第二章 決策管理預備知識.ppt

1、第二章 決策量化方法準備知識,商業(yè)電子表格制模（Excel) 概率與統計簡介 基礎運籌學 數據挖掘技術,概率與概率分布,(1) 數權歸納：更易理解、直觀、總體狀態(tài)與趨勢，比較結果，應用于量化方法。 (2) 平均數 mean = 中位數 眾 數 變動幅度：最大數值最小數值 絕對商差均值： 標準差 = 方差,i=1,n,ABSxi-,xi,n,= ,i=1,n,n,xi-2,n,i=1,n,誤差平均均值 =,數據-原始數值,數據-有用形式,信息,處理,數據解釋,概率與概率分布,(3) 概率： 事件A發(fā)生概率P(A) 獨立事件概率： P(AB)=P(A)+P(B) (A、B獨立事件） P(AB)=P

2、(A)P(B) 條件概率（貝葉斯定律）：P(A/B)=,P(A)=0 P(A)=1 0P(A)1,P(B/A) P(A) P(B),概率與概率分布,實例： 購買的二手車，也許會好，也許會不好。如果買的車好，70%的會耗油量較低， 20%的會有中等的耗油量。如果買的車不好，50的會耗油量較高，30%的會有中等 耗油量。對一輛二手車的實驗表明該車耗油量較低。如果成交的二手車有60%是好 的，那么，這輛車屬于好的概率為多少？,概率與概率分布,概率與概率分布,概率與概率分布,概率樹：,P(HOC)=0.26,P(MOC)=0.24,P(LOC)=0.50,P(GB/HOC)=0.23,P(BB/HOC

3、)=0.77,P(GB/MOC)=0.5,P(BB/MOC)=0.5,P(GB/LOC)=0.84,P(BB/LOC)=0.16,P=0.06,P=0.20,P=0.12,P=0.12,P=0.42,P=0.08,概率分布,二項分布： 特征：每次實驗有兩種可能的結果，可以稱之為成功和失?。粌煞N結果是互斥的；成功和失敗的概率都是一個固定的常數，分別為P和q=1-P；連續(xù)實驗的結果之間是獨立的。 P(n次實驗中有r次成功)=Crnprqn-r = prqn-r 均值 = = np 方差 = 2 = n.p.q 標準差 = = (n.p.q)1/2,n! r!(n-r)!,柏松分布(pocsson

4、distribution),柏松分布的特征： 試驗次數n較大(大于20)； 成功的概率P較小。 P(r次成功) = 其中e = 2.7183， = 平均成功次數 = n.p 均值 = = n.p 方差=2 = n.p 標準差= （n.p）1/2 *只用到成功的概率,e- r r!,正態(tài)分布,特征： 連續(xù)的 是關于均值對稱的 均值、中位數及眾數三者相等 曲線下總面積為1,f(x),觀察值x,正態(tài)分布,f(x)= e-(x- )2/22= e- 其中x-變量值，-均值，-標準差，=3.14159 e=2.7183 Z= = 商開均值的標準差個數 P(x1 x x2)= z1 = z2 =,1 2,

5、1 2,Z2 2,1-P(x x2), x1 P(xx1)-P(xx2), x1,X1- ,X2- , x1 x2,X- ,概率分布實例,一個中型超市日銷售500品脫牛奶，標準差為50品脫。 (a)如果在一天的開門時，該超市有600品脫的牛奶存貨，這一天牛奶脫銷的概率有多少？ (b)一天中牛奶需求在450到600品脫之間的概率有多大？ (c)如果要使脫銷概率為0.05，該超市應該準備多少品脫的牛奶存貨？ (d)如果要使脫銷概率為0.01，應準備多少品脫的牛奶存貨？,0.0228,0.1587,0.8185,f(x),x,450 500 600,統計抽樣與檢驗方法,系統可靠性分析 可靠性：1-(

6、1-R)2 可靠性：R2,R,R,R,R,統計抽樣與檢驗方法,抽樣：目的是通過收集式考察少數幾個觀察值(樣本)，而不是全部可能的觀察值(總體)，得出可靠的數據。 抽樣分布：由隨機樣本得出的分布。 中心極限定理(central limit theorem)：無論原來總體的分布如何，總體中抽樣取大量的隨機樣本，樣本的均值符合正態(tài)分布。 假設總體：個數N，均值，標準差； 樣本：個數n，均值X，標準差S； 則：X=，S=/ n1/2 -(抽樣標準誤差),統計抽樣與檢驗方法,置信區(qū)間： 總體均值在某一范圍內的可信水平。 總體均值的95%置信區(qū)間為：(X-1.96 S ，X+1.96 S),統計抽樣與檢驗

7、方法,案例：全面質量管理 傳統上，有大量的抽樣方法應用于質量控制。近年來，許多組織改變了他們對質量的認識。他們不再設定一個殘次品水平，出不再認為達到了這樣一個水平就說明組織運轉良好。相反，他們代之以“零殘次品”為目標，其實施方法是全面質量管理(Total Quality Management,TQM)，這要求整個組織一起努力，系統改進產品質量。 愛德華戴明(Edward Deming)是開創(chuàng)了全面質量管理工作的專家之一，他將自己的實踐經驗總結為以下14條。 1 將產品質量作為一貫性的目的。 2 杜絕即使是客戶允許的差錯、延誤、殘次和誤差。 3 停止對于成批檢驗的依賴，從生產開始的第一步就樹立嚴

8、格的質量意識。 4 停止依據采購價格實施獎勵的作法-篩選供應商，堅持切實有效的質量檢測。 5 開發(fā)成本、質量、生產率和服務的持續(xù)改進項目。 6 對全體職員進行正規(guī)培訓。 7 監(jiān)督工作的焦點在于幫助職員把工作做得更好。 8 通過倡導雙向溝通，消除各種懼怕。 9 打破部門間的障礙，提倡通過跨部門的工作小組解決問題。 10 減少以至消除那些并不指明改進和實現目標方法的數字目標、標語和口號。 11 減少以至消除會影響質量的武斷的定額。 12 消除有礙于職員工作自豪的各種障礙。 13 實現終身教育、培訓和自我改進的正規(guī)的有活力的項目。 14 引導職員為實現上述各條而努力工作。 有許多應用TQM后獲得成功

9、的實例。例如，在廣島的日本鋼鐵廠(Japan Steel Works)，實施TQM后，在人員數量減少20%的情況下，產量增長50%，同時，殘次品費用由占銷售額的1.57%下降到0.4%。美國福特公司實施TQM后，減少了保修期內實際修理次數45%，根據用戶調查，故障減少了50%。惠普公司實施TQM后，勞動生產率提高了40%，同時，在集成電路環(huán)節(jié)減少質量差錯89%，在焊接環(huán)節(jié)減少質量差錯98%，在最后組裝環(huán)節(jié)減少質量差錯93%。,統計抽樣與檢驗方法,假設檢驗：對總體的某種認識是否得到樣本數據的支持。 檢驗的步驟： 定義一個關于實際情況的簡明、準確的表述（假設）。 從總體中取出一個樣本。 檢驗這個樣

10、本，看一看它是支持假設，還是證明假設不大可能。 如果證明假設情況是不大可能的，拒絕這一假設，否則，接受這一假設。 實例： 一種佐料裝在包裝盒中，名義重量為400克。實際重量與這一名義重量可能略有出入，呈正態(tài)分布，標準差為20克。通過在生產線上定期抽取樣本的方法確保重量均值為400克。一個作為樣本抽出的盒子中佐料重量為446克。這能說明現在佐料填裝過量了嗎？,統計抽樣與檢驗方法,假設檢驗的誤差（增大樣本，減少誤差） 原假設實際上是 對的 錯的 不拒絕 正確的決策 第二類錯誤 拒 絕 第一類錯誤 正確的決策,決 策,統計抽樣與檢驗方法,實例： 據說，某行業(yè)從業(yè)人員平均工資為每周300英鎊，標準差為

11、60英鎊。有人認為這一數據已經過時了，為檢驗實際情況究竟如何，一個36份工資的隨機樣本從該行業(yè)中抽取出來。研究確定如果樣本工資均值小于270英鎊或大于330英鎊，就拒絕原假設。犯一類錯誤的概率有多大？,統計抽樣與檢驗方法,顯著水平：是根據觀察值證明樣本是取自某一假設總體 的最低可接受概率。（5%）, 0.95,5%,0.025(拒絕),(拒絕) 0.025,接受假設,統計抽樣與檢驗方法,假設檢驗的步驟： 表述原假設和備選假設。 確定擬采用的顯著性水平。 計算待檢驗變量的可接受范圍。 取得待檢驗變量的樣本值。 決定是否拒絕原假設。 說明結論。,統計抽樣與檢驗方法,實例： 某地區(qū)公布的人均收入為1

12、5，000英鎊。一個45人的樣本的平均收入是14，300英鎊，標準差為2000英鎊。按照5%的顯著性水平檢驗公布的數字。按1%的顯著性水平檢驗結果又如何？,統計抽樣與檢驗方法,(a)雙邊檢驗 (b)單邊檢驗,f(x),x,f(x),0.025,0.025,-1.96-,-1.96-,0.05,x,-1.64-,統計抽樣與檢驗方法,實例： 一個郵遞公司對某客戶按平均每份郵件1.75公斤，標準差為0.5公斤的情況確定每份郵件的收費水平。郵費現在很高，而有人提出該客戶郵件重量均值不止1.75公斤。隨機抽取該客戶100份郵件的樣本，平均重量為1.86公斤。這是否說明重量均值確實已超過1.75公斤？,f

13、(x),x,1.75 1.83 1.86,1%,5%,5%顯著性,1%顯著性,2.33,1.64,基礎運籌學(OR Software),線性規(guī)劃 運輸問題 存 貯 論 整數規(guī)劃 指派問題 決策分析 0 - 1 規(guī)劃 非線性規(guī)劃 對 策 論 動態(tài)規(guī)劃 目標規(guī)劃 排 隊 論 預 測 模 擬 排 序 論,基礎運籌學(OR Software),運籌學軟件 1）Excel 2000 (Optimization option); 2 ) Lindo or Lingo package; 3 ) Cplex; 4 ) CUTE, LANCLOT for research; 5 ) ERP; 6 ) 教學軟件； 7) 其他。,數據挖掘技術(Data -mining),數據挖掘：構造和使用數據倉庫的過程。,數據倉庫,達到不同層次用戶 可需的最詳細的有 用數據、信息,(1)使公司取得更大的市場 (2)更好的形象 (3)更強的競爭力等,數據挖掘技術,過程,數據挖掘技術(Data -mining),數據挖掘過程,業(yè)務數據,提取、濾液、清除、聚集,統計學、心理學、疊加數據,數據庫裝入程序,數據倉庫,RDBMS,數據提取用于數據挖掘,數據挖掘技術(Data