Q3 are the first and the third quartile and IQR is the interquartile range, i.e. Q3-Q1. Using this method to remove outliers is preferred when the distribution of the data is crooked, a phenomenon we observed for the inventory ratio data. In contrast, the distribution of the financial data is normal. Therefore we used a more traditional method based on the standard deviation to remove outliers.

Kết quả (Việt) 1:

Chúng tôi đã thực hiện mẫu kích thước lớn nhất có thể để đảm bảo một ý tưởng rất đại diện của tình hình trong một lĩnh vực đối với một loại hàng tồn kho được đưa ra, như một hệ quả, kích thước mẫu khác nhau giữa các loại hàng tồn kho cho một số lĩnh vực trong ngành công nghiệp sản xuất. Lưu ý rằng chúng tôi bỏ qua các lĩnh vực với các quan sát quá ít (thuốc lá 16, 19 da & giày, 30 văn phòng máy tính, 33 trang thiết bị y tế & đồng hồ, 35 các phương tiện giao thông vận tải). Hơn nữa, xa xôi hẻo lánh quan sát đã được gỡ bỏ khi tỷ lệ ID vượt hàng rào bên ngoài của hộp âm mưu, tức là khi dữ liệu nằm ngoài khoảng thời gian sau đây:] Q1-3 × IQR; QUÝ 3 + 3 × IQR [. Quý 1 và quý 3 là người đầu tiên và thứ ba quartile và IQR là interquartile range, tức là Q3-Q1. Sử dụng phương pháp này để loại bỏ các outliers sẽ được ưu tiên khi phân phối dữ liệu cong, một hiện tượng mà chúng tôi quan sát cho các dữ liệu tỷ lệ hàng tồn kho. Ngược lại, sự phân bố của các dữ liệu tài chính là bình thường. Do đó, chúng tôi sử dụng một phương pháp truyền thống dựa trên độ lệch chuẩn để loại bỏ các outliers.

Kết quả (Việt) 2:

Chúng tôi đã thực hiện các kích thước mẫu càng lớn càng tốt để đảm bảo một ý tưởng rất đại diện của tình hình trong khu vực cho một loại hàng tồn kho nhất định, như một hệ quả, kích cỡ mẫu khác nhau giữa các loại hàng tồn kho cho các lĩnh vực nhất định trong ngành công nghiệp sản xuất. Lưu ý rằng chúng ta bỏ qua các lĩnh vực với các quan sát quá ít (16 lá, 19 Da giày, 30 văn phòng và máy tính, 33 thiết bị y tế & đồng hồ, 35 phương tiện khác của giao thông vận tải). Hơn nữa, quan sát xa trung tâm đã được gỡ bỏ khi tỷ số ID vượt hàng rào bên ngoài của âm mưu hộp, tức là khi dữ liệu bên ngoài khoảng thời gian sau:] Q1-3 × IQR; Q3 + 3 × IQR [. Q1 và Q3 là người đầu tiên và tứ phân vị thứ ba và IQR là khoảng tứ phân vị, tức là Q3-Q1. Sử dụng phương pháp này để loại bỏ giá trị ngoại lai được ưa thích khi sự phân bố của dữ liệu được quanh co, một hiện tượng chúng ta quan sát cho dữ liệu tỷ lệ hàng tồn kho. Ngược lại, sự phân bố của các dữ liệu tài chính là bình thường. Vì vậy chúng tôi sử dụng một phương pháp truyền thống dựa trên độ lệch tiêu chuẩn để loại bỏ giá trị ngoại lai.