Office
Είσοδος

Εισαγωγή στις Monte Carlo προσομοίωσης στο Excel

Σημείωση:  Θέλουμε να σας παρέχουμε το πιο πρόσφατο περιεχόμενο βοήθειας στη γλώσσα σας όσο πιο σύντομα γίνεται. Αυτή η σελίδα έχω μεταφραστεί μέσω αυτοματοποιημένης διαδικασίας και ενδεχομένως να περιέχει γραμματικά λάθη και ανακρίβειες. Ο σκοπός μας είναι αυτό το περιεχόμενο να σας φανεί χρήσιμο. Μπορείτε να μας ενημερώσετε στο κάτω μέρος αυτής της σελίδας εάν οι πληροφορίες σάς φάνηκαν χρήσιμες; Εδώ θα βρείτε το άρθρο στα Αγγλικά , για να το συμβουλεύεστε εύκολα.

Σε αυτό το άρθρο έχει προσαρμοστεί από ανάλυση δεδομένων Microsoft Excel και μοντελοποίησης επιχειρήσεις κατά Wayne Winston λ.

  • Ποιος χρησιμοποιεί Monte Carlo προσομοίωσης;

  • Τι συμβαίνει όταν πληκτρολογείτε =RAND() σε ένα κελί;

  • Πώς μπορείτε να προσομοιώσετε μια τυχαία μεταβλητή διακριτές τιμές;

  • Πώς μπορείτε να προσομοιώσετε τιμές από μια κανονική τυχαία μεταβλητή;

  • Πώς μια εταιρεία Ευχετήρια κάρτα για να καθορίσετε τον αριθμό των καρτών για την παραγωγή;

Προτείνεται να εκτιμήσετε με ακρίβεια τις πιθανότητες βέβαιοι συμβάντα. Για παράδειγμα, ποια είναι η πιθανότητα ότι ένα νέο προϊόν ταμειακών ροών θα έχει ένα θετικό καθαρή παρούσα αξία (συνάρτηση NPV); Τι είναι η στον παράγοντα κινδύνου μας χαρτοφυλακίου επένδυση; Monte Carlo προσομοίωσης μας επιτρέπει στο μοντέλο περιπτώσεις που παρουσιάζουν αβεβαιότητα και, στη συνέχεια, αναπαραγάγετε σε έναν υπολογιστή χιλιάδες φορές.

Σημείωση: Το όνομα Monte Carlo προσομοίωσης προέρχεται από προσομοιώσεις υπολογιστή που εκτελείται κατά τη δεκαετία του 1930 και 1940s για να εκτιμήσετε την πιθανότητα ότι το αντίδρασης που χρειάζονται για μια bomb atom να εκπυρσοκροτούν θα λειτουργήσει με επιτυχία. Το physicists που περιλαμβάνονται σε αυτήν την εργασία έχουν μεγάλο ανεμιστήρες τυχερών παιχνιδιών, ώστε να τους σας έδωσε προσομοιώσεις το όνομα κώδικα Monte Carlo.

Στο τα επόμενους πέντε κεφάλαια, θα δείτε πώς μπορείτε να χρησιμοποιήσετε το Excel για να εκτελέσετε Monte Carlo προσομοιώσεις παραδείγματα.

Πολλές εταιρείες χρησιμοποιούν Monte Carlo προσομοίωσης ως ένα σημαντικό μέρος τους διαδικασία λήψης αποφάσεων. Ακολουθούν ορισμένα παραδείγματα.

  • Γενικές μηχανές, υπερτάσεων και τζόγος, Pfizer, Squibb Μπρίστολ Παπαδόπουλος και Eli Lilly Χρησιμοποιήστε προσομοίωσης για να εκτιμήσετε την επιστροφή average και στον παράγοντα κινδύνου νέων προϊόντων. Στο GM, αυτές οι πληροφορίες χρησιμοποιούνται από το διευθύνων Σύμβουλος για να προσδιορίσετε ποια προϊόντα προέρχονται για να προωθήσετε.

  • GM χρησιμοποιεί προσομοίωσης για δραστηριότητες όπως προβλέψεις καθαρά έσοδα για την εταιρεία, προβλέψεις δομικά και αγορών κόστους και τον προσδιορισμό του επιδεκτικότητας σε διαφορετικά είδη κινδύνου (όπως αλλαγές επιτόκιο και συναλλάγματος).

  • Lilly χρησιμοποιεί προσομοίωσης για να καθορίσει τη βέλτιστη εργοστασίου δυναμικότητα για κάθε ναρκωτικά.

  • Υπερτάσεων και τζόγος χρησιμοποιεί προσομοίωσης του μοντέλου και βέλτιστη καλυφθεί κινδύνου συναλλάγματος.

  • Sears χρησιμοποιεί προσομοίωσης για να καθορίσετε τον αριθμό των μονάδων κάθε γραμμής του προϊόντος θα πρέπει να παραγγελθούν από προμηθευτές — για παράδειγμα, τον αριθμό των ζεύγη παντελόνια Dockers που πρέπει να παραγγελθούν αυτό το έτος.

  • Οι εταιρείες Γεωργίου και ναρκωτικά χρησιμοποιούν προσομοίωσης τιμή "πραγματικό επιλογές", όπως η τιμή από μια επιλογή για την ανάπτυξη, σύμπτυξη ή αναβολή ενός έργου.

  • Οικονομικές οργανώσεις Χρησιμοποιήστε Monte Carlo προσομοίωσης για να προσδιορίσετε στρατηγικές βέλτιστη επένδυσης για τους πελάτες συνταξιοδότηση.

Όταν πληκτρολογείτε τη τύπου =RAND() σε ένα κελί, θα λάβετε έναν αριθμό που είναι εξίσου πιθανό να προσαρμοστούν οποιαδήποτε τιμή μεταξύ 0 και 1. Έτσι, περίπου 25 τοις εκατό του χρόνου, θα πρέπει να λάβετε έναν αριθμό μικρότερο από ή ίσο με 0,25; 10 τοις εκατό του χρόνου που θα πρέπει να πάρετε έναν αριθμό που υπάρχει τουλάχιστον 0.90 και ούτω καθεξής. Για να δείχνουν πώς λειτουργεί η συνάρτηση RAND, Ρίξτε μια ματιά στο αρχείο Randdemo.xlsx, εμφανίζεται στο σχήμα 60-1.

Εικόνα βιβλίου
Σχήμα 60-1 που καταδεικνύουν τη συνάρτηση RAND

Σημείωση: Όταν ανοίγετε το αρχείο Randdemo.xlsx, δεν θα βλέπετε τους ίδιους τυχαίους αριθμούς που φαίνεται στην εικόνα 60-1. Η συνάρτηση RAND επανυπολογίζεται πάντα αυτόματα τους αριθμούς που δημιουργεί όταν ανοίγει ένα φύλλο εργασίας ή όταν νέες πληροφορίες εισάγεται στο φύλλο εργασίας.

Πρώτα, αντιγράψτε από το κελί C3 C4:C402 του τύπου =RAND(). Στη συνέχεια, μπορείτε να ονομάσετε την περιοχή C3:C402 δεδομένων. Στη συνέχεια, στη στήλη F, που μπορούν να παρακολουθούν τον μέσο όρο των 400 τυχαίων αριθμών (κελί F2) και χρησιμοποιήστε τη συνάρτηση COUNTIF για να προσδιορίσετε τα κλάσματα που βρίσκονται μεταξύ 0 και 0,25, 0,25 και 0,50, 0,50 και 0,75, και 0,75 και 1. Όταν πατάτε το πλήκτρο F9, υπολογίζονται εκ νέου το τυχαίους αριθμούς. Ειδοποίηση ότι ο μέσος όρος των αριθμών 400 είναι πάντα περίπου 0,5 και ότι περίπου 25 τοις εκατό των αποτελεσμάτων σε χρονικά διαστήματα 0,25. Αυτά τα αποτελέσματα είναι συνεπείς με τον ορισμό των έναν τυχαίο αριθμό. Επίσης, σημειώστε ότι οι τιμές που δημιουργούνται από RAND σε διαφορετικά κελιά είναι ανεξάρτητα. Για παράδειγμα, εάν ο τυχαίος αριθμός που δημιουργούνται στο κελί C3 είναι μεγάλο αριθμό (για παράδειγμα, 0,99), ενημερώνει μας τίποτα για τις τιμές των άλλων τυχαίων αριθμών που δημιουργούνται από.

Ας υποθέσουμε ότι η ζήτηση για ένα ημερολόγιο διέπεται από τα εξής διακριτό τυχαία μεταβλητή:

Ζήτηση

Πιθανότητα

10.000

0,10

20.000

0,35

40.000

0,3

60.000

0,25

Πώς να έχουμε Excel αναπαραγωγή ή προσομοίωση, αυτό απαιτήσεων για τα ημερολόγια πολλές φορές; Το μυστικό είναι να συσχετίσετε κάθε δυνατή τιμή της συνάρτησης RAND με μια πιθανή απαιτήσεων για τα ημερολόγια. Το παρακάτω ανάθεσης εξασφαλίζει ότι ένα ζήτηση 10.000 θα προκύψουν 10 τοις εκατό του χρόνου και ούτω καθεξής.

Ζήτηση

Ένας τυχαίος αριθμός στους οποίους έχουν ανατεθεί

10.000

Μικρότερη από 0.10

20.000

Μεγαλύτερο από ή ίσο με 0.10 και μικρότερο από 0.45

40.000

Μεγαλύτερο από ή ίσο με 0.45 και μικρότερο από 0,75

60.000

Μεγαλύτερο ή ίσο με 0,75

Για μια επίδειξη προσομοίωση των απαιτήσεων, εξετάστε το αρχείο Discretesim.xlsx, φαίνεται στην εικόνα 60-2 στην επόμενη σελίδα.

Εικόνα βιβλίου
Εικόνα 60-2 προσομοίωση μια διακριτική τυχαία μεταβλητή

Το κλειδί για να μας προσομοίωσης είναι να χρησιμοποιήσετε έναν τυχαίο αριθμό για να ξεκινήσετε μια αναζήτηση από την περιοχή πίνακα F2:G5 (που ονομάζεται αναζήτησης). Τυχαίων αριθμών μεγαλύτερο από ή ίσο με 0 και μικρότερος από 0.10 θα yield μια ζήτηση 10.000; τυχαίων αριθμών μεγαλύτερο από ή ίσο με 0.10 και μικρότερη από 0.45 θα yield μια ζήτηση 20.000; τυχαίων αριθμών μεγαλύτερο από ή ίσο με 0.45 και μικρότερη από 0,75 θα yield μια ζήτηση των 40.000; και τυχαίων αριθμών μεγαλύτερο ή ίσο με 0,75 θα yield μια ζήτηση των 60.000. Μπορείτε να δημιουργήσετε 400 τυχαίων αριθμών, αντιγράφοντας από C3 στο C4:C402 του τύπου RAND(). Στη συνέχεια, δημιουργία 400 δοκιμές ή διαδοχικών προσεγγίσεων μετά την αντιγραφή από το κελί B3 για να B4:B402 τον τύπο VLOOKUP(C3,lookup,2)απαίτηση ημερολογίου. Αυτός ο τύπος εξασφαλίζει ότι τυχόν τυχαίο αριθμό μικρότερο του 0.10 δημιουργεί μια ζήτηση 10.000, κάθε ένας τυχαίος αριθμός μεταξύ 0.10 και 0.45 δημιουργεί μια ζήτηση 20.000 και ούτω καθεξής. Στην περιοχή κελιών F8:F11, χρησιμοποιήστε τη συνάρτηση COUNTIF για να προσδιορίσετε το κλάσμα μας 400 διαδοχικών προσεγγίσεων δώσουν κάθε ζήτηση. Όταν θα σας το πλήκτρο F9 για επανάληψη του υπολογισμού του τυχαίους αριθμούς, τις πιθανότητες προσομοιωμένη είναι κοντά μας πιθανοτήτων υποθετική ζήτηση.

Εάν πληκτρολογήσετε σε οποιοδήποτε κελί του τύπου NORMINV(rand(),mu,sigma), θα μπορείτε να δημιουργήσετε μια πρόχειρη τιμή από μια κανονική τυχαία μεταβλητή που χρειάζεται μια μέση σίγμαμ και τυπική απόκλιση. Αυτή η διαδικασία απεικονίζεται στο αρχείο Normalsim.xlsx, εμφανίζεται στο σχήμα 60-3.

Εικόνα βιβλίου
Σχήμα 60-3 προσομοίωση μια κανονική τυχαία μεταβλητή

Ας υποθέσουμε ότι θέλουμε να προσομοιώσετε 400 δοκιμές ή διαδοχικών προσεγγίσεων για μια κανονική τυχαία μεταβλητή με 40.000 μέση τιμή και τυπική απόκλιση 10.000. (Μπορείτε να πληκτρολογήσετε αυτές τις τιμές στα κελιά E1 και E2 και ονομάστε αυτά τα κελιά σημαίνουν και σίγμα, αντίστοιχα.) Αντιγραφή του τύπου =RAND() από C4 σε C5:C403 δημιουργεί 400 διαφορετικό τυχαίους αριθμούς. Αντιγραφή από B4 σε B5:B403 τον τύπο NORMINV(C4,mean,sigma) δημιουργεί 400 διαφορετικές δοκιμαστική τιμές από μια κανονική τυχαία μεταβλητή με 40.000 μέση τιμή και τυπική απόκλιση 10.000. Όταν θα σας πατήστε το πλήκτρο F9 για επανάληψη του υπολογισμού των τυχαίων αριθμών, τον μέσο παραμένει κοντά 40.000 και την τυπική απόκλιση κοντά 10.000.

Ουσιαστικά, για έναν τυχαίο αριθμό x, του τύπου NORMINV(p,mu,sigma) δημιουργεί το εκατοστημόριο pμια κανονική τυχαία μεταβλητή με μια μέση μ και μια τυπική απόκλιση σίγμα. Για παράδειγμα, ο τυχαίος αριθμός 0,77 στο κελί C4 (ανατρέξτε στο θέμα σχήμα 60-3) δημιουργεί στο κελί Β4 περίπου το 77th εκατοστημόριο των μια κανονική τυχαία μεταβλητή με 40.000 μέση τιμή και τυπική απόκλιση 10.000.

Σε αυτήν την ενότητα, θα δείτε πώς προσομοίωσης Monte Carlo μπορεί να χρησιμοποιηθεί ως εργαλείο λήψης αποφάσεων. Ας υποθέσουμε ότι η ζήτηση για μια κάρτα του Αγίου Βαλεντίνου διέπεται από τα εξής διακριτό τυχαία μεταβλητή:

Ζήτηση

Πιθανότητα

10.000

0,10

20.000

0,35

40.000

0,3

60.000

0,25

Την Ευχετήρια κάρτα πωλεί για $4.00, και το κόστος μεταβλητή παραγωγής κάθε κάρτα είναι $1.50. Έχουν απομείνει κάρτες πρέπει να διατίθεται με κόστος 0,20 $ ανά κάρτα. Θα πρέπει να εκτυπωθεί πόσα φύλλα;

Βασικά, θα σας προσομοίωση κάθε ποσότητα πιθανές παραγωγής (10.000, 20.000, 40.000 ή 60.000) πολλές φορές (για παράδειγμα, 1000 επαναλήψεις). Στη συνέχεια, θα σας καθορίζουν ποιες ποσότητα παραγγελίας αποδόσεις το μέγιστο κέρδος average μέσω των διαδοχικών προσεγγίσεων 1000. Μπορείτε να βρείτε τα δεδομένα για αυτήν την ενότητα στο αρχείο Valentine.xlsx, εμφανίζεται στο σχήμα 60-4. Μπορείτε να αντιστοιχίσετε τα ονόματα περιοχής σε κελιά B1:B11 σε C1:C11 κελιά. Η περιοχή των κελιών G3:H6 εκχωρείται το όνομα αναζήτησης. Τιμή πώλησης και τις παραμέτρους κόστος μας εισάγονται στο κελιά αναφορά C4: C6.

Εικόνα βιβλίου
Σχήμα 60-4 προσομοίωσης κάρτα του Αγίου Βαλεντίνου

Μπορείτε να εισαγάγετε μια ποσότητα παραγωγής δοκιμαστικού (40.000 σε αυτό το παράδειγμα) στο κελί C1. Στη συνέχεια, δημιουργήστε έναν τυχαίο αριθμό στο κελί C2 με το τύπου =RAND(). Όπως περιγράφεται παραπάνω, μπορείτε να προσομοιώσετε απαιτήσεων για την κάρτα στο κελί C3 με το τύπου VLOOKUP(rand,lookup,2). (Στον τύπο VLOOKUP rand είναι το όνομα του κελιού που έχουν εκχωρηθεί σε κελί C3, όχι τη συνάρτηση RAND.)

Ο αριθμός των μονάδων που πωλήθηκαν είναι μικρότερο από μας ποσότητα παραγωγής και ζήτηση. Στο κελί C8, μπορείτε να υπολογίσετε μας εσόδων με τον τύπο MIN (παράγονται, ζήτηση) * unit_price. Στο κελί C9, υπολογίσετε τον συνολικό κόστος παραγωγής με τον τύπο παραχθεί * unit_prod_cost.

Εάν θα σας παράγουν περισσότερες κάρτες του είναι ζήτηση, ο αριθμός των μονάδων απομείνει ισούται με παραγωγής μείον απαιτήσεων; Διαφορετικά χωρίς μονάδες έχουν παραμείνει. Θα σας υπολογίζει το κόστος διάθεση στο κελί C10 με τον τύπο unit_disp_cost * IF (παραχθεί > ζήτηση, παραχθεί – ζήτηση, 0). Τέλος, στο κελί C11, θα σας υπολογίσετε το κέρδος ως έσοδα-total_var_cost-total_disposing_cost.

Προτείνεται ένας αποτελεσματικός τρόπος να πατήστε το πλήκτρο F9 πολλές φορές (για παράδειγμα, 1000) για κάθε ποσότητα παραγωγής και αντιστοιχίστε το αναμενόμενο κέρδος για κάθε ποσότητα. Αυτή η κατάσταση είναι ένα με την οποία ένας αμφίδρομος πίνακας δεδομένων παρέχεται για να μας αυτό ακριβώς που χρειάζεστε. (Δείτε κεφάλαιο 15, "Διαβάθμιση ανάλυσης με πίνακες δεδομένων," για λεπτομέρειες σχετικά με τους πίνακες δεδομένων). Ο πίνακας δεδομένων που χρησιμοποιούνται σε αυτό το παράδειγμα εμφανίζεται στο σχήμα 60-5.

Εικόνα βιβλίου
Σχήμα 60-5 αμφίδρομος πίνακας δεδομένων για Ευχετήρια κάρτα προσομοίωσης

Στην περιοχή κελιών A16:A1015, πληκτρολογήστε τους αριθμούς 1 – 1000 (αντιστοιχεί στο μας δοκιμές 1000). Έναν εύκολο τρόπο για να δημιουργήσετε αυτές τις τιμές είναι να ξεκινήσετε, πληκτρολογώντας 1 στο κελί A16. Επιλέξτε το κελί και, στη συνέχεια, στην κεντρική καρτέλα στην ομάδα Επεξεργασία, κάντε κλικ στην επιλογή Γέμισμα και επιλέξτε τη σειρά για να εμφανίσετε το παράθυρο διαλόγου σειρά. Στο παράθυρο διαλόγου σειρά, εμφανίζεται στο σχήμα 60-6, πληκτρολογήστε μια τιμή βήματος 1 και μια τιμή διακοπή 1000. Στην περιοχή Σειρά στο, ενεργοποιήστε την επιλογή στηλών και, στη συνέχεια, κάντε κλικ στο κουμπί OK. Τους αριθμούς 1 – 1000 θα εισαχθεί στη στήλη μια έναρξης στο κελί A16.

Εικόνα βιβλίου
Εικόνα 60-6 χρησιμοποιώντας το παράθυρο διαλόγου σειρά συμπλήρωσης δοκιμαστικής έκδοσης από τους αριθμούς 1 έως 1000

Στη συνέχεια θα σας εισαγάγετε μας ποσότητες πιθανές παραγωγής (10.000, 20.000, 40.000, 60.000) στο B15:E15 κελιά. Για να υπολογίσετε κέρδος για κάθε αριθμό δοκιμαστικής έκδοσης (1 έως 1000) και κάθε ποσότητα παραγωγής. Ο τύπος για το κέρδος (υπολογισμού στο κελί C11) στο επάνω αριστερό κελί της μας πίνακα δεδομένων (A15) αναφέρονται, πληκτρολογώντας = C11.

Συνεχίζουμε να τώρα είστε έτοιμοι να μυστικό Excel σε προσομοίωση 1000 επαναλήψεις των απαιτήσεων για κάθε ποσότητα παραγωγής. Επιλέξτε την περιοχή πίνακα (A15:E1014), και, στη συνέχεια, στην ομάδα Εργαλεία δεδομένων στην καρτέλα δεδομένα, κάντε κλικ στην επιλογή ανάλυσης τι If και, στη συνέχεια, επιλέξτε τον πίνακα δεδομένων. Για να ρυθμίσετε έναν πίνακα δεδομένων δύο κατευθύνσεων, επιλέξτε μας ποσότητα παραγωγής (κελί C1) ως το κελί εισαγωγής γραμμής και επιλέξτε οποιοδήποτε κενό κελί (επιλέγουμε κελί I14) ως το κελί εισαγωγής στήλης. Αφού κάνετε κλικ στο κουμπί OK, το Excel προσομοιώνει 1000 ζήτηση τιμές για κάθε ποσότητα παραγγελίας.

Για να κατανοήσετε γιατί αυτό λειτουργεί, εξετάστε τις τιμές που τοποθετείται από τον πίνακα δεδομένων στην περιοχή κελιών C16:C1015. Για καθένα από αυτά τα κελιά, το Excel θα χρησιμοποιήσει μια τιμή 20.000 στο κελί C1. Στο C16, την τιμή κελί εισαγωγής στήλης 1 τοποθετείται σε ένα κενό κελί και το τυχαίο αριθμό στο κελί C2 επανάληψης του υπολογισμού. Το αντίστοιχο κέρδος καταγράφεται, στη συνέχεια, στο κελί C16. Στη συνέχεια, η στήλη κελί εισαγωγής τιμή 2 τοποθετείται σε ένα κενό κελί και το τυχαίο αριθμό στο κελί C2 επαναλαμβάνει τον υπολογισμό ξανά. Το αντίστοιχο κέρδος εισάγεται στο κελί C17.

Με την αντιγραφή από το κελί B13 να C13:E13 τον τύπο AVERAGE(B16:B1015), θα σας να υπολογίσετε μέσος όρος κερδών προσομοιωμένη για κάθε ποσότητα παραγωγής. Με την αντιγραφή από το κελί B14 να C14:E14 τον τύπο STDEV(B16:B1015), θα σας να υπολογίσετε την τυπική απόκλιση μας προσομοιωμένη των κερδών για κάθε ποσότητα παραγγελίας. Κάθε φορά που θα σας πατήστε το πλήκτρο F9, είναι προσομοιωμένη 1000 επαναλήψεις των απαιτήσεων για κάθε ποσότητα παραγγελίας. Πάντα παράγουν 40.000 κάρτες αποδόσεις το μεγαλύτερο κέρδος αναμενόμενο. Επομένως, φαίνεται ότι παράγουν 40.000 κάρτες είναι το πρώτο γράμμα κάθε λέξης απόφασης.

Την επίδραση των κίνδυνο σε μας απόφασης     Αν θα σας παραχθεί 20.000 αντί για 40.000 κάρτες, το αναμενόμενο κέρδος αποθέτει περίπου 22 τοις εκατό, αλλά μας κινδύνου (που μετράται με βάση την τυπική απόκλιση του κέρδους) αποθέτει σχεδόν 73 ποσοστό. Γι ' αυτό, εάν θα σας είναι πολύ επιζήμιες με τον κίνδυνο, η παράγουν 20.000 κάρτες μπορεί να είναι η σωστή απόφαση. Πάντα παράγουν 10.000 κάρτες έχει παρεμπιπτόντως, μια τυπική απόκλιση του 0 κάρτες, επειδή εάν θα σας αγροτικά προϊόντα 10.000 κάρτες, θα σας θα πάντα πώληση όλες τις χωρίς οποιαδήποτε υπολείμματα.

Σημείωση: Σε αυτό το βιβλίο εργασίας, την επιλογή υπολογισμού έχει οριστεί σε Αυτόματη εκτός των πινάκων. (Χρησιμοποιήστε την εντολή υπολογισμού στην ομάδα Υπολογισμός στην καρτέλα τύποι). Αυτή η ρύθμιση εξασφαλίζει ότι μας πίνακα δεδομένων δεν θα επανυπολογισμός εκτός και εάν θα σας πατήστε το πλήκτρο F9, που είναι μια καλή ιδέα, επειδή μεγάλο πίνακα δεδομένων θα επιβραδύνουν την εργασία σας εάν επανυπολογίζεται κάθε φορά που θα πληκτρολογήσετε κάτι στο φύλλο εργασίας σας. Σημειώστε ότι σε αυτό το παράδειγμα, κάθε φορά που πατάτε το πλήκτρο F9, το μέσο κέρδος θα αλλάξετε. Αυτό συμβαίνει επειδή κάθε φορά που πατάτε το πλήκτρο F9, χρησιμοποιείται για τη δημιουργία απαιτήσεις για κάθε ποσότητα παραγγελίας διαφορετική ακολουθία 1000 τυχαίων αριθμών.

Διάστημα εμπιστοσύνης για όρος κερδών     Είναι μια φυσική ερώτηση για να θέσετε σε αυτήν την περίπτωση, σε ποια διάστημα είναι ότι θα κυμαίνεται το κέρδος true μέση 95 τοις εκατό; Αυτό το χρονικό διάστημα ονομάζεται το διάστημα εμπιστοσύνης 95 τοις εκατό για μέσου κέρδους. Ένα 95 τοις εκατό διάστημα εμπιστοσύνης για τον αριθμητικό μέσο κανένα αποτέλεσμα προσομοίωσης υπολογίζεται από τον παρακάτω τύπο:

Εικόνα βιβλίου

Στο κελί J11, τον υπολογισμό το κατώτατο όριο για το διάστημα εμπιστοσύνης 95 τοις εκατό στη μέση κέρδους όταν παράγονται 40.000 ημερολόγια με το τύπου D13–1.96*D14/SQRT(1000). Στο κελί J12, μπορείτε να υπολογίσετε το ανώτατο όριο για το διάστημα εμπιστοσύνης 95 τοις εκατό με τον τύπο D13+1.96*D14/SQRT(1000). Αυτοί οι υπολογισμοί εμφανίζονται στο σχήμα 60-7.

Εικόνα βιβλίου
Διάστημα εμπιστοσύνης 95 τοις εκατό σχήμα 60-7 για μέσου κέρδους όταν έχουν παραγγελθεί 40.000 ημερολογίων

Συνεχίζουμε να 95 τοις εκατό ότι είναι μας μέσου κέρδους όταν έχουν παραγγελθεί 40.000 ημερολογίων μεταξύ $56,687 και $62,589.

  1. Μια πωλητή GMC θεωρεί ότι ζήτηση για 2005 Envoys θα διανεμηθεί κανονικά με μέση τιμή 200 και τυπική απόκλιση της 30. Το κόστος των λαμβάνει μια Envoy είναι $25.000 και πραγματοποιεί πωλήσεις ένα Envoy για $40.000. Μισό της όλα τα Envoys δεν πωλείται σε πλήρη τιμή μπορεί να πωληθεί για $30.000. Αυτός εξετάζετε ταξινόμηση 200, 220, 240, 260, 280 ή 300 Envoys. Πόσες πρέπει να αυτός σειρά;

  2. Ένα μικρό υπεραγορές προσπαθεί να καθορίσετε τον αριθμό των αντιτύπων άτομα περιοδικού αυτά πρέπει να παραγγείλετε κάθε εβδομάδα. Αυτά πιστεύετε ότι το αίτημα για άτομα διέπεται από τα εξής διακριτό τυχαία μεταβλητή:

    Ζήτηση

    Πιθανότητα

    15

    0,10

    20

    0,20

    25

    0,30

    30

    0,25

    35

    0,15

  3. Υπεραγορές αποφέρει 1,00 για κάθε αντίγραφο των ατόμων και πωλεί το για $1.95. Κάθε πωληθέντα αντίγραφο μπορεί να επιστραφεί για $0,50. Τον αριθμό των αντιτύπων ατόμων , θα πρέπει να το χώρο αποθήκευσης σειρά;

Χρειάζεστε περισσότερη βοήθεια;

Μπορείτε ανά πάσα στιγμή να ρωτήσετε έναν ειδικό στην Κοινότητα τεχνικής υποστήριξης του Excel, να λάβετε υποστήριξη από την κοινότητα Answers ή να προτείνετε μια νέα δυνατότητα ή βελτίωση στο Excel User Voice.

Αναπτύξτε τις δεξιότητές σας στο Office
Εξερευνήστε το περιεχόμενο της εκπαίδευσης
Αποκτήστε πρώτοι τις νέες δυνατότητες
Γίνετε μέλος του Office Insider

Σας βοήθησαν αυτές οι πληροφορίες;

Σας ευχαριστούμε για τα σχόλιά σας!

Σας ευχαριστούμε για τα σχόλιά σας! Φαίνεται ότι μπορεί να είναι χρήσιμο να συνδεθείτε με έναν από τους συνεργάτες υποστήριξης του Office.

×