Bài giảng Thực hành Quản trị trên máy - Bài 4: Dự báo

THỰC HÀNH QUẢN TRỊ TRÊN MÁY

Bài 4:

DỰ BÁO
1


4.1. Tổng quan

4.1.1.
4.1.1.Khái
Kháiniệm
niệmvà
vàđặc
đặctrưng
trưngcơ
cơbản
bảncủa
củadự
dựbáo
báo

Que sera sera ………

•
•
•

Dự báo ln có sự sai lệch
Dự báo càng tổng qt thì càng chính xác

Thời kỳ càng dài, độ chính xác càng thấp

2


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 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 />
3


4.1.2. Phân loại các mơ hình dự báo

Định tính

•
•
•
•
•

Kinh nghiệm

Phương pháp Delphi
Cố vấn

Định lượng

Khảo sát khách hàng

•

……

Mơ hình chuỗi thời gian
Yt =f(Yt-1, Yt-2,…, Yt-n)

•

Mơ hình nhân quả
Y=f(X1, X2, …, Xn)

4


Phương pháp Delphi

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 cho lần lặp tiếp theo
để thu thập được ý kiến chung của các chuyên gia.

5

Dự báo theo chuỗi thời gian (Time Series Models)

•
•
•
•

Dựa vào các giá trị khảo sát trước đó
Ý tưởng: phát hiện “dạng thức”
Dự báo nhu cầu ngắn hạn
Phổ biến, dễ làm
Tuyến tính

Ngẫu nhiên
Phi tuyến

6


Đặc trưng chuỗi tuần tự theo thời gian

 Xu hướng dài hạn (Trend component)
 Thành phần chu kỳ (Cyclical component)
 Thành phần mùa (Seasonal component)
 Thành phần bất thường (Irregular
component)

7

Vấn đề

∞

Ft = ∑ an Dt − n
1

Ft – Dự báo kỳ thứ t
Di – Giá trị khảo sát ở kỳ i < t
ai – Mức độ ảnh hưởng của kỳ i

 Xác định ai ??

8


Dự báo theo mơ hình nhân quả (Causal Models)

Dùng ngun nhân (biến độc lập) để dự báo kết quả (biến phụ thuộc)
Cơng cụ: Hồi quy (Regression Analysis)

• Y = a0 + a1X1 + a2X2+ … anXn
• Xác định ai  phương pháp bình phương tối thiểu

9


4.2. Một số mơ hình dự báo thường dùng

Kỳ

Năm

Di

Ví dụ: Dự báo nhu cầu bánh trung thu

1

2004

10

2

2005

10

3

2006

11

4

2007

10

5

2008

12

6

2009

13

7

2010

16

8

2011

17

9

2012

19

10

2013

22

11

2014
Σ

4
1
20

?

?
140

10


4.2.1. Các phương pháp đơn giản
Phương pháp đơn giản Ft = Dt–1

Kỳ

Di
1

10

NA

2

10

10

3

11

10

4

10

11

5

12

10

6

13

12

7

16

13

8

17

16

9

19

17

10

22

19

11
Σ

4
1
20

Fi

? 22
140

“Vẫn như cũ”

?


11


Phương pháp trung bình Ft = D

Kỳ

Di

Fi

1

10

14

2

10

14

3

11

14

4

10

14

5

12

14

6

13

14

7

16

14

8

17

14

9

19

14

10

22

14

11

Σ

4
1
20

? 14
140

“Vẫn y nguyên”

?


12


4.2.2. Bình qn di động – Moving Average
a. Ví dụ: cửa sổ trượt w = 2

Kỳ

Di

Fi

1

10

NA

2

10

NA

3

11

10

4

10

10.5

5

12

10.5

6

13

11

7

16

12.5

8

17

14.5

9

19

16.5

10

22

18

11
Σ

4

1
20

?20.5
140

?

“Bán bà con xa,
mua láng giềng gần”
13


b. Cách tính

Trung bình đơn giản của w kỳ gần nhất

•
•

w càng lớn  càng ổn định
w càng nhỏ  càng linh hoạt

Dt −1 + Dt − 2 + L + Dt − w
1
Ft = ∑ Dt − w =
w n =1
w
w≤ N

14


c. Công cụ Moving Average

1.
2.

Chuẩn bị vùng Input Range
Ra lệnh Data  Data Analysis
 Moving Average

3.

Khai báo

a.
b.
c.

4.

a
b

Input Range
Interval

c

Output options

Nhấn OK

Ví dụ (Excel 2010)
15


4.2.3. San bằng mũ – Exponential Smoothing
a. Ví dụ: hệ số điều chỉnh a = 0.7

Kỳ

Di

Di– Fi

Fi

1

10

NA

NA

2

10

0

10.00

3

11

1

10.00

4

10

– 0.7

10.70

5

12

1.79

10.21

6

13

1.54

11.46

7

16

3.46

12.54

8

17

2.04

14.96

9

19

2.61

16.39

10

22

3.78

18.22

11
Σ

?20.87
140

4
1
20

?

“Sai thì sửa”

Ft = Ft–1 + a(Dt–1–Ft–1)

16


b. Cách tính

•
•
•

Ft

Dự báo = trung bình có trọng số của giá trị dự báo và nhu cầu thực tế kỳ cuối
a càng nhỏ  càng ổn định
a càng lớn  càng linh hoạt

= Ft–1 + a(Dt–1–Ft–1)
= Ft–1 + a.Dt–1 – a.Ft–1
= a.Dt–1 + Ft–1 – a.Ft–1
= a. Dt–1 + (1 – a) Ft–1
Lưu ý: Ký hiệu Damping factor = 1 – a
17


c. Công cụ Exponential Smoothing

1.
2.

Chuẩn bị Input Range
Ra lệnh Data  Data Analysis
 Exponential Smoothing

a

b

3.

Khai báo

a.
b.
4.

Input Range và Damping factor (mặc định là 0.3)
Output options

Nhấn OK

Ví dụ (Excel 2010)
18


Moving Average vs Exponential Smoothing

Giống nhau

•
•

Q trình ổn định
1 thơng số (a hoặc N)

MA: N kỳ cuối

ES: Kỳ cuối cùng

MA: N số liệu gần nhất

ES: Dữ liệu kỳ cuối cùng

19


4.2.4. Hồi quy đơn tuyến tính
Ví dụ: Dự báo nhu cầu bánh trung thu
Kỳ

Di

Fi

1

10

8.0

2

10

9.3

3

11

10.6

4

10

11.9

5

12

13.2

6

13

14.5

7

16

15.8

8

17

17.1

9

19

18.4

10

22

19.7

11

?21.0

12

?22.3

Σ

140

4

1
20

?

Mối quan hệ

y = f(x) = a.x + b
20


a)

Các khái niệm

Hồi quy (Regression)

Phân tích hồi quy là kỹ thuật dự báo dùng để
thiết lập mối quan hệ giữa các lượng biến

y=f(x1, x2, …, xn)
biến phụ thuộc

biến độc lập

Nếu n = 1  hồi quy đơn biến; n > 1  hồi quy đa biến
Nếu f có dạng đường thẳng  hồi quy tuyến tính
Nếu f khơng có dạng thẳng  hồi quy phi tuyến
Hồi quy đơn tuyến tính:

y = f(x) = a.x + b
21


“Chuồn chuồn bay thấp thì mưa
Bay cao thì nắng, bay vừa thì râm”

Ngun nhân

Kết quả

Vấn đề: “có quan hệ”?
Câu trên có đúng khơng?
và
nếu đúng thì đúng bao nhiêu phần trăm?
22


Hệ số tương quan (coefficient of correlation)

Hệ số tương quan (ký hiệu rxy) cho biết mức độ tương quan giữa 2 đại lượng x và y.

Dấu của hệ số tương quan cho biết mối quan hệ giữa 2 đại lượng x, y là tương quan
thuận hay nghịch:

rxy > 0 tương quan thuận
rxy < 0 tương quan nghịch

23

Xác định tính chất các mối quan hệ sau tương quan thuận hay nghịch?

1. Số hộ nghèo và tình trạng bỏ học.
 Tương quan thuận.
2. Trình độ dân trí và tệ nạn xã hội.
 Tương quan nghịch.

24


Hệ số tương quan nhận giá trị -1 ≤ rxy ≤ +1
Mức độ tương quan được đánh giá căn cứ trị tuyệt đối của rxy theo
bảng sau:
|r

|
xy

Mức độ tương quan

< 0.1

Khơng đáng kể

0.1 – 0.3

Nhỏ

0.3 – 0.5

Trung bình

0.5 – 0.7

Lớn

0.7 – 0.9

Rất lớn

0.9 – 1

Gần như hoàn toàn
Bảng tham chiếu Hopkins
25