描述

Chương trình Giảng dạy Kinh tế Fulbright Niên khóa 2011-2013 Các phương pháp định lượng Bài đọc Khóa học ngắn về thống kê kinh doanh – 2 nd ed. Ch. 6: Các phân phối chọn mẫu William Mendenhall et al. 1 Biên dịch: Hải Đăng Hiệu đính: Cao Hào Thi C H Ư Ơ N G CÁC PHÂN PHỐI CHỌN MẪU Về chương này Trong các chương trước, chúng ta đã thảo luận về một số biến số ngẫu nhiên hữu dụng và những phân phối xác suất của chúng. Trong các tình huống chọn mẫu thực tế, chúng ta thường không chọn mẫu một giá trị duy nhất của x. Thay vào đó, chúng ta chọn một mẫu gồm n giá trị và sau đó sử dụng những giá trị này để tính toán các số liệu thống kê ví dụ như trung bình mẫu và độ lệch chuẩn. Rồi chúng ta sử dụng những số liệu thống kê này để suy ra lượng dân số được được chọn mẫu. Mục tiêu của chương này là nghiên cứu một số số liệu thống kê hữu ích và các phân phối xác suất của chúng. Sau đó chúng ta sẽ giải thích tại sao, trong các điều kiện khá tổng quát, thì tất cả những số liệu thống kê này sở hữu các phân phối xác suất mà có thể được ước lượng xấp xỉ bởi đường cong chuẩn tắc. Trong các chương tiếp sau, chúng ta sẽ trình bày cách thức mà số liệu thống kê chọn mẫu và các phân phối của chúng được sử dụng để suy ra lượng dân số được chọn mẫu. NGHIÊN CỨU ĐIỂN HÌNH CHỌN MẪU RULÉT Ở MONTE CARLO Bạn muốn thử sử dụng đôi tay của mình khi đánh bạc mà không phải chịu rủi ro bị thua bạc như thế nào? Bạn có thể làm điều này bằng cách mô phỏng qui trình đánh bài, thực hiện các lần đặt cược tưởng tượng và quan sát kết quả. Nếu bạn phải lặp đi lặp lại rất nhiều lần việc mô phỏng này, bạn ắt sẽ có thể xem cách thức mà những lần thắng bài của bạn thay đổi ra sao nếu như bạn phải chơi bài “thực sự”. Kỹ thuật mô phỏng một qui trình mà chứa đựng các yếu tố ngẫu nhiên và lặp đi lặp lại quá trình này để xem nó diễn tiến ra sao được gọi là qui trình Monte Carlo. Đây là một thủ thuật được sử dụng rộng rãi trong kinh doanh và các lĩnh vực khác để nghiên cứu các đặc trưng của một hoạt động mà chịu nhiều ảnh hưởng ngẫu nhiên, ví dụ như thời tiết hay hành vi con người. Ví dụ, bạn có thể mô hình hóa cách hoạt động của hàng tồn kho của một công ty chế tạo bằng cách tạo ra trên giấy tờ những lần nhập và xuất hàng hàng ngày về sản phẩm chế tạo từ kho hàng của công ty đó. Mỗi ngày, một con số ngẫu nhiên các mặt hàng được công ty đó sản xuất ra sẽ được nhập vào hàng tồn kho. Tương tự như vậy, mỗi ngày thì một con số ngẫu nhiên các đơn hàng gồm đủ cỡ ngẫu nhiên khác nhau sẽ được chuyển đi giao hàng. Dựa trên việc nhập và xuất các mặt hàng, bạn có thể tính toán lượng hàng tồn kho, số lượng mặt hàng đang có trong tay vào cuối mỗi ngày. Những giá trị của các biến số ngẫu nhiên - số lượng mặt hàng được sản xuất ra, số lượng đơn hàng, và số lượng mặt hàng mỗi đơn hàng cần thiết cho sự mô phỏng của mỗi ngày - có thể có được từ sự phân phối theo lý thuyết của các quan sát mà mô hình hóa gần sát những phân 6 Chương trình Giảng dạy Kinh tế Fulbright Các phương pháp định lượng Bài đọc Khóa học ngắn về thống kê kinh doanh – 2 nd ed. Ch. 6: Các phân phối chọn mẫu 2 William Mendenhall et al. Biên dịch: Hải Đăng Hiệu đính: Cao Hào Thi phối tương ứng của các biến số mà đã được quan sát theo thời gian trong hoạt động chế tạo. Bằng cách lặp lại sự mô phỏng về việc cung ứng và giao hàng và sự tính toán hàng tồn kho hàng ngày cho một số lượng lớn ngày (một sự chọn mẫu về điều ắt có thể xảy ra), bạn có thể quan sát được cách thức hoạt động của hàng tồn kho hàng ngày của một nhà máy. Thủ thuật Monte Carlo đặc biệt có giá trị bởi vì nó làm cho nhà chế tạo có khả năng thấy được cách thức hàng tồn kho hàng ngày sẽ hoạt động thế nào khi một số thay đổi nhất định nào đó được thực hiện trong cách thức cung ứng hàng hay trong một khía cạnh khác nào đó về hoạt động này mà có thể được kiểm soát. Trong một bài báo có nhan đề, “The Road to Monte Carlo (Con đường đi đến thủ thuật Monte Carlo)”, Daniel Seligman lưu ý rằng mặc dù kỷ thuật Monte Carlo được sử dụng rộng rãi trong các trường kinh doanh nhằm nghiên cứ

AI 摘要