Professional Documents
Culture Documents
Cac PPDL Trong Quan Ly
Cac PPDL Trong Quan Ly
Cac PPDL Trong Quan Ly
Bài giảng
Nội dung
1
7/6/2018
Nội dung
Nội dung
7
4
2
7/6/2018
Chƣơng 1
Là môn học nghiên cứu các phương pháp khoa học, chủ yếu là
thống kê, kinh tế lượng và toán học ứng dụng để giải quyết các
vấn đề trong quản lý Kinh tế và Kinh doanh.
Các phƣơng pháp định lƣợng sử dụng cho phân tích định lƣợng
có thể đƣợc áp dụng trong hầu hết các vấn đề cần giải quyết.
3
7/6/2018
Giải quyết vấn đề có thể đƣợc định nghĩa nhƣ là quá trình nhận
dạng sự khác nhau giữa trạng thái thực tế và mong muốn của các
công việc và rồi thực hiện giải quyết sự khác nhau đó. Quá trình
giải quyết vấn đề có thể mô tả qua 7 bƣớc sau:
1. Xác định vấn đề;
2. Xác định những phương án khác nhau để lựa chọn;
3. Xác định một hay nhiều tiêu chuẩn để đánh giá phương án;
4. Đánh giá các phương án;
5. Chọn một phương án;
6. Thực hiện phương án đã chọn;
7. Đánh giá kết quả.
7
Ra quyết định là thuật ngữ phổ biến để chỉ năm bƣớc đầu tiên
của quá trình giải quyết vấn đề. Bƣớc đầu tiên ra quyết định là
nhận dạng và xác định vấn đề. Bƣớc cuối của ra quyết định là
chọn phƣơng án để thực hiện ra quyết định.
Ra quyết định là nhiệm vụ quan trọng của nhà quản lý. Kinh
nghiệm, khả năng xét đoán, óc sáng tạo chƣa thể đảm bảo có
đƣợc những quyết định phù hợp và tối ƣu nếu thiếu khả năng
định lƣợng.
Trong khi ra quyết định, nhà quản lý có thể sử dụng nhiều
phƣơng pháp định lƣợng khác nhau.
4
7/6/2018
Quá trình nhận dạng Xác định tiêu chuẩn Ra quyết định
sự khác nhau giữa
trạng thái thực tế và
mong muốn của các Đánh giá phƣơng án
công việc và rồi thực
hiện giải quyết sự Chọn phƣơng án
khác nhau đó
Thực hiện phƣơng án Quyết định
10
5
7/6/2018
Phân tích
Cấu trúc vấn đề định lƣợng
Phân tích
định tính
11
12
6
7/6/2018
13
Tính toán
7
7/6/2018
EXCEL
EVIEWS
SPSS
15
Chƣơng 2
16
8
7/6/2018
Tổng thể thống kê là tập hợp các đơn vị thuộc hiện tƣợng nghiên
cứu, cần quan sát, thu thập và phân tích mặt lƣợng của chúng
theo một hoặc một số tiêu thức nào đó.
Mẫu là một nhóm hay một bộ phận của tổng thể, bao gồm một số
đơn vị đƣợc chọn ra từ tổng thể chung theo một phƣơng pháp lấy
mẫu nào đó.
Quan sát là cơ sở thu thập số liệu và thông tin cần nghiên cứu.
Dữ liệu định tính phản ánh tính chất, sự hơn kém của đối tƣợng
của các đối tƣợng nghiên cứu, là các dữ liệu ban đầu không đƣợc
thể hiện dƣới dạng số.
Dữ liệu định lƣợng phản ánh mức độ hay mức độ hơn kém, là
các dữ liệu có thể cân, đong, đo, đếm đƣợc.
18
9
7/6/2018
Xử lý số liệu:
• Kiểm tra, chỉnh lý, sắp xếp số liệu
• Phân tích thống kê sơ bộ
• Phân tích thống kê thích hợp
Dữ liệu nghiên cứu có thể chia thành 2 loại chính là dữ liệu định tính
và dữ liệu định lượng, các dữ liệu này thu thập bằng 4 thang đo cơ bản
như sau:
Dữ liệu
Ngoài ra đối với dữ liệu định lượng người ta cũng có thể chia ra 3
loại, đó là dữ liệu theo thời gian, dữ liệu chéo và dữ liệu hỗn hợp.
20
10
7/6/2018
Thang đo biểu danh là thang đo đơn giản nhất để phân biệt sự vật
hay hiện tƣợng này với cái khác nó, nhiều khi ngƣời ta dùng các
con số để mã hoá hay chỉ (biểu danh) một sự vật, ngoài ra không
có ý nghĩ gì khác.
Ví dụ 1:
- Khách hàng: Nam Nữ;
- Đối tƣợng: Ngƣời bán sỉ Ngƣời bán lẻ;
- Thái độ: Thích Không thích
Giữa các biểu danh: Nam/ Nữ; Thích/ Không thích... hoàn
toàn không có quan hệ thứ bậc nào cả.
21
Ví dụ 2: Hỏi “Xin vui lòng cho biết tình trạng hôn nhân của bạn
hiện nay?”
Độc thân 1
Đang có gia đình 2
Goá bụa 3
Đã ly hôn 4
Những con số này mang tính định danh vì rõ ràng ta
không thể cộng chúng lại hoặc tính ra giá trị trung bình của
tình trạng hôn nhân”.
22
11
7/6/2018
Những phép toán thống kê có thể sử dụng cho dạng thang biểu
danh là:
Đếm;
Tính tần suất của một biểu hiện nào đó
Tính giá trị mode;
Thực hiện một số phép kiểm định.
23
Là thang đo đƣợc sử dụng để xếp hạng các đồ vật hay hiện tƣợng
theo một thứ tự nhất định với sự so sánh định tính nào đó về thứ
bậc hay sự hơn kém, nó không cho ta biết đƣợc khoảng cách giữa
chúng.
Thang đo xếp hạng theo thứ tự là thang đo biểu danh, nhƣng
không phải thang đo biểu danh nào cũng đều là thang đo xếp
hạng theo thứ bậc.
Đối với thang đo xếp hạng theo thứ tự, khuynh hƣớng trung tâm
có thể xem xét bằng trung vị; giá trị Mode.
24
12
7/6/2018
tƣợng;
là một dạng đặc biệt của thang đo xếp
hạng theo thứ bậc;
13
7/6/2018
1 2 3 4 5
Chƣơng trình đào tạo của trƣờng phù hợp tốt với
yêu cầu thực tiễn
Nội dung các môn học đƣợc cập nhật, đổi mới,đáp
ứng tốt yêu cầu đào tạo
GV có kiến thức sâu về môn học đảm trách
27
Ví dụ 2: Phát biểu ý thích về màu sắc sản phẩm nào đó bằng cách
đánh dấu vào bậc thang khoảng cách từ:
1 2 3 4 5 6 7
Không thích ---------------------------------------------------------- rất thích
Khi đó, người ta xác định thái độ của mình chính xác ở vào điểm số
nào.
28
14
7/6/2018
Các phép toán thống kê có thể sử dụng thêm cho loại thang đo
này (so với 2 loại thang đo trên) là:
Tính khoảng biến thiên;
Số trung bình;
Độ lệch chuẩn.
Cần chú ý là thang đo khoảng cách tự nó không có điểm 0 tuyệt đối,
do đó bạn chỉ có thể thực hiện được phép tính công hay trừ (+/-),
nếu dùng phép chia (/) thì kết quả sẽ không có ý nghĩa.
29
Đây là những loại thang đo lƣờng cho phép đánh giá và so sánh
các sự vật hiện tƣợng một cách tuyệt đối, cung cấp thông tin định
lƣợng một cách đầy đủ nhất và đƣợc áp dụng rộng rãi nhất.
Nhiều thang đo tỉ lệ cho thấy những ý nghĩa sâu sắc hơn là ba
loại thang đo trƣớc.
Đây là thang đo dùng cho tiêu thức số lƣợng.
Ví dụ: Mức độ chi tiêu cho tiền học của con cái chiếm 30%
thu nhập của tôi.
Nói chung thang đo khoảng và thang đo tỷ lệ có thể đo lƣờng xu
hƣớng trung tâm bằng bảng tần số, biểu đồ tần số, trung bình số
học. Còn xu hƣớng phân tán đƣợc đo bằng phƣơng sai, độ lệch
chuẩn.
30
15
7/6/2018
Số liệu theo thời gian: Là số liệu đƣợc thu thập trong một thời kỳ:
Quan sát mức lạm phát và thất nghiệp của Mỹ từ 1990-2014
Quan sát GDP của Việt nam từ 1990-2014
Quan sát khả năng sinh lời của một công ty trong hơn 20 năm
Số liệu chéo: là số liệu về một hay nhiều biến đƣợc thu thập tại một thời
điểm ở nhiều địa phƣơng, đơn vị khác nhau.
Quan sát thu nhập, trình độ học vấn, và cân nặng của 1000 ngƣời
Quan sát khả năng sinh lời của 20 công ty
Quan sát GDP trên đầu ngƣời, dân số, và chi phí quốc phòng thực tế của
80 quốc gia
Số liệu hỗn hợp: Số liệu hỗn hợp theo không gian và thời gian.
Quan sát tỷ lệ lạm phát và mức tăng trƣởng của 15 quốc gia trong khoảng
thời gian từ 1980-2010
Quan sát mức sản lƣợng và mức giá của 100 ngành trong hơn 12 quý
31
2.3. Thống kê mô tả
Dạng thống kê
32
16
7/6/2018
2.3. Thống kê mô tả
Mô tả dạng thống kê
Số trung bình (Giá trị kỳ vọng/mean): là giá trị trung bình của
một dãy số liệu.
Nếu mẫu ngẫu nhiên w có các giá trị x = (x1, x2, …xn), thì giá trị trung
bình đƣợc tính nhƣ sau:
n
xi
xi: cá thể thứ i
i: là số thứ tự của cá thể
x i 1
n n: số lƣợng cá thể
Nếu các giá trị x1, x2, …xk lần lƣợt có các tần suất n1, n2, …nk thì giá trị
trung bình đƣợc tính nhƣ sau: 1 k
x
n
x n ; ( n
1
i i i n)
n
33
2.3. Thống kê mô tả
Mô tả dạng thống kê
17
7/6/2018
2.3. Thống kê mô tả
Mô tả dạng thống kê
xi μ
1
2
2
Độ lệch chuẩn của tổng thể:
N
Độ lệch chuẩn của mẫu: S S2
1
xi x 2
n -1
35
2.3. Thống kê mô tả
Mô tả dang bảng biểu/ Biểu đồ tần suất
36
18
7/6/2018
2.3. Thống kê mô tả
Mô tả dang bảng biểu/ Dạng bảng kết hợp
Thiếu việc và thất
Tổng số Đủ việc làm
nghiệp
Diễn giải
Số ngƣời Tỷ lệ Số ngƣời Tỷ lệ Số ngƣời Tỷ lệ
(%) (%) (%)
1. Trong độ tuổi 1300704 100 894392 68,76 406312 31,24
lao động
Nữ 638456 100 50569 70,57 187887 29,43
37
2.3. Thống kê mô tả
Mô tả dạng đồ thị
Bar Pie
chart chart
Scatter
Line
graph
graph
38
19
7/6/2018
2.3. Thống kê mô tả
Mô tả dạng đồ thị
Đồ thị thanh thƣờng đƣợc sử dụng để biểu diễn số tƣơng đối, số tuyệt đối, tần số.
Tổng sản phẩm quốc nội phân theo ngành kinh tế (giá cố định năm 1989) của vùng
ĐBSCL thời kỳ 00 – 04
Tỷ VND
9.000
8.000
Tổng Sản Phẩm Quốc Nội
7.000
6.000
Dịch Vụ
5.000
Xây Dựng
4.000 Công Nghiệp
3.000 Nông Lâm Nghiệ p
2.000
1.000
.000
2000 2001 2002 2003 2004
Năm
39
2.3. Thống kê mô tả
Mô tả dạng đồ thị
40
20
7/6/2018
2.3. Thống kê mô tả
Mô tả dạng đồ thị
Đồ thị bánh thƣờng đƣợc sử dụng cho các câu hỏi đơn trả lời để biểu diễn tần số tƣơng
đối – Tổng của nó bằng 100%..
Cơ cấu lao động của Tp. Cần thơ phân theo trình độ năm 2004
2.3. Thống kê mô tả
Mô tả dạng đồ thị
Đồ thị đường đƣợc sử dụng để biểu diễn mối quan hệ giữa các biến.
Tốc độ tăng trƣởng GDP phân theo khu vực kinh tế của Việt Nam thời kỳ 00 – 04 (ĐVT: %)
20,0
18,0
16,0
14,0 Khu vực nhà nước
12,0
Khu vực tư nhân
10,0
8,0
Khu vực có vốn đầu tư
6,0 nước ngoài
4,0
2,0
0,0
2000 2001 2002 2003 2004
42
21
7/6/2018
Trung bình X
Tỉ lệ p PS
Phương sai 2 S2
Khác biệt 1 2 X1 X 2
43
44
22
7/6/2018
X Z / 2 X Z / 2
n n
gọi là sai số chọn mẫu
e Z / 2 (sampling error or margin of error)
n
45
X Z X α* 100 % khoảng
không chứa μ
23
7/6/2018
S S
X t / 2,n 1 X t / 2,n 1
n n
2
Độ dài khoảng tin cậy sẽ là: I 2 t
2 n
Kích thước mẫu tối thiểu n sao cho với độ tin cậy
2 4 2 2 2
bằng (1–α) cho trước, độ dài khoảng tin cậy n t 2 t
I 0 2 02
không vượt quá giá trị I0 (cho trước ε – ε0) là: 2
47
Chiều dài của một loại sản phẩm là một đại lƣợng ngẫu nhiên có
phân phối theo quy luật chuẩn với độ lệch chuẩn là 0,38. Đo thử
30 sản phẩm loại này, ta thu đƣợc kết quả sau:
Số sản phẩm 6 11 8 5
tƣơng ứng
a) Với độ tin cậy 0,95 hãy ước lượng chiều dài trung bình của loại
sản phẩm nói trên bằng khoảng tin cậy đối xứng (2 phía).
b) Nếu yêu cầu sai số của ước lượng là 0,05 và giữ nguyên độ tin
cậy thì phải điều tra một mẫu kích thước bao nhiêu?
48
24
7/6/2018
Giả sử trong tổng thể kích thƣớc n có m phần tử mang dấu hiệu
nghiên cứu. Nếu lấy ngẫu nhiên ra một phần tử và gọi X là số
phần tử mang dấu hiệu nghiên cứu đƣợc lấy ra thì X là một đại
lƣợng ngẫu nhiên phân phối theo quy luật không - một với bảng
phân phối xác suất là:
X 0 1
P 1-p p
Nhƣ vậy ƣớc lƣợng kỳ vọng toán của quy luật này cũng chính là
ƣớc lƣợng xác suất p mà p chính là tần suất của tổng thể. Ở đây
ta chỉ xét cỡ mẫu đủ lớn p̂ ≈ p. Khi đó khoảng tin cậy đối xứng:
pˆ (1 pˆ ) pˆ (1 pˆ )
pˆ Z / 2 p pˆ Z / 2
n n
50
25
7/6/2018
Ví dụ: Một nghiên cứu được thực hiện nhằm ước lượng thị phần
của sản phẩm nội địa (do các công ty sản xuất trong nước) đối
với mặt hàng bánh kẹo. Kết quả điều tra ngẫu nhiên 100 khách
hàng cho thấy có 34 người dùng sản phẩm nội địa. Với độ tin cậy
95%, hãy ước lượng khoảng tin cậy cho thị phần sản phẩm nội
địa.
51
Ví dụ: Một huyện miền núi gồm 3 xã được tiến hành điều tra về
tỷ lệ mù chữ của huyện (từ 8 tuổi trở lên). Số mẫu và số người
mù chữ trong mẫu của các xã tương ứng.
26
7/6/2018
1. Kiểm định giả thiết về tham số trung bình μ của tổng thể
2. Kiểm định sự khác nhau giữa trung bình của hai tổng thể
3. Kiểm định giả thiết về tỷ lệ của tổng thể
4. So sánh hai tỷ lệ
54
27
7/6/2018
56
28
7/6/2018
x
Trị số kiểm định (Test Statistic) z
/ n
Bác bỏ giả thuyết H0, ở mức ý nghĩa , nếu:
Z < - Zα/2 hoặc Z > Zα/2
57
58
29
7/6/2018
Kiểm định sự khác nhau giữa trung bình của hai tổng thể
• Kiểm định giả thiết về tỷ lệ của tổng thể
• Kiểm định giả thiết về tỷ lệ của 2 tổng thể (so sánh 2 tỷ lệ)
Kiểm định phi tham số
• Kiểm định giả thuyết về tính độc lập của 2 dấu hiệu định tính
• Nhiều tham số tỷ lệ của biến ngẫu nhiên phân phối 0-1
• Kiểm định sự bằng nhau của trung bình trong hai mẫu (Dấu-Sign test,
Wilcoxon, McNemar)
• Kiểm định sự bằng nhau của trung bình trong nhiều hơn hai mẫu
(Friedman, Kendall’s W, Cochran’s Q)
• Kiểm định cho hai mẫu độc lập (Mann-Whitney U)
• Kiểm định nhiều hơn hai mẫu độc lập (Kruskal-Wallis H)
Phân tích phƣơng sai ANOVA
59
Chƣơng 3
60
30
7/6/2018
Nội dung
61
Phân tích hồi quy là tìm quan hệ phụ thuộc của một biến, đƣợc
gọi là biến phụ thuộc vào một hoặc nhiều biến khác, đƣợc gọi là
biến độc lập nhằm mục đích ƣớc lƣợng hoặc tiên đoán giá trị kỳ
vọng của biến phụ thuộc khi biết trƣớc giá trị của biến độc lập.
Ví dụ: Khi chúng ta cố gắng giải thích chi tiêu dùng của mọi
người, chúng ta có thể sử dụng các biến giải thích là thu nhập và
độ tuổi. Để dự đoán khả năng một học sinh cuối cấp trung học
phổ thông vào đại học, chúng ta có thể xem xét đến điểm các bài
kiểm tra, trình độ giáo dục của cha mẹ cũng như thu nhập của
gia đình anh ta
Y 1 2 X
62
31
7/6/2018
Phân
tích Kiểm định giả thiết về bản chất quan hệ
hồi phụ thuộc
quy
Dự báo
63
32
7/6/2018
65
Yˆi ˆ 1 ˆ 2 X i
Trong đó:
• Yˆ là ước lượng của giá trị trung bình của Y đối với biến X đã biết
• ̂1 là ước lượng của β1
• ̂ 2 là ước lượng của β2
66
33
7/6/2018
67
34
7/6/2018
69
Nếu X tăng thêm 1 đơn vị thì Khi X tăng 1%, thì thì ở mức
thì ở mức trung bình Y tăng trung bình Y tăng [β2/100] đơn
thêm [β2*100] %. Một số ứng vị.
dụng hữu ích cho dạng hàm
này. Ví dụ, quan hệ giữa tiền
lƣơng và trình độ giáo dục.
70
35
7/6/2018
Tổng quát :
Ta cũng có thể kết hợp vài dạng hàm khác nhau trong một hồi quy,
ví dụ:
nếu ta làm thế, ta thƣờng phải có các lý do thỏa đáng để nghĩ rằng
hình dạng của quan hệ giữa Y và X2 là khác với các hình dạng của
quan hệ giữa Y và X3 , và Y và X4.
72
36
7/6/2018
Đây là phƣơng pháp đƣợc đƣa ra bởi nhà toán học Đức Carl
Friedrich Gauss, ký hiệu OLS (ordinary least squares). Tƣ tƣởng
của phƣơng pháp này là cực tiểu tổng bình phƣơng các phần dƣ.
73
ˆ ˆ ˆ ˆ
Từ (1) => (yi 1 2 x i ) 0 yi n1 2 x i 0
i i i
74
37
7/6/2018
Đặt yi ny xi nx
Do vậy ta có thể viết: ny nˆ1 nˆ2 x 0 hay y ˆ1 ˆ2 x 0
xi yi y xi ˆ2 x xi ˆ2 xi 2 0
i
75
Suy ra:
ˆ2 i i
x y nxy ( x i x )( yi y)
& ˆ1 y ˆ2 x
x i2 nx 2 (xi x)2
ˆ1, ˆ2 là các ƣớc lƣợng của 1 và 2 đƣợc tính bằng phƣơng
pháp bình phƣơng nhỏ nhất- đƣợc gọi là các ƣớc lƣợng bình
phƣơng nhỏ nhất
76
38
7/6/2018
y
f(y|x)
. E(y|x) = + x
1 2
.
x1 x2
78
39
7/6/2018
y
f(y|x)
.
. E(y|x) = 1 + 2x
.
x1 x2 x3 x
79
Từ công thức xác định các tham số của mẫu, ta dễ dàng tính
đƣợc: ˆ 2 ˆ
Var ( 2 ) ; se ( 2 )
( xi x ) 2 ( xi x ) 2
Var ( ˆ1 )
xi 2 2 ; se ( ˆ1 )
xi 2
n ( xi x ) 2 n ( xi x ) 2
e
2
• Trong các công thức trên, σ2 chƣa biết, σ2 đƣợc 2
i
ƣớc lƣợng bằng ƣớc lƣợng không chệch của nó là: n2
Nó chính là độ lệch chuẩn của các giá trị Y quanh đƣờng hồi quy mẫu
80
40
7/6/2018
Để có thể biết mô hình giải thích đƣợc nhƣ thế nào hay bao nhiêu %
biến động của biến phụ thuộc, ngƣời ta sử dụng R2
(y y)2 e
2
ESS RSS
1 i
i
ei
2
ESS RSS
R
2
1 1
TSS TSS ( yi y ) 2
Trong đó:
• TSS là tổng bình phương của tất cả các sai lệch giữa các giá trị quan sát Yi và giá
trị trung bình.
• ESS: là tổng bình phương của tất cả các sai lệch giữa các giá trị của biến phụ
thuộc Y nhận được từ hàm hồi quy mẫu và giá trị trung bình của chúng. Phần này
đo độ chính xác của hàm hồi quy
• RSS: là tổng bình phương của tất cả các sai lệch giữa các giá trị quan sát Y và các
giá trị nhận được từ hàm hồi quy.
81
Tỉ số giữa tổng biến thiên đƣợc giải thích bởi mô hình cho tổng
bình phƣơng cần đƣợc giải thích đƣợc gọi là hệ số xác định, hay
là trị thống kê “good of fit”. Từ định nghĩa R2 chúng ta thấy R2
đo tỷ lệ hay số % của toàn bộ sai lệch Y với giá trị trung bình
đƣợc giải thích bằng mô hình. Khi đó ngƣời ta sử dụng R2 để đo
sự phù hợp của hàm hồi quy; 0 ≤ R2 ≤1
• R2 cao nghĩa là mô hình ước lượng giải thích được một mức độ cao
sự biến động của biến phụ thuộc.
• Nếu R2 bằng 0. Nghĩa là mô hình không đưa ra thông tin nào về
biến phụ thuộc. Các biến "giải thích" thực sự không đưa ra được
một giải thích nào.
82
41
7/6/2018
84
42
7/6/2018
Có thể đƣa ra giả thiết nào đó đối với βj, chẳng hạn βj = βj*.
Nếu giả thiết này đúng thì:
ˆ j j
T ~ T(n - 2)
Se( ˆ j )
Loại giả thiết Giả thiết H0 Giả thiết đối H1 Miền bác bỏ
85
Sử dụng p-value:
1/2 1/2
p-value p-value
= .0031 = .0031
T
T = -2.74 0 T = 2.74
-T/2 = -1.96 /2 = 1.96
86
43
7/6/2018
44
7/6/2018
Khi chúng ta có tập hợp dữ liệu về một biến kinh tế nào đó (biến
này đƣợc gọi là biến phụ thuộc) và các nhân tố ảnh hƣởng đến
nó (các nhân tố ảnh hƣởng này đƣợc gọi là các biến giải thích)
thì việc xét đến các ảnh hƣởng riêng biệt (hoặc đồng thời) của
nhiều nhân tố đến một biến kinh tế có thể đƣợc giải thích bằng
mô hình hồi quy bội.
Hàm hồi quy bội tổng thể có dạng
y = β1 + β2 x 2 + β3 x 3 + . . . βk x k + u PRF
Trong đó:
β1: là hệ số tự do (hệ số chặn)
βj: là hệ số hồi quy riêng
u: sai số ngẫu nhiên
90
45
7/6/2018
91
92
46
7/6/2018
Chúng ta có thiết lập các điều kiện bậc nhất cho phép tính tối
thiểu này nhƣ sau:
ei2
2 ( yi ( ˆ1 ˆ2 x 2i ˆ3x 3i ... ˆk x ki )) 0
ˆ 1
ei2
2 ( yi ( ˆ1 ˆ2 x 2i ˆ3x 3i ... ˆk x ki )) x 2i 0
ˆ 2
.....................................................................................................
ei2
2 ( yi ( ˆ1 ˆ2 x 2i ˆ3x 3i ... ˆk x ki )) x ki 0
ˆ k
• Hệ phương trình mà chúng ta có được gọi là hệ phương trình chuẩn. Chúng ta có thể
giải k phương trình chuẩn này để tìm k hệ số beta chưa biết.
• Sự trình bày đơn giản nhất của lời giải này ở dưới dạng đại số ma trận. Tuy nhiên sử
dụng phần mềm EViews hay các phần mềm phân tích dữ liệu khác chúng ta có thể tìm
dễ dàng các hệ số hồi quy.
93
R2 1
e i
(y i y)2
0≤ R2 ≤1. Nếu R2 =1, có nghĩa là đƣờng hồi quy giải thích 100% thay
đổi của y. Nếu R2 =0, có nghĩa là mô hình không giải thích đƣợc sự
thay đổi nào của y.
R2 Là hàm không giảm của số biến giải thích có trong mô hình, do đó
nếu tăng số biến giải thích có trong mô hình thì R2 cũng tăng. Vấn đề
cần đặt ra là khi nào cần đƣa thêm biến giải thích mới vào trong mô
hình?
94
47
7/6/2018
Để ngăn chặn tình trạng “có đƣa thêm biến vào mô hình” nhƣ đã
nêu trên, một phép đo khác về mức độ thích hợp đƣợc sử dụng
thƣờng xuyên hơn. Phép đo này gọi là R2 hiệu chỉnh hoặc R2
hiệu chỉnh theo bậc tự do (kết quả này luôn đƣợc in ra khi thực
hiện hồi quy bằng những phần mềm chuyên dụng). Để phát triển
phép đo này, trƣớc hết phải nhớ là R2 đo lƣờng tỷ số giữa
phƣơng sai của Y “đƣợc giải thích” bằng mô hình; một cách
tƣơng đƣơng, nó bằng 1 trừ đi tỷ số “không đƣợc giải thích” do
phƣơng sai của sai số Var(u). Ta có thể biểu diễn công thức tính
nhƣ sau:
Var (u )
R 2 1
Var (Y )
95
Chúng ta biết rằng một ƣớc lƣợng không chệch của Var (u)
đƣợc tính bằng RSS/(n – k), và một ƣớc lƣợng không chệch của
Var (Y) đƣợc tính bằng TSS/(n – 1). Thay vào phƣơng trình trên
ta có:
RSS /(n k ) RSS (n 1)
R 2 1 1
TSS /(n 1) TSS (n k )
(n 1) ˆ 2 (n 1)
1 (1 R 2 ) 1
(n k ) TSS
Qua thao tác hiệu chỉnh này thì chỉ những biến thực sự làm tăng
khả năng giải thích của mô hình mới xứng đáng đƣợc đƣa vào
mô hình .
96
48
7/6/2018
97
Fc
RSS R RSSU /(k m) ~ F (, k m, n k )
RSSU /(n k )
98
49
7/6/2018
Fc
RSS R RSSU /(k m) ESS /(k 1)
~ F ( , k m, n k )
RSSU /(n k ) RSS /(n k )
99
Regression Statistics
Multiple R 0.5676
R Square 0.3222
Adjusted R Square 0.2770
Standard Error 551.2095
Observations 49
ANOVA
df SS MS F Significance F
Regression 3 6499678.255 2166559 7.130784 0.000510121
Residual 45 13672433.7 303831.9
Total 48 20172111.96
Hãy giải thích dấu mà anh/chị mong muốn cho các hệ số β2 , β3, β4
Giải thích ý nghĩa của các hệ số hồi quy.
Hãy cho biết mô hình nhận hồi quy có ý nghĩa với bằng 5% hay không 100
50
7/6/2018
Chƣơng 4
102
51
7/6/2018
103
Dự báo là một yếu tố quan trọng của hầu hết các quyết định kinh
doanh và lập kế hoạch kinh tế.
Công tác dự báo là vô cùng quan trọng bởi lẽ nó cung cấp các
thông tin cần thiết nhằm phát hiện và bố trí sử dụng các nguồn
lực trong tƣơng lai một cách có căn cứ thực tế. Với những thông
tin mà dự báo đƣa ra cho phép các nhà hoạch định chính sách có
những quyết định về đầu tƣ, các quyết định về sản xuất, về tiết
kiệm và tiêu dùng, các chính sách tài chính, chính sách kinh tế vĩ
mô.
Hầu nhƣ mọi lĩnh vực chức năng của doanh nghiệp đều sử dụng
một loại dự báo nào đó, ví dụ:
104
52
7/6/2018
Kế toán: dự báo chi phí và doanh thu trong kế hoạch nộp thuế.
Phòng nhân sự: dự báo nhu cầu tuyển dụng và những thay đổi
trong công sở.
Chuyên gia tài chính: dự báo ngân lƣu.
Quản đốc sản xuất: dự báo nhu cầu nguyên vật liệu và tồn kho.
Giám đốc marketing: Dự báo doanh số để thiết lập ngân sách cho
quảng cáo.
105
106
53
7/6/2018
-Lấy ý kiến của ban lãnh đạo -Hồi quy -Bình quân đơn giản
-Lấy ý kiến của bộ phận bán hàng -Phân tích tƣơng quan -Bình quân di động
-Phƣơng pháp lấy ý kiến của ngƣời -San bằng số mũ
tiêu dùng -Chuỗi thời gian
-Phƣơng pháp chuyên gia -Phƣơng pháp Box- Jenkins
107
Các phƣơng pháp dự báo định lƣợng dựa vào các số liệu thống
kê và thông qua các công thức toán học đƣợc thiết lập để dự báo
cho tƣơng lai. Khi dự báo, nếu không xét đến các nhân tố ảnh
hƣởng khác có thể dùng các phƣơng pháp dự báo theo dãy số
thời gian. Nếu cần ảnh hƣởng của các nhân tố khác đến nhu cầu
có thể dùng các mô hình nhân quả (hồi quy, tƣơng quan).
Ƣu điểm của dự báo định lƣợng:
Kết quả dự báo hoàn toàn khách quan
Có phƣơng pháp đo lƣờng độ chính xác dự báo
Ít tốn thời gian để tìm ra kết quả dự báo
Có thể dự báo điểm hay dự báo khoảng
108
54
7/6/2018
109
Các hiện tƣợng kinh tế - xã hội luôn luôn biến động qua thời
gian. Để nghiên cứu sự biến động này ngƣời ta dùng phƣơng
pháp chuỗi thời gian (dãy số thời gian). Chuỗi thời gian là dãy
các trị số của một chỉ tiêu nào đó được sắp xếp theo thứ tự thời
gian.
Phƣơng pháp dự báo theo dãy số thời gian đƣợc xây dựng trên
một giả thiết về sự tồn tại và lƣu lại các nhân tố quyết định đại
lƣợng dự báo từ quá khứ đến tƣơng lai. Trong phƣơng pháp này
đại lƣợng cần dự báo đƣợc xác định trên cơ sở phân tích chuỗi
các số liệu thống kê đƣợc trong quá khứ .
(vd.: số liệu về nhu cầu sản phẩm, doanh thu, lợi nhuận, chi phí,
năng suất hay chỉ số tiêu dùng…).
110
55
7/6/2018
Nội dung:
Dự báo giá trị ở kỳ tiếp theo (t) sẽ bằng chính giá trị của kỳ trƣớc
đó (t-1).
Công thức: Ft = Dt-1 (4-1)
• Trong đó:
• Ft - mức dự báo ở kỳ t;
• Dt-1 – giá trị thực tế của kỳ t-1
Ƣu điểm: Đơn giản, có thể ứng dụng hiệu quả trong trƣờng hợp chuỗi
có xu hƣớng rõ ràng.
Nhƣợc điểm: Mức độ chính xác của dự báo thấp.
111
D
Công thức:
i
Ft i 1
, (4-2)
Trong đó:
n
Ft – là giá trị dự báo cho giai đoạn t;
Di – là giá trị thực tế của giai đoạn i;
n – số giai đoạn thực tế dùng để quan sát (n=t-1).
Ƣu điểm:
Chính xác hơn phƣơng pháp giản đơn
Phù hợp với những dòng yêu cầu đều có xu hƣớng ổn định.
Nhƣợc điểm: Phải lƣu trữ một số lƣợng dữ liệu khá lớn.
112
56
7/6/2018
Ví dụ 1: Hãy dự báo nhu cầu tháng tới dựa trên mức bán hàng
thực tế của các tháng trƣớc:
1 100 --
2 110 F2=D2=100
3 120 F3=(D1+D2)/2=105
4 115 F4=110
5 F5=?
113
Trong trƣờng hợp khi có sự biến động, trong đó thời gian gần nhất có
ảnh hƣởng nhiều nhất đến kết quả dự báo, thời gian càng xa thì ảnh
hƣởng càng nhỏ ta dùng phƣơng pháp trung bình động sẽ thích hợp
hơn.
Dự báo cho giai đoạn tiếp theo dựa trên cơ sở kết quả trung bình của
các kỳ trƣớc đó thay đổi (trƣợt) trong một giới hạn thời gian nhất định.
Công thức: n
Dt i (4-3)
Ft i 1
Trong đó: n
Ft – là giá trị dự báo cho giai đoạn t;
Dt-i – là giá trị thực tế của giai đoạn t-i;
n – số giai đoạn quan sát.
114
57
7/6/2018
Ƣu điểm: Cho độ chính xác tƣơng đối, Rút ngắn số liệu lƣu trữ
Nhƣợc điểm: Không cho thấy đƣợc mối tƣơng quan trong các đại
lƣợng của dòng yêu cầu.
Ví dụ 2: Dự báo nhu cầu cho các tháng tới bằng phƣơng pháp
trung bình động, với n=3.
Tháng Mức bán thực tế (Dt) Dự báo (Ft)
1 100
2 110
3 120
4 115 F4=(120 + 110 +100)/3
5 125 F5=(115 + 120 + 110)/3
6 F6=?
115
Là phƣơng pháp trung bình động có tính đến ảnh hƣởng của từng giai
đoạn khác nhau đến biến dự báo thông qua sử dụng trọng số
Công thức: n
Ft
Dt i t i
i 1
(4-4)
Trong đó:
Dt-i – là giá trị thực ở giai đoạn t-i
αt-i – là trọng số của giai đoạn t-i với ∑ αt-i = 1 và 0≤αt-i≤1.
Ƣu điểm: Cho kết quả sát với thực tế hơn so với pp tbd giản đơn vì có sử dụng
hệ số.
Nhƣợc điểm:
• Dự báo không bắt kịp xu hướng thay đổi của biến;
• Đòi hỏi ghi chép số liệu chính xác và đủ lớn.
116
58
7/6/2018
Nhằm khắc phục nhƣợc điểm của phƣơng pháp trƣớc, pp san
bằng mũ cho rằng dự báo mới bằng dự báo của giai đoạn trƣớc
đó cộng với tỉ lệ chênh lệch giữa giá trị thực và dự báo của giai
đoạn đó qua, có điều chỉnh cho phù hợp.
Công thức:
Ft Ft 1 Dt 1 Ft 1 Dt 1 1 Ft 1 (4-5)
Trong đó:
Ft – Dự báo nhu cầu giai đoạn t
Ft-1 - Dự báo nhu cầu giai đoạn t-1
Dt-1 – Nhu cầu thực của giai đoạn t-1
α- Hệ số san bằng mũ
117
Ft Dt 1 1 Ft 1
Ft Dt 1 1 Dt 2 1 Ft 2
Ft Dt 1 1 Dt 2 1 Dt 3 1 Dt 4
2 3
Nhận xét:
Ảnh hưởng của các số liệu trong quá khứ đối với kết quả dự báo có giá trị
giảm dần với một trọng số như nhau là (1-α) -> α - được gọi là hệ số san
bằng hàm số mũ.
118
59
7/6/2018
119
120
60
7/6/2018
121
Là phƣơng pháp dự báo dựa trên việc xác định mối quan hệ giữa
các đại lƣợng (biến), rồi dựa vào đó để đƣa ra dự báo.
Ví dụ: Doanh thu & chi phí; quảng cáo & lợi nhuận; giá cả &
tiền lƣơng.
Ta sẽ tìm hiểu hai phƣơng pháp cơ bản: hồi quy tuyến tính và
phân tích tương quan.
122
61
7/6/2018
Phân tích tƣơng quan đánh giá mối quan hệ giữa 2 nhân tố. Giá
trị cuối cùng (hệ số tƣơng quan) chỉ ra liệu có sự thay đổi của
nhân tố này sẽ dẫn đến thay đổi trong nhân tố kia hay không.
Một hệ số tƣơng quan thấp (ví dụ: <0.10) chỉ ra rằng mối quan hệ
giữa 2 nhân tố rất yếu hoặc không tồn tại. Một hệ số tƣơng quan
cao ( gần bằng ±1 ) chỉ ra rằng nhân tố phụ thuộc sẽ thay đổi khi
nhân tố độc lập thay đổi.
Ví dụ: Phân tích tương quan khá hữu ích trong việc đánh giá mối quan
hệ giữa 2 loại chứng khoán. Thông thường, một mức giá an toàn dẫn
dắt hoặc dự báo giá cả của một loại chứng khoán khác. Hay, hệ số
tương quan của vàng đối nghịch với đồng đô la. Điều này có nghĩa là
một sự gia tăng trong đồng đô la thường báo trước một sự giảm giá
của vàng.
123
xy
( X X )(Y Y )
i i cov( X , Y )
XY
( X X ) (Y Y )
i
2
i
2
var( X ) var(Y ) X Y
Hoặc chúng ta cũng có thể dễ dàng tính đƣợc thông qua công cụ
Correlation trong Excel
124
62
7/6/2018
Biểu diễn mối quan hệ giữa hai đại lƣợng thông qua phƣơng
trình hồi quy:
Yi = 1 + 2Xi + ui
125
126
63
7/6/2018
Trong đó:
2 1 ( x0 x ) 2
Var ( y 0 )
ˆ 2
n ( xi x )
127
Chƣơng 5
128
64
7/6/2018
130
65
7/6/2018
Cấu trúc của mô hình toán kinh tế thƣờng gồm hai bộ phận
chính: các biến và các ràng buộc nhằm diễn tả chặt chẽ, chính
xác, đầy đủ hơn các hiện tƣợng và hệ thống kinh tế đang nghiên
cứu, ngƣời ta đƣa thêm vào mô hình phần giả thiết và chú thích
hoặc nhận xét.
a) Các biến kinh tế của mô hình: Các biến kinh tế là các đại lƣợng biến
thiên đặc trƣng cho các yếu tố cơ bản của các hiện tƣợng kinh tế và hệ
thống kinh tế ta cần nghiên cứu. Các biến kinh tế thay đổi giá trị trong
phạm vi nhất định. Tuỳ theo mục đích nghiên cứu cũng nhƣ khả năng về
nguồn dữ liệu liên quan, biến kinh tế trong mô hình toán kinh tế thƣờng
đƣợc phân ra làm ba loại
• Các biến ngoại sinh (Biến giải thích, biến độc lập).
• Các biến nội sinh (biến được giải thích, biến phụ thuộc).
• Các tham số (thông số)
131
132
66
7/6/2018
Việc mô hình hoá toán học các hiện tƣợng hoặc một hệ thống
kinh tế thƣờng đƣợc tiến hành theo bốn bƣớc sau.
Bƣớc 1: Xây dựng mô hình định tính cho đối tƣợng kinh tế cần
nghiên cứu, nghĩa là xác định các yếu tố có ý nghĩa quan trọng
nhất và xác lập các quy luật mà các yếu tố kinh tế phải tuân theo.
Nói cách khác là phát biểu mô hình bằng lời, bằng biểu đồ cùng
các điều kiện kinh tế, kỹ thuật, xã hội, tự nhiên và các mục tiêu
cần đạt đƣợc.
Bƣớc 2: Xây dựng mô hình toán học cho đối tƣợng kinh tế cần
nghiên cứu, nghĩa là diễn tả lại dƣới dạng ngôn ngữ toán học cho
mô hình định tính, bao gồm xác định biến kinh tế và các ràng buộc
của các biến kinh tế.
133
Bƣớc 3; Sử dụng các công cụ toán học để khảo sát và giải quyết
mô hình toán học đã xác lập ở bƣớc 2. Căn cứ vào mô hình đã xây
dựng, lựa chọn hoặc xây dựng phƣơng pháp giải cho phù hợp.
Tiếp đó cụ thể hoá phƣơng pháp bằng các thuật toán tối ƣu và thể
nghiệm giải bài toán trên máy tính điện tử.
Bƣớc 4: Dựa vào các số liệu thu thập đƣợc, mô phỏng trên máy
tính các tình huống trong quá khứ và hiện tại, dự đoán và kiểm
định sự phù hợp của mô hình đối với lý luận và thực tiễn.
134
67
7/6/2018
Sau khi đã xây dựng và hiệu chỉnh mô hình phù hợp với hiện
tƣợng và quá trình kinh tế, ta có thể sử dụng mô hình để phân
tích động thái và hành vi của đối tƣợng kinh tế từ đó lựa chọn
giải pháp tốt nhất cho quá trình quản lý điều khiển kinh tế.
Sử dụng mô hình kinh tế Vi mô (Micro).
Ngƣời ta sử dụng mô hình kinh tế Vi mô để phân tích cách ứng
xử, hành vi của các chủ thể kinh tế khi họ theo đuổi mục đích của
mình, nhƣ hành vi sản xuất và hành vi tiêu dùng, phân tích mối
quan hệ giữa sản xuất và tiêu dùng, phân tích cân bằng thị trƣờng.
• Phân tích hành vi sản xuất.
• Phân tích tình huống tối ưu về mặt kinh tế của sản xuất.
• Phân tích hành vi tiêu dùng.
• Phân tích quan hệ giữa cung và cầu.
• Phân tích cân bằng thị trường.
135
136
68
7/6/2018
Phép thử đạo hàm bậc nhất (first derivative test - hay điều kiện
bậc nhất ) dùng để xác định các điểm cực trị của một hàm (Xem
hình bên). dy/dx = y’= f’(x0) = 0 tại điểm cực đại hoặc cực tiểu
và x0 gọi là cực trị của hàm. Gồm 3 bƣớc: (1) tìm đạo hàm, (2)
đặt biểu thức bằng 0 và (3) tìm giá trị của x.
Đạo hàm bậc 2 có đƣợc từ việc áp dụng quy tắc vi phân cho đạo
hàm bậc nhất chứ không phải đối với hàm ban đầu. Kết quả vi
phân đạo hàm bậc nhất cho ta đạo hàm bậc 2, có dạng d2y/dx2 =
y”= f”(x).
Ví dụ 1:
Giả sử y = f(x) = 3x2. Thì, dy/dx = f’(x) = 6x.
6x là kết quả của đạo hàm bậc nhất. Đạo hàm bậc 2 là d2y/dx2 =
y”= f”(x) = 6.
137
Hàm y = f(x) đạt cực đại tại điểm x = x0 nào đó nếu f’(x0) = 0 và f’’(x0) âm.
Tương tự như vậy, f(x) đạt cực tiểu tại một điểm x 0 nào đó nếu f’(x0) = 0 và f’’(x0) dương.
Nếu cả hàm bậc nhất và hàm bậc 2 đều bằng 0 thì ta chỉ có một điểm uốn chứ không có giá trị
cực đại hoặc cực tiểu, tức là f’(x 0) = 0 và f’’(x0) = 0. Một ví dụ về hàm không có điểm cực đại
và cực tiểu là y = f(x) = x3.
138
69
7/6/2018
Ví dụ 2:
Công ty cung cấp dịch vụ lau dọn Peruvian là nhà phân phối chủ yếu
chất tẩy rửa quan trọng cho những ngƣời quét dọn khắp miền nam
nƣớc Mỹ. Chất tẩy rửa này dùng để tạo ra lớp bảo vệ bên ngoài cho
các hầm làm lạnh suốt mùa hè có độ ẩm cao. Peruvian cung cấp chất
tẩy trong những chiếc xe téc, và mỗi khách hàng phải mua ít nhất 100-
gallon (1 gallon = 3.78 lít Mỹ). Giá tiền mỗi gallon là $12. Khách
hàng mua khối lƣợng lớn hơn 100 gallon sẽ đƣợc chiết khấu $0.05
mỗi gallon (1 gallon tăng thêm được giảm $0.05/gallon, 2 gallon tăng
thêm được giảm $2x0.05/gallon….). Phần trăm chiết khấu này chỉ áp
dụng cho những lƣợng hàng lớn hơn mức tối thiểu; 100 gallon đầu
tiên vẫn có giá là $12 mỗi gallon bất kể tổng số gallon đƣợc mua là
bao nhiêu đi nữa.
Hãy xác định lƣợng bán cho mỗi khách hàng để đạt doanh thu cực đại,
tính doanh thu cực đại trên mỗi khách hàng.
139
Ví dụ 2:
Giải:
Hàm toán học sau đây về tổng doanh thu từ mỗi khách hàng là:
TR $12(100) [$12 $0.05(x 100)] (x 100) =
= 500 22x 0.05x2
Đạo hàm của dạng hàm số này là: dTR/dx 22 0.10x
Ta cho đạo hàm bậc nhất bằng 0 và tìm đƣợc giá trị x, nhƣ sau:
22 0.10x 0; => 0.10x 22; => x 220.
Do d2TR/dx2 = -0.1. Vì đạo hàm bậc 2 âm, giá trị cực trị của hàm
(x*=220) là giá trị cực đại.
Thay x bởi x* = 220 trong hàm gốc chúng ta có doanh thu cực đại
nhƣ sau: 500 22(220) 0.05(220)2
= 500 4,840 0.05(48,400) $1,920
140
70
7/6/2018
Ví dụ 3:
Mục tiêu của một hãng là tối đa hóa lợi nhuận. Để tìm ra sản lƣợng
đầu ra có thể tối đa hóa lợi nhuận, chúng ta nên dùng phép tính vi
phân. Giả sử ta có hàm tổng doanh thu (TR) và tổng chi phí (TC) sau
đây:
TR(Q) = $1,000Q - $5Q2 và TC(Q) = $20,000 + $200Q.
Khi đó Hàm lợi nhuận () là:
(Q) = TR(Q) -TC(Q) = $1,000Q - $5Q2 - ($20,000 + $200Q)
= $1,000Q - $5Q2 - $20,000 -$200Q = -$20,000 + $800Q - $5Q2
Lấy d/dQ = 0 => d/dQ = $800 - $10Q = 0; Q* = 80 đơn vị
Giá trị đạo hàm bậc 2 của hàm lợi nhuận là
d2/dQ2 = -10 < 0, cho biết Q* = 80 là điểm tối đa hóa lợi nhuận.
141
Nhiều hàm có chứa nhiều biến độc lập phức tạp. Khái niệm tối
ưu hóa nhiều biến (multivariate optimization) và quá trình tối ƣu
hóa cho đẳng thức với nhiều biến quyết định là rất hữu ích.
Để thực hiện, chúng ta phải tiến hành vi phân riêng.
Các quy tắc vi phân riêng là giống nhau với điều kiện các biến
độc lập không tham gia vào phép vi phân đƣợc xem nhƣ là
những hằng số.
142
71
7/6/2018
143
72
7/6/2018
Nhiều hãng phải đối mặt với những hạn chế trong các phƣơng án
quyết định. Chẳng hạn nhƣ hạn chế về nguồn lực (nhƣ tiền, thiết bị,
năng lực sản xuất, nguyên liệu và nhân sự) sẵn có đối với hãng. Tối
ƣu hóa bị ràng buộc (Constrained optimization) là tối đa hóa lợi nhuận
kèm theo những hạn chế trong sự sẵn có về nguồn lực, hoặc tối thiểu
hóa chi phí kèm những yêu cầu tối thiểu cần đƣợc thỏa mãn. Những
kỹ thuật nhƣ quy hoạch tuyến tính đƣợc dùng cho mục đích này.
Vấn đề chung là tìm ra điểm cực trị của hàm f(x,y) tƣơng ứng với các
đẳng thức dạng: g(x,y) = 0
Khi các ràng buộc dƣới dạng đẳng thức, ta dùng các phƣơng pháp tối
ƣu hóa cổ điển để tìm phƣơng án tối ƣu. Hai phƣơng pháp thƣờng
dùng là: (1) Phƣơng pháp thế và (2) Phƣơng pháp nhân tử Lagrange.
145
146
73
7/6/2018
74
7/6/2018
150
75
7/6/2018
151
152
76
7/6/2018
Ví dụ 6:
Công ty sản xuất đồ nội thất sản xuất 2 sản phẩm: bàn và ghế. Cả 2 sản
phẩm cần thời gian để đƣợc xử lý trong 2 bộ phận: Bộ phận mộc và bộ phận
sơn. Dữ liệu về hai sản phẩm này nhƣ sau.
Xử lý Bàn Ghế
(Chiếc) (Chiếc) Số giờ
Hiệu quả/ lợi nhuận $7 $5 sẵn có
Phần mộc 3 hrs 4 hrs 2400
Phần sơn 2 hrs 1 hr 1000
Ràng buộc bổ sung: Sản xuất không quá 450 ghế và ít nhất 100 bàn
Công ty muốn tìm đƣợc cách kết hợp 2 loại sản phẩm này sao cho có lợi
nhất.
153
Ví dụ 6:
Bước 1: Xác định các biến quyết định nhƣ sau:
x1 = Số lƣợng bàn
x2 = Số lƣợng ghế
Bước 2: Hàm mục tiêu để tối đa hoá hiệu quả (Z) đƣợc biểu diễn dƣới
đây:
Z = 7x1 + 5x2
Sau đó lập công thức các ràng buộc nhƣ là các bất đẳng thức:
3x1 + 4x2 < 2400 (Ràng buộc công đoạn mộc)
2x1 + 1x2 < 1000 (Ràng buộc công đoạn sơn)
x1≥ 100; x2 < 450
Thêm vào đó, ẩn trong bất kỳ công thức LP nào phải có điều kiện để làm
cho x1 và x2 không âm, tức là: x1, x2 > 0 .
154
77
7/6/2018
78
7/6/2018
CHÚ Ý:
Tập phương án là những giá trị của biến quyết định thoả mãn
đồng thời các ràng buộc. Chúng đƣợc tìm thấy phía trên và
bên trong miền khả thi. Phƣơng pháp đồ thị dựa vào 2 đặc
điểm quan trọng của LP:
1. Phƣơng án tối ƣu nằm ở đƣờng biên của vùng khả thi, có
nghĩa là có thể bỏ qua các điểm bên trong vùng khả thi (rất
nhiều điểm) khi tìm kiếm phƣơng án tối ƣu.
2. Phƣơng án tối ƣu nằm ở 1 trong các đỉnh của miền tối ƣu
(các phƣơng án khả thi cơ bản)
157
79
7/6/2018
Chặn:
(X1 = 0, X2 = 1000)
(X1 = 500, X2 = 0)
0
0 500 800 X1 159
600
Đường tối thiểu “bàn”
450
X1 = 100
Vùng
khả thi
0
0 100 500 800 X1160
80
7/6/2018
300
200
100
81
7/6/2018
82
7/6/2018
165
166
83
7/6/2018
X1
167
Khả thi
Thời gian
3X1+4X2 2400
X1
500 700 168
84
7/6/2018
X1
500 700
Điểm bên trong. Điểm trên đường biên. Điểm giao nhau (cực trị). 169
...và tiếp tục đến khi gặp vùng không khả thi
700
500 LN =$4360
X1
170
500
85
7/6/2018
500
X1
171
500 800
86
7/6/2018
173
1000
Ràng buộc
thời gian X1
Sản xuất 174
500
87
7/6/2018
Chọn „Options‟
Và chọn „Linear
Programming‟ &
„Non-negative‟.
176
176
88
7/6/2018
$D$7:$D$10<=$F$7:$F$10
177
CÔNG TY GALAXY
A B
Tá 320 360
Tổng Giới hạn
LN/Profit 8 5 4360
Nhựa 2 1 1000 <= 1000
Thời gian 3 4 2400 <= 2400
Tổng 1 1 680 <= 700
Mix 1 -1 -40 <= 350
178
89
7/6/2018
CÔNG TY GALAXY
A B
Tá 320 360
Tổng Giới hạn
LN/Profit 8 5 4360
Nhựa 2 1 1000 <= 1000
Thời gian 3 4 2400 <= 2400
Tổng 1 1 680 <= 700
Mix 1 -1 -40 <= 350
179
Adjustable Cells
Cell Name Original Value Final Value
$B$4 Tá A 320 320
$C$4 Tá B 360 360
Constraints
Cell Name Cell Value Formula Status Slack
$D$7 Nhựa Tổng 1000 $D$7<=$F$7 Binding 0
$D$8 Thời gian Tổng 2400 $D$8<=$F$8 Binding 0
$D$9 Sản xuất Tổng 680 $D$9<=$F$9 Not Binding 20
$D$10 Mix Tổng -40 $D$10<=$F$10 Not Binding 390 180
90
7/6/2018
Adjustable Cells
Final Reduced Objective Allowable Allowable
Cell Name Value Cost Coefficient Increase Decrease
$B$4 Tá A 320 0 8 2 4.25
$C$4 Tá B 360 0 5 5.666666667 1
Constraints
Final Shadow Constraint Allowable Allowable
Cell Name Value Price R.H. Side Increase Decrease
$D$7 Nhựa Tổng 1000 3.4 1000 100 400
$D$8 Thời gian Tổng 2400 0.4 2400 100 650
$D$9 Sản xuất Tổng 680 0 700 1E+30 20
$D$10 Mix Tổng -40 0 350 1E+30 390
181
Chƣơng 6
182
91
7/6/2018
Ra quyết định là một quá trình lựa chọn có ý thức giữa hai hoặc
nhiều phƣơng án để chọn ra một phƣơng án và phƣơng án này sẽ
tạo ra đƣợc một kết quả mong muốn trong các điều kiện ràng
buộc đã biết.
Lƣu ý rằng, nếu chỉ có một giải pháp để giải quyết vấn đề thì
không phải là bài toán ra quyết định. Và cũng cần lƣu ý rằng,
phƣơng án “Không làm gì cả” cũng là một phƣơng án, đôi khi đó
lại là phƣơng án đƣợc chọn
183
Theo tính chất của vấn đề, có thể chia quyết định làm ba loại:
Ra quyết định trong điều kiện/ môi trƣờng chắc chắn (certainty):
Khi ra quyết định, đã biết chắc chắn trạng thái nào sẽ xảy ra , do đó
sẽ dễ dàng và nhanh chóng ra quyết định.
Ra quyết định trong điều kiện rủi ro (risk): Khi ra quyết định đã
biết đƣợc xác suất xảy ra của mỗi trạng thái.
Ra quyết định trong điều kiện không chắc chắn (uncertainty):
Khi ra quyết định, không biết đƣợc xác suất xảy ra của mỗi trạng
thái hoặc không biết đƣợc các dữ liệu liên quan đến các vấn đề cần
giải quyết.
184
92
7/6/2018
Quá trình ra quyết định thƣờng đƣợc tiến hành theo sáu bƣớc:
Bƣớc 1: Xác định rõ vấn đề cần giải quyết.
Bƣớc 2: Liệt kê tất cả các phƣơng án có thể có.
Bƣớc 3: Nhận ra các tình huống hay các trạng thái.
Bƣớc 4: Ƣớc lƣợng tất cả lợi ích và chi phí cho mỗi phƣơng án ứng
với mỗi trạng thái.
Bƣớc 5: Lựa chọn một mô hình toán học trong PP định lƣợng để
tìm lời giải tối ƣu.
Bƣớc 6: Áp dụng mô hình để tìm lời giải và dựa vào đó để ra quyết
định .
185
186
93
7/6/2018
Bƣớc 4: Ông A ƣớc lƣợng lợi nhuận của các phƣơng án ứng với
các tình huống:
Bảng 6.1
Trạng thái
Phƣơng án
Thị trƣờng Tốt Thị trƣờng Xấu
Nhà máy lớn 200.000 - 180.000
Nhà máy nhỏ 100.000 - 20.000
Không làm gì 0 0
Bƣớc 5 và 6: Chọn một mô hình toán học trong phƣơng pháp định
lƣợng để tác dụng vào bài toán này. Việc chọn lựa mô hình đƣợc
dựa vào sự hiểu biết, vào thông tin ít hay nhiều về khả năng xuất
hiện các trạng thái của hệ thống.
187
Khi ra quyết định trong điều kiện rủi ro, ta đã biết đƣợc xác suất
xảy ra của mỗi trạng thái. Ra quyết định trong điều kiện rủi ro, ta
thƣờng sử dụng các tiêu chuẩn sau:
Cực đại giá trị kỳ vọng đƣợc tính bằng tiền EMV (Expected
Moneytary Value), hay;
Cực tiểu thiệt hại cơ hội kỳ vọng EOL (Expected Opportunity
Loss).
Để xác định các tiêu chuẩn trên ngƣời ta có thể sử dụng phƣơng
pháp lập bảng quyết định hoặc cây quyết định.
188
94
7/6/2018
Trong đó:
• P(Sj): xác suất để trạng thái j xuất hiện.
• Pij : là lợi nhuận/chi phí của phương án i ứng với trạng thái j.
• i = 1 đến n và j = 1 đến m.
189
Ra quyết định:
• EMV (i) > 0 => phương án có lợi
• Max EMV (i) =EMV (i=2) = 40.000 => Chọn phương án nhà máy nhỏ.
190
95
7/6/2018
Trạng thái
Phƣơng án
Thị trƣờng Tốt Thị trƣờng Xấu
Nhà máy lớn 0 180.000
Nhà máy nhỏ 100.000 20.000
Không làm gì 200.000 0
Xác suất của các trạng thái 0,5 0,5
192
96
7/6/2018
193
Có rất nhiều bài toán mà để đi đến quyết định cuối cùng phải qua
một loạt các quyết định liên kết với nhau. Một phân tích giá trị
kỳ vọng có thể dễ dàng đƣợc mở rộng để áp dụng cho những bài
toán phức tạp dạng này, phƣơng pháp này đƣợc gọi là “Phân tích
cây quyết định”.
Logic và nguyên lý của phƣơng pháp này vẫn giống nhƣ trong
phân tích giá trị kỳ vọng nhƣng các bài toán thì phức tạp hơn.
194
97
7/6/2018
Ví dụ Kết cục
s1 .4
10,000
s2 .2
2 s3 15,000
.4
d1 14,000
s1 .4
d2 8,000
1 s2 .2
3 18,000
d3 s3 .4
12,000
s1 .4
6,000
s2 .2
4 16,000
s3
.4
21,000
195
Ví dụ
EMV = .4(10,000) + .2(15,000) + .4(14,000)
= $12,600
d1 2
Model A
EMV = .4(8,000) + .2(18,000) + .4(12,000)
Model B d2 = $11,600
1 3
98
7/6/2018
A B C D E F
1 BẢNG KẾT QuẢ
2
3 Mô hình Các khả năng EMV Quyết định
5 d1 = Model A 10,000 15,000 14,000 12600
6 d2 = Model B 8,000 18,000 12,000 11600
7 d3 = Model C 6,000 16,000 21,000 14000 d3 = Model C
8 Xác suất 0.4 0.2 0.4
9 Maximum Expected Value 14000 197
Trong điều kiện không chắc chắn, ta không biết đƣợc xác suất
xuất hiện của mỗi trạng thái hoặc các dữ kiện liên quan đến bài
toán không có sẵn. Trong trƣờng hợp này ta có thể dùng một
trong 5 mô hình sau:
Maximax
Maximin
Đồng đều ngẫu nhiên (Equally -likely)
Tiêu chuẩn hiện thực hay tiêu chuẩn Hurwiez
Minimax
Ghi chú:
Bốn mô hình đầu được tính từ bảng 6.1
Mô hình cuối cùng được tính từ bảng 6.3
198
99
7/6/2018
Tìm phƣơng án i ứng với Max của max, nghĩa là tìm giá trị lớn
nhất trong bảng quyết định
Max( Max Pij )
i j
Trong mô hình này ta tìm lợi nhuận tối đa có thể có đƣợc bất
chấp rủi ro, vì vậy tiêu chuẩn này còn đƣợc gọi là tiêu chuẩn lạc
quan (optimistic decision criterion).
Ví dụ:
Từ bảng 6.1 ta có Max( Max Pij ) = 200.000
i j
Ra quyết định: chọn phƣơng án nhà máy lớn
199
Nghĩa là tìm Min trong hàng i, sau đó lấy Max những giá trị Min
vừa tìm đƣợc. Cách làm này phản ánh tinh thần bi quan, còn gọi
là quyết định bi quan (pessimistic decision).
Ví dụ:
Từ bảng 6.1 ta có Max( Min Pij ) = 0
i j
Ra quyết định: không làm gì cả
200
100
7/6/2018
Trong mô hình này, ta xem mọi trạng thái đều đồng đều ngẫu
nhiên, nghĩa là xem các trạng thái đều có xác suất xuất hiện bằng
nhau. Trong trƣờng hợp này ta tìm phƣơng án i ứng với:
m
j 1
Pij
Max
i So trang thai
Nghĩa là tìm phƣơng án làm cực đại giá trị trung bình các lợi
nhuận của từng phƣơng án.
Ví dụ:
200.000 (180.000) 100.000 (20.000) 0 0)
Từ bảng 6.1 ta có: Max ; ;
i
2 2 2
Max(10.000; 40.000; 0)
i
Ra quyết định: Chọn phƣơng án xây nhà máy nhỏ
201
Đây là mô hình dung hòa giữa tiêu chuẩn lạc quan và tiêu chuẩn
bi quan. Bằng cách chọn một hệ số (0< <1). Sau đó chọn
phƣơng án i ứng với hệ số a sao cho:
Max[Max Pij (1 ) Min Pij ]
i j j
101
7/6/2018
Tìm Max theo phương án i nghĩa là tìm giá trị lớn nhất trong các
cột j tính theo từng hàng
OLij: thiệt hại cơ hội của phương án i ứng với trạng thái j được
tính như trong mô hình ra quyết định trong điều kiện rủi ro.
Trong mô hình này ta tìm phương án để làm cực tiểu cơ hội thiệt
hại cực đại.
Ví dụ : Áp dụng bảng 6.3 ta có:
Min [Max OLij ]= Min [180.000 , 100.000 , 200.000 ]= 100.000
Ra quyết định: Chọn phƣơng án nhà máy có quy mô nhỏ.
203
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
Ví dụ:
?
Dùng tiêu chuẩn EMV để đánh giá lựa chọn?
Thực tế lựa chọn?
204
102
7/6/2018
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
Độ hữu ích là độ đo mức ƣu tiên của ngƣời ra quyết định đối với
lợi nhuận.
Lý thuyết độ hữu ích là lý thuyết nghiên cứu cách kết hợp mức
độ ƣu tiên về độ may rủi của ngƣời ra quyết định đối với các yếu
tố khác trong quá trình ra quyết định.
205
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
Vấn đề đặt ra 1: Lựa chọn phƣơng án nào?
A : Chắc chắn thu đƣợc $30000
B : 70% khả năng thu đƣợc $60000, 30% khả năng thua lỗ $10000 (- $10000).
Khả năng lựa chọn: ???????
206
103
7/6/2018
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
207
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
208
104
7/6/2018
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
Độ hữu ích
1.00 U(60000)=1.00
U(30000)=0.85
U(11000)=0.60
0.00
11000 30000 60000
209
6.4. Quyết định khi xét đến độ hữu ích (độ thoả dụng)
Khái niệm độ hữu ích
Độ hữu ích
1.00 U =1.00
Risk Averse/
tránh rủi ro
Risk Seeking/
thích rủi ro
0.00
Min Max
105