ch08-风险管理讲解.ppt

* * * * * X为用于计算正态分布函数的区间点，Mean是分布的算术平均值，Standard_dev是分布的标准方差；Cumulative为一逻辑值，指明函数的形式。如果cumulative为TRUE，则NORMDIST函数返回累积分布函数；如果为FALSE，则返回概率密度函数。 * * * * * * * * * * PERT 采用概率时间估计，乐观的（optimistic time） / 最可能的（most likely time） / 悲观的（pessimistic time）活动历时估计，并假定3个估计服从β概率分布（Beta probability distribution）。 按照这个假定，来估算每一个项目活动的期望进度和方差： 期望进度 方差 计算练习 计算期望工期和标准差 1 2 3 4 A 2－4－6 B 5－13－15 C 13－18－35 计算结果 总期望工期：36天 标准差： σ = 4.08 = √(0.444+2.778+13.444) 1σ 1σ 2σ 2σ 3σ 3σ 在±σ内，包含了总面积的68% 在±2σ内，包含了总面积的95% 在±3σ内，包含了总面积的99% ？ 解释 项目在23.76天到48.24天之间完成项目的几率为99% 项目在27.84天到44.16天之间完成项目的几率为95% 项目在31.92天到40.08天之间完成项目的几率为68% NORMDIST(x,mean,standard_dev,cumulative) X?? 为需要计算其分布的数值。 Mean?? 分布的算术平均值。 Standard_dev?? 分布的标准偏差。 Cumulative?? TRUE 练习 计算期待时间 通过期待持续时间可以用类似于CPM中前向路径方法计算项目结束时间 结果可以表达为我们期待项目在。。天完成。 2.83 事件号 标准偏差 期望日期 目标日期 此处获得的日期是否是最早结束时间？ 活动标准方差 活动标准方差（Activity Standard Deviation） S=(b-a)/6 达到目标的可能性 计算步骤 计算每个项目事件的标准偏差 计算具有目标期限的事件的z值 将z值转换为概率 事件的标准偏差 项目事件的标准偏差的计算 与计算项目的期待时间采用的方法是类似的。 事件的标准偏差等于到达该事件路径上的总标准偏差之最大值。 两个标准偏差的和是两者的平方和再求平方根。 2.83 事件号 标准偏差 期望日期 目标日期 计算z值 Z=(T-te)/s T: 目标日期 te 期望日期 将Z值转换为概率 不能完成的概率 练习 计算事件4、5不能在10周前完成的概率。 2.83 事件4 z=1.89 概率 3% 事件5 z=0.43 概率 68% * 1 2 6 8 7 3 4 5 (6,14,16) (13,2.78) (4,11,12) (10,1.78) (5,7,9) (7,0.44) (1,5,9) (5,1.78) (1,4,7) (4,1) (6,15,30) (16,16) (2,5,8) (5,1) (1,2,3) (2,0.11) (1,5,9) (5,1.78) (3,4,5) (4,0.11) (3,12,21) (12,9) 关于近似关键路径的讨论 共有5条路径，分别为： 1) 1-2-6-8 2) 1-7-8 3) 1-2-5-7-8 4) 1-4-5-7-8 5) 1-3-4-5-7-8 * 求每条路径完成时间的均值与方差： 以路径1-2-6-8例, 均值=13+10+5=28 方差=2.78+1.78+1.78=6.34 同理，可求出其它路径完成时间的均值与方差： 路径1-7-8: 均值20 方差17 路径1-2-5-7-8: 均值=29 方差=6 路径1-4-5-7-8: 均值=18 方差=3.89 路径1-3-4-5-7-8: 均值=27 方差=12 以均值衡量，路径1－2－5－7－8最长，作为关键路径。 注意路径1－7－8的方差值。 * 讨论：关于次关键路径的考虑 本例中，关键路径的均值为29天。这意味着在29天内，关键路径的完工概率为0.5，也就是项目完工的概率为0.5。而此时可以计算得到，两条次关键路径1-2-6-8（均值为28天）与1-3-4-5-7-8（均值为27天），它们的完工概率分别为0.67与0.72。则这三条路径在第29天全部完工的概率为： 0.5×0.67×0.72＝0.24 其概率非常低。因此，项目完工的概率远远低于单纯依据关键路径计算出来的概率。同时，在项目进行过程中，次关键路径非常容易变成关键路径。 * 对PERT的评价： 结果过于乐观 任务独立性假设难以成