標(biāo)準(zhǔn)差？Z值？正態(tài)？離散?日平均需求再平方？哪個(gè)什么安全庫(kù)存公式嘛，怎么寫呢？切比雪夫不等式？K值，e值什么呢？

歷代數(shù)學(xué)天才們證明的公式，盡管揭示了很多本質(zhì)，有時(shí)光看已經(jīng)很吃力，還要考慮怎么運(yùn)用，又是一個(gè)頭疼的問(wèn)題。筆者因此在此梳理一下，讓大家更容易明白。

概率分布是供應(yīng)鏈管理的重要課題。因?yàn)楣?yīng)鏈過(guò)程中往往都存在很多不確定性，而概率就是定義某事的可能發(fā)生程度或事件發(fā)生的可能性。通過(guò)概率，特別運(yùn)用于庫(kù)存管理，有助于進(jìn)行風(fēng)險(xiǎn)管理。任何事件的概率都存在0到1之間。

1. 數(shù)據(jù)類型

在統(tǒng)計(jì)學(xué)上稱為隨機(jī)變量，分為離散變量和連續(xù)變量，以下就是兩種數(shù)據(jù)分布的直觀比較，左為離散，右為連續(xù)。

離散變量，是指僅能表現(xiàn)為整體取值的指標(biāo)?？梢酝ㄟ^(guò)數(shù)數(shù)得到，在最小單位的情況下只能是整數(shù)，只能被有限次分割。比如員工數(shù)量，可以是10個(gè)，20個(gè)，而不能有1.5個(gè)員工。

連續(xù)變量，是指其在最小單位的情況下可以是小數(shù)，能被無(wú)限次分割。比如身高，可以是1.5米，也可以是1.51米，更可以是1.5011266米。

2. 切比雪夫不等式

首先談到切比雪夫不等式，是因?yàn)樗m用任何分布形狀的數(shù)據(jù)，不管是離散還是連續(xù)。

在概率論中，切比雪夫不等式（英語(yǔ)：Chebyshev's Inequality）顯示了隨機(jī)變量的“幾乎所有”值都會(huì)“接近”平均。這個(gè)不等式是如下：

但是這個(gè)不等式以數(shù)量化這方式來(lái)描述，究竟“幾乎所有”是多少，“接近”又有多接近：

與平均相差2個(gè)標(biāo)準(zhǔn)差以上的值，數(shù)目不多于1/4

與平均相差3個(gè)標(biāo)準(zhǔn)差以上的值，數(shù)目不多于1/9

與平均相差4個(gè)標(biāo)準(zhǔn)差以上的值，數(shù)目不多于1/16

……

與平均相差k個(gè)標(biāo)準(zhǔn)差以上的值，數(shù)目不多于1/k2

運(yùn)用:

假如我們有以下歷史數(shù)據(jù)，過(guò)往一年，每個(gè)月的平均銷售和標(biāo)準(zhǔn)差數(shù)據(jù)。

那么建立多少庫(kù)存（期望值），會(huì)達(dá)到多少的概率不缺貨呢？

輸入期望值7526，根據(jù)不等式左邊來(lái)計(jì)算K值的最大值

然后根據(jù)不等式右邊的約束，結(jié)果不缺貨的概率是88.89%

因此在這個(gè)歷史數(shù)據(jù)下，如果建立庫(kù)存在7526的水平下，有88.89%概率不會(huì)發(fā)生缺貨。

注意：切比雪夫不等式描述的是在隨機(jī)變量分布未知的情況下，只知道均值和方差，切比雪夫不等式給出了x落入均值為中心的ε鄰域概率的概率范圍。而這個(gè)概率范圍是近似求出的概率，而非精確的。它的界限是比較松散，比如正態(tài)的超過(guò)兩個(gè)標(biāo)準(zhǔn)差是約在5%，切比雪夫不等式只是說(shuō)明超過(guò)兩個(gè)標(biāo)準(zhǔn)差的概率一定不超過(guò)25%，也就是如果100個(gè)的話，其不超過(guò)25個(gè)，實(shí)際可能是5個(gè)或者3個(gè)，由此可看出其松散。但是它主要的是給出一個(gè)界限。

如下圖，它告訴了落入的界限，因?yàn)榻o出了一個(gè)鐵的范圍，能夠大大減小你的目標(biāo)區(qū)域。

3. 泊松分布

泊松分布式屬于離散分布的一種，是適合于描述單位時(shí)間內(nèi)隨機(jī)時(shí)間發(fā)生的次數(shù)的概率

它必須符合三個(gè)滿足條件；

1.這個(gè)事件是一個(gè)小概率事件。所謂小概率事件是一個(gè)事件的發(fā)生概率很小，那么它在一次試驗(yàn)中是幾乎不可能發(fā)生的，但在多次重復(fù)試驗(yàn)中是必然發(fā)生的。統(tǒng)計(jì)學(xué)上一般用P值分析。）

2.事件的每次發(fā)生是獨(dú)立的，不會(huì)互相影響的。A和B的發(fā)生是獨(dú)立的，不是因?yàn)锳才有B這種關(guān)系。

3.概率是穩(wěn)定的。

泊松分布的公式是

公式中的X就是變量。λ值是表示平均值， K是期望值。而e則是常值，為2.71828

我們使用以下數(shù)據(jù)，在這個(gè)公式我們只需要用到平均值。

利用EXCEL計(jì)算如下，當(dāng)期望值在17的時(shí)候，累積概率是93.7034%，也即是說(shuō)銷售（出庫(kù)）17的總計(jì)概率是93.7034%，這里含了1到17的概率合集，不管出貨1件還是17件

提示：泊松分布是一種描述和分析稀有事件的概率分布。要觀察到這類事件，樣本含量n必須很大。λ（平均值）是泊松分布所依賴的唯一參數(shù)。λ值愈小，分布愈偏倚，隨著λ的增大，分布趨于對(duì)稱。當(dāng)λ = 20時(shí)，分布泊松接近于正態(tài)分布；當(dāng)λ = 50時(shí)，可以認(rèn)為泊松分布呈正態(tài)分布。在實(shí)際中，當(dāng)平均值大于等于 20時(shí)就可以用正態(tài)分布來(lái)近似地處理泊松分布的問(wèn)題。

4..正態(tài)分布

正態(tài)分布是幾乎最常用的方法，有很多從業(yè)，學(xué)習(xí)者或者專家都會(huì)拋出這個(gè)正態(tài)分布下的庫(kù)存公式，當(dāng)然有些會(huì)特意提到假設(shè)正態(tài)下

公式如下

很多人頭疼的Z值怎么來(lái)呢？

一般推薦查詢正態(tài)表，如下圖，如果要95%左右的安全庫(kù)存水平，那么對(duì)應(yīng)的系數(shù)是1.65

另外一種就是直接用EXCEL求解，直接輸入概率就得到對(duì)應(yīng)的Z值

當(dāng)我們知道如下數(shù)據(jù)的時(shí)候，我們就可以通過(guò)套用公式來(lái)求出對(duì)應(yīng)服務(wù)標(biāo)準(zhǔn)（不缺貨概率）的庫(kù)存水平數(shù)字。

運(yùn)用EXCEL求解

關(guān)于正態(tài)分布，有一點(diǎn)注意的就是，根據(jù)中心極限定理，樣本分布的任何獨(dú)立均值，如果樣本量足夠多，則隨機(jī)變量將（幾乎）呈正態(tài)分布。基于這個(gè)道理，因此很多計(jì)算庫(kù)存，利用公式，都不可避免地更多使用這個(gè)經(jīng)典安全庫(kù)存公式。

中心極限定理表明了，隨機(jī)變量遵循什么分布都沒(méi)有關(guān)系，只要有足夠的樣本大小，我們就可以假設(shè)正態(tài)分布。

5.判斷

究竟是否正態(tài)分布，將會(huì)有助于更加采取更精確的計(jì)算并得到結(jié)果。當(dāng)然不管什么分布，使用切比雪夫不等式，至少可以得到一個(gè)近似的置信區(qū)間來(lái)畫一個(gè)范圍。

在庫(kù)存管理上，不但要注意防止庫(kù)存不足造成的缺貨風(fēng)險(xiǎn)，還要注意避免庫(kù)存過(guò)多，最終形成積壓，導(dǎo)致周轉(zhuǎn)資金流動(dòng)過(guò)慢，影響企業(yè)運(yùn)營(yíng)。因此追求更適合的數(shù)據(jù)理論分布是概率分布計(jì)算的目標(biāo)。

已經(jīng)有很多方面，比如運(yùn)用EXCEL 排列以檢查是否屬于正態(tài)，筆者就比較懶惰，推薦這里使用SPSS（https://spssau.com/ ）其網(wǎng)站還有在線工具，只要導(dǎo)入相應(yīng)的數(shù)據(jù)，系統(tǒng)就會(huì)分析是否屬于正態(tài)分布

如下圖

6.結(jié)語(yǔ)：

這些庫(kù)存的計(jì)算公式，都是從概率論引申出來(lái)，根據(jù)數(shù)據(jù)推算發(fā)生的概率與否，但是我們永遠(yuǎn)要記住一點(diǎn)，概率再大，也會(huì)有發(fā)生或者不發(fā)生的可能。而概率的計(jì)算是基于一定已知因素和條件，哪怕概率100%，一旦有額外的因素加入到供應(yīng)鏈過(guò)程中，就沒(méi)有必然，絕對(duì)這回事。

筆者想說(shuō)的是，公式有助于決策，而非決策。決策的是人！公式都是利用過(guò)往數(shù)據(jù)，除了顧后（看歷史），還要瞻前（看預(yù)測(cè)，看趨勢(shì)），因?yàn)閹?kù)存是前后的結(jié)果（采購(gòu)和銷售），只有結(jié)合判斷，同時(shí)增加供應(yīng)鏈的把控能力和靈活性，庫(kù)存管理才會(huì)越發(fā)卓越。