【正文】 時，在集成電路環(huán)節(jié)減少質(zhì)量差錯 89%，在焊接環(huán)節(jié)減少質(zhì)量差錯 98%，在最后組裝環(huán)節(jié)減少質(zhì)量差錯 93%。 統(tǒng)計抽樣與檢驗方法 假設(shè)檢驗： 對總體的某種認識是否得到樣本數(shù)據(jù)的支持。 檢驗的步驟： ? 定義一個關(guān)于實際情況的簡明、準確的表述（假設(shè)）。 ? 從總體中取出一個樣本。 ? 檢驗這個樣本，看一看它是支持假設(shè)，還是證明假設(shè)不大可能。 ? 如果證明假設(shè)情況是不大可能的，拒絕這一假設(shè)，否則，接受這一假設(shè)。 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(chǎn)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(xiàn)在佐料填裝過量了嗎？ 統(tǒng)計抽樣與檢驗方法 假設(shè)檢驗的誤差（增大樣本，減少誤差） 原假設(shè)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(tǒng)計抽樣與檢驗方法 實例： 據(jù)說，某行業(yè)從業(yè)人員平均工資為每周 300英鎊，標準差為 60英鎊。有人認為這一數(shù)據(jù)已經(jīng)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(shè)。犯一類錯誤的概率有多大？ 統(tǒng)計抽樣與檢驗方法 顯著水平： 是根據(jù)觀察值證明樣本是取自某一假設(shè)總體 的最低可接受概率。（ 5%） 181。 5% (拒絕 ) (拒絕 ) 接受假設(shè) 統(tǒng)計抽樣與檢驗方法 假設(shè)檢驗的步驟： – 表述原假設(shè)和備選假設(shè)。 – 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(shè)。 – 說明結(jié)論。 統(tǒng)計抽樣與檢驗方法 實例： 某地區(qū)公布的人均收入為 15， 000英鎊。一個 45人的樣本的平均收入是 14， 300英鎊，標準差為 2023英鎊。按照 5%的顯著性水平檢驗公布的數(shù)字。按 1%的顯著性水平檢驗結(jié)果又如何？ 統(tǒng)計抽樣與檢驗方法 (a)雙邊檢驗 (b)單邊檢驗 f(x) x f(x) 181。 181。 x 統(tǒng)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 ，標準差為 確定每份郵件的收費水平。郵費現(xiàn)在很高，而有人提出該客戶郵件重量均值不止 。隨機抽取該客戶 100份郵件的樣本，平均重量為 。這是否說明重量均值確實已超過 ？ f(x) x 1% 5% 5%顯著性 1%顯著性 基礎(chǔ)運籌學(xué) (OR Software) 線性規(guī)劃 運輸問題 存 貯 論 整數(shù)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(yù) 測 模 擬 排 序 論 基礎(chǔ)運籌學(xué) (OR Software) ?運籌學(xué)軟件 ( 1） Excel 2023 (Optimization option)。 ( 2 ) Lindo or Lingo package。 ( 3 ) Cplex。 ( 4 ) CUTE, LANCLOT for research。 ( 5 ) ERP。 ( 6 ) 教學(xué)軟件； ( 7) 其他 。 數(shù)據(jù)挖掘技術(shù) (Data mining) 數(shù)據(jù)挖掘： 構(gòu)造和使用數(shù)據(jù)倉庫的過程。 數(shù)據(jù)倉庫 達到不同層次用戶 可需的最詳細的有 用數(shù)據(jù)、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(shù)據(jù)挖掘技術(shù) 過程 數(shù)據(jù)挖掘技術(shù) (Data mining) 數(shù)據(jù)挖掘過程 業(yè)務(wù)數(shù)據(jù) 提取、濾液、清除、聚集 統(tǒng)計學(xué)、心理學(xué)、疊加數(shù)據(jù) 數(shù)據(jù)庫裝入程序 數(shù)據(jù)倉庫 RDBMS 數(shù)據(jù)提取用于數(shù)據(jù)挖掘 數(shù)據(jù)挖掘技術(shù) (Data mining) 數(shù)據(jù)挖掘中的數(shù)據(jù)及信息流 數(shù)據(jù)提取用于數(shù)據(jù)挖掘 結(jié)合規(guī)則 生成簡要表 其它數(shù)據(jù)挖掘 供業(yè)務(wù)決策的信息 數(shù)據(jù)挖掘技術(shù) (Data mining) 數(shù)據(jù)挖掘的有關(guān)技術(shù) (1) 統(tǒng)計分析系統(tǒng) (SAS， SPSS) (2) DSS， EIS， ES (3) 多維電子表格及數(shù)據(jù)庫 (4) 神經(jīng)網(wǎng)絡(luò) (5) 數(shù)據(jù)可視化 數(shù)據(jù)挖掘技術(shù) (Data mining) 數(shù)據(jù)挖掘的應(yīng)用 ? 商品銷售 ? 制造 ? 金融服務(wù) /信用卡 ? 遠程通信 ? 數(shù)據(jù)庫 第三章 財務(wù)分析決策法 ? 盈利虧損的分析決策法 ? 資金時間價值及現(xiàn)金流量分析決策法 ? 投資分析與決策 ? 決策成本的計算 ? 價格的制定與資本價值的估算 ? 案例分析 盈利虧損的分析決策法 盈虧平均點 =N= FC固定成本， UC系統(tǒng)產(chǎn)品的可變成本 UP系統(tǒng)產(chǎn)品的售價， N生產(chǎn)量 成本和收入 虧損經(jīng)營 獲利經(jīng)營 固定成本 收入 利潤 虧損 產(chǎn)量 總成本 盈虧平衡點 盈利虧損的分析決策 FC UPUC 盈利虧損的分析決策法 規(guī)模經(jīng)濟和規(guī)模不經(jīng)濟 平 均 單 位 成 本 非經(jīng)濟規(guī)模 經(jīng)濟規(guī)模 產(chǎn)量 最優(yōu)規(guī)模 盈利虧損的分析決策法 案例一： 電價 現(xiàn)在還沒有辦法儲存大量電能，因此電力公司必須改變輸出電量以適應(yīng)客戶的需求。這就意味著，在用電量小時要關(guān)閉一些發(fā)電機組，而當用電量變大時再打開。但關(guān)閉發(fā)電機組不能是簡單地停下機器，而是讓發(fā)電機慢速轉(zhuǎn)動并松開傳動裝置。晚上用電少的時候，發(fā)出的電量比實際需要的多，與其浪費這些能量，公司索性鼓勵用戶在非高峰期用電。 1995年，一個地方供電部門向客戶提供兩種可選的價格。普通的費率為每季度固定收費 。另一種特別經(jīng)濟的費率為每季度固定收費為 ，而單位電價分為兩部分：白天為，夜間為 。 如果一個消費者在一個季度內(nèi)白天用電 D個單位，晚上用電 N個單位，則費用為： 普通型收費： + (D+N) 經(jīng)濟型收費： + D+ N 盈利虧損的分析決策法 當夜間用電量大大高于白天用電量時選用經(jīng)濟費率更便宜： + D+ N+ (D+N) D 3 N225 在這里，當白天用電量小于夜間用電量的三倍減 225時，就可選擇經(jīng)濟型費率。下圖 體現(xiàn)了這些價格。在直線下方的任何一點，選擇經(jīng)濟型費率更便宜，在直線上方任何一點都是標準型費率更便宜，而在直線上，兩種費率都一樣。（供電的盈虧平衡分析見下圖） 500 400 300 200 100 100 200 300 400 白 天 使 用 的 電 量 （ D） 夜間使用的電量（ N） 標準型 經(jīng)濟型 D=3*N225 資金時間價值及現(xiàn)金流量分析決策法 復(fù)利率： AF=AP(1+I)N， AF=AP?eI N (連續(xù)貼現(xiàn) ) 貼現(xiàn)： AP=AF (1+I)N 凈現(xiàn)值 =收入貼現(xiàn)總和 成本貼現(xiàn)總和 內(nèi)部報酬率 =凈現(xiàn)值為零時的貼現(xiàn)率（越大越好） 案例二： 帕魯斯克公司需要比較三個項目，其原始投資和收益如下（單位：千英鎊） 每年凈收益 1 2 3 4 5 A 1000 500 400 300 200 100 B 1000 200 200 300 400 400 C 500 50 200 200 100 50 公司的資金只夠?qū)嵤┮粋€項目，如果貼現(xiàn)率為 10%，那么公司應(yīng)怎樣做出選擇？ 項目 原始投資 資金時間價值及現(xiàn)金流量分析決策法 凈現(xiàn)值表 A B C D E F G H123 項目 A 項目 B 項目 C4 年 貼現(xiàn)因子 收益 現(xiàn)值 收益 現(xiàn)值 收益 現(xiàn)值5 1 1,1 500 454,55 200 181,82 50 45,456 2 1,21 400 330,58 200 165,29 200 165,297 3 1,331 300 225,39 300 225,39 200 150,268 4 1,4641 200 136,6 400 273,21 100 68,39 5 1,61051 100 62,09 400 248,37 50 31,0610 1500 1209,21 1500 1094,08 600 460,35111213 收益 1209,21 1094,8 460,3514 成本 1000 1000 5001516 209,21 94,08 39,65凈現(xiàn)值合計現(xiàn)值凈現(xiàn)值資金時間價值及現(xiàn)金流量分析決策法 凈現(xiàn)值表 23 項目 A 項目 B 項目 C4 年 貼現(xiàn)因子 收益 現(xiàn)值 收益 現(xiàn)值 收益 現(xiàn)值5 1 1,1 500 454,5455 200 181,8182 50 45,454556 2 1,21 400 330,5785 200 165,2893 200 165,28937 3 1,331 300 225,3944 300 225,3944 200 150,2638 4 1,4641 200 136,6027 400 273,2054 100 68,301359 5 1,61051 100 62,09213 400 248,3685 50 31,0460710 1500 1209,213 1500 1094,076 600 460,3542111213 收益 1209,213 1094,076 460,354214 成本 1000 1000 5001516 209,2132 94,07579 39,6458合計現(xiàn)值凈現(xiàn)值資金時間價值及現(xiàn)金流量分析決策法 案例： 一項投資的凈資金流量如下所示，其內(nèi)部報酬率為多少？ 年 份 0 1 2 3 4 5 6 7 8 凈資金流量 1,200 2,000 200 800 1,800 2,100 1,500 800 450 資金時間價值及現(xiàn)金流量分析決策法 內(nèi)部報酬率表： A B C D E F G123 檢驗45 年份 收益6 0 1200 1 12007 1 2023 1,2 16678 2 200 1,44 1399 3 800 1,728 46310 4 1800 2,0736 86811 5 2100 2,48832 84412 6 1500 2,985984 50213 7 800 3,583181 22314 8 450 4,299817 1051516 IRR 20,00 合計 0貼現(xiàn)率 收益貼現(xiàn)內(nèi)部收益率計算資金時間價值及現(xiàn)金流量分析決策法 內(nèi)部報酬率表： A B C D E F G123 檢驗45 年份 收益6 0 1200 1 12007 1 2023 1,2 16678 2