MPNN
Nguyễn Phương Nhung
2023-07-09
1 .TUẦN 4: XÂY DỰNG MÔ HÌNH MÔ PHỎNG
Để mô phỏng được giá trị, tỷ suất sinh lời của danh mục đầu tư 6 cổ phiếu lớn thuộc nhóm VN30, tác giả xin đề xuất mô hình như sau:
TGTDMĐT = 1000.ACB+1000.FPT+1000.GVR+1000.NVL+1000.SSI+1000.VNMTrong đó:
Danh mục đầu tư bao gồm 6 cổ phiếu trên và số lượng đầu tư là 1000 cổ phiếu/mỗi mã
Biến phụ thuộc:
TGTDMĐT: Tổng giá trị danh mục đầu tư 6 cổ phiếu thuộc nhóm VN30 (đơn vị: VNĐ)Biến độc lập:
ACB: Giá đóng cửa cổ phiếu ACB ngày 03/07/2023 (đơn vị: VNĐ)
FPT: Giá đóng cửa cổ phiếu FPT ngày 03/07/2023 (đơn vị: VNĐ)
GVR: Giá đóng cửa cổ phiếu GVR ngày 03/07/2023 (đơn vị: VNĐ)
NVL: Giá đóng cửa cổ phiếu NVL ngày 03/07/2023 (đơn vị: VNĐ)
SSI: Giá đóng cửa cổ phiếu SSI ngày 03/07/2023 (đơn vị: VNĐ)
VNM: Giá đóng cửa cổ phiếu VNM ngày 03/07/2023 (đơn vị: VNĐ) 2 .TUẦN 3: XÁC ĐỊNH PHÂN PHỐI CÁC BIẾN
2.1 Dữ liệu nghiên cứu
setwd("C:/PTDLDT")
library(readxl)## Warning: package 'readxl' was built under R version 4.2.3library(xlsx)
data <- read.xlsx("dulieucp.xlsx", sheetIndex = 1)
str(data)## 'data.frame': 121 obs. of 7 variables:
## $ Date: chr "01/03/2023" "01/04/2023" "01/05/2023" "01/06/2023" ...
## $ ACB : num 22700 22650 22850 23150 23100 ...
## $ FPT : num 80000 80000 80600 80300 80300 80400 80900 80700 80000 80800 ...
## $ GVR : num 14600 14850 14900 14400 14400 ...
## $ NVL : num 14650 14000 13700 13600 13850 ...
## $ SSI : num 18900 19000 19300 18900 19000 18900 19300 19300 19200 19400 ...
## $ VNM : num 78500 79300 81200 79800 80700 81000 79400 80000 80600 79400 ...summary(data)## Date ACB FPT GVR
## Length:121 Min. :21400 Min. :77500 Min. :13950
## Class :character 1st Qu.:24000 1st Qu.:79400 1st Qu.:14800
## Mode :character Median :24550 Median :80700 Median :15500
## Mean :24157 Mean :81295 Mean :15974
## 3rd Qu.:25000 3rd Qu.:83100 3rd Qu.:16700
## Max. :26350 Max. :87300 Max. :19600
## NVL SSI VNM
## Min. :10250 Min. :18250 Min. :65500
## 1st Qu.:12700 1st Qu.:19650 1st Qu.:69200
## Median :13600 Median :21200 Median :74400
## Mean :13307 Mean :21584 Mean :73100
## 3rd Qu.:14300 3rd Qu.:22850 3rd Qu.:76400
## Max. :15600 Max. :26600 Max. :81300sd(data$ACB)## [1] 1269.64Biến ACB có giá trị trung bình là 24157 tức giá đóng cửa trung bình của cổ phiếu ACB trong giai đoạn 01/03/2023 đến 30/06/2023 là 24.157 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu ACB là 26.350 VNĐ và thấp nhất là 21400 VNĐ, độ lệch chuẩn của mã ACB là xấp xỉ 1270 VNĐ.
sd(data$FPT)## [1] 2358.737Biến FPT có giá trị trung bình là 81295 tức giá đóng cửa trung bình của cổ phiếu FPT trong giai đoạn 01/03/2023 đến 30/06/2023 là 81.295 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu FPT là 87.300 VNĐ và thấp nhất là 77.500 VNĐ, độ lệch chuẩn của mã ACB là xấp xỉ 2359 VNĐ.
sd(data$GVR)## [1] 1561.824Biến GVR có giá trị trung bình là 15974 tức giá đóng cửa trung bình của cổ phiếu GVR trong giai đoạn 01/03/2023 đến 30/06/2023 là 15.974 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu GVR là 19.600 VNĐ và thấp nhất là 13.950 VNĐ, độ lệch chuẩn của mã GVR là xấp xỉ 1562 VNĐ.
sd(data$NVL)## [1] 1373.665Biến NVL có giá trị trung bình là 13307 tức giá đóng cửa trung bình của cổ phiếu NVL trong giai đoạn 01/03/2023 đến 30/06/2023 là 13.307 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu GVR là 15.600 VNĐ và thấp nhất là 10.250 VNĐ, độ lệch chuẩn của mã GVR là xấp xỉ 1374 VNĐ.
sd(data$SSI)## [1] 2275.744Biến SSI có giá trị trung bình là 21584 tức giá đóng cửa trung bình của cổ phiếu SSI trong giai đoạn 01/03/2023 đến 30/06/2023 là 21.584 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu SSI là 26.600 VNĐ và thấp nhất là 18.250 VNĐ, độ lệch chuẩn của mã SSI là xấp xỉ 2276 VNĐ.
sd(data$VNM)## [1] 4505.238Biến VNM có giá trị trung bình là 73100 tức giá đóng cửa trung bình của cổ phiếu VNM trong giai đoạn 01/03/2023 đến 30/06/2023 là 73.100 VNĐ. Bên cạnh đó giá trị cao nhất của cổ phiếu VNM là 81.300 VNĐ và thấp nhất là 65.500 VNĐ, độ lệch chuẩn của mã VNM là xấp xỉ 4505 VNĐ. Chứng tỏ rằng trong thời gian này biến động giá cổ phiếu VNM là khá đáng kể.
2.2 Xác định phân phối các biến đầu vào
2.2.1 Mã chứng khoán ACB
Đồ thị Histogram:
hist(data$ACB)
Đồ thị QQ plot:
library(stats)
qqnorm(data$ACB)
qqline(data$ACB)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$ACB)##
## Shapiro-Wilk normality test
##
## data: data$ACB
## W = 0.83704, p-value = 3.103e-10Kết quả cho thấy giá trị tới hạn P_value = 3.103e-10 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu ACB không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$ACB, y = "punif")## Warning in ks.test.default(data$ACB, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$ACB
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu ACB không tuân theo quy luật phân phối đều
2.2.2 Mã chứng khoán FPT
Đồ thị Histogram:
hist(data$FPT)
Đồ thị QQ plot:
library(stats)
qqnorm(data$FPT)
qqline(data$FPT)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$FPT)##
## Shapiro-Wilk normality test
##
## data: data$FPT
## W = 0.94099, p-value = 4.646e-05Kết quả cho thấy giá trị tới hạn P_value = 4.646e-05 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu FPT không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$FPT, y = "punif")## Warning in ks.test.default(data$FPT, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$FPT
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu FPT không tuân theo quy luật phân phối đều
2.2.3 Mã chứng khoán GVR
Đồ thị Histogram:
hist(data$GVR)
Đồ thị QQ plot:
library(stats)
qqnorm(data$GVR)
qqline(data$GVR)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$GVR)##
## Shapiro-Wilk normality test
##
## data: data$GVR
## W = 0.88784, p-value = 4.452e-08Kết quả cho thấy giá trị tới hạn P_value = 4.452e-08 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu GVR không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$GVR, y = "punif")## Warning in ks.test.default(data$GVR, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$GVR
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu GVR không tuân theo quy luật phân phối đều
2.2.4 Mã chứng khoán NVL
Đồ thị Histogram:
hist(data$NVL)
Đồ thị QQ plot:library(stats)
qqnorm(data$NVL)
qqline(data$NVL)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$NVL)##
## Shapiro-Wilk normality test
##
## data: data$NVL
## W = 0.93264, p-value = 1.305e-05Kết quả cho thấy giá trị tới hạn P_value = 1.305e-05 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu NVL không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$NVL, y = "punif")## Warning in ks.test.default(data$NVL, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$NVL
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu NVL không tuân theo quy luật phân phối đều
2.2.5 Mã chứng khoán SSI
Đồ thị Histogram:
hist(data$SSI)
Đồ thị QQ plot:
library(stats)
qqnorm(data$SSI)
qqline(data$SSI)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$SSI)##
## Shapiro-Wilk normality test
##
## data: data$SSI
## W = 0.92973, p-value = 8.555e-06Kết quả cho thấy giá trị tới hạn P_value = 8.555e-06 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu SSI không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$SSI, y = "punif")## Warning in ks.test.default(data$SSI, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$SSI
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu SSI không tuân theo quy luật phân phối đều
2.2.6 Mã chứng khoán VNM
Đồ thị Histogram:
hist(data$VNM)
Đồ thị QQ plot:
library(stats)
qqnorm(data$VNM)
qqline(data$VNM)
Kiểm định Shapiro-Wilk Test:
Với giả thuyết H0: Dãy số liệu có phân phối Chuẩn
shapiro.test(data$VNM)##
## Shapiro-Wilk normality test
##
## data: data$VNM
## W = 0.94751, p-value = 0.0001333Kết quả cho thấy giá trị tới hạn P_value = 0.000133 < 5% nên chưa có cơ sở để chấp nhận giả thuyết Ho tức giá cổ phiếu VNM không có tuân theo phân phối chuẩn.
Kiểm định phân phối đều:
Giả thuyết Ho: Dữ liệu tuân theo quy luật phân phối đều
ks.test(data$VNM, y = "punif")## Warning in ks.test.default(data$VNM, y = "punif"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: data$VNM
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedKết quả trên cho thấy giá trị tới hạn P_value = 2.2e-16 < 5% nên chưa có cơ sở chấp nhận giả thuyết Ho vậy giá cổ phiếu VNM không tuân theo quy luật phân phối đều.
2.3 Chuyển đổi dữ liệu tuân quy luật phân phối chuẩn
Sau khi kiểm định qua các phân phối là phân phối chuẩn và phân phối tđều thì vẫn chưa thể xác định phân phối của của các biến đầu vào. Do đó, tác giả sẽ sử dụng hàm sample() để tạo ra các mẫu ngẫu nhiên từ bộ dữ liệu với kích thước mẫu là 3 và 5. Sau đó sẽ kiểm tra xem mẫu có tuân theo phân phối chuẩn hay không bằng cách sử dụng phép kiểm định Shapiro-Wilk.
2.3.1 Chuyển đổi biến ACB
ACB <- sample(data$ACB, 3)
hist(ACB)
Kiểm định phân phối chuẩn:
shapiro.test(ACB)##
## Shapiro-Wilk normality test
##
## data: ACB
## W = 0.75, p-value < 2.2e-16Kết quảt trên cho thấy giá trị tới hạn P_value = 0.6369 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu ACB có tính chất phân phối tương tự như phân phối chuẩn.
2.3.2 Chuyển đổi biến FPT
FPT <- sample(data$FPT, 5)
hist(FPT)
Kiểm định phân phối chuẩn:
shapiro.test(FPT)##
## Shapiro-Wilk normality test
##
## data: FPT
## W = 0.83246, p-value = 0.1451Kết quả trên cho thấy giá trị tới hạn P_value = 0.9605 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu FPT có tính chất phân phối tương tự như phân phối chuẩn.
2.3.3 Chuyển đổi biến GVR
GVR <- sample(data$GVR, 5)
hist(GVR)
Kiểm định phân phối chuẩn:
shapiro.test(GVR)##
## Shapiro-Wilk normality test
##
## data: GVR
## W = 0.8863, p-value = 0.3388Kết quả trên cho thấy giá trị tới hạn P_value = 0.159 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu GVR có tính chất phân phối tương tự như phân phối chuẩn.
2.3.4 Chuyển đổi biến NVL
NVL <- sample(data$NVL, 5)
hist(NVL)
Kiểm định phân phối chuẩn:
shapiro.test(NVL)##
## Shapiro-Wilk normality test
##
## data: NVL
## W = 0.86976, p-value = 0.2655Kết quả trên cho thấy giá trị tới hạn P_value = 0.5092 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu NVL có tính chất phân phối tương tự như phân phối chuẩn.
2.3.5 Chuyển đổi biến SSI
SSI <- sample(data$SSI, 5)
hist(SSI)
Kiểm định phân phối chuẩn:
shapiro.test(SSI)##
## Shapiro-Wilk normality test
##
## data: SSI
## W = 0.92725, p-value = 0.5777Kết quả trên cho thấy giá trị tới hạn P_value = 0.3811 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu SSI có tính chất phân phối tương tự như phân phối chuẩn.
2.3.6 Chuyển đổi biến VNM
VNM <- sample(data$VNM, 5)
hist(VNM)
Kiểm định phân phối chuẩn:
shapiro.test(VNM)##
## Shapiro-Wilk normality test
##
## data: VNM
## W = 0.93358, p-value = 0.621Kết quả trên cho thấy giá trị tới hạn P_value = 0.07119 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu VNM có tính chất phân phối tương tự như phân phối chuẩn.
3 .TUẦN 2: GIẢI THÍCH VẤN ĐỀ CẦN MÔ PHỎNG
3.1 Vấn đề cần mô phỏng
Thị trường chứng khoán Việt Nam hiện đang là kênh đầu tư khá hấp dẫn và nhiều tiềm năng. Trong những năm gần đây, thị trường hoạt động cực kì sôi động và đã có những bước tiến vượt bậc. Hàng loạt các công ty chứng khoán ra đời, các nhà đầu tư trong và ngoài nước rót vốn ồ ạt, các chỉ số thị trường liên tục phá kỷ lục. Việc lựa chọn kênh đầu tư để sinh lời bằng việc đầu tư vào cổ phiếu đã được rất nhiều người lựa chọn hiện nay. Việc xây dựng một danh mục đầu tư cổ phiếu an toàn và mang lại lợi nhuận vẫn là vấn đề mà giới đầu tư quan tâm đến hàng đầu.
Với nhiều nhà đầu tư nhóm cổ phiếu VN30 là thuật ngữ quen thuộc, mô tả tập hợp các cổ phiếu dẫn đầu ngành, lĩnh vực và thị trường. Nhóm cổ phiếu VN30 là tập hợp 30 mã cổ phiếu đạt các tiêu chuẩn giá trị vốn hóa lớn, tính thanh khoản cao, tỷ lệ free-float thấp hơn 5%.Rổ VN30 được coi là nhóm cổ phiếu blue chip, có tính thanh khoản cao, giá trị vốn hóa lớn, thường được nhà đầu tư lựa chọn đầu tư vì có tính an toàn cao, biến động cổ phiếu thấp. Các cổ phiếu bên trong rổ VN30 cho thấy xu hướng thị trường đang nghiêng về lĩnh vực nào … Tạo nên sức hấp dẫn lớn với nhiều nhà đầu tư bởi khả năng tăng trưởng ổn định. Các cổ phiếu bên trong rổ VN30 cho thấy xu hướng thị trường đang nghiêng về lĩnh vực nào. Từ đó giúp nhà đầu tư đánh giá được tổng quan thị trường, lựa chọn cổ phiếu đầu tư trong lĩnh vực phù hợp.
Với những đặc điểm về giá trị vốn hóa và tính thanh khoản cao, có nên đầu tư cổ phiếu VN30 không là mối quan tâm của nhiều người. Thị trường chứng khoán có hàng nghìn mã cổ phiếu, việc lựa chọn mã cổ phiếu phù hợp với mục đích sinh lời không hề đơn giản. Vì vậy trong bài mô phỏng này, tác giả sẽ thực hiện “Mô phỏng danh mục đầu tư và tỷ suất sinh lợi của 6 cổ phiếu thuộc nhóm VN30”, cụ thể hơn là mô phỏng ngẫu nhiên giá đóng cửa của 6 cổ phiếu trong rổ VN30 là ACB, FPT, GVR, NVL, SSI, VNM vào ngày 3/7/2023 từ đó có thể mô phỏng được giá trị và tỷ suất sinh lợi của danh mục đầu tư gồm 6 cổ phiếu trên trong ngày 03/07/2023 với số lượng đầu tư cổ phiếu là 1000 cp mỗi mã.
3.2 Mô hình nghiên cứu
Để mô phỏng được giá trị, tỷ suất sinh lời của danh mục đầu tư 6 cổ phiếu lớn thuộc nhóm VN30, tác giả xin đề xuất mô hình như sau:
TGTDMĐT = 1000.ACB+1000.FPT+1000.GVR+1000.NVL+1000.SSI+1000.VNMTrong đó:
Biến phụ thuộc:
TGTDMĐT: Tổng giá trị danh mục đầu tư 6 cổ phiếu thuộc nhóm VN30 (đơn vị: VNĐ)
Biến độc lập:
ACB: Giá đóng cửa cổ phiếu ACB ngày 03/07/2023 (đơn vị: VNĐ)
FPT: Giá đóng cửa cổ phiếu FPT ngày 03/07/2023 (đơn vị: VNĐ)
GVR: Giá đóng cửa cổ phiếu GVR ngày 03/07/2023 (đơn vị: VNĐ)
NVL: Giá đóng cửa cổ phiếu NVL ngày 03/07/2023 (đơn vị: VNĐ)
SSI: Giá đóng cửa cổ phiếu SSI ngày 03/07/2023 (đơn vị: VNĐ)
VNM: Giá đóng cửa cổ phiếu VNM ngày 03/07/2023 (đơn vị: VNĐ)
3.3 Mô tả các biến trong mô hình nghiên cứu
ACB: là mã cổ phiếu của ngân hàng TMCP Á Châu, ACB là lã cổ phiếu thứ 10 của ngành ngân hàng có mặt trong rổ chỉ số VN30, mã cổ phiếu ACB chính thức được niêm yết trên Sở giao dịch chứng khoán Hồ Chí Minh (Ho Chi Minh Stock Exchange - Hose) từ ngày 09/12/2020 với giá tham chiếu 26.400 đồng/cp.
FPT: là mã cổ phiếu Công ty Cổ phần FPT.Ngày 13/12/2006 mã cổ phiếu FPT được niêm trên trên sàn Hose. Mã cổ phiếu FPT là một trong những cổ phiếu đầu ngành công nghệ thông tin trên thị trường chứng khoán Việt Nam.
GVR: là mã cổ phiếu của Tập đoàn công nghiệp cao su Việt Nam. Lĩnh vực kinh doanh chính là sản xuất plastic và cao su tổng hợp. Tháng 2/2018, GVR tiến hành phát hành cổ phiếu lần đầu ra công chúng (IPO), cổ phiếu GVR nằm trong rổ VN30, tuy có tuổi đời gia nhập sàn chứng khoán thấp hơn những cổ phiếu khác trong VN30 nhưng vẫn là cổ phiếu thu hút được nhiều nhà đầu tư chứng khoán.
NVL: là mã cổ phiếu của CTCP Tập đoàn Đầu tư Địa ốc No Va (NovaLand), Tập đoàn Nova hoạt động trong lĩnh vực sản xuất kinh doanh thuốc thú y, thuốc thủy sản, xây biệt thự cho thuê nhưng thế mạnh, mũi nhọn là kinh doanh bất động sản. Ngày 28/12/2016 mã cổ phiếu NVL của Tập đoàn NovaLand chính thức được niêm yết trên sàn Hose và là một trong những mã cổ phiếu thuộc ngành bất động sản lớn trong rổ VN30.
SSI: là mã cổ phiếu của CTCP Chứng khoán SSI. SSI hoạt động trên các lĩnh vực dịch vụ tài chính lớn bao gồm Dịch vụ Chứng khoán Khách hàng Cá nhân, Quản lý quỹ đầu tư, Dịch vụ Ngân hàng đầu tư,…và là một trong những công ty chứng khoán lớn nhất Việt Nam được niêm yết trên sàn Hose và lọt vào danh sách VN30.
VNM: là mã cổ phiếu nổi tiếng được Công ty cổ phần Sữa Việt Nam (Vinamilk) phát hành. Nhiều năm nay, Vinamilk luôn giữ vị trí số 1 trong ngành sữa Việt Nam đặc biệt trong nhóm ngành tiêu dùng. VNM là một trong những mã cổ phiếu lớn được niêm yết từ khá lâu trên sàn Hose (ngày 19/01/2006) và là mã cổ phiếu có giá trị lớn trong nhóm VN30.
Tác giả sẽ mô phỏng ngẫu nhiên giá đóng cửa của các mã cổ phiếu trên ở ngày 04/07/2023 thông qua các giá trị về tham số (trung bình, phương sai…) được tính toán từ giá lịch sử của từng mã cổ phiếu từ ngày 01/03/2023 đến ngày 30/06/2023. Dữ liệu lịch sử của từng mã Cổ phiếu được tổng hợp từ nguồn investing.com (https://www.investing.com/)
4 .TUẦN 1: Mô phỏng ngẫu nhiên các biến ngẫu nhiên
4.1 Mô phỏng biến Mì Quảng:
Số tô Mì Quảng bán được trong tháng có phân phối đều trong khoảng 1050-1500 tô/tháng
mq <- runif(1000, min = 1050, max = 1500)
mq <- round(runif(1000, min = 1050, max = 1500),0)
mq## [1] 1452 1171 1469 1087 1265 1348 1063 1417 1333 1154 1214 1369 1410 1206
## [15] 1430 1292 1203 1329 1053 1188 1284 1478 1315 1293 1062 1277 1053 1213
## [29] 1258 1127 1137 1219 1060 1397 1449 1249 1146 1107 1182 1199 1311 1181
## [43] 1305 1295 1365 1106 1151 1207 1360 1439 1150 1124 1088 1060 1324 1301
## [57] 1316 1310 1382 1315 1367 1244 1085 1426 1225 1152 1118 1368 1324 1074
## [71] 1101 1285 1405 1125 1434 1232 1370 1404 1474 1070 1152 1070 1312 1211
## [85] 1442 1197 1456 1113 1322 1174 1469 1144 1323 1053 1128 1429 1111 1104
## [99] 1490 1489 1105 1380 1063 1111 1214 1352 1430 1401 1403 1332 1331 1114
## [113] 1291 1291 1248 1149 1487 1477 1197 1364 1491 1258 1173 1235 1406 1184
## [127] 1233 1279 1076 1236 1261 1447 1165 1253 1170 1446 1234 1364 1397 1291
## [141] 1176 1411 1265 1451 1171 1484 1322 1101 1433 1368 1430 1167 1319 1300
## [155] 1403 1052 1219 1310 1425 1114 1351 1369 1115 1261 1262 1100 1367 1095
## [169] 1176 1223 1264 1327 1459 1369 1063 1366 1195 1111 1129 1405 1357 1301
## [183] 1331 1486 1206 1245 1213 1229 1310 1499 1257 1184 1076 1487 1265 1254
## [197] 1387 1391 1233 1333 1413 1418 1355 1065 1367 1229 1424 1149 1146 1265
## [211] 1233 1182 1160 1362 1316 1397 1381 1168 1241 1243 1321 1264 1359 1470
## [225] 1428 1244 1188 1109 1114 1429 1467 1176 1142 1247 1344 1408 1110 1335
## [239] 1278 1136 1409 1267 1323 1348 1326 1413 1211 1324 1096 1200 1117 1126
## [253] 1472 1277 1076 1424 1447 1109 1208 1440 1070 1077 1369 1478 1131 1258
## [267] 1352 1169 1259 1368 1266 1232 1394 1379 1065 1239 1115 1371 1460 1266
## [281] 1342 1299 1151 1435 1298 1089 1058 1161 1135 1074 1099 1145 1252 1208
## [295] 1154 1165 1413 1235 1399 1301 1440 1163 1305 1102 1127 1485 1114 1295
## [309] 1419 1253 1224 1104 1107 1270 1415 1217 1306 1179 1483 1430 1450 1418
## [323] 1313 1380 1259 1231 1303 1335 1493 1466 1264 1279 1135 1404 1328 1198
## [337] 1498 1326 1344 1316 1361 1061 1320 1234 1069 1424 1434 1282 1403 1114
## [351] 1070 1100 1203 1188 1147 1183 1139 1160 1199 1456 1328 1443 1446 1418
## [365] 1283 1283 1426 1193 1435 1445 1078 1130 1086 1091 1265 1310 1260 1218
## [379] 1435 1255 1195 1310 1344 1125 1279 1465 1190 1052 1450 1080 1305 1147
## [393] 1051 1207 1277 1443 1184 1418 1431 1361 1318 1165 1412 1190 1409 1199
## [407] 1364 1125 1428 1285 1499 1495 1368 1448 1224 1062 1286 1198 1131 1369
## [421] 1276 1167 1320 1330 1061 1489 1285 1192 1420 1097 1211 1439 1254 1290
## [435] 1136 1180 1469 1182 1278 1081 1461 1185 1185 1327 1337 1379 1255 1322
## [449] 1142 1178 1185 1371 1063 1493 1464 1470 1236 1409 1475 1296 1387 1128
## [463] 1285 1176 1248 1407 1297 1081 1417 1358 1407 1109 1198 1310 1339 1422
## [477] 1134 1203 1373 1101 1263 1091 1174 1312 1333 1406 1444 1459 1185 1138
## [491] 1093 1363 1254 1080 1441 1153 1075 1083 1174 1440 1476 1195 1475 1085
## [505] 1214 1157 1367 1202 1199 1267 1058 1321 1377 1442 1391 1150 1140 1271
## [519] 1417 1079 1165 1177 1217 1447 1088 1145 1408 1104 1495 1420 1463 1285
## [533] 1189 1203 1192 1224 1498 1380 1254 1099 1054 1268 1345 1380 1286 1096
## [547] 1064 1436 1236 1136 1132 1235 1372 1172 1469 1232 1196 1291 1431 1341
## [561] 1078 1238 1105 1159 1090 1091 1177 1165 1430 1324 1326 1463 1489 1444
## [575] 1128 1466 1266 1276 1271 1219 1403 1273 1499 1446 1106 1479 1320 1442
## [589] 1478 1409 1311 1084 1074 1240 1050 1448 1254 1171 1120 1235 1336 1125
## [603] 1101 1369 1353 1169 1482 1207 1117 1479 1435 1071 1382 1184 1138 1312
## [617] 1105 1119 1360 1069 1476 1495 1464 1382 1323 1309 1443 1251 1317 1275
## [631] 1201 1149 1260 1336 1429 1360 1358 1256 1064 1452 1299 1439 1375 1117
## [645] 1184 1383 1307 1159 1127 1317 1233 1489 1177 1214 1205 1351 1095 1436
## [659] 1322 1437 1184 1379 1087 1154 1114 1409 1183 1279 1402 1071 1211 1194
## [673] 1476 1477 1269 1452 1181 1081 1180 1248 1422 1081 1411 1303 1396 1156
## [687] 1255 1305 1071 1458 1324 1183 1459 1346 1423 1465 1238 1283 1094 1218
## [701] 1248 1443 1355 1242 1254 1111 1240 1256 1359 1111 1225 1283 1439 1355
## [715] 1244 1465 1083 1442 1140 1103 1323 1347 1293 1085 1333 1426 1180 1351
## [729] 1133 1145 1092 1141 1124 1110 1380 1092 1392 1349 1090 1108 1283 1144
## [743] 1068 1374 1476 1212 1105 1067 1063 1192 1497 1446 1257 1247 1410 1404
## [757] 1152 1300 1074 1207 1385 1162 1256 1115 1287 1493 1218 1496 1083 1276
## [771] 1197 1268 1250 1481 1107 1175 1087 1258 1264 1354 1069 1051 1203 1249
## [785] 1284 1227 1063 1217 1457 1151 1185 1142 1056 1426 1246 1461 1138 1287
## [799] 1197 1460 1275 1145 1246 1123 1159 1117 1060 1057 1140 1265 1270 1374
## [813] 1462 1354 1144 1483 1341 1160 1304 1166 1065 1337 1057 1430 1394 1101
## [827] 1287 1439 1129 1282 1371 1156 1143 1396 1460 1235 1234 1164 1387 1124
## [841] 1405 1438 1336 1260 1234 1176 1204 1125 1061 1406 1408 1308 1371 1192
## [855] 1302 1204 1122 1393 1077 1099 1478 1190 1331 1366 1234 1469 1213 1307
## [869] 1469 1155 1418 1424 1415 1074 1194 1465 1448 1134 1428 1234 1175 1291
## [883] 1102 1388 1367 1262 1068 1279 1394 1418 1165 1466 1467 1100 1434 1061
## [897] 1126 1059 1235 1479 1398 1461 1301 1355 1105 1382 1142 1061 1211 1322
## [911] 1083 1191 1316 1220 1448 1463 1442 1417 1323 1156 1280 1139 1162 1084
## [925] 1157 1249 1227 1256 1056 1486 1366 1469 1062 1416 1108 1445 1349 1075
## [939] 1112 1187 1304 1332 1110 1372 1209 1323 1063 1273 1428 1102 1090 1182
## [953] 1302 1342 1096 1266 1227 1405 1402 1400 1273 1296 1472 1120 1200 1342
## [967] 1238 1443 1243 1326 1273 1260 1484 1314 1118 1327 1251 1330 1199 1488
## [981] 1454 1279 1186 1155 1413 1437 1104 1261 1384 1481 1208 1140 1154 1478
## [995] 1434 1065 1217 1113 1441 1127hist(mq)
library(fBasics)
basicStats(mq)## mq
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 1.050000e+03
## Maximum 1.499000e+03
## 1. Quartile 1.156750e+03
## 3. Quartile 1.381250e+03
## Mean 1.269515e+03
## Median 1.265000e+03
## Sum 1.269515e+06
## SE Mean 4.091580e+00
## LCL Mean 1.261486e+03
## UCL Mean 1.277544e+03
## Variance 1.674103e+04
## Stdev 1.293871e+02
## Skewness 5.111000e-02
## Kurtosis -1.208485e+00Số phần Mì quảng mà quán bán được trung bình trong 1 tháng khoảng 1270 phần với độ lệch chuẩn là 133 phần. Trong đó, quán bán được nhiều nhất là khoảng 1498 phần và bán được ít nhất khoảng 1050 phần.
4.2 Môp phỏng biến Cao Lầu:
Số phần Cao Lầu bán được trong tháng có phân phối đều trong khoảng 600-900 tô/tháng:
cl <- runif(1000, min=600, max=900)
cl <- round(runif(1000, min = 600, max = 900),0)
cl## [1] 677 734 636 604 630 888 746 649 676 695 606 737 645 674 887 711 745 897
## [19] 814 792 646 812 648 752 779 844 640 654 873 759 654 870 605 684 860 831
## [37] 669 898 616 636 732 691 797 885 781 636 890 670 669 745 788 879 601 717
## [55] 891 641 868 679 717 872 898 611 714 617 811 607 684 815 649 845 806 715
## [73] 744 827 816 863 873 668 736 832 827 655 812 883 752 729 808 886 765 692
## [91] 800 721 878 749 720 857 859 813 890 798 835 678 701 789 774 691 698 666
## [109] 697 778 806 747 807 884 856 760 695 846 859 745 826 763 832 641 771 652
## [127] 640 757 819 656 835 818 658 800 630 794 804 601 736 675 828 708 641 793
## [145] 737 611 630 639 630 728 659 701 749 889 661 857 774 723 661 854 782 767
## [163] 608 749 868 756 617 662 602 726 744 828 787 898 895 661 843 846 811 859
## [181] 836 804 762 716 782 854 659 767 862 794 701 748 715 755 609 707 697 780
## [199] 807 854 770 842 859 689 779 896 819 839 853 751 873 862 759 673 628 829
## [217] 682 801 801 644 846 792 797 836 734 640 852 831 857 681 647 601 772 750
## [235] 834 802 865 896 647 874 665 714 873 793 627 813 673 801 886 839 610 799
## [253] 734 763 825 680 877 844 838 786 831 612 806 752 860 671 724 716 821 711
## [271] 765 734 699 702 621 844 691 661 647 604 766 889 701 830 642 754 612 664
## [289] 754 708 847 898 697 647 730 745 701 776 667 679 872 602 602 602 715 613
## [307] 847 634 704 669 872 886 658 708 686 621 900 766 631 620 608 829 790 738
## [325] 716 605 761 783 716 841 628 871 828 676 729 786 804 671 621 689 646 699
## [343] 799 775 796 774 672 660 744 870 771 618 800 833 884 652 754 625 657 721
## [361] 753 885 896 791 762 648 837 858 606 797 891 817 601 652 822 636 786 625
## [379] 886 621 816 894 852 881 833 725 671 613 747 655 724 656 802 825 721 697
## [397] 623 630 841 687 638 757 740 746 777 695 642 754 855 896 896 726 692 858
## [415] 674 864 628 736 853 790 710 622 609 806 803 870 733 711 682 657 655 686
## [433] 877 770 735 826 723 734 641 649 818 623 709 822 741 880 639 632 712 872
## [451] 701 664 819 608 866 785 862 629 748 717 660 718 677 643 797 770 740 693
## [469] 701 748 877 732 841 822 730 785 673 762 839 600 733 881 799 892 783 783
## [487] 664 609 796 782 697 709 892 601 755 817 634 619 820 837 719 816 801 888
## [505] 613 659 806 819 835 687 760 865 680 745 645 742 674 604 801 796 677 847
## [523] 638 808 734 628 861 606 609 606 790 849 660 895 639 601 719 871 814 625
## [541] 840 667 799 628 850 688 834 833 873 712 870 824 614 660 847 872 888 858
## [559] 759 687 859 815 638 899 841 883 743 893 784 657 870 612 822 711 802 709
## [577] 866 640 865 657 811 714 745 746 657 630 675 773 752 741 629 860 661 839
## [595] 700 791 711 754 856 807 652 844 729 789 794 879 814 605 818 619 883 835
## [613] 804 755 875 689 610 642 704 888 648 819 611 793 697 628 679 764 665 719
## [631] 647 818 895 885 762 701 636 874 801 816 770 765 719 722 672 896 696 739
## [649] 634 741 604 646 809 626 783 697 640 675 882 657 888 758 751 608 694 619
## [667] 897 698 868 758 849 831 788 625 688 621 716 718 663 858 774 724 739 824
## [685] 689 800 808 851 703 641 686 750 654 794 856 636 749 779 854 692 683 665
## [703] 652 700 867 811 702 637 787 866 665 897 832 827 721 657 691 704 767 659
## [721] 891 715 707 704 692 796 785 654 879 670 607 800 676 841 709 890 675 701
## [739] 761 899 672 722 728 820 882 703 800 813 815 802 604 864 612 867 736 762
## [757] 862 700 679 821 683 751 860 760 733 853 730 784 618 855 606 785 629 743
## [775] 708 671 814 609 636 779 716 760 776 792 634 607 894 696 772 703 685 859
## [793] 818 641 829 635 892 806 675 878 705 846 898 860 604 874 849 868 784 683
## [811] 634 617 764 630 807 778 625 607 892 654 637 607 665 892 874 689 710 876
## [829] 801 893 875 825 667 723 673 792 844 805 852 678 707 865 663 748 737 834
## [847] 710 613 778 785 889 841 814 886 834 754 733 729 685 893 886 721 684 633
## [865] 879 900 814 679 815 811 817 670 811 704 794 714 745 689 853 631 849 743
## [883] 663 866 731 892 741 882 829 680 810 611 784 722 715 732 837 771 805 643
## [901] 859 818 711 678 689 740 636 712 630 856 823 844 834 709 657 635 816 872
## [919] 874 858 785 760 762 751 848 860 747 713 818 898 717 866 781 867 649 735
## [937] 855 772 880 631 659 727 829 891 709 775 672 897 892 801 848 643 762 654
## [955] 791 739 638 600 878 757 853 794 783 811 704 893 650 820 797 621 835 699
## [973] 890 602 891 631 608 766 752 801 679 730 788 613 611 689 861 639 821 892
## [991] 638 650 675 847 727 877 743 842 648 811hist(cl)
basicStats(cl)## cl
## nobs 1000.000000
## NAs 0.000000
## Minimum 600.000000
## Maximum 900.000000
## 1. Quartile 674.750000
## 3. Quartile 828.000000
## Mean 751.458000
## Median 751.000000
## Sum 751458.000000
## SE Mean 2.790696
## LCL Mean 745.981702
## UCL Mean 756.934298
## Variance 7787.982218
## Stdev 88.249545
## Skewness -0.017373
## Kurtosis -1.231466Trung bình quán bán được khoảng 751 phần Cao Lầu trong 1 tháng với độ lệch chuẩn là 87 phần. Trong đó, số phần Cao lầu nhiều nhất quán bán được trong 1 tháng là khoảng 900 phần và ít nhất khoảng 600 phần.
4.3 Mô phỏng biến Bánh mỳ:
Số bánh mỳ Hội An bán được trong tháng có phân phối Poisson với tham số lambda=150
library(ggplot2)
bmy <- rpois(1000, lambda = 150)
bmy <- table(bmy)
bmy <- as.data.frame(bmy)
ggplot(bmy,aes(bmy, Freq)) + geom_col(fill= 'red') + geom_point() + geom_line(aes(as.integer(bmy), Freq), color ='green')
bmy <- rpois(1000, lambda = 150)
basicStats(bmy)## bmy
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 1.140000e+02
## Maximum 1.930000e+02
## 1. Quartile 1.410000e+02
## 3. Quartile 1.570000e+02
## Mean 1.492620e+02
## Median 1.490000e+02
## Sum 1.492620e+05
## SE Mean 3.961920e-01
## LCL Mean 1.484845e+02
## UCL Mean 1.500395e+02
## Variance 1.569683e+02
## Stdev 1.252870e+01
## Skewness 1.638270e-01
## Kurtosis 1.569360e-01Số bánh mỳ mà quán bán được trung bình trong 1 tháng khoảng 150 phần với độ lệch chuẩn là 12 chiếc. Trong đó, quán bán được nhiều nhất là khoảng 204 chiếc và bán được ít nhất khoảng 114 chiếc.
4.4 Mô phỏng biến Cơm hến:
Số phần Cơm Hến bán được trong một tháng có phân phối chuẩn với kỳ vọng Mu=150 và sigma^2=15
ch <- rnorm(1000, mean = 150, sd = 15)
ch <- round(rnorm(1000, mean = 150, sd = 15),0)
ch## [1] 143 151 150 141 144 142 121 143 144 167 121 158 141 152 129 144 139 135
## [19] 153 160 134 141 146 129 161 164 164 160 157 161 165 137 146 152 150 159
## [37] 173 121 154 131 144 131 134 137 168 152 147 161 121 136 162 150 131 170
## [55] 145 147 132 145 148 132 165 140 182 153 134 144 138 152 141 140 162 160
## [73] 152 136 163 130 133 143 163 150 167 143 132 167 151 149 154 135 163 138
## [91] 187 173 175 149 146 162 137 141 179 119 164 135 139 167 139 127 141 167
## [109] 145 146 150 133 152 154 162 163 146 119 150 147 112 155 162 149 135 138
## [127] 168 145 155 156 131 167 153 159 146 162 162 133 116 152 153 140 126 151
## [145] 155 135 122 177 172 152 166 173 144 137 123 195 134 163 164 140 133 151
## [163] 140 165 139 147 129 165 129 143 157 160 173 179 145 146 167 150 156 145
## [181] 147 179 150 146 131 147 148 155 152 151 142 142 155 114 153 141 157 169
## [199] 154 153 136 160 141 157 160 163 155 156 161 183 150 163 151 140 145 146
## [217] 163 164 153 151 175 131 147 147 133 138 136 145 160 132 144 150 144 164
## [235] 177 135 158 159 126 135 152 157 154 163 151 126 148 142 133 158 184 146
## [253] 183 142 140 154 166 146 146 163 143 156 146 149 160 147 183 155 169 131
## [271] 174 135 109 160 144 154 128 139 163 135 166 167 152 123 153 136 158 167
## [289] 141 126 141 148 153 129 146 138 138 161 151 143 167 175 142 162 186 159
## [307] 141 154 137 139 145 158 146 157 145 150 143 155 183 130 141 141 175 143
## [325] 161 129 147 159 154 167 123 146 194 170 128 153 175 175 178 135 139 168
## [343] 159 156 140 164 149 168 179 153 159 165 132 163 155 144 146 135 138 154
## [361] 147 173 110 147 158 186 197 150 131 142 152 146 171 143 171 139 145 131
## [379] 151 155 129 161 142 162 157 163 132 123 148 179 147 152 172 160 143 146
## [397] 144 145 156 147 153 150 154 148 131 163 148 134 175 146 136 157 190 175
## [415] 176 137 186 152 159 167 167 143 166 157 144 138 136 138 160 153 119 152
## [433] 139 171 140 125 175 158 148 136 159 156 138 158 154 154 151 146 156 140
## [451] 163 144 135 164 136 157 166 162 123 154 147 131 187 157 141 144 147 155
## [469] 145 185 153 146 127 122 132 137 168 113 141 166 141 151 140 140 142 179
## [487] 152 134 138 161 141 140 161 161 160 168 159 152 166 153 165 172 152 142
## [505] 150 165 159 143 168 127 140 139 172 170 152 151 139 157 138 151 180 168
## [523] 155 153 162 181 145 148 149 134 134 168 144 151 135 113 143 157 158 146
## [541] 155 160 171 154 154 148 156 139 132 169 140 140 160 161 156 169 142 127
## [559] 154 150 149 138 158 164 168 134 136 147 128 145 137 184 162 140 179 152
## [577] 159 151 169 119 165 149 165 150 127 153 149 140 169 149 166 152 162 150
## [595] 154 138 179 119 115 126 148 124 151 148 156 169 132 151 140 142 154 153
## [613] 137 160 141 155 141 157 147 167 147 119 131 151 162 145 133 150 161 144
## [631] 127 155 147 154 143 146 155 126 157 148 155 160 154 147 138 146 157 153
## [649] 160 157 144 163 116 142 151 144 169 126 132 124 126 132 141 138 145 146
## [667] 153 147 171 139 149 162 162 157 147 178 154 152 141 167 151 148 114 169
## [685] 164 146 141 143 149 117 159 165 155 163 172 113 153 160 132 192 161 157
## [703] 142 142 119 158 151 144 153 145 145 146 177 150 140 130 144 150 147 143
## [721] 134 170 185 149 168 135 163 166 132 147 151 169 139 135 168 123 171 129
## [739] 176 142 184 133 152 159 162 114 154 151 166 121 149 140 153 125 137 176
## [757] 150 168 153 161 170 145 159 150 162 146 163 137 162 173 173 167 153 155
## [775] 132 170 164 134 146 135 165 137 125 165 155 155 149 133 139 142 139 138
## [793] 199 156 140 156 166 157 145 175 124 170 150 148 152 138 123 147 131 120
## [811] 150 156 150 154 128 163 137 121 154 164 148 145 136 164 148 160 133 148
## [829] 140 168 141 138 153 163 126 175 144 158 160 170 159 164 148 152 149 152
## [847] 155 151 134 150 171 148 175 157 130 144 173 175 138 150 161 145 130 144
## [865] 140 154 159 143 153 167 144 195 162 138 163 126 166 152 150 139 167 158
## [883] 128 136 119 125 163 138 153 137 174 141 160 145 159 176 148 170 124 175
## [901] 155 140 152 133 160 149 161 169 143 130 137 155 151 141 142 146 146 166
## [919] 143 173 142 127 140 154 179 147 177 151 150 170 184 160 136 148 163 135
## [937] 182 179 144 155 170 143 157 139 156 145 169 138 137 152 133 158 129 151
## [955] 125 134 155 153 157 145 155 148 174 139 170 127 134 131 166 157 139 154
## [973] 137 155 149 149 151 164 142 169 123 176 137 171 149 131 147 134 167 157
## [991] 148 143 152 144 161 128 113 150 161 148hist(ch)
basicStats(ch)## ch
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 1.090000e+02
## Maximum 1.990000e+02
## 1. Quartile 1.400000e+02
## 3. Quartile 1.600000e+02
## Mean 1.502270e+02
## Median 1.500000e+02
## Sum 1.502270e+05
## SE Mean 4.754970e-01
## LCL Mean 1.492939e+02
## UCL Mean 1.511601e+02
## Variance 2.260976e+02
## Stdev 1.503654e+01
## Skewness 1.144050e-01
## Kurtosis 1.322200e-02Trung bình quán bán được khoảng 149 phần Cơm hến trong 1 tháng với độ lệch chuẩn là 14 phần. Trong đó, số phần Cơm hến nhiều nhất quán bán được trong 1 tháng là khoảng 197 phần và ít nhất khoảng 108 phần.
4.5 Mô phỏn biến Nước Mót:
Số ly Nước Mót bán được trong tháng có phân phối nhị thức với tham số n=6000 và xác suất bán được p=0.5 (trong 1 tháng chọn ngẫu nhiên 6000 người vô quán và trong 6000 người đó sẽ có khoảng 3000 người gọi Nước mót).
nuoc <- rbinom(1000, size = 6000, prob = 0.5)
nuoc## [1] 3016 3012 2990 2962 3064 2945 3047 3018 3000 3013 2991 3075 2929 2924
## [15] 3031 2975 3051 2978 2961 3023 3030 2972 2946 3016 3001 3029 3038 3062
## [29] 3030 2995 3020 3047 2988 3002 2958 3019 3028 2961 3020 3018 3081 3075
## [43] 2948 3042 3032 2948 2932 2928 3043 3024 2964 2967 2968 2960 2989 3035
## [57] 2961 3050 3025 3033 3003 2961 2994 2990 3008 3025 2951 3010 2954 2974
## [71] 3105 2933 2983 3033 3055 2994 2992 3011 3043 3048 2976 3015 3014 2997
## [85] 2934 3007 3027 2964 3001 2889 2968 2972 2934 2936 2956 2988 2982 2970
## [99] 3035 3001 2954 2999 2965 2954 2961 3006 2995 2998 2993 2995 3010 3012
## [113] 3032 2952 2987 3029 3052 2938 2981 3017 2962 2999 3002 3012 2974 3014
## [127] 2987 2968 3003 3002 3042 3005 2942 2986 3000 2971 3046 3006 2961 3060
## [141] 3009 3009 2973 2973 2973 3036 3045 2943 2972 3029 2976 3034 3005 2944
## [155] 3049 2979 2989 3040 3038 3024 2983 3003 2973 2995 2995 2991 2980 3026
## [169] 2947 3014 3042 3070 3049 3005 2993 3038 2928 2980 3013 2944 2956 2916
## [183] 2951 3021 2980 3091 3013 3040 2961 3036 3029 2975 2997 2994 2950 3021
## [197] 2980 2986 3036 2949 3065 3035 3008 2955 2999 2942 2956 2990 3039 3037
## [211] 2989 3000 3053 3021 3033 3000 2982 2963 2985 2992 2999 2930 2982 3025
## [225] 2936 2994 2938 2992 2998 3020 3029 3051 3008 2953 3030 2995 2953 2924
## [239] 2998 3052 2961 2997 3053 2959 2957 3039 3066 2967 2956 2970 2952 3038
## [253] 2989 3000 2947 2995 3019 2988 2976 3016 3005 3028 2963 3025 2980 3086
## [267] 3106 2981 2956 2952 2985 2994 3029 3037 2979 3066 3044 3028 3046 2957
## [281] 2932 3025 2998 2963 3020 3006 2986 3060 3014 2990 2978 2972 3034 2987
## [295] 3015 3058 2903 2955 2948 3034 2963 2976 3015 3034 3016 2987 2943 3012
## [309] 3056 2954 3010 2945 3024 3070 3024 3046 2999 2906 2998 3050 2945 2980
## [323] 3025 3049 2961 3013 2944 3094 2965 3019 3038 3020 2997 2987 3011 3019
## [337] 2958 2978 2962 3032 2988 3044 2984 3019 2910 3008 3020 3035 2959 2993
## [351] 3021 2981 3066 3028 3027 2971 2960 3097 2932 2984 3008 3029 3007 2962
## [365] 3025 3034 2969 3017 2964 3037 3032 3002 2957 2998 2992 2947 2930 3045
## [379] 2968 2980 3010 2966 3038 3006 3025 3000 3054 2921 2996 3026 2989 3014
## [393] 2978 2960 3024 2962 2950 3028 3036 2991 3006 3068 2981 2996 3018 2969
## [407] 2969 2986 2978 2946 2957 2954 2958 2983 3043 2952 3038 3030 3016 2922
## [421] 2977 2979 3010 3010 3004 3000 2933 3001 2953 2950 2999 3070 2999 2976
## [435] 3017 3071 3009 3035 3041 3040 3062 2981 3013 2983 3000 3046 2989 3008
## [449] 2972 3038 3047 2967 2945 2998 3027 3010 2974 3018 3023 3006 3004 3024
## [463] 3083 3077 2984 2940 2923 2972 2990 2956 2967 2995 3003 3012 2990 2939
## [477] 2990 3134 3025 2996 2962 2965 2998 3030 2995 3015 2977 2969 2978 2998
## [491] 2986 2950 2981 3088 3032 3016 3025 2961 2965 2971 3033 3111 3009 2981
## [505] 3027 3011 3020 3007 2985 2974 3037 3018 2965 2968 2946 2971 3014 2948
## [519] 2988 2988 3074 2982 3002 2973 3024 3004 3017 2974 2989 3032 3011 3047
## [533] 3064 2991 2978 3050 3012 3024 2958 2924 3010 2960 3023 3032 3060 2918
## [547] 2934 3012 3041 3006 2971 3000 3054 3018 2956 3004 2963 3046 3056 3059
## [561] 2972 3015 3024 3030 2990 3008 2943 2964 2993 3017 2998 3058 3013 3030
## [575] 3028 2951 3004 3032 2990 2923 3036 3053 2959 2981 3016 2915 3017 2959
## [589] 2977 3019 3016 2968 3026 2960 2995 2968 3006 3028 3026 2992 3081 3013
## [603] 3050 3037 3040 3008 2983 2984 3026 2969 3031 3039 3028 2974 2991 3023
## [617] 2985 3045 3047 2974 3033 2991 2925 2999 3033 3053 2956 3003 3015 2956
## [631] 3013 2967 3028 3015 2920 2984 3008 2982 2974 3007 3038 3002 2987 3042
## [645] 3009 2969 3016 2980 3053 3050 3041 3017 2995 2916 3040 3009 3028 2997
## [659] 3020 3068 3062 2954 3047 3021 2957 3022 2980 3052 2999 2931 2960 3024
## [673] 3070 2996 2931 3020 2907 2983 3052 3063 3020 3029 3040 3010 3128 3047
## [687] 2938 3007 2995 2908 3033 2977 3021 2964 3077 2989 3025 2991 3014 3008
## [701] 3002 3072 2956 2963 3027 2998 2987 2995 2952 2991 3015 3025 3028 2907
## [715] 3042 2984 3072 2977 3033 3027 3056 2990 3022 2940 3020 2975 2939 2997
## [729] 3006 2996 3048 2973 2936 2991 3008 2937 3064 2930 2994 3034 3000 3154
## [743] 3013 3003 3005 2973 3020 3064 2904 2957 3028 2982 2987 3113 2998 3011
## [757] 3040 3024 2962 2996 2953 2947 3007 3020 2957 2978 3009 2948 2963 3040
## [771] 3005 3059 3043 2980 2951 2999 3013 2970 3011 2960 2963 2994 3030 2964
## [785] 3089 3004 2997 3002 2955 2936 3018 2943 2944 2927 2958 2980 2995 3048
## [799] 3043 2977 3011 2973 3054 3043 3043 3085 3009 2933 2985 2943 2964 2971
## [813] 3038 2986 3016 3014 2963 2994 3114 3028 2938 2983 2970 3018 3014 2998
## [827] 3065 2989 2964 3091 2965 3106 2966 2980 2926 2988 3030 3043 3010 3024
## [841] 3032 2949 3001 3002 2967 2973 3023 3008 2978 2984 3020 2904 2938 2938
## [855] 2948 2939 3015 2970 2942 2995 2908 3032 3043 3032 3014 2965 3030 3013
## [869] 2966 2962 2973 3041 2945 2974 2927 3012 3047 2971 2994 3019 2977 3014
## [883] 3021 2960 3046 3037 2981 3046 2979 2985 2951 3132 2978 3017 3041 3012
## [897] 3011 3052 3006 2960 2939 2981 2984 3023 2976 3026 2946 3010 2988 3008
## [911] 3057 3002 2956 2985 2970 3060 3002 3045 2942 2932 2970 2972 2947 3012
## [925] 2914 3011 2959 3005 2983 2961 2951 2997 2985 3034 2997 3020 3068 2990
## [939] 2943 2965 2961 3005 2992 2951 3035 3005 2934 2957 2990 3039 3016 3031
## [953] 3050 3051 3045 3046 3023 3071 3010 2941 2980 2961 2999 2965 3023 3029
## [967] 3042 2954 2984 2991 3019 2981 3009 3036 3009 2984 3013 3041 3005 3023
## [981] 3022 2976 2967 2952 3011 2980 2972 2989 2967 3057 3055 2944 3020 3014
## [995] 3038 2909 2986 3065 2953 2984hist(nuoc)
basicStats(nuoc)## nuoc
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 2.889000e+03
## Maximum 3.154000e+03
## 1. Quartile 2.970750e+03
## 3. Quartile 3.026000e+03
## Mean 2.999062e+03
## Median 2.999000e+03
## Sum 2.999062e+06
## SE Mean 1.240990e+00
## LCL Mean 2.996627e+03
## UCL Mean 3.001497e+03
## Variance 1.540056e+03
## Stdev 3.924355e+01
## Skewness 1.638340e-01
## Kurtosis 1.229240e-01Số ly Nước mót mà quán bán được trung bình trong 1 tháng cho 6000 khách khoảng 2999 ly với độ lệch chuẩn là 38 ly. Trong đó, quán bán được nhiều nhất là khoảng 3124 ly và bán được ít nhất khoảng 2873 ly.
4.6 Mô phỏng biến tuổi thọ:
Tuổi thọ của bếp điện có phân phối mũ với tuổi thọ trung bình 6 năm nên phân phối mũ với tham số lambda=1/6.
tt <- rexp(1000, rate = 1/6)
tt## [1] 7.798103230 3.341922663 1.847178689 18.553999742 2.428882338
## [6] 8.942425355 0.448992072 2.460461612 4.092988847 5.153248351
## [11] 0.819411431 19.315205499 2.482219395 8.498235634 1.543787344
## [16] 7.674091223 6.793171148 3.186624689 15.093493569 2.554438571
## [21] 11.708624090 1.947052086 5.324610357 14.039130549 5.871551681
## [26] 0.023704835 8.296903850 11.284985851 8.049707466 1.374431304
## [31] 0.441924999 0.695317033 11.559413295 7.770012730 4.540206285
## [36] 5.809336621 1.799151451 5.783950113 4.004936929 3.938089474
## [41] 26.811523369 0.708304295 2.823912639 19.289079531 1.184181495
## [46] 4.695919459 12.043519802 3.773733459 17.515165868 0.295725158
## [51] 0.673689592 4.261419009 8.070143714 15.196460751 6.130658632
## [56] 8.796438697 4.696994744 5.108492184 2.117981416 4.907619461
## [61] 3.615435141 4.354595068 22.703538579 0.639535977 7.100795595
## [66] 15.958271082 5.072497124 5.230078610 1.793790808 16.987355321
## [71] 12.716983180 2.110970490 4.116691626 15.699671622 0.187523187
## [76] 10.262025207 8.448779895 1.562601012 1.423119980 1.269673669
## [81] 1.040997058 10.207880564 4.192435512 10.427963789 9.533940095
## [86] 4.515730421 6.589918557 1.612837677 4.765445094 1.188689271
## [91] 8.920006647 0.465994479 2.248102608 5.673116617 7.799513452
## [96] 8.637026142 3.965380230 3.928549550 1.908786915 4.385004069
## [101] 11.995306927 1.265107568 6.016264116 12.622487410 18.069856479
## [106] 0.053424125 7.330730416 0.642772199 1.395641205 1.597142458
## [111] 2.496559956 16.564927439 7.113023976 3.342798620 16.562905009
## [116] 0.469912625 1.255622886 6.439528020 2.949265522 2.435694998
## [121] 5.402890820 0.118123334 1.266972988 0.445865348 1.901105678
## [126] 1.786756217 5.153645804 1.801659389 1.132792572 3.965520845
## [131] 0.859664126 8.600730267 15.693689223 1.264752854 4.962349249
## [136] 1.548738753 8.983384843 8.485426115 3.401651775 0.464935253
## [141] 19.185032620 4.827220704 0.331004578 1.309923076 0.007615576
## [146] 4.624341342 21.789315763 3.914134710 8.026432151 2.550428747
## [151] 3.999901028 15.787331957 15.104529099 8.870159540 8.712219603
## [156] 2.442692565 30.501140991 4.316709364 6.139294037 4.139497270
## [161] 9.137336029 2.327759991 3.631048121 1.806493266 5.798727274
## [166] 0.344876232 4.105523645 19.285602136 18.739949270 6.931984607
## [171] 0.299437668 3.206713303 12.720418640 20.042711913 1.531266826
## [176] 1.938339820 0.973017052 7.665882138 0.897247547 11.700813689
## [181] 4.347217468 2.024446922 0.057622024 11.862797230 4.909604078
## [186] 8.897735420 4.062179136 11.068115238 1.692703019 0.450739780
## [191] 43.139797096 8.967963091 4.623407883 2.172224829 2.998101345
## [196] 4.124880315 1.863964213 5.415548606 0.993200666 9.496523916
## [201] 6.118160823 2.854330768 9.608702849 4.108776181 7.612331439
## [206] 9.121455777 0.285318933 15.665073584 5.899461217 0.024684269
## [211] 0.273493100 5.410030027 4.646593171 6.346779585 2.160674840
## [216] 0.986365546 0.367488901 9.087545042 0.430264209 5.311241334
## [221] 0.824405559 10.561315275 7.499110736 1.565586098 3.472158062
## [226] 8.551581948 1.978092612 23.828014828 0.377460410 2.915913309
## [231] 17.115581100 5.980132067 0.917971617 35.180041933 8.933067781
## [236] 1.208156886 15.565151702 6.638213441 4.689557751 3.865704071
## [241] 10.752667863 13.361336957 2.191882442 0.964934070 4.216833433
## [246] 1.503356789 0.914982310 1.124607878 5.812134149 5.163542930
## [251] 5.782274436 2.900205117 1.594195110 5.447148246 15.784271735
## [256] 7.927834455 9.548815088 15.039224277 10.338023744 11.145202986
## [261] 15.634131832 5.064818730 1.498910534 0.909801079 3.509165542
## [266] 13.852237940 3.644856228 2.897692440 6.388765393 6.058791993
## [271] 6.210411724 1.183765149 3.498192871 1.638029639 14.600889478
## [276] 3.866483121 13.495064580 0.673187653 4.540936634 10.205115068
## [281] 4.967557070 5.534462610 6.675591303 4.847513415 9.813430721
## [286] 0.066491745 0.498497229 0.236977888 11.695244371 15.005819421
## [291] 3.710798968 18.509450604 2.709590900 9.114734552 0.817251732
## [296] 3.019272462 19.682908638 34.946430353 4.288371978 3.998526955
## [301] 3.461954344 7.149984386 0.832518861 4.396584962 0.132585810
## [306] 1.778703835 3.354646174 1.119947498 5.350614454 4.263722632
## [311] 8.007506688 5.877667201 1.916614557 4.057642615 4.811904894
## [316] 5.438731111 3.074721954 4.691074446 7.261324877 11.701717581
## [321] 2.139052964 1.855791835 2.639406256 0.029130561 21.088507183
## [326] 3.324775374 0.655716796 0.908976453 12.600002679 1.873370235
## [331] 2.766238723 11.200347274 3.033422931 7.968659185 0.514967929
## [336] 0.810735636 3.807417381 14.306462254 2.904128135 0.462880346
## [341] 0.155643289 2.934596792 8.752357266 3.452173635 2.947954609
## [346] 0.199786367 3.484635391 3.197775096 2.856768077 5.146372765
## [351] 2.903361163 1.288812708 0.880282570 2.626880642 1.507452928
## [356] 24.385901603 11.876530252 3.991471387 0.482742137 0.720205399
## [361] 3.940556930 6.548488486 2.252810662 0.178491455 2.078137502
## [366] 5.466896770 2.929326748 2.852889106 7.193494431 1.033111026
## [371] 7.238491304 4.009738709 4.963354245 1.344422523 8.171469910
## [376] 2.817744523 19.801001071 13.237620355 0.849084609 6.347844098
## [381] 11.164526181 1.177555273 5.025939513 0.395033703 8.912640041
## [386] 11.924129113 7.487216578 13.198245864 3.644692194 0.912390780
## [391] 0.964604331 4.502946652 3.764885710 2.862097034 5.834066676
## [396] 0.668875253 0.821528186 15.407644148 14.913804877 5.267395293
## [401] 5.413437440 3.768195324 0.370913448 5.396567641 0.451933575
## [406] 3.804414603 0.982058568 4.662751117 0.355661684 9.978554995
## [411] 9.871841153 2.535274822 0.020935119 2.581759047 1.718176857
## [416] 4.199342524 3.049340682 3.147810294 1.402077936 28.042149892
## [421] 0.274382523 0.472784413 2.542971184 6.918198533 1.585971097
## [426] 3.392135921 7.830751843 5.167617710 0.260964872 1.946334252
## [431] 2.136817452 6.795333149 9.980730894 1.421784600 1.955843238
## [436] 2.487633917 9.896724862 3.286351095 0.155475805 4.476102590
## [441] 4.027750667 18.794057517 18.724204033 2.109790554 6.866225861
## [446] 0.531795140 2.935017206 1.447727787 3.842984878 2.222307033
## [451] 4.600724458 3.738053768 2.234330524 0.888880148 6.539881377
## [456] 1.998994706 0.349289359 14.311842675 0.386255345 9.027261435
## [461] 7.609608510 7.718338424 0.512787757 3.092466270 8.883410733
## [466] 13.196555158 0.073572404 0.856034347 6.233952087 1.481353165
## [471] 0.440991869 1.818574238 0.852631104 3.497958477 0.131081061
## [476] 4.765732236 17.945811375 1.249282457 4.819367983 5.018275536
## [481] 0.177208317 9.087713785 2.021843599 3.221514540 6.015147703
## [486] 3.362438433 2.295468341 4.451625850 3.658876682 7.368143454
## [491] 5.188650344 7.979196908 6.252559237 3.803749465 13.844699876
## [496] 1.570034127 0.919356501 5.420182837 5.935834872 2.774748920
## [501] 3.983331705 2.438411482 23.534248742 4.089823977 0.112911777
## [506] 20.687231629 6.469794508 26.577882256 0.513516432 9.274254128
## [511] 15.989575545 1.603017979 1.257364648 8.027293889 2.068944150
## [516] 7.583353915 14.428130674 3.781849581 6.143424740 0.076188080
## [521] 1.108953136 0.594534338 7.616348080 10.058504257 3.810620815
## [526] 2.675035288 11.456715222 4.124722500 5.025798870 2.375803313
## [531] 0.449742632 5.301758848 10.505036249 0.723486336 10.269494108
## [536] 1.947061613 9.458866372 4.315386619 11.743120215 9.495658669
## [541] 2.213759928 2.476121127 5.360342474 7.916525027 10.471548124
## [546] 0.552172515 0.531205930 1.235511340 19.929834320 3.400857512
## [551] 4.912132527 0.787112754 11.384656604 4.460194593 8.841641997
## [556] 7.519116550 0.217206862 8.929205078 1.413637829 2.738773531
## [561] 0.836383704 0.719513722 6.501536362 0.618737214 0.696878234
## [566] 5.983707341 10.238525994 0.469140950 3.500322715 6.315170376
## [571] 2.702493821 11.760144509 0.503722238 4.499428545 9.772004306
## [576] 1.251518338 5.891574176 4.218678357 0.269741523 8.292637707
## [581] 2.963672312 0.449506774 0.648665768 8.687804002 6.405075224
## [586] 3.089151054 0.954856829 25.419209478 0.025045282 0.590104113
## [591] 9.878261731 2.669778342 4.609387409 1.709554078 12.787252458
## [596] 16.363410483 23.270898134 3.703156496 4.288058979 20.405981316
## [601] 1.598920589 11.842619229 8.578210864 1.667084858 1.968713480
## [606] 5.913887165 3.964482976 5.038761601 21.184122148 2.045405117
## [611] 0.617760094 10.625661872 0.057707794 13.329103912 12.998943451
## [616] 9.376937700 4.236459682 6.639204221 12.103867415 3.213997473
## [621] 5.776306788 1.096895465 3.844476518 3.968118774 0.420225205
## [626] 1.071475103 12.986657838 0.803563991 2.464602230 1.152631304
## [631] 12.142056930 4.068638806 1.535174942 3.741177142 6.301417596
## [636] 2.672870591 9.764125077 11.533475294 2.206869636 2.415703587
## [641] 0.535783851 13.254047613 2.549163393 3.184207278 0.900125133
## [646] 10.265604749 1.764137456 1.650046379 6.068238543 11.520549248
## [651] 17.546323567 10.417210221 0.127370365 18.717518805 4.658013442
## [656] 13.522545989 9.174668848 1.539119870 4.625449250 2.192892398
## [661] 8.015857441 9.184243261 0.970938055 15.073535006 0.744035923
## [666] 0.941755450 1.105404996 12.339012801 5.206743322 0.623595187
## [671] 14.000379245 4.960621370 1.652608011 5.872437000 2.713517806
## [676] 0.085452659 0.906597812 0.363664540 5.009812993 3.662695519
## [681] 9.604137663 3.804171151 10.151992399 7.733975541 5.205902578
## [686] 7.828534176 1.239612075 4.370678516 7.005026540 0.577387042
## [691] 2.764242076 12.739979054 0.256892622 0.727799109 1.068248849
## [696] 13.527487691 1.196891762 1.258633048 10.828697785 0.007715193
## [701] 8.655686896 2.912594902 7.942037048 4.530567240 0.332797280
## [706] 7.010399636 0.369283715 2.052459206 1.147459511 27.399981796
## [711] 11.780997611 0.816115053 6.267309306 5.343909094 7.196281599
## [716] 23.263733479 8.937045654 1.241005797 4.043005474 1.355647822
## [721] 0.921127553 5.098968381 3.653959868 0.566449892 1.087824253
## [726] 12.522562566 2.594841873 2.084850344 4.268611550 7.009961871
## [731] 2.129971816 8.502408937 23.659487786 7.948286444 0.246562921
## [736] 3.414674224 11.850201196 17.007752760 6.391365062 4.373899145
## [741] 11.072937492 4.552883237 0.897229959 6.489982126 17.620784058
## [746] 1.390023736 2.601043434 5.297886092 3.906679094 5.892450934
## [751] 0.481765481 1.370682743 1.106830794 6.053418288 2.844588228
## [756] 1.498341589 8.537709914 3.274692080 14.069431531 9.802963525
## [761] 3.943774575 2.223116577 15.356950063 0.732085759 3.084257640
## [766] 5.573662648 5.623457964 17.191406741 1.218642189 3.746763806
## [771] 0.796934335 1.883955007 12.408390708 4.305634205 13.050793815
## [776] 0.300723892 6.988861035 6.757583658 8.519907248 0.594926080
## [781] 4.168725537 1.383594087 10.245637446 4.278259473 1.154093398
## [786] 9.595969844 18.066330804 0.547154722 11.161203069 1.295506124
## [791] 8.595915846 15.604980770 1.466733629 6.407886347 3.800724115
## [796] 0.446014809 14.200525632 7.237631723 3.180316519 1.586883615
## [801] 1.996907255 0.185309523 4.562081711 0.218289654 2.965583562
## [806] 3.276133993 0.497383607 5.272979770 13.387907921 11.349129796
## [811] 11.296320106 26.495041361 9.916860569 3.227208076 4.549564961
## [816] 1.411257748 13.901897649 6.497110521 0.972438002 8.912785593
## [821] 0.419413271 3.020209154 4.612394224 9.505479868 2.853522040
## [826] 7.357301060 1.098269152 3.444946406 6.519336501 3.251166274
## [831] 1.328200243 2.248618704 2.115853457 3.403804472 18.637035056
## [836] 7.798346836 11.561028946 2.845005303 6.201543839 12.661784056
## [841] 18.012694160 6.934045957 0.598283572 1.250840471 2.290704547
## [846] 2.518369474 3.260715083 1.270986004 9.974025215 0.432364034
## [851] 1.274731353 4.829975769 2.039731211 27.783269657 4.120049117
## [856] 1.845285669 7.042778240 7.258624603 7.383727479 3.104004482
## [861] 8.314480511 0.620088290 4.828515351 3.742762914 1.368826131
## [866] 34.896010480 8.122186655 6.469577132 12.196887608 7.158239903
## [871] 11.252274893 11.710431095 15.974041845 1.810671514 4.583178324
## [876] 7.559231646 4.891728379 6.072688205 6.466686766 7.228912582
## [881] 21.615316036 7.668735025 17.658845882 17.504950269 2.723211072
## [886] 33.568932203 0.142287718 1.394728892 12.124252103 24.135477270
## [891] 7.940214380 2.666848205 6.266158774 5.137857131 2.934335271
## [896] 9.058666817 1.046727693 0.957452182 15.361418064 2.408654275
## [901] 5.437960574 2.230372855 0.177854209 9.181136276 1.966254121
## [906] 3.046661850 4.400308631 9.894856378 3.026498612 2.657669028
## [911] 18.105602502 1.147404718 22.141817930 2.510437581 1.433042111
## [916] 2.612972718 2.091971730 0.745395284 6.581788235 6.170699196
## [921] 14.395663249 8.999335252 3.653263313 7.059473941 3.098961049
## [926] 9.908974338 7.136227464 8.474555868 1.987617837 5.997612795
## [931] 2.858199628 10.068839807 18.040677038 0.091229347 8.132501157
## [936] 5.154236644 6.796236490 0.402393074 2.031367253 1.551826943
## [941] 0.347105730 6.652315791 4.711151445 10.053748682 2.261248173
## [946] 5.347515133 2.586652374 0.022097630 16.132829133 5.435075428
## [951] 2.763856226 22.516790124 5.602862136 2.668320478 7.275226453
## [956] 0.846646302 6.492890842 2.672508893 0.974108024 1.928702440
## [961] 1.040099242 9.777728933 1.173397856 1.416727412 7.649893893
## [966] 0.765984450 21.435776475 0.626743864 0.582253537 14.656416635
## [971] 12.187724612 0.251476868 0.755996545 1.176061847 14.239110939
## [976] 0.416529834 1.191868657 1.380722785 11.607715945 2.743961723
## [981] 0.430036673 7.002727957 1.606566579 8.434598685 5.313702805
## [986] 20.694498404 13.421953410 8.125218311 5.828279469 6.320149725
## [991] 1.839846181 1.662548854 0.658216643 2.727504116 20.554887413
## [996] 2.320028130 6.106231215 4.545111391 5.442367187 7.301222009hist(tt)
basicStats(tt)## tt
## nobs 1000.000000
## NAs 0.000000
## Minimum 0.007616
## Maximum 43.139797
## 1. Quartile 1.598476
## 3. Quartile 8.301298
## Mean 5.934254
## Median 4.132189
## Sum 5934.254156
## SE Mean 0.185898
## LCL Mean 5.569458
## UCL Mean 6.299050
## Variance 34.558160
## Stdev 5.878619
## Skewness 1.852522
## Kurtosis 4.657273Tuổi thọ trung bình bếp điện nấu cuả quán là khoảng 6 năm với độ lệch chuẩn là 6,4 năm . Trong đó tuổi thọ ngắn nhất của bếp điện là khoảng 0 năm và dài nhất khoảng 43 năm.