卡特拉力赛解析.pptx

德务昂小组 2015年5月荣誉出品 约翰 卡特 车队负责人 保罗 爱德华 引擎 工程师 汤姆 伯恩斯 机械工程师 古德斯通 泰俄 主要赞助商 福瑞德 卡特 约翰的哥哥，合伙人 人物图谱 *情景分析——案例背景 *情景分析——数据分析 *情景分析——个人判断 情境分析——案例背景 01 胜利的收入保障： 赞助、设备与声誉 熄火的重零开始： 失去赞助商与供应商 当前的财务危机： $57500的欠款 之前成绩不错，4次冠军，12次前5名，但发生过多次熄火 明天气温很低，而熄火可能与温度有关。 财务层面 技术层面 情境分析——数据分析——温度与线圈的关系 01 结论 SAS 输出结果 温度和线圈故障并没有什么关系。 简单统计量 变量 N 均值 标准差 中位数 最小值 最大值 x 7 63.85714 8.45436 64.00000 54.00000 76.00000 y 7 1.42857 0.78680 1.00000 1.00000 3.00000 Spearman 相关系数, N = 7 Prob |r| under H0: Rho=0 ? x y x 1.0000 -0.13484 0.7732 y -0.13484 0.7732 1.00000 data test1; input x y @@; datalines; 54 3 56 1 57 1 64 1 70 1 70 1 76 2 ; proc corr spearman; var x y; Run; 情境分析——数据分析——温度与线圈的关系 01 data analysis; do temprature=56, 62, 68, 74, 80; do wrong=1,0; input wt@@; output; end; end; ards; 3 0 1 0 2 8 1 5 0 4 ; proc logistic descending; model wrong=temperature/rsq cl; weight wt; run; 温度范围 及组中值 故障 次数 无故障 次数 53-63F （58F） 3 0 63-73F （68F） 3 10 73-83F （78F） 1 7 结论：在显著性99%的情况下， 不能拒绝全局零假设。 情境分析——数据分析——温度与线圈的关系 01 1.垫圈是确定导致熄火的原因 2.温度和垫圈故障率相关性检 验没有显著的关系。温度可能 有影响，但并非是关键因素。 3.自Slippery Rock以后垫圈技术 已改良，采用不同的座式程序 前两次比赛都没有再出问题。 垫圈故障与温度 约翰卡特的 拉力赛决策 参加 比赛 失败但未熄火 失败而且熄火 退出比赛 取得胜利（前五名） 情境分析——数据分析 01 引擎故障概率：29% 参赛获胜概率：80% 参加比赛失败但是熄火概率：29% 参加比赛失败且未熄火概率：14.2% 参加比赛获得前五名的概率：56.8% 约翰卡特的 拉力赛决策 参加 比赛 失败但未熄火 失败而且熄火 退出比赛 取得胜利（前五名） A入场费 B此次赞助 C下赛季赞助 D汽油商赞助 情境分析——数据分析 01 E(参加比赛获得了前五名)=152.5W E(参加比赛失败但未熄火)=52.5W E(参加比赛失败且出故障)=2.5W E(参加比赛)=94.8W E(放弃比赛)=50.75W 风险决策 建议参加比赛 情境分析——个人判断 01 汤姆?伯恩斯 温度并不是关键。 好运气是成功的最重要因素。 继续下去就可以有主动权。 首席机械工程师 保罗?爱德华 开始：估计引擎故障与温度有关。 之后： 温度——垫圈吹出——引擎熄火 引擎工程师 ？ ！ 情境分析——组织限制 01 倾向于冒险 喜欢追求刺激和极限。 组织氛围 需要积累名气 需要缓解资金压力 需要考虑其他成员感受 组织限制 关注偏见——降低偏见的影响 02 定义：多数人对于自己的正确程度过于自信。 案例：汤姆说话是多用“必须”“任何”“永远”等绝对词汇。 过度自信的偏见 易获性偏见 定义：倾向于容易获得、记忆深刻的信息，从而高估可能性不大的事件。 案例：保罗的分析全部来自实践经验，熄火的深刻记忆容易使其高估其发生的可能性。 关注偏见——降低偏见的影响 02 验证偏见 锚定偏见 定义：我们寻找能够证实过去的选择性信息，忽视与我们的判断相违背的信息。 案例：由于希望得到赞助，因而将发生的事情都偏向于理解为赞助方愿意签订赞助协议。 定义：是指把信息固定在初始阶段。一旦