1 BÀI TẬP VỀ NHÀ NHIỆM VỤ 2

Yêu cầu: Chọn và giải thích về đối tượng (vấn đề) cần mô phỏng (có ít nhất 6 biến ngẫu nhiên đầu vào)

1.1 Chọn chủ đề

Mô phỏng doanh thu của dịch vụ nấu ăn Thành Tấn tại Long An.

1.2 Khái niệm

Doanh thu là toàn bộ số tiền sẽ thu được do tiêu thụ sản phẩm, cung cấp dịch vụ, hoạt động tài chính và các hoạt động khác của doanh nghiệp. Trong kinh tế học, doanh thu thường được xác định bằng Giá bán x Số lượng.

1.3 Giới thiệu dịch vụ nấu ăn Thành Tấn

Tên quán: Dịch vụ nấu ăn (quán ăn) Thành Tấn;
Địa chỉ: 66/5, Kỳ Châu, Bình Quới, Châu Thành, Long An;
Lĩnh vực kinh doanh: Dịch vụ nấu ăn, quán ăn;
Đối tượng kinh doanh: Tất cả các đối tượng có khả năng chi trả kinh tế;
Hình thức kinh doanh: phục vụ tại quán, mang đi, phục vụ tại nhà.;
Diện tích: 297m2.

1.4 Xác định vấn đề

Mô phỏng Doanh thu bán các món ăn của Dịch vụ nấu ăn Thành Tấn dựa trên 7 món ăn bán chạy theo ngày, trong khoảng 2 năm (từ giữa năm 2021 đến giữa năm nay 2023) với 730 quan sát để đưa ra ra các nhận định thông qua các dự báo của mô hình, giúp dịch vụ có thể dự đoán trước về khả năng kinh doanh, phòng tránh rủi ro không đáng có.

1.5 Dữ liệu thu thập

library(readxl)
datatt <-read_excel("C:/Users/ASUS/Documents/DỮ LIỆU THÀNH TẤN.xlsx")
View(datatt)
datatt

## # A tibble: 730 × 7
##       LN  LRCĐ   LCL  LTCC   LCT    LB   SBL
##    <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
##  1    31    26     9    11     7     3    46
##  2    15     7    19     4     5     7     7
##  3     3    20     8     2     4     8    17
##  4    24    28    12    16     3     7     8
##  5    16    31     4    14     5     3    43
##  6    22    33     3     6     8     5    12
##  7     3     8     3    13     5     6    26
##  8    22    29    16     8     7     4    36
##  9    23    16    15    15     1     1    32
## 10    23    25     7    10     2     2    37
## # ℹ 720 more rows

1.5.1 Giải thích:

Dữ liệu thu thập cho biết tên 7 món bán chạy nhất của Dịch vụ nấu ăn Thành Tấn gồm có: lẩu nấm, lẩu riêu cua đồng, lẩu cù lao, lẩu thái chua cay, lẩu cá tầm, lẩu bò và sâm bổ lượng.

Dữ liệu cho biết số lượng bán ra hàng ngày của từng món.

1.5.2 Đơn giá

Lẩu nấm (LN): 70.000đ/phần
Lẩu riêu cua đồng (LRCĐ): 80.000đ/phần
Lẩu cù lao (LCL): 80.000đ/phần
Lẩu thái chua cay (LTCC): 100.000đ/phần
Lẩu cá tầm (LCT): 100.000đ/phần
Lẩu bò: 90.000đ/phần
Sâm bổ lượng: 15.000đ/phần

1.6 Thống kê mô tả

summary(datatt)

##        LN             LRCĐ            LCL             LTCC       
##  Min.   : 2.00   Min.   : 5.00   Min.   : 1.00   Min.   : 2.000  
##  1st Qu.: 9.00   1st Qu.:13.00   1st Qu.: 6.00   1st Qu.: 5.000  
##  Median :17.00   Median :23.00   Median :12.00   Median : 9.000  
##  Mean   :16.52   Mean   :22.16   Mean   :12.54   Mean   : 8.896  
##  3rd Qu.:24.00   3rd Qu.:31.00   3rd Qu.:19.00   3rd Qu.:13.000  
##  Max.   :31.00   Max.   :39.00   Max.   :25.00   Max.   :16.000  
##       LCT               LB              SBL      
##  Min.   : 1.000   Min.   : 1.000   Min.   : 2.0  
##  1st Qu.: 3.000   1st Qu.: 4.000   1st Qu.:13.0  
##  Median : 6.000   Median : 8.000   Median :27.0  
##  Mean   : 5.533   Mean   : 7.888   Mean   :26.7  
##  3rd Qu.: 8.000   3rd Qu.:12.000   3rd Qu.:40.0  
##  Max.   :10.000   Max.   :15.000   Max.   :51.0

Lẩu nấm: số lượng bán ít nhất trong 1 ngày là 2 phần, số lượng bán nhiều nhất trong 1 ngày là 31 phần, trung bình 1 ngày bán được 16 phần.

Lẩu riêu cua đồng: số lượng bán ít nhất trong 1 ngày là 5 phần, số lượng bán nhiều nhất trong 1 ngày là 39 phần, trung bình 1 ngày bán được 22 phần.

Lẩu cù lao: số lượng bán ít nhất trong 1 ngày là 1 phần, số lượng bán nhiều nhất trong 1 ngày là 25 phần, trung bình 1 ngày bán được 12 phần.

Lẩu thái chua cay: số lượng bán ít nhất trong 1 ngày là 2 phần, số lượng bán nhiều nhất trong 1 ngày là 16 phần, trung bình 1 ngày bán được 8 phần.

Lẩu cá tầm: số lượng bán ít nhất trong 1 ngày là 1 phần, số lượng bán nhiều nhất trong 1 ngày là 10 phần, trung bình 1 ngày bán được 5 phần.

Lẩu bò: số lượng bán ít nhất trong 1 ngày là 1 phần, số lượng bán nhiều nhất trong 1 ngày là 15 phần, trung bình 1 ngày bán được 7 phần.

Sâm bổ lượng: số lượng bán ít nhất trong 1 ngày là 2 phần, số lượng bán nhiều nhất trong 1 ngày là 51 phần, trung bình 1 ngày bán được 26 phần.

1.7 Độ lệch chuẩn

sd(datatt$LN)

## [1] 8.600898

Biến Lẩu nấm (LN) có độ lệch chuẩn là 8.600898

sd(datatt$LRCĐ)

## [1] 10.03247

Biến Lẩu riêu cua đồng (LRCĐ) có độ lệch chuẩn là 10.03247

sd(datatt$LCL)

## [1] 7.167322

Biến Lẩu cù lao (LCL) có độ lệch chuẩn là 7.167322

sd(datatt$LTCC)

## [1] 4.397918

Biến Lẩu thái chua cay (LTCC) có độ lệch chuẩn là 4.397918

sd(datatt$LCT)

## [1] 2.835139

Biến Lẩu cá tầm (LCT) có độ lệch chuẩn là 2.835139

sd(datatt$LB)

## [1] 4.28107

Biến Lẩu bò (LB) có độ lệch chuẩn là 4.28107

sd(datatt$SBL)

## [1] 14.74242

Biến Sâm bổ lượng (SBL) có độ lệch chuẩn là 14.74242

2 BÀI TẬP VỀ NHÀ NHIỆM VỤ 3

Yêu cầu: Xác định phân phối cho các biến (ngẫu nhiên) đầu vào, giải thích.

2.1 Xác định phân phối các biến ngẫu nhiên

2.1.1 Lẩu nấm

Đồ thị phân phối số lượng lẩu nấm bán ra

hist(datatt$LN)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LN tuân theo phân phối chuẩn

H_1: LN không tuân theo phân phối chuẩn

LNG <- as.data.frame(datatt$LN)
shapiro.test(datatt$LN)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LN
## W = 0.95294, p-value = 1.634e-14

Vì p-value = 1.634e-14 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LN không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LN tuân theo phân phối mũ
\(H_1\): LN không tuân theo phân phối mũ

ks.test(datatt$LN, y = "pexp")

## Warning in ks.test.default(datatt$LN, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LN
## D = 0.91597, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LN không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LN tuân theo phân phối đều
\(H_1\): LN không tuân theo phân phối đều

ks.test(datatt$LN, y = "punif")

## Warning in ks.test.default(datatt$LN, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LN
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LN không tuân theo phân phối đều.

2.1.2 Lẩu riêu cua đồng

Đồ thị phân phối số lượng lẩu riêu cua đồng bán ra

hist(datatt$LRCĐ)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LRCĐ tuân theo phân phối chuẩn

H_1: LRCĐ không tuân theo phân phối chuẩn

LRCĐG <- as.data.frame(datatt$LRCĐ)
shapiro.test(datatt$LRCĐ)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LRCĐ
## W = 0.95205, p-value = 1.146e-14

Vì p-value = 1.146e-14 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LRCĐ không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LRCĐ tuân theo phân phối mũ
\(H_1\): LRCĐ không tuân theo phân phối mũ

ks.test(datatt$LRCĐ, y = "pexp")

## Warning in ks.test.default(datatt$LRCĐ, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LRCĐ
## D = 0.99326, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LRCĐ không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LRCĐ tuân theo phân phối đều
\(H_1\): LNLRCĐ không tuân theo phân phối đều

ks.test(datatt$LRCĐ, y = "punif")

## Warning in ks.test.default(datatt$LRCĐ, y = "punif"): ties should not be
## present for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LRCĐ
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LRCĐ không tuân theo phân phối đều.

2.1.3 Lẩu cù lao

Đồ thị phân phối số lượng lẩu cù lao bán ra

hist(datatt$LCL)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LCL tuân theo phân phối chuẩn

H_1: LCL không tuân theo phân phối chuẩn

LCLG <- as.data.frame(datatt$LCL)
shapiro.test(datatt$LCL)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LCL
## W = 0.94946, p-value = 4.19e-15

Vì p-value = 4.19e-15 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LCL không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LCL tuân theo phân phối mũ
\(H_1\): LCL không tuân theo phân phối mũ

ks.test(datatt$LCL, y = "pexp")

## Warning in ks.test.default(datatt$LCL, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LCL
## D = 0.8735, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LCL không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LCL tuân theo phân phối đều
\(H_1\): LCL không tuân theo phân phối đều

ks.test(datatt$LCL, y = "punif")

## Warning in ks.test.default(datatt$LCL, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LCL
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LCL không tuân theo phân phối đều.

2.1.4 Lẩu thái chua cay

Đồ thị phân phối số lượng lẩu thái chua cay bán ra

hist(datatt$LTCC)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LTCC tuân theo phân phối chuẩn

H_1: LTCC không tuân theo phân phối chuẩn

LTCCG <- as.data.frame(datatt$LTCC)
shapiro.test(datatt$LTCC)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LTCC
## W = 0.94041, p-value < 2.2e-16

Vì p-value = 2.2e-16 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LTCC không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LTCC tuân theo phân phối mũ
\(H_1\): LTCC không tuân theo phân phối mũ

ks.test(datatt$LTCC, y = "pexp")

## Warning in ks.test.default(datatt$LTCC, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LTCC
## D = 0.88583, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LTCC không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LTCC tuân theo phân phối đều
\(H_1\): LTCC không tuân theo phân phối đều

ks.test(datatt$LTCC, y = "punif")

## Warning in ks.test.default(datatt$LTCC, y = "punif"): ties should not be
## present for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LTCC
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LTCC không tuân theo phân phối đều.

2.1.5 Lẩu cá tầm

Đồ thị phân phối số lượng lẩu cá tầm bán ra

hist(datatt$LCT)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LCT tuân theo phân phối chuẩn

H_1: LCT không tuân theo phân phối chuẩn

LCTG <- as.data.frame(datatt$LCT)
shapiro.test(datatt$LCT)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LCT
## W = 0.93781, p-value < 2.2e-16

Vì p-value = 2.2e-16 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LCT không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LCT tuân theo phân phối mũ
\(H_1\): LCT không tuân theo phân phối mũ

ks.test(datatt$LCT, y = "pexp")

## Warning in ks.test.default(datatt$LCT, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LCT
## D = 0.7674, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LCT không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LCT tuân theo phân phối đều
\(H_1\): LCT không tuân theo phân phối đều

ks.test(datatt$LCT, y = "punif")

## Warning in ks.test.default(datatt$LCT, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LCT
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LCT không tuân theo phân phối đều.

2.1.6 Lẩu bò

Đồ thị phân phối số lượng lẩu bò bán ra

hist(datatt$LB)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: LB tuân theo phân phối chuẩn

H_1: LB không tuân theo phân phối chuẩn

LBG <- as.data.frame(datatt$LB)
shapiro.test(datatt$LB)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$LB
## W = 0.9466, p-value = 1.442e-15

Vì p-value = 1.442e-15 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là LB không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): LB tuân theo phân phối mũ
\(H_1\): LB không tuân theo phân phối mũ

ks.test(datatt$LB, y = "pexp")

## Warning in ks.test.default(datatt$LB, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LB
## D = 0.82008, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LB không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): LB tuân theo phân phối đều
\(H_1\): LB không tuân theo phân phối đều

ks.test(datatt$LB, y = "punif")

## Warning in ks.test.default(datatt$LB, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$LB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là LB không tuân theo phân phối đều.

2.1.7 Sâm bổ lượng

Đồ thị phân phối số lượng sâm bổ lượng bán ra

hist(datatt$SBL)

Kiểm định phân phối chuẩn

Giả thuyết:

H_0: SBL tuân theo phân phối chuẩn

H_1: SBL không tuân theo phân phối chuẩn

SBLG <- as.data.frame(datatt$SBL)
shapiro.test(datatt$SBL)

## 
##  Shapiro-Wilk normality test
## 
## data:  datatt$SBL
## W = 0.94371, p-value = 5.084e-16

Vì p-value = 5.084e-16 < 5% nên ta bác bỏ giả thuyết H0. Nghĩa là SBL không có phân phối chuẩn.

Kiểm định phân phối mũ

\(H_0\): SBL tuân theo phân phối mũ
\(H_1\): SBL không tuân theo phân phối mũ

ks.test(datatt$SBL, y = "pexp")

## Warning in ks.test.default(datatt$SBL, y = "pexp"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$SBL
## D = 0.95155, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là SBL không tuân theo phân phối mũ.

Kiểm định phân phối đều

\(H_0\): SBL tuân theo phân phối đều
\(H_1\): SBL không tuân theo phân phối đều

ks.test(datatt$SBL, y = "punif")

## Warning in ks.test.default(datatt$SBL, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  datatt$SBL
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là SBL không tuân theo phân phối đều.

3 BÀI TẬP VỀ NHÀ NHIỆM VỤ 4

Yêu cầu: Xây dựng mô hình cho đối tượng cần mô phỏng và giải thích mô hình.

3.1 Xác định mô hình doanh thu qua các biến

Doanh thu = Đơn giá x Số lượng

\(Doanh thu = ĐG_ln.SL_ln + ĐG_lrcđ.SL_lrcđ + ĐG_lcl.SL_lcl + ĐG_ltcc.SL_ltcc + ĐG_lct.SL_lct + ĐG_lb.SL_lb + ĐG_sbl.SL_sbl\)

\(Doanh thu = 70000.SL_ln + 80000.SL_lrcđ + 80000.SL_lcl + 100000.SL_ltcc + 100000.SL_lct + 90000.SL_lb + 15000.SL_sbl\)

Giải thích mô hình doanh thu theo ngày:

\(ĐG_ln\) là đơn giá của 1 phần lẩu nấm (ĐVT: đồng)

\(SL_ln\) là số lượng lẩu nấm bán ra trong 1 ngày

\(ĐG_lrcđ\) là đơn giá của 1 phần lẩu riêu cua đồng (ĐVT: đồng)

\(SL_lrcđ\) là số lượng lẩu riêu cua đồng bán ra trong 1 ngày

\(ĐG_lcl\) là đơn giá của 1 phần lẩu cù lao (ĐVT: đồng)

\(SL_lcl\) là số lượng lẩu cù lao bán ra trong 1 ngày

\(ĐG_ltcc\) là đơn giá của 1 phần lẩu thái chua cay (ĐVT: đồng)

\(SL_ltcc\) là số lượng lẩu thái chua cay bán ra trong 1 ngày

\(ĐG_lct\) là đơn giá của 1 phần lẩu cá tầm (ĐVT: đồng)

\(SL_lct\) là số lượng lẩu cá tầm bán ra trong 1 ngày

\(ĐG_lb\) là đơn giá của 1 phần lẩu bò (ĐVT: đồng)

\(SL_lb\) là số lượng lẩu bò bán ra trong 1 ngày

\(ĐG_sbl\) là đơn giá của 1 phần sâm bổ lượng (ĐVT: đồng)

\(SL_sbl\) là số lượng sâm bổ lượng bán ra trong 1 ngày

4 BÀI TẬP VỀ NHÀ NHIỆM VỤ 5 và 6

Yêu cầu: Chạy mô hình với các phân phối khác nhau với các biến đầu vào.

library(psych)

4.1 Tính và ước lượng doanh thu dịch vụ nấu ăn Thành Tấn

dt <- 70.000 * datatt$LN + 80.000 * datatt$LRCĐ + 80.000 * datatt$LCL * 100.000 * datatt$LTCC + 100.000 * datatt$LCT + 90.000 * datatt$LB + 15.000 * datatt$SBL
summary(dt)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   19110  339668  715798  884418 1254141 3078390

Biến doanh thu sẽ được tính trong khoảng [19.110.000;3.078.390.000].

Dựa vào bảng thống kê mô tả, doanh thu của dịch vụ nấu ăn Thành Tấn được ước lượng như sau:

Doanh thu thấp nhất của quán sẽ từ dưới 715.000.000đ/ngày
Doanh thu cao nhất của quán sẽ từ trên 715.000.000đ/ngày

DTthap <- dt[dt <= 715000000]
DTcao <- dt[dt < 715000000]
table(cut(dt,breaks = 2))

## 
## (1.61e+04,1.55e+06] (1.55e+06,3.08e+06] 
##                 603                 127

table(cut(dt,2, labels = c('thap','cao')))

## 
## thap  cao 
##  603  127

Từ kết quả cho thấy doanh thu dịch vụ nấu ăn Thành Tấn có 603 ngày thấp và 127 ngày cao.

4.2 Kiểm định phân phối doanh thu

hist(dt, col="red")

# Kiểm định phân phối chuẩn
shapiro.test(dt)

## 
##  Shapiro-Wilk normality test
## 
## data:  dt
## W = 0.90547, p-value < 2.2e-16

Vì p_value = 2.2e-16 < 0.05 nên bác bỏ \(H_0\), nghĩa là biến dt không có phân phối chuẩn

# Kiểm định phân phối mũ
ks.test(dt, y = "plnorm")

## Warning in ks.test.default(dt, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  dt
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là dt không tuân theo phân phối mũ.

# Kiểm định phân phối đều
ks.test(dt, y = "punif")

## Warning in ks.test.default(dt, y = "punif"): ties should not be present for the
## Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  dt
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Nhìn vào, P-value = 2.2e-16 < 0.05 nên ta bác bỏ \(H_0\). Nghĩa là dt không tuân theo phân phối đều.

# Kiểm định phân phối loga chuẩn
ks.test(dt, y = "plnorm")

## Warning in ks.test.default(dt, y = "plnorm"): ties should not be present for
## the Kolmogorov-Smirnov test

## 
##  Asymptotic one-sample Kolmogorov-Smirnov test
## 
## data:  dt
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sided

Vì p_value = 2.2e-16 < 0,05 nên ta bác bỏ \(H_0\). Nghĩa là dt không tuân theo phân phối loga chuẩn.

4.3 Giả sử phân phối chuẩn

Vì biến dt không có phân phối nào được xác định vì vậy ta giả sử nó là phân phối chuẩn

sd(dt)

## [1] 691587.8

n = 10000
dt1 <- rnorm(n, mean = 884418000, sd = 691587.8)

#Mô phỏng biến dt theo phân phối chuẩn
hist(dt1, main = "phân phối chuẩn biến doanh thu", xlab = "dt1", col = "darkblue")

library(ggpubr)

## Loading required package: ggplot2

## 
## Attaching package: 'ggplot2'

## The following objects are masked from 'package:psych':
## 
##     %+%, alpha

ggqqplot(dt1,col="red")

Vì biến dt1 được giả sử có phân phối chuẩn nên ta thu được kết quả từ biểu đồ trên có các giá trị đều nằm trên đường thẳng.

summary(dt1)

##      Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
## 881568823 883955398 884414874 884423093 884888330 887225818

Doanh thu trong 10000 ngày tới dao động trong khoảng [881733143;886994950]

5 NHẬN XÉT

DTthap1 <- dt1[dt1 <= 884424766]
DTcao1 <- dt1[dt1> 884424766]

table(cut(dt1,breaks = 2))

## 
## (8.82e+08,8.84e+08] (8.84e+08,8.87e+08] 
##                4891                5109

table(cut(dt1,2, labels = c('thap','cao')))

## 
## thap  cao 
## 4891 5109

Kết quả mô phỏng cho thấy 10000 ngày tới có 4679 ngày doanh thu thấp và 5321 ngày doanh thu cao. Từ kết quả này tôi nhận thấy quán vẫn có thể hoạt động bình thường và phát triển tốt.

Tuy nhiên, do đây chỉ là giả sử vì không tìm được phân phối phù hợp nên có thể kết quả không thật sự chính xác.

BTVNT2

Nguyễn Quốc Vinh

2023-07-09

1 BÀI TẬP VỀ NHÀ NHIỆM VỤ 2

1.1 Chọn chủ đề

1.2 Khái niệm

1.3 Giới thiệu dịch vụ nấu ăn Thành Tấn

1.4 Xác định vấn đề

1.5 Dữ liệu thu thập

1.5.1 Giải thích:

1.5.2 Đơn giá

1.6 Thống kê mô tả

1.7 Độ lệch chuẩn

2 BÀI TẬP VỀ NHÀ NHIỆM VỤ 3

2.1 Xác định phân phối các biến ngẫu nhiên

2.1.1 Lẩu nấm

2.1.2 Lẩu riêu cua đồng

2.1.3 Lẩu cù lao

2.1.4 Lẩu thái chua cay

2.1.5 Lẩu cá tầm

2.1.6 Lẩu bò

2.1.7 Sâm bổ lượng

3 BÀI TẬP VỀ NHÀ NHIỆM VỤ 4

3.1 Xác định mô hình doanh thu qua các biến

4 BÀI TẬP VỀ NHÀ NHIỆM VỤ 5 và 6

4.1 Tính và ước lượng doanh thu dịch vụ nấu ăn Thành Tấn

4.2 Kiểm định phân phối doanh thu

4.3 Giả sử phân phối chuẩn

5 NHẬN XÉT