intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Môn: Thực hành quản trị trên máyNgười đầu tiên dùng số liệu thống kê

Chia sẻ: Thao Thao | Ngày: | Loại File: PDF | Số trang:10

Thêm vào BST
Báo xấu
71
lượt xem 3
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Môn: Thực hành quản trị trên máy Người đầu tiên dùng số liệu thống kê để dự báo? BÀI 4 “Lo lắng về nạn bệnh dịch, Henry VII đã hạ lệnh phải ghi chép số người chết kể từ năm 1532. Cũng vào thời gian đó, tại Pháp, giới tăng lữ cũng buộc phải ghi chép về số lễ rửa tội, số đám tang và số lễ kết hôn. Trong thời kỳ bị dịch bệnh hoành hành vào cuối thế kỷ 16, chính phủ Anh bắt đầu phát hành số liệu thống kê hàng tuần về số người chết. Đến năm 1632, Bills...

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Môn: Thực hành quản trị trên máyNgười đầu tiên dùng số liệu thống kê

  1. Môn: Thực hành quản trị trên máy Người đầu tiên dùng số liệu thống kê để dự báo? “Lo lắng về nạn bệnh dịch, Henry VII đã hạ lệnh phải ghi chép số người chết kể từ năm 1532. Cũng vào thời gian đó, tại Pháp, giới tăng lữ cũng buộc phải ghi chép về số lễ rửa tội, số đám tang và số lễ kết hôn. Trong thời kỳ bị dịch bệnh hoành hành vào cuối thế kỷ 16, chính phủ Anh bắt đầu phát hành số liệu thống kê hàng tuần về số người chết. Đến năm 1632, Bills of Mortality cung cấp số chết BÀI 4 và số sinh theo giới đã ra đời. Năm 1662, Captain John Graunt sử dụng số liệu 30 năm của Bills of Mortality để dự báo số người sẽ chết bởi bệnh dịch, và dự báo tỉ lệ sinh đối với nam và nữ. Graunt được coi là người tiên phong trong việc sử dụng số liệu thống kê để làm dự báo. Với cống hiến của mình, ông được mời làm thành viên của Hàn Lâm Hoàng Gia Anh.” Nguồn Trần Trí Dũng http://www.saga.vn/Kinhtehockinhdoanh/Mohinhtoan/983.saga Tr Trí Phân loại Định tính • Kinh nghiệm I. TỔNG QUAN • Phương pháp Delphi Định lượng • Cố vấn • Mô hình chuỗi thời • Khảo sát khách hàng Que sera sera ……… gian • …… Yt =f(Yt-1, Yt-2,…, Yt-n) •Dự báo luôn có sự sai lệch • Mô hình nhân quả •Dự báo càng tổng quát thì càng chính xác •Thời kỳ càng dài, độ chính xác càng thấp Y=f(X1, X2, …, Xn) 1
  2. Môn: Thực hành quản trị trên máy Phương pháp Delphi Đặc trưng chuỗi tuần tự theo thời gian Phương pháp dự báo định tính theo đó ý kiến của các chuyên gia được kết hợp trong một loạt số lần lặp lại. Kết quả của mỗi lần lặp lại được sử dụng Xu hướng dài hạn cho lần lặp tiếp theo để thu thập được ý kiến chung (Trend component) của các chuyên gia. Thành phần chu kỳ (Cyclical component) Thành phần mùa (Seasonal component) Thành phần bất thường (Irregular component) Dự báo theo chuỗi thời gian (Time Series Models) Vấn đề • Dựa vào các giá trị khảo sát trước đó Ft – Dự báo kỳ thứ t  Ft   an Dt  n • Ý tưởng: phát hiện “dạng thức” Di – Giá trị khảo sát ở kỳ i < t 1 • Dự báo nhu cầu ngắn hạn ai – Mức độ ảnh hưởng của kỳ i • Phổ biến, dễ làm Tuyến tính  Xác định ai ?? Ngẫu nhiên Phi tuyến 2
  3. Môn: Thực hành quản trị trên máy 1. Ví dụ Dự báo theo mô hình nhân quả (Causal Models) Dự báo nhu cầu bánh trung thu ? 011 Dùng nguyên nhân (biến độc lập) để dự báo kết quả Kỳ Năm Di 25 2 23 (biến phụ thuộc) 1 1998 10 21 2 1999 10 19 Công cụ: Hồi quy (Regression Analysis) ngàn tấn 17 3 2000 11 15 • Y = a0 + a1X1 + a2X2+ … anXn 13 4 2001 10 11 • Xác định ai  phương pháp bình phương tối thiểu 5 2002 12 9 7 6 2003 13 5 0 1 2 3 4 5 6 7 8 9 10 7 2004 16 kỳ 8 2005 17 9 2006 19 ? 10 2007 22 11 2008  140 ? Phương pháp đơn giản Ft = Dt–1 011 2 25 Kỳ Di Fi 23 Di 1 10 NA 21 Fi 19 2 10 10 II. Một số mô hình dự báo ngàn tấn 17 3 11 10 15 13 4 10 11 11 Moving Averages 5 12 10 9 7 6 13 12 Exponential Smoothing 5 7 16 13 0 1 2 3 4 5 6 7 8 9 10 11 kỳ Regression Analysis 8 17 16 9 19 17  10 22 19 ? 11 22 “Vẫn như cũ”  140 3
  4. Môn: Thực hành quản trị trên máy ? Phương pháp trung bình Ft = D b. Cách tính 011 2 Trung bình đơn giản của w kỳ gần nhất 25 Kỳ Di Fi 23 Di 1 10 14 • w càng lớn  càng ổn định 21 Fi 19 2 10 14 • w càng nhỏ  càng linh hoạt ngàn tấn 17 3 11 14 15 13 4 10 14 11 5 12 14 9 7 D  Dt 2    Dt w 1 w N 6 13 14 Ft   Dt w  t 1 5 7 16 14 0 1 2 3 4 5 6 7 8 9 10 11 kỳ w n1 w 8 17 14 9 19 14  10 22 14 ? 11 14 “Vẫn y nguyên”  140 ? 2. Trung bình di động – Moving Average c. Công cụ Moving Average 011 a. Ví dụ: cửa sổ trượt w = 2 2 1. Chuẩn bị vùng 25 Kỳ Di Fi 23 Input Range Di 1 10 NA ⓐ 21 Fi 2. Ra lịnh Tools  19 2 10 NA ngàn tấn 17 ⓑ Data Analysis  3 11 10 15 Moving Average 13 4 10 10,5 11 ⓒ 3. Khai báo 5 12 10,5 9 7 a. Input Range 6 13 11 5 b. Interval 7 16 12,5 0 1 2 3 4 5 6 7 8 9 10 11 kỳ c. Output options 8 17 14,5 4. Nhấn OK 9 19 16,5 “Bán bà con xa, 10 22 18 mua láng giềng gần” ? 11 20,5 Ví dụ (Excel 2003)  140 4
  5. Môn: Thực hành quản trị trên máy ? 3. San bằng mũ – Exponential Smoothing b. Cách tính 011 a. Ví dụ: hệ số điều chỉnh a = 0,7 2 Kỳ Di Di– Fi • Dự báo = trung bình có trọng số của giá trị dự báo 25 Fi 23 Di và nhu cầu thực tế kỳ cuối 1 10 NA NA 21 Fi 19 2 10 0 10,00 • a càng nhỏ  càng ổn định ngàn tấn 17 3 11 1 10,00 15 • a càng lớn  càng linh hoạt 13 4 10 – 0,7 10,70 11 5 12 1,79 10,21 9 7 6 13 1,54 11,46 Ft = Ft–1 + a(Dt–1–Ft–1) 5 0 1 2 3 4 5 6 7 8 9 10 11 7 16 3,46 12,54 = Ft–1 + a.Dt–1 – a.Ft–1 kỳ 8 17 2,04 14,96 = a.Dt–1 + Ft–1 – a.Ft–1 9 19 2,61 16,39 “Sai thì sửa” = a. Dt–1 + (1 – a) Ft–1 10 22 3,78 18,22 Ft = Ft–1 + a(Dt–1–Ft–1) 20,87 ? 11 Lưu ý: Ký hiệu dampFactor = 1 – a ý:  140 ? 3. San bằng mũ – Exponential Smoothing c. Công cụ Exponential Smoothing 011 a. Ví dụ: hệ số điều chỉnh a = 0,7 2 1. Chuẩn bị Input Kỳ Di Di– Fi 25 Fi Range 23 Di 1 10 NA NA 21 ⓐ Fi 2. Ra lịnh Tools 19 2 10 0 10,00 ngàn tấn 17  Data 3 11 1 10,00 15 13 Analysis  4 10 – 0,7 10,70 11 ⓑ Exponential 5 12 1,79 10,21 9 7 Smoothing 6 13 1,54 11,46 5 0 1 2 3 4 5 6 7 8 9 10 11 7 16 3,46 12,54 3. Khai báo kỳ 8 17 2,04 14,96 a. Input Range và Damping factor (mặc định là 0.3) 9 19 2,61 16,39 “Sai thì sửa” b. Output options 10 22 3,78 18,22 Ft = Ft–1 + a(Dt–1–Ft–1) 4. Nhấn OK 20,87 11 Ví dụ (Excel 2003)  140 5
  6. Môn: Thực hành quản trị trên máy b. Các khái niệm liên quan Moving Average vs. Exponential Smoothing Mô hình nhân quả – Quan hệ Tương quan Giống nhau  “Ở hiền gặp lành” • Quá trình ổn định • 1 thông số (a hoặc N) Nguyên nhân Kết quả Vấn đề: “có quan hệ” Câu trên có đúng không? MA: N kỳ cuối ES: Kỳ cuối cùng Và MA: N số liệu gần nhất ES: Dữ liệu kỳ cuối cùng nếu đúng thì đúng bao nhiêu phần? ? 4. Hồi quy đơn tuyến tính Hồi Qui (Regression) – Tương Quan (Correlation) 011 a. Ví dụ 2 Phân tích hồi quy là kỹ thuật dự báo dùng để thiết lập 25 Kỳ Di Fi 23 mối quan hệ giữa các lượng biến. y = 1.32x + 6.67 1 10 8,0 21 R2 = 0.89 19 2 10 9,3 Y=f(X1, X2, …, Xn) ngàn tấn 17 3 11 10,6 15 13 4 10 12,0 11 5 12 13,3 9 biến phụ thuộc biến độc lập 7 6 13 14,6 5 0 1 2 3 4 5 6 7 8 9 10 11 7 16 15,9 kỳ 8 17 17,2 Nếu n = 1  hồi quy đơn biến; n > 1  đa biến 9 19 18,6 Mối quan hệ hàm số Nếu f có dạng đường thẳng  hồi quy tuyến tính 10 22 19,9 Y = f(x) = a.x + b 11 21,2 ? Nếu f không có dạng thẳng  phi tuyến  140 6
  7. Môn: Thực hành quản trị trên máy Hệ số tương quan (coefficient of correlation) c. Công cụ Dùng đánh giá mức độ tương quan giữa 2 đại lương ① Hàm X và Y ’s) _x | rxy | Mức độ quan hệ w ne ) ③ 's, _x's < 0.15 Không có quan hệ Công cụ rxy > 0 tương quan xn n_ w 0.16  0.20 Rời rạc ow kno 's) thuận Regression n 's, _x ,k 0.21  0.30 Yếu y's n_y wn rxy < 0 tương quan n_ w 0.31  0.40 no Vừa phải ow kno 's,k y2) nghịch n T( _y rra (k 0.41  0.60 Trung bình ND CEP own 1,a 0.61  0.80 E Cao y TR TER (kn arra ② Đồ thị E IN OP EL( 0.81  0.90 Rất cao a. SL RR . b > 0.9 Chặt chẽ (Add Trendline) CO . c d. b. Cách tính Xác định phương trình hồi quy bằng hàm Hồi quy đơn tuyến tính Yt = axt + b TREND(known_y's,known_x's,new_x’s) a ≅ Hệ số gốc / độ dốc (Slope)  xu hướng  x  y   n  x  y  x  y  x  y INTERCEPT(known_y's,known_x's) Kỳ Di a   x2  n  x 2 SLOPE(known_y's,known_x's) 1 10 x2  x 2 2 10 CORREL(array1,array2) b ≅ Hệ số / tung độ gốc (Intercept) 3 11 4 10 b  y b x known_y’s 5 12 6 13 rxy ≅ Hệ số tương quan (coefficient of correlation) 7 16 known_x’s 1  ( X i  X )  (Yi  Y ) 8 17 xy  x  y cov( X , Y ) n   rXY    ˆ 9 19  X  Y  x  y 1 1  ( X I  X ) 2  n  (YI  Y ) 2 new_x’s 10 22 n Ví dụ (Excel 2003) 11 7
  8. Môn: Thực hành quản trị trên máy Đồ thị (Add Trendline) Bài tập Ví dụ (Excel 2003) 1. Tạo đồ thị So sánh ưu nhược điểm của 3 phương pháp dự báo 2. Chọn data 1. Trung bình di động series 2. San bằng mũ 3. Click Add Trendline trên 3. Hồi quy đơn tuyến tính Chart menu Tùy chọn hiển 4. Chọn dạng thị phương linear trong trình hồi quy trang Type Tùy chọn hiển thị 5. Nhấn OK hệ số R2 Trend line  Area,Bar, Column, Line, XY scatter scatter Công cụ Regression Ví dụ (Excel 2003) 1. Ra lịnh Tools, Data Analysis, Regression 2. Khai báo III. Lựa chọn mô hình dự báo – Input Y Range: biến độc lập – Input X Range: biến độc lập – Output options 5. Nhấn OK 8
  9. Môn: Thực hành quản trị trên máy 1. Đo lường sai số dự báo 3. Tính thời vụ (Seasonal Patterns) • Mean Square Deviation Thời vụ là thời gian lặp lại Ví dụ: Tuần là 1 thời vụ có 7 giai đoạn, năm là thời vụ có 4 giai đoạn • Bias • Mean Absolute Deviation Ghi chú: Hàm SUMXMY2(array_x,array_y) tính (x– y)2 2. Quan hệ nhân quả ??? Ý tưởng cơ bản: Số liệu thống kê giữa các thành phố cho thấy có quan hệ giữa số lượng cảnh sát với số lượng – Gán trọng số cn cho mỗi kỳ tội phạm. hạn (N kỳ) – Σcn = 1  Ta có thể kết luận: Cảnh sát nhiều thì tội – Điều chỉnh kết  quả dự báo phạm nhiều  để giảm tội phạm cần giảm bằng trọng số cn 9
  10. Môn: Thực hành quản trị trên máy Nhu cầu và chu kỳ sản phẩm (Product Life Cycles) Quyết định dựa theo PLC Growth Analysis Dự báo nhu cầu phụ thuộc vào chu kỳ sản phẩm • Causal Models • capacity expansion statistical tech • Simulation • production planning promotions Steady State Analysis • production planning • time series • inventory models • causal models Quyết định dựa theo PLC Product Development Analysis • Development Effort • delphi / expert • Market Entry • Comparisons • Product Specs • QFD The End Product Introduction Analysis • facility size • market tests • supply chain design • consumer survey • life cycle analysis 10
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2