MPNN
Nguyễn Phương Nhung
2023-07-09
1 Tuần 5: Mô phỏng Tổng giá trị danh mục đầu tư
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 ...1.1 Mô phỏng ngẫu nhiên các biến đầu vào
Mô phỏng ngẫu nhiên biến ACB
n <- 121
ACB <- rnorm(n, mean = 24157, sd = 1269.64) ; ACB## [1] 26640.49 23924.21 24847.75 24667.14 25447.20 24947.56 24942.51 24416.84
## [9] 25886.42 26537.47 21489.82 24153.57 25436.83 23496.91 22924.36 24928.70
## [17] 23336.23 22614.39 23631.92 22943.83 24364.40 24238.94 23623.49 23533.96
## [25] 23714.37 24223.05 24182.23 26357.84 23127.15 23385.17 23746.05 22843.80
## [33] 24228.47 21774.12 23287.50 24951.83 24124.60 24639.31 22796.43 23549.27
## [41] 24064.42 22442.14 24843.19 23437.26 25597.22 22598.35 24253.26 23541.86
## [49] 21615.14 23714.30 24137.92 24959.66 24292.23 22362.15 25203.94 24313.86
## [57] 24089.30 24425.93 25065.68 23787.61 23591.09 24818.01 24704.19 25495.21
## [65] 23539.66 25117.65 24201.27 23050.96 23684.20 25162.65 24450.72 23181.01
## [73] 24567.13 25806.07 23623.77 25008.75 24880.84 26449.50 23480.79 26584.01
## [81] 24362.26 24192.72 21274.08 23699.37 24799.20 24850.18 23540.64 24082.52
## [89] 23275.30 26396.01 25800.69 24439.27 25220.46 25415.89 21540.98 23026.06
## [97] 23335.73 26041.24 23934.69 23216.40 23843.85 23748.47 25957.98 25976.38
## [105] 23268.86 22633.87 22203.96 24265.80 24405.39 25601.11 23231.90 24937.97
## [113] 24071.76 23965.81 24195.41 22727.08 24079.85 23474.67 22270.46 26302.02
## [121] 23623.19Mô phỏng ngẫu nhiên biến FPT
n <- 121
FPT <- rnorm(n, mean = 81295, sd = 2358.737) ; FPT## [1] 78262.37 82996.17 82211.50 83358.26 83901.46 79392.89 77880.06 77208.47
## [9] 82027.79 82839.02 83401.39 83358.62 81114.79 78603.93 82327.51 79998.92
## [17] 84466.26 79908.79 80972.42 80510.70 77437.66 79920.39 85966.09 79363.95
## [25] 80730.17 84135.74 80222.69 84834.76 81660.35 79772.86 81026.40 85591.28
## [33] 80714.70 81482.57 78680.21 80640.84 82263.05 79321.30 79668.47 80684.15
## [41] 85728.99 79238.33 82222.96 79999.00 78303.29 87696.59 76452.16 81880.26
## [49] 80644.63 78661.07 79028.80 80715.71 84760.13 78837.91 80829.11 79836.73
## [57] 79768.74 80219.06 83078.42 82035.82 80434.72 81581.62 78466.84 79127.27
## [65] 80772.69 78748.44 83949.04 80279.19 80337.44 77621.49 83235.13 80090.39
## [73] 75103.39 80329.02 82281.80 82176.32 85100.33 78736.40 78535.06 83782.05
## [81] 86829.21 83534.58 76343.89 85608.61 86402.74 83308.28 80096.44 83854.75
## [89] 76826.55 84091.76 80702.00 80060.25 82255.66 78156.68 79402.45 84072.70
## [97] 82167.66 80972.84 83721.33 80328.59 83181.24 80204.22 81482.62 81848.49
## [105] 80211.97 81346.38 83437.27 79038.30 85732.61 86741.63 80216.43 84356.26
## [113] 79676.08 84359.23 79044.54 78380.34 79303.88 80435.72 78169.51 77641.03
## [121] 82888.44Mô phỏng ngẫu nhiên biến GVR
n <- 121
GVR <- rnorm(n, mean = 15974, sd = 1561.824) ; GVR## [1] 15416.33 18032.03 15254.43 18759.85 12714.83 18055.70 16696.24 17704.25
## [9] 14019.63 18303.80 15288.77 15547.83 18168.67 14445.63 16726.54 14214.79
## [17] 15277.83 15235.63 16347.68 16176.88 14359.89 15332.96 15570.29 13850.02
## [25] 15378.54 17747.19 18784.19 17559.95 15789.76 17567.13 18054.76 17800.15
## [33] 16923.32 15038.96 17460.14 16628.71 15327.14 18256.56 13658.23 18804.36
## [41] 14830.61 16186.78 15346.62 15327.85 17549.71 17164.77 14747.12 17552.86
## [49] 13331.12 19040.22 16374.23 18608.59 16897.24 20114.38 18894.50 17370.40
## [57] 16295.99 15376.99 15732.61 14046.71 15794.77 17137.23 14627.64 14684.01
## [65] 18858.81 16589.08 15209.35 14563.15 13663.41 19671.22 13847.53 14898.88
## [73] 15390.32 15121.93 13424.76 18259.11 17080.12 17665.86 14047.53 14633.48
## [81] 16778.01 17214.39 16872.97 16320.99 16245.38 17078.77 16831.72 16352.09
## [89] 14687.62 16765.09 13652.89 13519.16 17516.17 11262.02 16397.87 15276.69
## [97] 17361.48 14764.45 15640.18 13613.41 18604.21 16374.48 15700.01 13468.06
## [105] 13664.68 17397.93 14329.63 15639.27 17462.82 15845.13 16063.69 18852.24
## [113] 16727.43 16016.31 15833.04 15426.41 15793.91 17176.75 16373.79 13922.40
## [121] 18642.60Mô phỏng ngẫu nhiên biến NVL
n <- 121
NVL <- rnorm(n, mean = 13307, sd = 1373.665) ; NVL## [1] 13774.009 13002.774 13961.207 14748.434 12594.294 14451.376 15133.918
## [8] 14620.687 14190.099 11779.884 12941.070 12782.285 12133.472 12071.934
## [15] 13204.389 13063.236 13734.225 12481.170 13908.337 14498.859 10756.452
## [22] 12031.867 14148.367 14888.451 13873.800 13071.374 11367.220 12204.458
## [29] 12780.688 13049.612 13509.179 13890.584 14276.674 13817.716 12060.770
## [36] 10471.149 14394.126 14280.060 10996.123 15827.910 14057.003 15380.733
## [43] 14852.888 12930.795 11949.442 9932.827 14204.893 12074.138 15028.545
## [50] 10872.127 14465.781 12822.723 13908.426 13464.627 14401.656 14751.320
## [57] 15133.382 12960.901 12204.576 15398.227 13232.430 14637.971 16027.910
## [64] 12438.272 11252.548 11966.546 9457.380 15859.803 13093.808 13685.745
## [71] 14049.135 14469.672 12803.580 12581.072 12359.596 12711.968 14839.715
## [78] 15108.440 12239.727 13092.526 12393.098 14216.588 9184.027 13345.959
## [85] 13865.052 13184.064 11638.081 11736.208 15484.092 15121.766 13755.031
## [92] 13373.089 15899.316 15874.343 13019.630 14828.600 13730.889 13361.760
## [99] 12221.737 14069.940 11886.680 15019.822 15004.275 13807.992 12960.927
## [106] 14001.210 13015.301 14585.934 14312.699 16486.979 12865.321 14514.288
## [113] 12236.508 12323.904 13750.696 14437.723 13195.139 13268.217 12235.989
## [120] 13302.561 13862.073Mô phỏng ngẫu nhiên biến SSI
n <- 121
SSI <- rnorm(n, mean = 21584, sd = 2275.744) ; SSI## [1] 23961.70 21375.86 21631.47 23113.62 22212.90 20518.97 19866.25 24213.04
## [9] 20832.12 20729.66 24341.42 19883.73 17198.86 20690.05 23732.61 20821.87
## [17] 20463.47 23688.47 21779.24 21218.14 21302.93 21999.31 16247.06 19422.97
## [25] 21587.28 23725.06 22568.95 22399.20 18992.65 18906.99 25505.05 22219.63
## [33] 20551.42 19043.30 20594.72 22036.00 23199.61 21851.98 24042.68 23192.26
## [41] 17756.55 19191.48 21756.60 19918.44 23963.70 19464.32 20427.45 23078.13
## [49] 21995.34 25015.61 27635.28 22542.46 21743.29 20977.12 18384.48 23686.52
## [57] 18063.03 25881.91 20028.34 20887.04 23420.41 23890.74 13803.97 21043.55
## [65] 24497.45 19824.37 19229.34 25963.54 20391.05 18394.82 22909.03 25222.18
## [73] 19547.41 21315.54 18002.22 21953.08 18067.58 15530.30 23557.36 20910.89
## [81] 21822.80 19075.06 22427.44 21088.45 17716.68 22041.39 24904.64 20881.66
## [89] 21461.72 16821.82 21661.13 24926.40 18362.23 24731.48 19208.57 20870.39
## [97] 20943.91 21028.31 22733.91 20761.49 20688.20 17909.04 21569.34 24113.82
## [105] 19581.03 20791.95 21297.40 22770.55 18807.03 21495.97 21594.34 22439.48
## [113] 22409.98 17414.26 23938.54 19062.47 19853.07 21713.32 24281.88 26571.42
## [121] 21678.80Mô phỏng ngẫu nhiên biến VNM
n <- 121
VNM <- rnorm(n, mean = 73100, sd = 4505.238) ; VNM## [1] 74998.05 63523.17 72071.91 79883.71 79523.93 68086.09 74861.72 72305.72
## [9] 68435.05 74750.58 73605.13 76784.48 75885.57 74077.79 63175.50 85601.71
## [17] 71200.74 78193.97 66529.67 72086.62 69196.28 65883.95 76922.46 71773.95
## [25] 76540.49 68465.26 74526.78 85215.72 73838.65 70653.33 69683.03 69547.47
## [33] 77140.95 78911.15 69427.88 73832.80 79340.16 73063.82 70778.50 70824.80
## [41] 71475.29 66965.48 66974.40 71652.39 75004.21 76826.70 70538.47 74209.36
## [49] 70855.13 69354.43 80900.33 77581.33 69287.78 72504.60 74735.82 69883.52
## [57] 74007.34 71927.69 79376.42 69570.81 69186.12 65220.11 76850.38 75700.68
## [65] 72118.48 76766.22 80313.76 66358.94 71171.70 75115.74 80325.94 63813.28
## [73] 65295.20 71406.61 77256.73 73963.38 78858.76 83083.58 73066.77 67569.65
## [81] 82601.07 68547.95 67440.26 69222.05 77061.90 85630.60 77970.88 74688.88
## [89] 73930.40 75313.63 72046.95 71219.84 81115.77 72198.59 68446.72 76551.42
## [97] 61823.46 73654.41 69775.26 73449.15 78962.37 81955.86 73851.10 74374.09
## [105] 74185.98 72643.53 76898.75 78570.07 74490.39 73154.96 67183.62 75402.08
## [113] 77067.66 76247.27 78886.23 71833.33 71370.73 70976.13 72968.72 72771.08
## [121] 72538.041.2 Tính giá trị ban đầu của Tổng danh mục đầu tư
TGTDMĐT <- 1000*ACB + 1000*FPT + 1000*GVR + 1000*NVL + 1000*SSI + 1000*VNMBiểu đồ histogram:
hist(TGTDMĐT)
Ta có:
giá đóng cửa của cổ phiếu ACB vào ngày 30/6/2023 là 22050 VNĐ
giá đóng cửa của cổ phiếu FPT vào ngày 30/6/2023 là 86000 VNĐ
giá đóng cửa của cổ phiếu GVR vào ngày 30/6/2023 là 19400 VNĐ
giá đóng cửa của cổ phiếu NVL vào ngày 30/6/2023 là 14850 VNĐ
giá đóng cửa của cổ phiếu SSI vào ngày 30/6/2023 là 25800 VNĐ
giá đóng cửa của cổ phiếu VNM vào ngày 30/6/2023 là 71000 VNĐTổng giá trị danh mục đầu tư 6 cổ phiếu trên trong rổ VN30 vào ngày 30/06/2023 là:
TGTDMĐT.30.06.2023 <- 1000*22050 + 1000*86000 + 1000*19400 + 1000*14850 + 1000*25800 + 1000*71000;
TGTDMĐT.30.06.2023## [1] 239100000Vào ngày 30/06/2023 TGTDMĐT 6 cổ phiếu là 239.100.000 VNĐ. Tiếp theo ta tiến hành mô phỏng TGTDMĐT 6 cổ phiếu ngày 03/07/2023 để có thể so sánh với TGTDMĐT ngày 30/06/2023 từ đó có thể nhận biết vào ngày 03/07/2023 giá trị danh mục đầu tư này là lời hay lỗ hay hoà vốn và việc đầu tư danh mục này là có khả thi hay không.
1.3 Quy ước về Tổng giá trị danh mục đầu tư
Ta quy ước:
tại mức bằng 239100000 VNĐ là giá trị danh mục hoà vốn (danhmuchoavon = 239100000)
tại mức lớn hơn 239100000 VNĐ là danh mục có lời (danhmuccoloi > 239100000)
tại mức nhỏ hơn 239100000 VNĐ là danh mục bị lỗ (danhmucbilo < 239100000)
danhmuchoavon <- TGTDMĐT[TGTDMĐT = 239100000]
danhmuccoloi <- TGTDMĐT[TGTDMĐT > 239100000]
danhmucbilo <- TGTDMĐT[TGTDMĐT < 239100000]table(cut(TGTDMĐT, breaks = 2))##
## (2.13e+08,2.31e+08] (2.31e+08,2.49e+08]
## 67 54table(cut(TGTDMĐT,2, labels = c('coloi','bilo')))##
## coloi bilo
## 67 54table(cut(TGTDMĐT/1000,2))##
## (2.13e+05,2.31e+05] (2.31e+05,2.49e+05]
## 67 541.4 Xác suất để Tổng giá trị danh mục đầu tư nhận các giá trị quy ước
Xác suất để TGTDMĐT có lời:
length(danhmuccoloi)/length(TGTDMĐT)## [1] 0.0661157Từ kết quả trên ta có xác suất để Tổng giá trị danh mục đầu tư có lời là 6,612% tức vào vào ngày 03/07/2023 xác suất để tổng giá trị danh mục đầu tư lớn hơn là 239100000 VNĐ là 6,612%. Ta thấy đây là mức xác suất khá nhỏ nên có thể nói nếu mô phỏng ngẫu nhiên giá đóng cửa của 6 cổ phiếu ACB, FPT, GVR, NVL, SSI, VNM vào ngày 03/07/2023 thì tổng giá trị danh mục đầu tư sẽ có lời là khá thấp.
Xác suất để TGTDMĐT bị lỗ:
length(danhmucbilo)/length(TGTDMĐT)## [1] 0.9338843Từ kết quả trên ta có xác suất để Tổng giá trị danh mục đầu tư bị lỗ là 92,56% tức vào vào ngày 03/07/2023 xác suất để tổng giá trị danh mục đầu tư nhỏ hơn là 239100000 VNĐ là 92,56%. Ta thấy đây là mức xác suất lớn nên có thể nói nếu mô phỏng ngẫu nhiên giá đóng cửa của 6 cổ phiếu ACB, FPT, GVR, NVL, SSI, VNM vào ngày 03/07/2023 thì tổng giá trị danh mục đầu tư bị lỗ là rất cao.
Kết luận:
Từ các kết quả trên thông qua việc mô phỏng ngẫu nhiên giá đóng cửa 6 cổ phiếu lớn trên trong rổ VN30 ta có thể thấy việc đầu tư danh mục trên là khá rủi ro khi xác suất mà danh mục có thể bị lỗ là rất lớn, trái lại xác suất để đanh mục đầu tư có lời là rất nhỏ. Điều này trái lại với kỳ vọng của các nhà đầu tư khi phần lớn mục đích đầu tư vào danh mục cổ phiếu là để sinh lợi. Kết quả trên cũng là 1 khía cạnh dự báo giúp nhà đầu tư suy xét lại việc lựa chọn các mã cổ phiếu để đầu tư, từ đó phần nào có thể giảm thiểu rủi ro cho danh mục đầu tư.
2 .TUẦN 4: XÂY DỰNG MÔ HÌNH MÔ PHỎNG
Để mô phỏng được giá trị 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 ngày 03/07/2023 (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 .TUẦN 3: XÁC ĐỊNH PHÂN PHỐI CÁC BIẾN
3.1 Dữ liệu nghiên cứu
setwd("C:/PTDLDT")
library(readxl)
library(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.
3.2 Xác định phân phối các biến đầu vào
3.2.1 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
3.2.2 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
3.2.3 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
3.2.4 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
3.2.5 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
3.2.6 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.
3.3 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.
3.3.1 Chuyển đổi biến ACB
ACB <- sample(data$ACB, 3)
hist(ACB)
Kiểm định phân phối chuẩn:
shapiro.test(ACB)##
## Shapiro-Wilk normality test
##
## data: ACB
## W = 0.80404, p-value = 0.1242Kết quảt trên cho thấy giá trị tới hạn P_value = 0.6369 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu ACB có tính chất phân phối tương tự như phân phối chuẩn.
3.3.2 Chuyển đổi biến FPT
FPT <- sample(data$FPT, 5)
hist(FPT)
Kiểm định phân phối chuẩn:
shapiro.test(FPT)##
## Shapiro-Wilk normality test
##
## data: FPT
## W = 0.74595, p-value = 0.02729Kết 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.
3.3.3 Chuyển đổi biến GVR
GVR <- sample(data$GVR, 5)
hist(GVR)
Kiểm định phân phối chuẩn:
shapiro.test(GVR)##
## Shapiro-Wilk normality test
##
## data: GVR
## W = 0.8063, p-value = 0.09112Kết quả trên cho thấy giá trị tới hạn P_value = 0.159 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu GVR có tính chất phân phối tương tự như phân phối chuẩn.
3.3.4 Chuyển đổi biến NVL
NVL <- sample(data$NVL, 5)
hist(NVL)
Kiểm định phân phối chuẩn:
shapiro.test(NVL)##
## Shapiro-Wilk normality test
##
## data: NVL
## W = 0.94195, p-value = 0.6798Kết 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.
3.3.5 Chuyển đổi biến SSI
SSI <- sample(data$SSI, 5)
hist(SSI)
Kiểm định phân phối chuẩn:
shapiro.test(SSI)##
## Shapiro-Wilk normality test
##
## data: SSI
## W = 0.82586, p-value = 0.1295Kết quả trên cho thấy giá trị tới hạn P_value = 0.3811 > 5% tức có cơ sở để thừa nhận giả thuyết Ho nghĩa là các phần tử trong mẫu được lấy một cách ngẫu nhiên từ tập hợp dữ liệu giá cổ phiếu SSI có tính chất phân phối tương tự như phân phối chuẩn.
3.3.6 Chuyển đổi biến VNM
VNM <- sample(data$VNM, 5)
hist(VNM)
Kiểm định phân phối chuẩn:
shapiro.test(VNM)##
## Shapiro-Wilk normality test
##
## data: VNM
## W = 0.96542, p-value = 0.8451Kết 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.
4 .TUẦN 2: GIẢI THÍCH VẤN ĐỀ CẦN MÔ PHỎNG
4.1 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 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.
4.2 Mô hình nghiên cứu
Để mô phỏng được tổng giá trị 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 ngày 03/07/2023 (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)
4.3 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 03/07/2023 thông qua giá đóng cửa 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/)
5 .TUẦN 1: Mô phỏng ngẫu nhiên các biến ngẫu nhiên
5.1 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] 1406 1094 1219 1389 1225 1242 1134 1352 1433 1272 1210 1087 1170 1436
## [15] 1415 1165 1230 1388 1178 1325 1121 1077 1366 1270 1247 1094 1495 1409
## [29] 1160 1201 1121 1312 1354 1086 1400 1338 1263 1073 1253 1129 1442 1181
## [43] 1148 1198 1322 1357 1113 1247 1084 1452 1243 1348 1107 1271 1274 1442
## [57] 1253 1273 1200 1332 1324 1363 1448 1189 1336 1183 1063 1408 1101 1148
## [71] 1146 1079 1076 1448 1416 1318 1141 1439 1111 1408 1308 1454 1440 1083
## [85] 1374 1173 1382 1429 1370 1247 1413 1462 1092 1205 1056 1060 1263 1306
## [99] 1078 1432 1490 1170 1095 1191 1234 1104 1079 1425 1446 1271 1217 1387
## [113] 1204 1352 1338 1229 1222 1288 1371 1174 1086 1336 1482 1353 1347 1339
## [127] 1489 1073 1216 1470 1104 1325 1490 1318 1096 1399 1274 1144 1163 1277
## [141] 1289 1326 1315 1094 1420 1097 1475 1281 1192 1493 1447 1428 1294 1061
## [155] 1413 1115 1311 1485 1464 1185 1350 1125 1200 1438 1338 1129 1246 1230
## [169] 1309 1146 1097 1495 1146 1104 1275 1205 1232 1396 1284 1071 1166 1378
## [183] 1469 1364 1386 1078 1387 1209 1144 1270 1085 1500 1434 1294 1235 1354
## [197] 1107 1166 1243 1473 1165 1143 1268 1113 1413 1452 1286 1339 1251 1110
## [211] 1373 1429 1428 1312 1067 1190 1354 1059 1092 1184 1416 1425 1166 1251
## [225] 1416 1328 1385 1490 1425 1438 1404 1236 1122 1301 1106 1178 1089 1374
## [239] 1250 1343 1376 1353 1170 1089 1100 1081 1113 1292 1080 1066 1498 1311
## [253] 1334 1128 1182 1275 1448 1457 1448 1103 1417 1111 1128 1409 1383 1122
## [267] 1131 1460 1181 1064 1071 1191 1095 1343 1215 1072 1241 1370 1291 1396
## [281] 1069 1090 1283 1201 1189 1370 1435 1269 1177 1216 1057 1470 1107 1277
## [295] 1336 1465 1190 1185 1277 1218 1073 1081 1466 1180 1437 1438 1251 1064
## [309] 1235 1391 1357 1065 1167 1117 1397 1354 1215 1293 1119 1379 1170 1330
## [323] 1244 1193 1067 1216 1361 1192 1383 1253 1403 1388 1081 1116 1195 1435
## [337] 1486 1298 1075 1329 1475 1319 1392 1428 1335 1178 1320 1107 1470 1348
## [351] 1176 1076 1338 1200 1204 1497 1056 1163 1095 1253 1183 1305 1069 1348
## [365] 1452 1332 1441 1108 1479 1261 1314 1467 1225 1089 1057 1233 1248 1327
## [379] 1198 1324 1350 1340 1351 1320 1329 1393 1435 1299 1333 1051 1225 1315
## [393] 1407 1085 1226 1080 1147 1244 1475 1434 1204 1202 1224 1055 1335 1338
## [407] 1266 1068 1386 1328 1431 1154 1402 1069 1260 1342 1326 1217 1094 1116
## [421] 1106 1345 1350 1061 1323 1229 1271 1371 1226 1226 1282 1071 1253 1095
## [435] 1318 1425 1066 1309 1428 1278 1161 1189 1452 1263 1066 1320 1345 1103
## [449] 1218 1491 1408 1180 1262 1159 1477 1144 1337 1101 1408 1365 1324 1312
## [463] 1419 1291 1252 1406 1385 1137 1249 1293 1428 1311 1472 1459 1485 1394
## [477] 1212 1290 1461 1411 1247 1076 1386 1103 1153 1280 1122 1152 1312 1073
## [491] 1123 1472 1374 1103 1213 1080 1159 1265 1420 1139 1408 1428 1294 1414
## [505] 1347 1136 1211 1234 1367 1463 1051 1261 1345 1393 1430 1290 1434 1356
## [519] 1423 1118 1339 1050 1330 1199 1440 1230 1269 1206 1401 1365 1343 1171
## [533] 1271 1123 1416 1304 1165 1447 1417 1342 1451 1302 1236 1478 1058 1465
## [547] 1071 1337 1419 1145 1168 1400 1125 1107 1073 1143 1218 1205 1490 1418
## [561] 1389 1066 1356 1443 1351 1457 1447 1116 1473 1406 1301 1334 1186 1259
## [575] 1149 1188 1114 1400 1401 1403 1384 1156 1313 1407 1296 1362 1060 1310
## [589] 1121 1402 1210 1379 1060 1245 1337 1346 1239 1410 1355 1152 1200 1124
## [603] 1147 1434 1391 1053 1076 1139 1104 1104 1113 1353 1496 1095 1169 1290
## [617] 1480 1211 1083 1085 1155 1094 1199 1140 1107 1245 1199 1147 1198 1442
## [631] 1212 1480 1286 1119 1115 1292 1153 1207 1197 1362 1374 1341 1450 1267
## [645] 1277 1141 1212 1284 1402 1384 1493 1192 1274 1182 1107 1065 1472 1469
## [659] 1305 1482 1437 1481 1126 1315 1079 1330 1450 1309 1492 1397 1116 1229
## [673] 1401 1377 1316 1302 1340 1329 1079 1067 1242 1123 1344 1471 1072 1093
## [687] 1291 1191 1272 1238 1426 1490 1150 1162 1133 1224 1238 1082 1338 1328
## [701] 1143 1378 1060 1285 1326 1377 1060 1261 1230 1183 1305 1123 1175 1345
## [715] 1164 1102 1470 1368 1362 1078 1181 1429 1243 1201 1360 1355 1063 1265
## [729] 1423 1244 1291 1401 1193 1089 1401 1117 1209 1065 1379 1075 1308 1118
## [743] 1246 1346 1421 1217 1444 1147 1347 1455 1483 1133 1481 1090 1426 1465
## [757] 1116 1499 1131 1075 1225 1194 1216 1273 1112 1125 1323 1485 1225 1292
## [771] 1297 1413 1169 1323 1114 1214 1339 1309 1053 1391 1455 1473 1394 1225
## [785] 1366 1191 1195 1071 1056 1231 1474 1494 1052 1254 1104 1113 1385 1246
## [799] 1301 1294 1086 1294 1387 1312 1364 1415 1136 1407 1337 1097 1454 1101
## [813] 1455 1328 1164 1183 1228 1102 1197 1292 1082 1336 1315 1230 1133 1150
## [827] 1310 1236 1086 1356 1057 1205 1248 1391 1421 1434 1325 1425 1151 1224
## [841] 1331 1464 1059 1284 1068 1176 1272 1354 1452 1310 1284 1249 1251 1296
## [855] 1123 1394 1412 1172 1482 1280 1301 1295 1097 1121 1098 1339 1412 1181
## [869] 1175 1291 1283 1433 1215 1405 1062 1301 1255 1356 1394 1094 1486 1321
## [883] 1086 1314 1349 1320 1245 1075 1310 1150 1262 1367 1086 1422 1384 1175
## [897] 1358 1486 1299 1248 1369 1494 1058 1273 1216 1355 1350 1320 1129 1068
## [911] 1224 1207 1288 1124 1191 1277 1227 1247 1061 1478 1263 1377 1180 1072
## [925] 1366 1060 1099 1240 1178 1452 1329 1454 1307 1167 1248 1195 1265 1299
## [939] 1229 1256 1407 1324 1480 1175 1096 1190 1083 1182 1327 1472 1116 1482
## [953] 1393 1471 1180 1469 1422 1050 1473 1486 1381 1205 1323 1069 1188 1385
## [967] 1235 1491 1294 1258 1134 1063 1218 1227 1342 1392 1077 1419 1379 1463
## [981] 1357 1289 1052 1267 1465 1382 1120 1257 1163 1266 1140 1175 1236 1145
## [995] 1325 1305 1383 1084 1085 1461hist(mq)
library(fBasics)
basicStats(mq)## mq
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 1.050000e+03
## Maximum 1.500000e+03
## 1. Quartile 1.153750e+03
## 3. Quartile 1.378000e+03
## Mean 1.268074e+03
## Median 1.271500e+03
## Sum 1.268074e+06
## SE Mean 4.090118e+00
## LCL Mean 1.260048e+03
## UCL Mean 1.276100e+03
## Variance 1.672907e+04
## Stdev 1.293409e+02
## Skewness -2.368000e-03
## Kurtosis -1.191833e+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.
5.2 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] 713 744 707 785 623 771 745 744 878 670 884 840 881 878 790 782 770 806
## [19] 669 772 830 645 766 766 631 829 888 893 754 831 673 823 694 868 690 747
## [37] 770 897 818 749 898 873 681 859 855 792 807 704 884 638 745 852 821 755
## [55] 632 776 626 845 696 862 690 793 756 827 604 794 862 798 827 815 863 764
## [73] 690 849 626 757 717 776 758 857 790 678 756 649 612 880 691 711 792 725
## [91] 814 664 785 745 880 884 742 781 890 856 632 783 610 663 801 706 815 806
## [109] 732 764 823 761 635 854 778 605 875 693 670 675 798 840 836 660 724 851
## [127] 604 752 852 722 730 765 605 890 778 658 713 786 772 874 653 820 600 675
## [145] 733 645 873 645 834 839 602 741 811 886 889 751 817 650 854 608 804 672
## [163] 813 730 880 614 736 836 639 741 858 715 840 649 766 720 703 896 760 871
## [181] 838 611 765 732 607 794 748 757 616 646 895 726 602 855 811 830 826 698
## [199] 876 868 890 730 797 651 653 711 680 900 827 843 736 706 857 849 613 826
## [217] 693 707 697 793 744 651 791 835 883 647 833 792 808 761 759 710 758 869
## [235] 692 692 793 899 604 634 630 875 758 719 808 670 857 641 630 637 690 645
## [253] 744 733 849 897 756 865 729 621 750 833 772 744 829 788 688 766 883 605
## [271] 608 818 813 850 750 625 792 773 786 634 839 650 787 635 749 801 714 822
## [289] 851 686 680 883 790 833 733 848 776 732 635 721 616 882 862 874 805 820
## [307] 888 709 610 689 604 886 677 805 792 759 735 610 737 738 684 673 665 899
## [325] 708 730 758 603 780 684 638 603 643 603 872 628 710 853 667 753 737 756
## [343] 860 650 615 681 739 832 884 672 693 777 874 741 774 670 606 685 630 849
## [361] 870 893 855 774 701 609 773 794 823 814 870 736 613 868 765 637 720 787
## [379] 777 631 714 854 735 608 661 665 852 778 739 623 727 670 850 729 745 687
## [397] 680 896 839 703 794 799 747 617 786 884 825 799 660 733 867 743 778 713
## [415] 893 708 670 871 650 779 804 637 618 814 760 776 685 829 651 809 637 728
## [433] 850 888 869 717 871 768 763 846 758 895 770 886 835 714 883 871 678 787
## [451] 610 892 853 633 783 657 805 751 692 742 784 834 636 879 741 892 682 882
## [469] 629 865 821 816 829 887 687 887 889 755 620 699 806 810 647 728 618 601
## [487] 825 620 625 761 602 758 860 822 693 685 661 722 700 849 814 735 806 825
## [505] 857 682 777 663 627 715 863 669 775 674 687 748 662 889 732 868 875 694
## [523] 769 627 820 698 764 664 637 662 837 620 784 692 611 733 802 855 846 732
## [541] 855 722 702 672 617 866 673 619 653 730 743 630 830 743 872 617 634 692
## [559] 746 766 669 724 782 723 692 664 829 769 652 783 881 621 711 812 861 729
## [577] 712 770 722 619 865 864 857 725 658 623 627 710 742 609 662 841 858 632
## [595] 747 847 680 696 789 745 895 700 880 799 895 672 676 852 760 828 877 704
## [613] 827 673 697 625 685 787 759 828 765 660 727 609 738 825 603 869 813 737
## [631] 892 653 873 621 884 775 837 691 600 665 613 723 705 681 639 877 619 612
## [649] 743 751 639 782 805 761 794 873 676 682 670 785 843 775 720 673 886 721
## [667] 714 777 738 742 755 772 864 845 694 802 678 670 658 737 756 741 607 697
## [685] 735 622 624 656 709 711 660 807 617 857 682 880 733 796 898 886 613 872
## [703] 622 600 899 852 783 674 807 660 809 841 688 767 761 696 823 673 720 762
## [721] 742 838 613 693 630 775 854 615 779 771 693 841 698 734 844 792 694 710
## [739] 883 811 857 620 632 759 808 813 638 849 890 858 813 885 714 822 686 895
## [757] 855 853 853 621 644 843 869 783 609 763 666 699 837 772 803 669 621 627
## [775] 691 755 604 819 851 733 813 608 621 710 836 754 758 662 700 630 740 630
## [793] 889 733 656 798 861 610 737 887 781 842 824 702 603 829 747 840 742 609
## [811] 819 623 660 807 628 879 797 847 891 891 891 679 805 803 770 834 861 804
## [829] 662 833 641 626 611 792 726 822 854 608 673 899 684 793 759 881 778 676
## [847] 650 897 868 815 750 889 750 759 870 845 808 866 743 807 850 692 751 670
## [865] 635 866 614 763 770 628 657 740 678 796 735 718 726 795 648 659 791 814
## [883] 750 890 838 608 731 667 629 880 661 813 672 605 712 826 690 709 735 789
## [901] 678 721 798 879 687 729 726 888 777 760 730 884 650 666 757 740 755 636
## [919] 706 814 840 878 650 636 620 619 655 636 636 640 850 851 870 691 830 709
## [937] 602 675 698 688 639 702 823 764 700 689 628 812 658 655 677 620 890 719
## [955] 887 636 777 747 898 818 799 626 755 602 623 778 824 849 695 830 770 887
## [973] 871 752 806 887 759 656 809 619 849 757 604 679 834 640 777 711 657 843
## [991] 763 779 636 816 845 699 684 694 894 628hist(cl)
basicStats(cl)## cl
## nobs 1000.000000
## NAs 0.000000
## Minimum 600.000000
## Maximum 900.000000
## 1. Quartile 676.000000
## 3. Quartile 826.250000
## Mean 750.810000
## Median 752.000000
## Sum 750810.000000
## SE Mean 2.761260
## LCL Mean 745.391464
## UCL Mean 756.228536
## Variance 7624.558458
## Stdev 87.318718
## Skewness -0.026812
## Kurtosis -1.184246Trung 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.
5.3 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 1000.000000
## NAs 0.000000
## Minimum 118.000000
## Maximum 196.000000
## 1. Quartile 141.000000
## 3. Quartile 159.000000
## Mean 149.824000
## Median 150.000000
## Sum 149824.000000
## SE Mean 0.396702
## LCL Mean 149.045535
## UCL Mean 150.602465
## Variance 157.372396
## Stdev 12.544816
## Skewness 0.053069
## Kurtosis -0.238423Số 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.
5.4 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] 164 148 125 160 132 131 140 138 145 154 183 149 167 165 152 129 141 156
## [19] 119 153 160 146 154 144 157 156 111 149 152 148 148 151 154 163 158 131
## [37] 156 153 155 152 153 130 157 161 153 154 147 146 142 152 165 150 156 149
## [55] 173 143 151 158 139 142 156 147 130 175 160 161 141 162 152 153 141 139
## [73] 165 129 142 136 122 143 151 163 162 184 142 153 163 151 126 160 132 139
## [91] 164 167 156 168 177 150 164 131 144 142 138 151 122 130 159 146 141 146
## [109] 170 155 139 146 140 161 140 143 166 183 178 140 132 146 177 154 156 161
## [127] 155 147 139 148 153 150 157 149 128 166 149 151 149 156 128 154 148 143
## [145] 153 158 180 145 164 126 153 167 145 148 144 127 147 163 141 138 152 134
## [163] 157 145 175 145 156 165 137 157 139 146 161 134 129 141 132 174 125 169
## [181] 152 154 157 144 155 152 125 165 145 166 120 144 143 169 154 160 156 153
## [199] 118 146 151 151 131 148 180 150 157 129 138 129 180 144 167 178 154 148
## [217] 128 146 148 151 169 161 152 158 146 154 137 149 177 167 147 178 172 153
## [235] 149 180 151 161 149 158 173 164 139 143 147 134 128 191 165 141 139 118
## [253] 160 153 128 133 154 157 120 157 145 180 127 164 176 171 124 175 151 131
## [271] 174 138 119 144 147 143 138 149 153 144 155 158 132 130 136 139 158 144
## [289] 139 141 159 126 129 141 139 151 134 166 172 146 172 155 156 151 135 143
## [307] 177 160 153 174 165 151 148 127 161 167 142 176 124 120 177 149 142 130
## [325] 150 156 145 147 146 152 153 168 143 133 160 159 149 134 156 163 127 148
## [343] 181 186 132 120 158 151 152 160 165 168 127 129 151 150 178 150 154 171
## [361] 143 150 174 126 147 136 122 130 169 146 128 132 169 152 142 149 167 159
## [379] 154 153 169 166 152 152 151 157 179 143 133 121 120 141 140 153 146 124
## [397] 161 146 143 153 145 163 131 141 156 152 165 137 140 181 142 158 151 149
## [415] 140 178 135 154 142 128 148 160 132 152 179 158 165 145 137 165 158 141
## [433] 157 156 160 161 157 168 165 150 164 162 163 120 148 145 136 173 151 153
## [451] 120 158 157 150 166 128 150 164 163 168 138 147 125 137 171 155 160 190
## [469] 142 159 159 152 128 165 166 172 166 159 173 136 143 150 164 147 169 144
## [487] 151 153 122 141 136 140 160 133 173 156 131 164 128 126 133 145 121 154
## [505] 136 140 145 147 171 137 169 149 170 168 150 128 148 138 131 131 143 160
## [523] 175 146 155 147 158 122 155 169 159 161 140 150 135 136 164 151 164 144
## [541] 162 148 148 149 133 137 140 124 129 148 171 152 141 146 124 109 156 125
## [559] 180 130 158 159 140 170 118 157 151 169 165 167 167 148 100 137 128 142
## [577] 139 140 150 182 160 152 163 153 151 124 154 176 171 155 158 120 134 129
## [595] 160 142 170 156 142 136 144 163 146 117 139 166 128 157 172 153 157 141
## [613] 168 171 155 167 126 145 157 161 139 127 143 164 159 160 167 142 160 177
## [631] 133 155 163 143 154 143 146 142 156 171 139 177 120 127 161 146 129 148
## [649] 146 139 136 130 151 168 183 149 137 148 154 156 150 157 156 151 171 134
## [667] 147 156 170 142 158 154 145 169 154 114 164 135 160 152 139 167 167 161
## [685] 156 127 150 123 152 152 146 154 155 151 150 138 128 169 154 144 156 133
## [703] 150 153 159 145 165 153 154 177 143 153 143 153 130 159 164 132 162 173
## [721] 149 151 125 162 164 119 152 166 155 168 163 149 169 146 129 179 200 135
## [739] 148 135 140 149 158 173 152 148 146 133 152 143 161 170 167 155 156 135
## [757] 142 154 176 162 153 176 126 152 136 158 156 156 139 159 143 129 152 142
## [775] 163 162 124 138 125 149 190 146 152 154 152 189 181 148 156 148 121 156
## [793] 174 174 163 138 163 144 161 138 162 122 144 185 148 143 152 148 162 138
## [811] 128 152 150 168 187 155 150 154 155 150 123 152 162 122 148 142 170 156
## [829] 133 124 150 161 143 152 136 149 140 153 135 136 136 144 158 136 125 157
## [847] 152 130 116 147 155 157 192 151 165 192 150 162 136 142 158 178 147 181
## [865] 151 159 126 157 141 161 148 132 142 132 165 162 171 145 142 127 163 129
## [883] 131 162 144 156 156 159 149 155 153 152 152 158 180 174 143 170 136 144
## [901] 136 140 148 157 155 128 148 177 171 147 138 167 159 184 164 165 151 129
## [919] 159 156 173 167 138 134 189 143 130 135 125 131 183 191 160 154 144 156
## [937] 150 134 180 158 153 154 173 145 136 137 129 143 134 136 160 160 99 155
## [955] 160 182 154 151 148 149 138 116 150 140 129 157 135 141 126 134 133 165
## [973] 151 150 154 175 150 126 136 122 155 137 162 153 159 138 155 151 164 161
## [991] 122 147 128 130 133 141 163 147 155 163hist(ch)
basicStats(ch)## ch
## nobs 1000.000000
## NAs 0.000000
## Minimum 99.000000
## Maximum 200.000000
## 1. Quartile 140.000000
## 3. Quartile 160.000000
## Mean 150.208000
## Median 151.000000
## Sum 150208.000000
## SE Mean 0.482348
## LCL Mean 149.261469
## UCL Mean 151.154531
## Variance 232.659395
## Stdev 15.253177
## Skewness 0.021193
## Kurtosis -0.053599Trung 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.
5.5 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] 3020 3036 2982 2989 3059 3033 2967 3047 3023 3031 2924 2966 2966 3028
## [15] 2944 3119 2962 3054 2979 2963 2971 3034 2974 3027 2997 3019 3076 2993
## [29] 3005 3014 2952 2950 3063 2979 2997 3002 3002 2897 3000 3010 2998 2954
## [43] 3018 3017 3000 3002 3034 3003 2973 3009 3036 3051 3046 3062 2977 3018
## [57] 2901 2969 2953 2956 2970 2997 2984 3002 3035 2934 2975 3070 2987 2991
## [71] 3005 3046 3063 2964 2961 2977 3040 3109 3008 2991 2996 2945 3077 2991
## [85] 3024 2994 2994 3031 3029 3055 2920 3015 3020 3013 2997 3046 3001 3027
## [99] 3019 3050 2936 2983 2996 3010 2975 2981 2977 2949 3005 3022 3034 3084
## [113] 2897 2944 3020 2901 2966 3016 3004 2979 3039 2976 2992 3046 2881 3037
## [127] 2964 3006 2969 3010 3013 3010 2978 2995 2994 2940 2985 3030 3055 2945
## [141] 2952 2976 3004 3005 2975 2949 2993 2956 3035 2983 2910 2966 2992 2946
## [155] 3038 3026 2991 2965 3012 3016 3032 2967 2968 2899 3086 2937 2967 2969
## [169] 2972 3034 3019 3036 2998 3046 3022 3041 2997 2969 2973 2995 2991 2984
## [183] 2985 3025 3091 2979 2961 3020 3001 3017 3049 3063 2980 2959 2977 2996
## [197] 3003 3012 2984 3010 3007 3006 3008 2972 3026 3042 2955 2954 3053 3044
## [211] 3005 3042 2962 3010 3003 3015 3007 2986 3030 2983 3020 2968 2866 3004
## [225] 2985 2950 2998 3022 3020 2962 2900 2974 3069 3020 2985 2993 3008 2962
## [239] 2949 3036 3009 3069 3029 3042 2970 3039 3061 2990 2984 2986 2987 3045
## [253] 2978 2991 2955 2997 3027 2996 2935 2998 2936 2984 2978 2976 2939 3057
## [267] 2974 2965 2973 3017 3032 3098 2983 3014 2963 2967 2970 2995 3007 2950
## [281] 3019 3019 3000 3009 2976 2996 3024 3020 2979 3028 2973 2984 2932 2989
## [295] 2954 2954 2938 3034 3036 2991 3012 2983 2991 2972 2945 3056 2993 3043
## [309] 3002 3045 2984 2977 3070 2972 2959 3000 2991 2985 2913 3045 2976 3002
## [323] 2966 2940 3003 3045 3070 3080 3015 2941 3001 3005 3048 2990 3061 2966
## [337] 3011 3005 3012 2990 3015 2996 3033 2955 3052 3041 3007 2963 2951 2978
## [351] 3046 3003 2992 3071 3041 2954 2971 2946 2998 2973 3092 2957 2949 3014
## [365] 2869 2979 3001 3042 2990 3037 2966 2995 3036 3034 2987 2955 3037 2969
## [379] 2999 2968 3030 2988 2959 3096 2983 2965 3047 2987 2903 2982 2996 3005
## [393] 2998 3027 2945 3038 3024 3057 2988 2925 3057 3078 2974 2961 2980 2996
## [407] 2980 3012 2983 3010 3063 2970 2979 2996 3048 2968 3004 2963 3024 3008
## [421] 3025 2992 3012 3021 2953 3003 3006 2893 2934 3002 2971 3011 3026 3000
## [435] 2988 3038 2992 2984 3006 3003 2934 3037 3003 3016 2996 3045 2985 3066
## [449] 2914 3035 2955 2948 3008 3033 2970 3036 3008 3014 2971 3020 3043 2996
## [463] 2987 3019 2983 3024 3048 2961 3030 3009 2978 2969 2936 2975 3018 2988
## [477] 3020 3016 3010 2911 2973 3007 2945 3012 3018 2965 2948 3053 2983 2980
## [491] 2911 2997 3005 3019 3075 3031 3047 3004 3050 3089 2990 2968 2945 3032
## [505] 3004 3032 3067 3054 2968 2971 3013 2974 2990 2965 3017 2980 2987 2924
## [519] 2947 3040 2948 2943 2894 2993 3073 2946 2995 2995 2955 2975 3010 3056
## [533] 3061 2987 2997 2961 2960 3017 3001 3023 3040 3047 3086 3033 2952 2902
## [547] 2937 2992 2962 2993 3055 2958 3021 3050 2998 3031 2942 3098 2982 2916
## [561] 3009 3026 2974 2991 2953 3034 3006 3025 2981 3004 3073 2981 2949 3064
## [575] 2939 3014 3087 2965 2955 3014 2985 2965 3038 2929 3030 2942 2973 3035
## [589] 2921 2964 2950 3048 3014 3017 2950 2948 2980 2985 3031 2994 3010 2954
## [603] 3054 3029 2976 2988 2988 3059 3020 2982 2988 2987 3057 2981 2966 2939
## [617] 3038 2974 3054 2993 3036 3046 2984 2952 3004 2993 3056 3007 3001 2967
## [631] 3011 3036 2958 3056 3015 2978 2968 3029 3017 2985 2979 2985 2939 3042
## [645] 2964 3034 3059 3036 3016 3020 3031 3024 3004 3000 3037 3050 2962 3035
## [659] 3083 3059 3029 3029 2991 3025 2973 2974 3065 3041 2964 2985 3062 2967
## [673] 2997 2941 3007 2924 2999 3077 2994 2988 2951 2965 2954 2999 2987 2958
## [687] 2968 3024 3066 3027 3051 3014 2941 3002 3038 2964 2984 3008 2992 2972
## [701] 3008 3049 3013 3029 3040 3001 2994 2919 2996 3043 3016 3067 3038 3038
## [715] 2896 2951 3033 2945 2941 3071 3007 3018 2954 2938 3035 2987 2989 3044
## [729] 2985 2954 3127 2930 3084 2974 3006 2992 2960 2964 3002 3027 3001 3070
## [743] 2994 3058 2988 2992 3036 2934 3011 2998 3106 2981 2970 2963 2970 2996
## [757] 2985 3008 2934 3014 3002 3011 2971 3001 3005 3044 2976 3039 2996 2946
## [771] 2972 3013 2944 2998 2938 2978 3016 2959 3048 3074 3015 3051 2957 2998
## [785] 2989 2967 3024 2979 3004 2935 2923 2929 2973 2969 2992 3002 3001 3020
## [799] 2926 3004 2984 3006 3019 3063 3021 3050 3102 2944 3021 3050 3008 2966
## [813] 2998 3005 2982 2943 3098 3002 2970 2978 2995 2982 3034 3006 3047 3002
## [827] 3021 2938 3036 2964 3023 3069 3012 2975 2972 2972 2990 2960 2943 2989
## [841] 3047 3016 2967 3010 2964 3007 3014 2929 2918 2996 2912 3048 3028 3067
## [855] 2999 3025 2995 3002 3014 3033 2985 2971 2959 3039 3048 3003 3051 3012
## [869] 2933 3010 2998 2998 3002 2973 3011 3037 3033 2946 2888 2990 2972 3000
## [883] 3069 2943 3108 2981 3025 2946 2998 3047 3070 2978 2999 2981 3002 3002
## [897] 2967 2959 3018 2987 3014 3003 3038 2962 3041 3071 2956 3030 3012 3001
## [911] 2961 3010 2974 2955 3038 2981 3000 3050 2986 2967 2973 2968 3006 2947
## [925] 2941 2954 2952 2957 3094 2971 3044 3019 2980 2988 3078 2951 2982 2987
## [939] 2949 3082 2960 3006 3022 2942 3022 2978 3017 2977 2972 3034 2993 2967
## [953] 3095 3025 2936 3067 2987 2971 3054 3035 2927 3000 2969 2996 3046 2996
## [967] 2975 2938 3036 3037 3065 3083 2973 3047 3000 2983 2951 3023 3010 3002
## [981] 2996 2971 3025 2947 3003 2961 2998 2961 3073 2961 3009 2959 3022 3019
## [995] 3009 2989 3043 2979 2973 2981hist(nuoc)
basicStats(nuoc)## nuoc
## nobs 1.000000e+03
## NAs 0.000000e+00
## Minimum 2.866000e+03
## Maximum 3.127000e+03
## 1. Quartile 2.971000e+03
## 3. Quartile 3.025000e+03
## Mean 2.998355e+03
## Median 2.998000e+03
## Sum 2.998355e+06
## SE Mean 1.267138e+00
## LCL Mean 2.995868e+03
## UCL Mean 3.000842e+03
## Variance 1.605639e+03
## Stdev 4.007042e+01
## Skewness 4.524700e-02
## Kurtosis 1.019490e-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.
5.6 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] 5.767854446 12.954335731 0.059366631 3.450087941 2.701564687
## [6] 3.876380676 2.948587878 7.457797448 7.269714022 6.413464760
## [11] 4.711170053 8.922167088 0.331895750 0.537512773 1.073138237
## [16] 2.427654571 1.558568079 2.580011895 22.887364479 1.034069055
## [21] 2.771039704 3.383483917 13.939616303 12.162371713 8.937504508
## [26] 2.164485496 2.112128776 4.177328265 4.853460964 2.195712511
## [31] 6.069767723 4.206893387 4.518333330 0.814376816 1.844773320
## [36] 1.692089704 10.061507299 0.715510881 7.565078465 2.141265007
## [41] 3.620908717 2.993682392 1.854682923 1.134616650 22.453265222
## [46] 2.178883487 0.574870468 1.771189218 18.720927357 0.167666380
## [51] 4.369836654 3.337314807 2.901549786 4.708112413 2.929695021
## [56] 8.260610584 7.242612518 14.282319288 1.995034796 3.543275524
## [61] 4.957958227 1.908112343 3.725797833 2.383015531 0.231686536
## [66] 1.232893604 2.063106786 6.072786027 11.759302295 23.142307820
## [71] 0.167286082 10.257994350 1.201337001 3.553916358 8.092978751
## [76] 5.198273470 5.277414925 9.926742893 3.459887244 0.770095246
## [81] 7.265909990 0.978557054 7.812743637 1.642001926 10.130543808
## [86] 9.215052069 3.656060659 17.013977765 5.928150130 1.868910851
## [91] 8.620542991 5.777786722 7.864997307 2.016018653 7.041706882
## [96] 2.687678640 4.533545773 0.517794122 0.618586577 10.916803970
## [101] 1.855985030 0.410017080 5.860416297 4.682359954 1.872127399
## [106] 20.247099458 5.132028043 4.412053562 12.562870135 2.910051464
## [111] 0.009747704 4.429079192 7.719969297 8.544745199 9.297014862
## [116] 6.469192374 14.789505947 1.246146297 1.739720067 18.304708554
## [121] 5.298755005 1.865815414 5.306887295 7.644302106 4.943675827
## [126] 0.622232461 2.940202360 5.877156621 30.926927367 9.912196610
## [131] 25.313013710 0.366962821 21.998306419 10.021728060 1.596906493
## [136] 2.890000196 1.074664810 23.372751685 2.615991709 0.450220537
## [141] 18.884731641 6.233972562 10.292832068 11.437149189 0.857520196
## [146] 6.488533221 12.771252426 1.136300520 3.672576983 7.315786153
## [151] 2.257829187 2.397156576 2.308119723 3.822261047 1.924490620
## [156] 1.692888421 3.119224755 7.793558500 2.378694462 0.529899342
## [161] 9.787271152 14.722534987 1.135354151 10.758926991 1.261192138
## [166] 2.950817666 1.731503382 4.243696762 14.027117799 3.848234114
## [171] 8.886995527 7.044312961 7.831772323 0.368293591 1.075176924
## [176] 2.590521176 1.601421983 21.715487728 0.029941864 1.098151035
## [181] 1.246027200 4.242451604 15.207468721 23.984517070 6.071251821
## [186] 3.172439060 6.585322654 2.689512810 3.513688521 2.832438614
## [191] 1.108054143 6.459516367 13.976139921 0.598499159 6.789916372
## [196] 8.713090460 4.439258672 1.992148921 11.050737384 0.829407457
## [201] 4.743674034 0.340143977 2.624372223 0.978601405 0.651505105
## [206] 0.205723355 1.061938673 9.812034063 0.864715657 0.448636240
## [211] 5.780375382 6.444100520 6.528618917 12.380091927 0.634390628
## [216] 3.448929009 13.128843459 11.046497583 9.740845407 1.334965820
## [221] 15.406781483 14.707201581 12.041037973 7.487109689 10.486068047
## [226] 2.317466743 4.798069166 5.261530442 1.116546441 6.457794796
## [231] 11.355605240 7.030658612 3.437959864 12.099994225 7.252261838
## [236] 12.509682116 0.013442153 3.405784870 9.307128310 0.908915216
## [241] 1.664178019 3.906764525 0.088865217 5.368195447 0.804093874
## [246] 6.441477628 0.003118448 7.877447890 8.006093060 1.804608185
## [251] 0.938941330 1.835966941 1.138185728 10.151110578 8.099835651
## [256] 2.871630100 7.269449702 3.795055169 0.483925316 4.870843496
## [261] 7.833241369 2.191308489 4.566361573 0.220270989 0.705025404
## [266] 15.932225109 6.654024806 0.104011520 0.070688341 3.093699728
## [271] 5.565023180 2.812395807 8.577636101 4.210579745 0.073933803
## [276] 6.642210256 4.876848807 2.683124791 4.901581405 13.616757329
## [281] 13.921336675 10.905193157 0.630452382 6.002763781 1.832591283
## [286] 0.118660818 6.937195949 0.839538120 6.044425562 7.574201580
## [291] 7.229696489 3.926702125 5.126756832 5.385234022 7.104225145
## [296] 2.175007649 3.773104643 0.461963327 2.789087771 3.999549299
## [301] 0.581458173 17.445448234 7.584599665 16.776251926 3.982123978
## [306] 2.333245721 1.186720503 0.030774708 3.303805375 3.251674131
## [311] 5.312369987 0.328044989 0.902970255 0.580595403 20.300941004
## [316] 7.550176341 12.679336342 0.961555336 2.910962929 7.447516540
## [321] 0.356024542 4.192478372 7.300541840 1.522255333 0.050632499
## [326] 1.356476152 10.568382605 7.439099913 1.620068505 2.630710574
## [331] 2.880875037 2.217422591 3.311490417 11.929163362 4.222849533
## [336] 5.262119964 4.032764118 6.524490209 7.908169303 28.440939477
## [341] 13.564676809 0.392739952 1.885545401 5.296681847 16.406134921
## [346] 2.521906349 4.094524409 1.146751293 8.483128367 1.359315078
## [351] 3.025762595 23.482682111 3.912919150 10.657969940 0.606959520
## [356] 2.232423342 4.653493624 9.800415242 4.966920934 2.530504905
## [361] 6.847458075 2.329319403 3.118916664 1.848180899 6.731294559
## [366] 2.703386472 12.344451460 0.939080679 6.394615212 3.766847519
## [371] 5.182626972 0.798913260 3.182973792 0.842152961 6.589530872
## [376] 1.686808406 9.038689535 1.897009145 5.037049058 1.880454169
## [381] 7.135397019 1.619323165 6.103650000 3.392746802 48.463248127
## [386] 1.422610165 1.214326205 9.542854567 14.599182542 1.291790209
## [391] 0.680416710 4.933290637 3.853456498 4.845105283 3.016789516
## [396] 2.533933371 3.785151623 17.003562390 0.962230111 16.860914429
## [401] 5.580591961 0.777502396 4.678902193 9.026475671 7.824247492
## [406] 4.954848094 2.011380932 0.382236768 15.804836209 4.934850822
## [411] 1.008604070 1.163497780 2.767869473 9.573963481 8.129588552
## [416] 5.689796833 16.886408730 0.668828029 0.761750864 2.734103903
## [421] 3.552650283 0.717905606 0.847543164 6.379081277 3.664710078
## [426] 23.993022623 18.292731922 1.077282331 11.778471138 2.087183587
## [431] 5.018741978 9.822083625 3.969080678 7.418352825 26.679508498
## [436] 11.120409420 2.257245180 8.643236305 13.571766258 5.417488279
## [441] 2.713862730 13.218971181 1.405533166 3.218636471 7.020066764
## [446] 3.324144063 1.473103823 0.321308806 6.389732564 1.393188509
## [451] 9.061779409 6.410252060 1.686668915 7.809378745 9.077160296
## [456] 3.165171663 1.797779366 10.021692629 2.418277485 3.706790180
## [461] 2.899760256 3.246206939 3.048686106 0.476414772 5.978927603
## [466] 7.358161071 2.906175359 8.601301621 7.212783825 9.702663380
## [471] 2.372925052 1.395754030 13.534707707 12.179198283 5.771080480
## [476] 3.880398341 2.239443918 3.189639498 2.767884051 3.816674293
## [481] 7.080816753 5.015024710 12.433600109 7.665384125 5.814237065
## [486] 3.528776874 14.209881853 21.144574496 9.768773618 3.262752006
## [491] 6.235712690 1.248316445 6.336371194 2.131670553 1.230596606
## [496] 2.553283277 5.118234766 2.571580508 4.082029724 0.627186452
## [501] 5.225647587 4.990415124 9.312565865 0.805929570 5.227197563
## [506] 1.869773093 1.225866440 2.866850719 9.876470932 1.878547230
## [511] 10.021568555 1.870108237 4.150975015 3.067226826 22.838179025
## [516] 1.970858359 10.879484825 10.586855145 18.106288790 5.298459044
## [521] 2.327614487 1.081516592 14.021169673 4.236497853 7.722955819
## [526] 3.490588864 6.837393864 2.011777514 11.766659315 5.633254677
## [531] 7.208883997 4.140885707 10.291327692 0.748847509 8.122808849
## [536] 2.642181518 1.684584215 2.727407455 0.770969186 4.483717577
## [541] 4.119785693 11.865956537 5.321143672 0.040863482 0.085141827
## [546] 21.021949443 12.048562590 0.105408667 3.280511619 17.371218703
## [551] 0.589895696 4.236347279 5.746150933 13.833856824 10.227332901
## [556] 3.002919802 0.476450088 22.789404126 6.346991943 3.167396796
## [561] 2.114508641 18.706864356 19.715528681 1.799050586 1.947138320
## [566] 5.037276303 2.842963723 4.083921371 21.926156523 10.090954430
## [571] 14.350792754 9.617684399 0.326192700 3.005426816 2.525807622
## [576] 1.288331011 21.256703081 26.009758046 4.274367688 2.027777695
## [581] 1.211069676 10.475582242 11.911578923 36.087990669 4.885884689
## [586] 5.255558816 1.577068467 4.245156990 11.018593970 10.017513843
## [591] 3.642044466 4.259271417 0.359743132 4.752426328 2.353904164
## [596] 4.047853662 0.794693228 4.560347477 9.329576038 9.679547678
## [601] 8.156998945 0.516156265 10.419668307 7.636744631 2.809696211
## [606] 2.035561527 3.999373276 4.735458811 1.746873641 8.165408045
## [611] 9.248479194 0.296809693 1.270784922 0.771304188 0.131102725
## [616] 8.763639132 5.732433418 7.245303824 4.332443878 3.448240849
## [621] 0.372693699 4.723980317 2.673749501 0.758199458 6.481251497
## [626] 2.321909652 14.819364342 33.527925161 6.412318764 3.768600200
## [631] 27.503474882 17.170619687 2.116578790 1.839469043 5.150967613
## [636] 11.298920968 0.202911484 23.755431638 4.003109476 1.967933591
## [641] 4.033386553 16.405932705 1.291876186 8.001919169 0.146255731
## [646] 8.471916340 1.025472780 8.393311601 3.634776905 1.237241135
## [651] 15.303568314 3.573778097 2.422155697 31.402022698 0.206238497
## [656] 7.256251266 0.852814115 5.716687192 3.639108189 9.266236560
## [661] 3.155855726 1.133582083 3.197030724 0.777991600 5.091318888
## [666] 3.880336421 7.696018763 0.343154332 6.829362291 14.509377177
## [671] 18.319163113 20.085672229 24.718376430 5.082746487 9.183728867
## [676] 1.424189335 0.062388231 4.496079711 3.641069787 4.871872068
## [681] 11.985515490 10.337711445 1.561618133 6.310501842 16.004619788
## [686] 1.647184342 6.204831361 4.789035430 0.884596366 15.940965737
## [691] 7.653016001 12.401830695 5.227212778 13.499828640 1.007405017
## [696] 8.206642052 4.031725042 13.009046679 5.581535758 2.051360194
## [701] 0.460837244 0.612734444 0.741962677 2.139250598 16.594348545
## [706] 2.041354600 6.269300496 0.342720782 6.765110861 23.266453507
## [711] 2.554963466 11.743251275 17.070817567 3.113072866 5.912953309
## [716] 2.617470989 4.927800826 10.802642885 0.760197320 4.447951600
## [721] 19.993442133 2.996359558 3.483709825 1.406207470 3.926910577
## [726] 0.289425423 10.897283021 12.753861095 3.819856044 9.735486600
## [731] 2.057025919 1.664221049 5.701681550 4.846519517 3.634332393
## [736] 1.234481002 0.083211503 0.084340105 0.596165249 0.991463159
## [741] 9.696489226 1.762906955 5.569844886 3.553086122 9.420020606
## [746] 4.267454762 7.205392308 0.958534341 0.068982507 5.967100293
## [751] 19.175681814 1.757746884 1.605530273 7.687931986 8.244553115
## [756] 3.296718190 7.242207879 3.144194182 6.907609535 3.427228988
## [761] 0.519570996 1.237756731 3.160518461 4.085856752 2.018390302
## [766] 5.156103456 2.124852975 1.118589272 8.473415953 5.362576719
## [771] 2.002196593 6.960019245 2.156851038 12.077731110 6.520708065
## [776] 9.198849253 2.532420672 2.957839628 3.042729548 7.367502445
## [781] 0.043183225 0.461187574 12.552672799 13.402638170 1.037742320
## [786] 1.396513652 8.403210680 0.909878433 6.435784545 3.844958561
## [791] 6.355459700 0.755803644 30.603877464 50.748873398 31.042487393
## [796] 0.872712613 6.632153326 0.537304276 1.195276115 6.573406179
## [801] 42.417211418 13.736115585 24.967579265 5.515970276 14.961513530
## [806] 0.280000659 0.368627261 1.837558824 0.890852638 8.567087966
## [811] 0.770983441 8.610501782 5.737922300 0.912564277 3.611195871
## [816] 3.804405028 1.562496146 14.657380784 1.055920240 0.231143036
## [821] 1.352441984 15.575894046 2.199151258 6.734860701 2.493301587
## [826] 0.424259202 8.944998230 1.708968440 14.911455888 11.888027731
## [831] 1.642863046 10.788048215 4.227925708 8.523187447 0.981511621
## [836] 2.110318433 6.819070263 1.941242552 2.190082415 4.778927358
## [841] 7.767924338 0.312599910 1.333217852 0.938857061 3.036061230
## [846] 0.994589017 16.425234775 16.244129452 7.421026384 16.559171598
## [851] 1.288738478 2.885513753 2.650602206 6.322700349 0.228509503
## [856] 5.698895300 9.004162543 0.253500458 3.464237105 7.411673689
## [861] 2.151286041 3.587897594 1.241368047 0.574412777 8.136457884
## [866] 1.582605614 0.570815214 3.933328165 11.043779544 5.752227470
## [871] 0.818785665 2.972567755 10.054430264 5.720669894 7.325315024
## [876] 0.896723148 5.862181035 11.471810851 2.876293825 0.975554011
## [881] 5.259251913 6.279626565 0.104548670 2.308959684 11.330553587
## [886] 0.473883728 6.244205955 0.477530999 3.724915856 8.447601293
## [891] 0.040159437 5.586864279 2.350382066 15.362773786 6.164020217
## [896] 7.229659036 1.647261886 0.834437914 0.723524458 8.059584327
## [901] 7.314245710 3.039560004 19.157041489 12.070842035 9.560739640
## [906] 0.759316977 13.756909695 0.945075287 3.571320517 18.994852036
## [911] 6.149625576 0.759899835 2.751264129 6.877902880 0.843858638
## [916] 0.586770901 0.086686331 2.216939684 0.501603423 8.318630346
## [921] 9.482354783 1.178852644 2.455701975 4.605198908 4.913101623
## [926] 0.025221530 1.815169240 2.416450068 6.128551604 4.791350975
## [931] 2.428025018 21.369883629 4.751862488 0.762664966 4.814751223
## [936] 0.300209211 7.275595475 3.401040609 2.894350206 6.497886194
## [941] 0.359789209 2.553293654 10.125416033 8.348801279 3.639936458
## [946] 4.290616845 7.619012955 5.128784769 2.774960289 5.748730765
## [951] 0.247782032 1.692398401 3.870342099 1.258070623 0.477428639
## [956] 18.374519884 0.570565308 8.344592700 1.155135274 0.872004752
## [961] 9.871100572 15.420813543 1.105112769 9.891913007 0.863857282
## [966] 8.393368511 15.836344990 3.094302270 0.340845569 7.407769399
## [971] 7.243771394 7.742179360 3.545634608 17.711373298 6.324724853
## [976] 2.727263753 0.610867680 0.407653757 8.724114842 2.848423594
## [981] 0.642340071 4.183759539 0.445454238 0.543288852 7.081002731
## [986] 1.962417734 0.785849337 3.249042719 4.959295880 4.536154970
## [991] 7.214990286 3.125112411 1.240817335 6.900612970 6.309666048
## [996] 18.054815053 0.476939278 0.065460599 0.734462368 1.271311141hist(tt)
basicStats(tt)## tt
## nobs 1000.000000
## NAs 0.000000
## Minimum 0.003118
## Maximum 50.748873
## 1. Quartile 1.692766
## 3. Quartile 7.826129
## Mean 5.888476
## Median 4.032245
## Sum 5888.476158
## SE Mean 0.192919
## LCL Mean 5.509903
## UCL Mean 6.267049
## Variance 37.217705
## Stdev 6.100632
## Skewness 2.333235
## Kurtosis 8.576778Tuổi 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.