Professional Documents
Culture Documents
الاساليب الكمية في التسويق
الاساليب الكمية في التسويق
. ..
I
أ خ
ل حت
1
3 أ
3 خ
5 أ
5 خ
5 :
8 :
14 Product : أ
16 :
21 : ،
24 : ،
24 : ، .
25 : ، ا .
28 : -
29 : -
34 Price :
38 : .2
38 : خ .
39 : .3
41 : .4
43 ، .
43 ، .
46 : .1
46 : .2
49 Promotion :
55 :
55
II
أ خ
124
124
124 Assignment Problem
126
126
126 Assignment Problem
138
138 Network Models
140
140 Network Models
141 : اخ ا
153
153
154
154
154 Sales Forecasting
161 :ا
162 ا -2
170 Sales Budget :ا
171 Sales Budget Planning
178
179
179 Cluster analysis
181
181 Cluster analysis
181 :Introduction
182 :What is Cluster Analysis
IV
أ خ
ت
ممم أ ممم ممم ممم ممم ممم ممم ممم
أ خا
م إ م م م م م م خمما م م م،
م
ا. ا ء
أ ا
م إ ،
م أ مم م م م م ، م ا م م م
،م م ، م م م أ
. ء آخ ،
م آ م ء ا
م م م م م م م م م م
مم مم أ م م مم ا م مم م أ م
.
م م م م
م م م م م م ، م م م ا م
. أ ،
ممم خ ممم ممم ممم ء ممم ل لللأ ممم ممم
م م .ج ل ا ل للأ ل ل م م م م
ء م ،ل أ ل لث أ
،م ل لأ ل ل م م م آ م م
. ا (
ل لأ .خ م م م م : ل أ ل
. ا ل
. ل أ ل
ل ل أ
م م م ء م م للأ لت ل أخ م مء ل
(Cluster م م ا م م م م م أ م
)Analysis
1
أ خ
. ..
2
أ خ
أ ل
لح ث لت خأ
أ :
:
:
:
:
3
أ خ
4
أ خ
أ ل
لح ث لت خأ
5 ت
م م م
م م م م م م م م اا م م، م
م خم م ، أ
. ،
(American Marketing ممممم أ ممممم ممممم ممممم
مم مم مم :ط م أ مم م م )Association/AMA
م م ا م م م م م م م
()1
ممم ممم ممم ممم ط .ممم ممم 2003ممم ممم
م م :ط م م م م مء م م ،م
م ، ما م م م م م م م م
م ،م خمما م م م أ م ، م ،م
()2
ط . خ ،
ممم ممم ) (Armstrongممم ) (Kotlerآ ممم ممم ممم
ماء م ء م م خا :ط
()3
ط . ا
ممممممممممم ممممممممممم ممممممممممم ممممممممممم ممممممممممم ممممممممممم
م ، م م ) (Chartered Institute of Marketing/ CIMم
م م خ م ط ء
م م م م م م ،م أ
م م م م م م م إ م ،خا م ،م ،
ط(.)4
م م اا م م م م م ، اء
م م م ،م م أخ م م م ما ما
م م م م إ م م م م م م م أ م .م
ممم ، ، ممم ،ممم ممم ممم ممم ،ممم ممم
. أ ،
5
أ خ
ممم ، ممم ممم ممم ممم ا ممم ا ممم ممم ممم
ا م م أم إ م م م ،م ، ،
.
م ،م م م أ م ا خا
م أ م م م م م م م م م م
ممم ممم مم .ممم اء ممم مم ممم ممم ممم مم
م م خا م م م أ
م م خا ،
م م م م م م إ م م
.ا ا ء
م م م م م م م
:
ا م ، .1
. أ
م م م خ م م .2
أ م ،ا م م م ،
. أخ أ
ا م م م م ا، م م م م م .3
م م م ، م إ
م ما م م م م
.
مم مم مم مم مم إ مم مم مم .4
م م . م م م م
ا م ا م م م م م م م
ممم ممم ممم ممم ممم ممم ممم ممم ممم
م م م م م م م م ، إ م
. إ
م م ، م أ م م م ا م م م .5
م إ م م م م م م م
م م أم . ا
ممم ، ممم ، ممم ، ممم ممم ، ممم أ ممم
. آخ ،
7
أ خ
،
ا ا ، أ
ا ا ا ا ، أ إ
.
Accessibility
Place Convenience ا
Awareness إ Promotion
Communication ا
اء ،
. ) (
ا
، ا ، ا
.(Quality/ Price) ا
8
أ خ
ا ،
أخ .
)(two ways اا ا
. ا
اا
اا ء )(4 P's )(4 C's
.
ـ ـ ـ ـ ــ ـ ـ ـ ـ .2
ا ()Transactional Marketing ــ
اء (-)Relationship Marketing
ا ،
، ، ا
ا ء
،
. ـ
أ .3
. ا
، إ
.
، خ .4
، ا ،
ط ط
. ـ خ خ
.1
ا ا ،
.
خ .2
. إ
9
أ خ
ـ ،
،ا ،أ
:
. .ا
. إ .ا
إ ،
،
، إ
إ
.
. .
:
خا إ إ *
إ
خا :
. ء إ ا -
. -
. -
. ء -
) خا ( .3
، خ أ
. ء
.4
. ، إ
.5
، أ
أخ إ
ء .
، ا إ ،
10
أ خ
11
أ خ
)1-1(
(10)
Source: Kotler، P and Armstrong، G. Principles of Marketing، Pearson/ Prentice-
Hall، New Jersey، USA، 2006، P. 50
13
أ خ
14
أ خ
،ا أ
ا ، ا ا
ء ء
ء ا .
خ . ا
. ، ء ء
،
ا ،
15
أ خ
،
.
16
أ خ
.
ا
. خ اء ،
، .أ
، ، ،
، ا ا . ا
، ء
، ء.
اا ، ،
(.)15
، ا ، .
ا ا. ا
، خ .
، ا ا
، .
ا .
17
أ خ
أ :
خ ، .
، إ ،
ا . خ
أ ، .
خ خ ، خ
، خ خ
(.)25
، خ .
، (1300 .اا خ
)، 3200 ، 2400 ، 1800 ، 1600
، ّ
ا ا اا
). 4ٞ (5
ا ، .
، ء ، خ
آخ . ، ،
ا
. ا خ
خ أ أ
إ
خ .
(:)17
18
أ خ
19
أ خ
أ
إ
.
، أ
. ا ،
20
أ خ
، .
(:)19
21
أ خ
ا
(.))3-1 (ا
22
أ خ
%43 %43
لغ ل ل ك لغ ل ل تأخ
%64.1
ل ت
ئأ Time of adoption of Innovation
%5.1 %61
ا تك ل ت
:)3-1(
X 2 X X
ا X
-
،أ ا اا ،
.
.
،أ -
،
إ ا ، ، ا
. أخ
-
.
25
أ خ
)2-2(
. إ
حأ ل
ا
/ أ (
) ( ) ) (
/ ا
ا
/ / / ا أ
ء
) ( ا ) (
أ ا
) (
إ ء ء ء
اخ ا أ إ إ ا
أ
ا
أ
)22(
Source: Kotler، P. Marketing Management، 11th ed. Upper Saddle River، N.J،
Prentice Hall، 2003، P 340.
: .4
. أ
. ا
ء ،ا
26
أ خ
.
أ ا
.
ا خ
أ ،أ ء
.
خ خ ،
ا، ا خ
ا ا ا
أ .
27
أ خ
،
، ،
، ، ، ، ، ،
، أ
. خ
خ ء
،
، خ
28
أ خ
، ء
.
إ ا ا
ا . خ
خ ا
.
.
اأ
: ،
. -
30
أ خ
-
ا إ
،إ ا
،أ
خا
:
اخ -
. ا
: -
؟ خ خ
). ا خ ، ، (: -
:
خا -
ا .
ء اء -
،
آ أ
.
إ ا -
ا خ ا ء
.
-
أ
ا .
5 ل ت -ج
)(Quality
ء ا ا ،أ خ
32
أ خ
33
أ خ
Price 5ل ل حث ل
.
ا، خا ،
. ()23 ا ا أخ
ا ،
ء .
، خ
، .
. ا ا ،
، إ ،
. ا
ا ا ،
(:)23
، إ .
.
، .ا
. ء
. إ .
.
.
، ا
ا ، أخ
.
آ ا. ا، ا
. ا أ
، ،
ا. ا
34
أ خ
.
، ا
. ،
ا ا ،
. أ
ا ا
إ . ا
.
ا ،
.
ا ، أ
أخ أخ ء .
ا ()Cost-oriented ا ا
(.)Customer-value oriented ا
ا خ ا
.
، ا
أ ، ، أ
ء ،
35
أ خ
36
أ خ
أهداف ا تسعير
هدف ا محافظة ع ى هدف ا محافظة ع ى ا وضع أهداف بقاء و إستمرار ا م ظمة أهداف تتع ق با مبيعات أهداف تتع ق با ربح
مستوى جودة عال ا راهن
ا عائد ع ى ا مبيعات
ا محافظة ع ى استقرار ااسعار ااسعار ا سائدة ا حصة ا سوقية زيادة ا تدفقات ا قدية
إ طباع عام جيد ا حا ية
ف لت ف أ ل كأ ( 5)3-6ت ()53
650 ،5002 ، ، ، ل ل ، ت ل ت ،ت لل ل ج 5ل ئ ،ح
37
أ خ
38
أ خ
،
. أ ا أ
، ا ا
. .
. ا آخ ا ا
اا أخ .
) ( أ
. ا إ أ
، ، ، .
ا ا اا، ، . خ
أ ، أ
. أ ء خ
ا ،
.
،أ
ا خ ،
أ ا .
( ، أ
. )
( خ
، ( أ ) ،إ
) ،أ ، ،
. أ
ا خ
اا، ا أ
. ، ا خ
:)26(
، -
ء أ ،
،
خ ، .
: أ ا
، . خ ،
Price ( :
.)Penetration price policy( خ ،)skimming policy
) (
، . إ
، أ خ
، .
.
، ، خ
.ء ا
ا خ
. خ
ا أ
،ا .
خ ، إ
.
، -
.
. ا ا
أ ، أ :
.) خ ( أ ،) (
، ، -
) (ا .
، أ
40
أ خ
، خ
، ا . أ
ا أ
، .
، أ إ ا
). ( أ
،
، ، ) (
...خ.
أ :
25 ، 75
: إ . = 100
42
أ خ
25
=% 33.3 @@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@@
أ
خ .
ا. أ .
ا .
أ ء ، ، أ
، إ إ
أ . أ
خ
ء ا.
ا ،
.
، ل أ .لت
. ،
. ،
، أ
.
ا أخ ا
، ا ، ،
. ، خ ،
أ ، ل ف أ ج .لت
،
.
. ا
. اء
43
أ خ
44
أ خ
46
أ خ
،
.
ء ، أ
: أ ا
( ا ، خ .
، ، اء
، ( خ ء ...خ) ،ا
ا ...خ)، ، ،
)، إ ، ء (
ء ، ، ( ا
( ) ،ا أخ ، ،
ا ا
...خ).
، .
ء ا ،
. ،
، : ، آ أ
. ، ا
ء ء خ ا ء، .خ
ء إ ، ،
، ، ، ،
، ،
.
48
أ خ
ج Promotion 5لت ل حث ل
أ
ء
: ا ، . خ
، اء ، ، إ إا ،
أ .
()31
. ا ا ، أ
ا إا ،
، ،
ا
.
. ، ء إ ا
، أ
ا. ، ا ا
، إ خ
،إ ا
. اا ا
ا ، ء إ
أخ أ ،
ا . اخ
. ا ،
، ا
.
، ا
، ا ا
. ا
ا ا ، ،
ا ا ا . أ
ا ا . ا
49
أ خ
50
أ خ
إ ا : .
،
إ ا .
ا، ا
إ ا ا خا ا ، .
خا ا ،
إ ا .
، إ ، خا
ا خا ،)Mass (Selling
.
إ ،
أ إ ا ، ا ء)، ( ا
إ ا .
أ : .
، ، ،
، ، ا ، ا
. ،
،
خا .
، إ ا
:أ . أ
، ، أ
ا ، ا
. ا
: ا ـ.
ا، خ خ ا ء
أخ خا
ا . ا
خا ،
ا . أخ
إ ا خ ا
.
:Direct Marketing .
ا ، ا ا
51
أ خ
52
أ خ
53
أ خ
54
أ خ
ل ئ ل 5ل ل حث ل
لت ل ل ت
) Physical Evidence ل (ل ل أ اا 5لت
(Physical ممم ممم ممم ممم ممم ، ممم ممم
مممم مممم مممم مممم مممم مممم
مممم )environment
م م م م م ).(Extended marketing mix
م م ء، م م أم م م م
م م م م م م م م م ،إ م
م ء م ا م م م م خم م ،م ء
م م م م م م م م م م. م،
م م م م م م م ، م م م
ء.
م م ما م م م ،خ م م
ممم ممم ممم أ ممم .ممم ممم ممم ممم ممم
م م آ ا
م م . م
م، م م م خ م م م م
مم مم مم مم ا مم ،مم مم مم مم مم
.
م
م خا إ
م
ممخ) ،م م ،م ... م ، م م م ا خم (خ
ممم ،ممم ممم ممم ممم ا ممم ، ممم ،
م ،م ، ، ، ا ا ،
م، م ( خ أخ .
م ء، م م ،ا خ
م م م م م ) .م م م م م م م
م م ما م م م م ،أ
م م م م م ا اء ،
. ،ء خ
55
أ خ
ء ه.
57
أ خ
أ ل ل
خأ
لت ف لك لأ ل
58
أ خ
59
أ خ
أ ل ل
لت ف لك لأ ل خأ
ح ول ق ي ة نظ اًر ق ة ا معايير
: أ
: أ
م ما م م م م .1
ا .
. خ خا .2آ
60
أ خ
61
أ خ
مم م م ا م George Babcock م م 1912 .4
. ا ا
م أ م م م F.W. Harris م م 1915م .5
. إ
مم مم مم مم أ مم مم ء مم مم .6خمما
م م مء إ م م خمما م م م
مممم مممم مممم مممما مممم مممم مممم مممم
. ( )Zigzagging
م م م م م م م م 1916م .7
م م م م م ا م .م م م م ا
ء . إ
إ م م خ م م م T.C. Fryم 1925م .8
ممم ا ممم إ ممم ا Probabilityممم ممم ممم خممما
.
م إ م م خم م 1931 .9
م م م م م م م م ،
. خ
م م م م م 1939م م .10خا
م خ P.M.S. Blackett ء ا
م م م م م م م
م أ م . م خمما م م م ما
م م م م م م م م م م
م م م م ).(Operation Research :
. أ
ما م م م م ام 1942 .11
.
أ م م خم م م ما م م م م
إ ممم ا ممم ممم خممم ممم ممم ا ممم ممم ممم
أخ . ء ء ،
62
أ خ
63
أ خ
م م م . م م م م م م م -3
. إ ا أخ
. -4
65
أ خ
لحأ5
X = -1
Q = إ
R =
إ
:
(* )1
إ
إ
:
( )1 X
66
أ خ
-3
6000 ≤ Q ≤ 10000
.4
ا
= JD 283000
.
:
م م م 5Descriptionم Models ل ل ل ج ل -1
م م ا ) ا م م م ( م م م
م م . م م م أ م م م
. ا خ
ممم ممم ممم 5Normativeممم Models للل ل للل ج ل -2
م ا
م م م م م م أ .
. ا
: :
ممم ممم
ممم :Deterministic Modelsمممممم -1ممم
م م م م ()Complete Certainty م م
. .
م م م م م :Probabilistic Modelsم ا -2
، م إ م م م ء م م م ا م ا
م م م م م م م م م م
.
ج ل ك )5 (ل
67
أ خ
5ج ض ل أ
م م م م:Break طEven Point م م م -1
م م ) ا (
) (إ
68
أ خ
Price )X(P
Profit Z
Quantity Q
مممممم ( مممممم مممممم إ مممممم
)
69
أ خ
5 لتح أ لت ض ل
ط = إ .1
Z = Tr طTc
:
Z=0 Tr طTc = 0 Tr = Tc
ا ٞ = .2
Tr = X x Q
. + = .3
Tc = Vc +Fc
ٞ ا = .4
Vc = Q x VCU
: ، ا ، .5
Z = X x Q ( طFc+Vc)
م ،م م ، م ا م ، م .6
.
Z = (X طVCU )Q طFc
Z + Fc : ا .7
Q= X - VCU
+ ممممممممممممممم
= إ
ط
: ا .8
Q=
70
أ خ
): (
Tr = Q . X
ٞ = إ
Tc = Fc + Q . VCU
ممم ممم ممم ممم ٞ ممم + ممم ممم = ممم
Fc = Constant Number
=
5
م م م .م م ا
م ()10 ()5000
. ()60
5 ل
. (.)1
لحأ5
Tr = 60 Q Fc = 5000
Tc = 5000+ 10 Q P = 60
VCU = 10
Tc )(0،5000).( 100،6000
Tr )(0،0).( 200،12000
71
أ خ
)(
مممممممم
إ
Tr
12000
Profit Tc
6000
5000 Fc
Loss
5لحأ
VCU = 10 P = 60 Fc = 5000
-1
72
أ خ
Fc 5000
=Q =
VCUط P 10ط 60
5000
= 100
50
-2
Fcط VCU ) Qط Z = ( P
5000ط = (60-10) 1000
5000 =45000ط = 50000
-3
13000
= 260
50
ABC ( ABC -2مممممممممم
ممم ممم ممم ا ممم ممم ممم :)Systemممم
* (
م ).
م م ()B م، م م م م م ()A
م ط م م م م م . () C ،
.
م م م م م م م م ( ) Aم ا م
م م م .م
73
أ خ
= %10
2000 500 P1 2000
500/5000
74
أ خ
= %20
25000 1000 P2 27000
1000/5000
= %70
70000 3500 P3 97000
3500/5000
Value
97000 5000
80000 C
27000 B
2000 A
%10 %30 %50 100
%
*
75
أ خ
6 300 30 9000
A
4 900 40 8000
5 300 15 4500
2 200 12 B 2400 8900 25900
7 200 10 2000
3 1000 1 1000 3250
8 300 3 900 29150
9 200 2 C 400
1 200 4 800
10 100 1.5 150
3000 =
A = 300 + 200 = 500
76
أ خ
77
أ خ
أ ل لث ل
Decision Theory ل
78
أ خ
79
أ خ
أ ل لث ل
Decision Theory ل
م م م اخ م م م م :
م م م م م م م اخ م .م م
. ا
خا م . خ
م ا م ا
: ا
. -1
. اخ -2
. -3
م م م م م م م م مخ: م م
م م. أ م م م م ، ا
Decision م م Bay off Table م م: م خما م خ
.Tree
.
:Decisions Under Risk .1.2
ا ا
. ا
:Decisions Under Conflict .1.3
.
80
أ خ
5 ج ل
، م م م م :Descriptive Models -1
م م م م ا م .م م ا م م م ا
م، م م م م م م م م
.
م ا م م م :Standardized Modelsم م م -2
م خا
م ا م م م م م ،
م م م ا م م م ا م م م ) م (ا
. ا ا
مم مم Complete Rationality مم مم مم مم -3
م ،
. خ
: خ
م م م م م م م ما م
: خ
م م م م م م م م م ،م -1
مم مم م مم مم م مم مم م
12-6م . م م أ م م م م . م م
81
أ خ
)Strategies(
.Alternative Courses of Action
ما م ، م م م ا -2
م م م م مState of Nature م ما م
.
Mutually ممم ممم ممم ممم ممم ا، ممم أ ممم -3
: Exclusive
م م م م م م : ا -4
. ا
ممم ممم ممم ممم ممم ممم : ممم ممم ا ا-5
.
م م م م م م: م م م م م-6
. ء
م م م Payoff Table م م م م
Decision Matrix
:
. ا m n
State of nature
Alternatives ……..
……..
……..
……..
……..
لحأ5
. -1
-2
. :a1
. :a2
: ا -3
. :S1
. :S2
: -4
V11= 30000 V12= -9000
83
أ خ
84
أ خ
:
:Decisions Under Certainty -1
: .1.1
م م م م م م م م م م
م م ،م م
مم مم ( مم مم مم مم مم مم مم مم مم
).
(5)6
م م أ C-town
م مء ط م ط م ما م م م م م
م
، خم م م م م إ أ
أ م م م م م م أ م م م م
أ
لحأ5
State of Nature
Prob. ممممممم ممممممم مممممم مممممم ممممممم ممممممم
85
أ خ
5 ل
. ا ا
Alternative
) ( /
) (
150 375 2.5
210 455 2.17
ء 300 675 2.25
. ا
م م م ا ا .1.2
ما م ا م ،م خا
ممم ممم أ ممم ممم .ا ممم ممم ، ممم ممم ممم
م م ا
م م ا م ،م م م م م م م
م م م ، ا
:
. ا
مم اخمم مم مم مم مم مم مم مم مم
.
أ م م م م م
ممم ممم مم ممم مم ممم ممم مم ممم مم ا
. إ
. أ إ أ
5
ممم ممم أ ممم ممم ، ممم ممم ممم ء ممم
:
أ
إ أ
0.45 0.25 0.3
86
أ خ
87
أ خ
5 ل
. أ أ
Stare of Nature
Worst
Alternatives
out come
ا 90 75 40 90
80 85 85 85
75 70 65 75
88
أ خ
ل تج ل 31 5
ل تج ل لث21 5
. -1
. ا -2
5لحأ
Alternatives H. Profit M. Profit Loss
مممممم مممممم خمممممم 500000 300000 -100000
a1 =
a2 = خ -60000 -60000 -60000
P = 0.6
1-P = 1-0.6 =0.4
a1 = 500000(0.6) + (-100000) (0.4) = 260000
a2 = -5000(0.6) + (-50000) (0.4) = 50000
. خ ا
:The Laplace Criterion اا .4.3
م م ا
م م، . ا
م ما م م م م ا م 4 م م ا
. ٣
5
م م م م م م ما م
. .
5 ل
م م م ، اا ا
. ا
Alternatives
a1 = 20 -50 80
91
أ خ
لحأ5
ا : ا
=⅓ ا
a1 = ⅓ )80( + ⅓ )20( + ⅓ )-50) = 16.67
a2 = ⅓ )60( + ⅓ )30( + ⅓ )-40) = 16.65
a3 = ⅓ )90( + ⅓ )40( + ⅓ )-60) = 23.33
. ا
:Decisions Under Conflict -4
م م م م م م م
م م م .م م م م م م
م م م م م م م م م
م م م م م م م ما م م م
.Game Theory
م م م م م م ا
ممم ممم ممم ممم ممم ممم Active Opponentممم
م ) م ( م م م م م م (ا م ) م
). ا ) اخ (
م م ا م ( م م م م م م
ا ( ا ا ) ا ا ا
). ا ا
(
م م م م ا م م )Zero Sum Gameط م
م م ا خ ا ا
.
م م ا م ا م م م م م م م
.Saddle Point م م م خ
92
أ خ
مممم
: إ
0 2000 4000 6000 8000 Q
7 6.75 6.50 6.25 6 X
-2
) ( Q ) ( 0.25ط X = 7
2000
= 7 -.000125Q Q = 4000
:
) (4000) ( 0.25ط X = 7
94
أ خ
2000
= 7 ط0.5 = 6.50
-3
R = XQ
= 7Q - 0.000125 Q2
Q = 20000
R = 7(20000) ط0.000125(20000)2
= 90000
8000،20000 -4
8000 ≤ Q ≤ 20000
55
:
. 25000 -1
. 7.0 -2
. 4.5 -3
5 ل
. -1
.) ( -2
. 20000 -3
. 9000 -4
5لحأ
-1
Tc = Fc + Q * Vcu، Tr = Q * P
Tc = 25000 + 4.5Q، Tr = 7Q
ا -2
Q=
Fc 25000
= 10000
P - Vcu 7 - 4.5
95
أ خ
-3
( = חP طVcu)
( = ח7- 4.5)(20000) ط25000
= 25000
-4
Q=
96
أ خ
S2 V12
1
S3 V13
a1
97 S1 V21
S2 V22
1 a2 2
أ خ
)1-2(
5
م م م م م ا ام م م م م
م م م م . ا ا
.) (
State of Nature
Strong Weak
Alternatives
0.70 0.30
Print media 40 20
Video media 50 10
5 ل
. ا
34 0.7
40
0
Strong Market
1
Print M.
0.3
20
Weak Market
1
0.7
Video M. 50
Strong Market
238
0.3
10
98
Weak Market
أ خ
5
M L م م م م م م م
ممم L ممم 0.6ممم ممم ممم ممم ممم ممم ممم
م 0.4 م م م M م م 0.7م
م م م م خ .M 0.3 L
م م م م M ء ،
.0.4 0.6
5 ل
.
0.6
L
1
1 0.4
0.7
0.6
M
2
0.3
:Bay's Theorem 2ا ا 3
0.4
: ا ا
ا م ا :Prior ) Probability ( ا -1ا
.
5
م م م ا
م م م م م، مء م م م م
99
أ خ
؟
50000
)P(A1 = 3 =5 0.5
20000+
0000+ 0000
ء
30000
)P(A2 = 3 =5 0.3
20000+
0000+ 0000
ء
20000
)P(A3 = = 0.2
20000+ 30000+ 50000
ء
م م م م م م م
م م ا م م P(A1) = 0.5 م م
ا . ا
م م ) ( ا ا
.
م ا :Posterior Probably ا -2ا
م م ا ما م .م م م م
ما م م .ا م م م ا ما م ا
. ا ا ا
:Bay's Theorem
ممم B ممم ممم A3 ممم ا ،A2،A1 3 ممم ممم
: أ
P ( B| Ai ) P(Ai)
2- P ( Ai | B) = ، i = 1،2،3
P (B)
B Ai ا P (Ai | B(
.
5
م م ،
م ) م (
:
0.002 =
0.003 =
0.006 =
. ء
5 ل
؟ -1
م م م م أم م م م م م م -2
؟
5لحأ
) (م ء B
م م م ء م م م م م م م م
:
P ( B| A1 ) = 0.002
P ( B| A2 ) = 0.003
P ( B| A3 ) = 0.006
:P(B) -1
P (B) = P ( B| A1 ) P(A1) + P ( B| A2 ) P(A2) + P ( B| A3 ) P(A3)
= 0.002 * 0.5 + 0.003 * 0.3 + 0.006 * 0.2
101
أ خ
= 0.0031
م -2
P ( A3 | B)
P ( B| A3 ) P(A3)
P ( A3 | B) =
P (B)
0.006 * 0.2
= = 0.0387
0.0031
P ( A1 | B) P ( A2 | B) H.w.
102
أ خ
أ ل ل
ل ط ل ل ل
Linear Programming
103
أ خ
104
أ خ
أ ل لث ل
ل ط ل ل ل
Linear Programming
م م ا م م Linear Prog.م م م
م م م ( ا م) م م م . م
م م م م م ا
م م م م م ،م م م م م ا م
م ا م Maximization Problem ا
م م م م م م. م م
م م خم
م م م ا .Minimization Problemا
. ا ا ا
105
أ خ
106
أ خ
5
: ا
M2 = 12،M1 = 8 ا = 20 :1
M2 = 4 ،M1 = 6 ا = 16 :2
M1 = 800 : ا
M2 = 1000
5 ل
؟
لحأ5
x2 = x1 ا =
( ) -1
Max z = 20x1 + 16x2
-2
8x1 + 6x2 ≤ 800
12x1 + 4x2 ≤ 1000
-3
x2 ≥ 0،x1 ≥ 0
:Graphical Method
، م م ما م م م م م
ممم ممم ممم ممم ممم ممم ا ممم ممم ا
م م م م م ،م م م م م
خ . خا أ
ممم ممم ،ممم ممم ممم ا ا ممم ممم
م . م م ا م م م م م م م م
107
أ خ
5 ل
. ا
لحأ5
) = ( x1
) = ( x2
ل ل ف5
Max z = 30x1 + 35x2
Sbj. To
5 ل
4x1 + 5x2 ≤ 100
3x1 + 2.5x2 ≤ 60
108
أ خ
x2 ≥ 3
:
x1 ≥ 0، x2 ≥ 0
5 لحأ ل
4x1 + 5x2 = 100 ا
(0.20) x2 = 20 x1 = 0
(25.0) x1 = 25 x2 = 0
3x1 + 2.5x2 = 60
(0.24) x2 = 24 x1 = 0
(20.0) x1 = 20 x2 = 0
(0,24
)
(0,20
)E
(10,12)
D
ABDE
(0,3) X2=3
م م ،x1 x2 = 3 ،x1 =)B0 *
A (3,18
x2 A
(25,0
:
(20,0
Max z = 30*0 + 35*3 ) )
= 0 + 35(3) = 105
x2 = 3،x1 = 18 B *
Max z = 30*18 + 35*3
109
أ خ
. p2 8 kg p1 3kg A ء
. p2 4 kg p1 6 kg B ء
64 kg p1 36 kg
9 B 7 Aء . p2
90 kg
. Bء 70 kg A ء
:
A,B ) (
.
:
.x1=A ء
.x2=B ء
z = 7x1 + 9x2
Sbj. To
3x1 + 6x2 ≤ 36
8x1 + 4x2 ≤ 64
X6 ≤ 40
X5 ≤ 20
:
3x1 + 6x2 = 36 ا
(0.6) x2 = 6 x1 = 0
(12.0) x1 = 12 x2 = 0
8x1 + 4x2 = 64
(0.16) x2 = 16 x1 = 0
( 8.0) x1 = 8 x2 = 0
111
(0,70)A
أ خ
112
أ خ
= 660
Unbounded Prob. حح ك غ ج ف حل
5
x2 Max z = 3x1 x1=3
+ 2x2
x1 ≥ 3
x1+ x2≤ 5
5
Optimal
x2
6
Optimal
x2
3
2
x1
3
114
أ خ
أ ل ل
ك ل
Simplex Method
115
أ خ
116
أ خ
أ ل ل
ك ل
Simplex Method
م ما م ا م م م م م م
م م م م م خ م. م م م م
. ا ا ا
Maximization Problem ا :ا
: خ
. -1
م م م م خمما م ا م م م -2
م م م S Slack Variables
.
5
Max z = 10x1 + 14x2
Sbj. To
3x1 + 5x2 ≤ 15
2x1 + 4x2 ≤ 20
: ا
3x1 + 5x2 + S1 = 15
2x1 + 4x2 + S2 = 20
:
z = 10x1 + 14x2 + S1 + S2
: ا -3
5
117
أ خ
Cj - Zj 10 12 0 0
Cj طZj م م م م م م م م م م -1
. خ
م Qty. : -2
م م م م م م م م م م م
. .
. -3
. -4
: خا -5
ا - * =
x1 3 - 3 * 4/6 = 1
x2 3 - 3 * 1 = 0
S1 1 - 3 * 0 = 1
S2 0 - 3 * 1/6 = -½
Qty. 66 - 3 * 20 = 6
Simplex Table 2
10 12 0 0
Basis Cj Qty. Ratio
x1 x2 S1 S2
S1 0 1 0 1 -½ 6 6/1 = 6
x2 12 4/6 1 0 1/6 20 20/(4/6)=30
Zj 8 12 0 2 240
Cj - Zj 2 0 0 -2
Simplex Table 3
10 12 0 0
Basis Cj Qty.
x1 x2 S1 S2
119
أ خ
120
أ خ
: خ
م م Dual م م م ا -1
. ا
م م م م ا م م ) م ( م م -2
.
خ ≤ ا -3
.≥
. -4
5)6(
: Dual
Min. z = 12x1 + 20x2 +25x3
Sbj. To
2x1 + 3x2 + 2x3 ≥ 60
3x1 + 4x2 + 5x3 ≥ 100
x1، x2،x3 ≥ 0
5لحأ
Max z = 60y1 + 100y2
Sbj. To
2y1 + 3y2 ≤ 12
3y1 + 4y2 ≤ 20
2y1 + 5y2 ≤ 25
y1، y2 ≥ 0
5)5(
:
Max z = 10x1 + 12x2
Sbj. To
121
أ خ
لحأ5
:Sensitivity Analysis
ا
م م م ا م ا
م م م م م ا م ()R.H.S م
. ا
م ا م م م م م م
م م م ا م م م م م ،م م م
م م م ا م م م . م م ا م م
ا ا .
.
5
مم مم مم مم ،مم مم مم مم مم
م ) م م م خ (
م م 30م م م م م م م م
م Dم م م م م م م م م 25م
؟ ا
لحأ5
122
أ خ
. ا
Max z = 25x1 + 35x2
Sbj. To
4x1 + 5x2 ≤ 100
3x1 + 2.5x2 ≤ 60
x2 ≥ 3
x1، x2 ≥ 0
م E م م م م ا م
م م ا م Z = 700 x2 = 20،x1 = 0
.
123
أ خ
أ ل ل
كأ لت
Assignment Problem
124
أ خ
125
أ خ
أ ل ل
كأ لت
Assignment Problem
خ
،)Destinations ( ا )Resources(
ا/ /
خ . / /
.
:
. .1
. .2
ا ا ، ا، .3
.
:
Probability ( ا ا 5 ل ل-6
( )Permutations( )Theory
( )
.)
. ء 1%
ا ا
. ا ا ا ا
) ( ا ا
: ا
126
أ خ
Channel 3 9 10 8
ا ا :
.
:
: ا
Sunday Tuesday Thursday
: خ
Channel 1 -Sunday
Channel 3 -Tuesday
Channel 2 -Thursday
127
أ خ
:
Task 1 Task 2 Task 3
M1 M2 M3 11+10+7 = 28
M1 M3 M2 11+12+11= 34
M2 M1 M3 7 +14+7 = 28
M2 M3 M1 7 +12+6 = 25
M3 M1 M2 9 +14+11= 34
M3 M2 M1 9 +10+ 6 = 25
: ا خ
M2 - Task 1 M3 - Task 1
M3 - Task 2 M2 - Task 2
M1 - Task 3 M1 طTask 3
5)The Hungarian Algorithm( ل غ ل -2
.) (ا n ) ( n
: ) (
Task 1 Task 2 . . . Task n
Machine 1 . . .
Machine 2 . . .
. .
. .
. .
Machine n . . .
،j i ) (ا
) ( Maximization ا
: ، Minimization ا
. C -1
. -2
128
أ خ
خ ا
:
5The Hungarian Algorithm خ
ا :Row Reduction -1
. ا
ا :Column Reduction ا -2
. ا
ا ا -3
. ا،
.k ا
،) خ (k<n -
. ا . ا
.)3(
.)4( k=n -
. -4
،
.
ا
ا
.
ا
ا
.
5
ا ا
، ا
:
. -1
. -2
. -3
ا ا ا خا
ا ا اء
129
أ خ
.
ا اء . ا
) (
ا ا . ا
.
Student’s Data Data Report
name collection & Structuring Generation and
survey and Analysis Presentation
Ahmed 4 2 8
Ali 4 3 7
Mahmod 3 1 6
ا
.
:
. ا ا ا
: ا -1
Presentation
Ahmed 2 0 6
Ali 1 0 4
Mahmod 2 0 5
Column Min 1 0 4
: ا -2
: ا -3
ا
ا 1 ا.1
: خ ا
131
أ خ
ء k = n = 3: ا
.) 4 (
ء ا -4
: خ
ا ا
:
ا
.
132
أ خ
خ ا
خ ا
. ا
؟ ا
:
Student’s name Data collection and Report Generation
survey and Presentation
Ali 0 0
Mahmud 0 0
خ ا
، ا
؟ ا
5
أ.
اخ ، ء خ
:
Junior Pricing Promotion Public Sales
Employee Relations
Amjad 62 75 80 93
Ahmed 75 80 82 85
Omer 80 75 81 98
Layla 78 82 84 71
اخ ا
؟ أ
5لحأ
ا. ا
: ا
133
أ خ
. أ
: ا -1
134
أ خ
Layla 6 2 0 13
Column Min 6 2 0 0
: ا -2
135
أ خ
ا
:
Junior Pricing Promotion Public Sales Row
Employee Relations Min
Amjad 22 31 01 0 0
Ahmed 1 0 0 0 0
Omer 9 18 41 0 0
Layla 0 0 0 61 0
)3 ( خ ا
:
ا 9
: ا
Junior Pricing Promotion Public Sales
Employee Relations
Amjad 13 4 1 0
Ahmed 1 0 0 9
Omer 0 9 5 0
Layla 0 0 0 25
خ . ا خ
ا. ، ، ،
: ا
اخ ا
:
136
أ خ
Ahmed 1 0 0
Omer 0 9 5
Layla 0 0 0
ا ا
:
Junior Promotion Public
Employee Relations
Ahmed 0 0
Layla 0 0
:
. ا
: ا
Junior Specialty Score
Employee Area
Amjad Sales 93
Ahmed Public 82
Relations
Omer Pricing 80
Layla Promotion 82
Total score 337
اخ ؟ أ
137
أ خ
أ ل ل
Network Models ج ل ك ل
138
أ خ
139
أ خ
أ ل ل
ج ل ك Network Models ل
م م ط م Network Models م
ممم ممم ممم ممم ممم ممم ممم ، ممم ممم ممم
( خ ا
م م م م م م )
ا
م م م م ا م م م م م م م
:
-1
Critical Path Method CPM
م م م م -2
Project Evolution and Review
Technique PERT
ممم مم ء ( ا مم مم مم مم مم مم
م م خم م م م م)
... خ
م م م م م م م م م م
ا ء . خ
ل ج ل ك 5 ف ت ل ل حأ
مم م م م مم م م : م -1
م م م م م م م
.
: -2
.
م ا ء : -3
م م م م م م م م م م
. ا ا ء
:
. 140 ا
أ خ
. ا
. ، ، : ا ا
141
أ خ
5
C م م A م ا
.E C ،D ا D B
D
B
م م C ،B،A ا م م م: م :H.W
E،F D D
م م م م م Dummy Activities م -4ا م
م ا م خ م م م م م م م م
. ا
: أ ا
م ( م م م م م م م -
م م م ا ا م
أخ . ا
: ا :
ممم ممم ا ممم ممم ا ممم B ممم ممم ا A
ء إ C ء ا
A
142
C
أ خ
A B C
A B C
B
A A B
C C
A C
A C
143
B D
B
أ خ
:
مم مم ا مم ا مم ا مم مم مم Path مم
. Finishing Node Starting Node
ا م :Critical Path
م م م م م ا م م خ خا
. خ
. خ خ
5
م م م م م م م م م م
E: 6
C: 9 H: 4
A: 9 B: 8 F:4 I: 5 J: 6
D:6
G: 7
144
أ خ
C: 3
A:
8 E: 11
Start G: End
1
D:
4
SAF:
9tart 5لحأ
ES ء ا ا ا
.
145
أ خ
EF (A) = 0 + 8 = 8 ، EF(D) = 0 + 4 = 4
ES (B) = ES(E) = EF(A) = 8
ES(F = EF(D) = 4
EF(B) = 8 + 6 = 14 ، EF(E) = 8 + 11 =19
EF(F) 4 + 9 = 13
ES(C) = EF(B) = 14
EF(C) = 14 + 3 = 17
EG( = 19 ______EF(G) = 19 + 1 = 20
146
أ خ
LF LS
ا مم LF مم مم خمم مم مم مم مم مم مم
ا ا LS خ
LF LS
147
أ خ
5
م ء ا مء ا م مخ م م
.
5لحأ
مم مم خ ا مم مم مم مم مم مم مم خ
: ا
LF(G) = EF(G) = 20
LS(G) = LF(G) طEXPT )1 (
LS(G ) = 20 ط1 = 19
)2 (
LF(C) = LF(E) = LF(F) = LS(G) = 19
)1 (
LS(C) = 19 ط3 = 16
LS(E) = 19 ط11 = 8
LS(F) = 19 ط9 = 10
)2 (
LF(B) = LS(C) = 16
LF(D) = LS(F) = 10
)1 (
LS(B) = 16 ط6 = 10
LS(D) = 10 ط4 = 6
ء ) 2(
LF(A) = 8
B
A
148
أ خ
ا
)1 ( خ
LS(A) = 8 ط8 = 0
149
أ خ
.MT
ا :Pessimistic Time -3
م م م م م
.PT
: ا
EXPT = OPT + 4MT + PT
6
5
م م م م ام م ا
.
Activ
OPT MT PT
ity
A 8 9 10
B 9 14 25
C 5 7 11
150
أ خ
5لحأ
EXPT(A) = 8 + 4(9) + 10 = 9 Days
6
151
أ خ
152
أ خ
أ ل ل
ل لت
Sales Forecasting
: ء
اا:
ا:
.1آ ء
.2آ ء
.3
) ء( .4آ ء
.1
ا .2
.3
) (ا ا .4
ا:
-
.خ
.خ
.خ
153
أ خ
أ ل ل
ل لت
Sales Forecasting
اا:
، ء
: ممم ممم ممم ممم ممم ممم ممم ممم
)298 : ( ا
Potential Market ) ل حت أ ( لك أ .ل
م م ( م م م م م م م م
م) م خا
ا م م ا م ا م م م م م
.
Expected Market ل ت .ل
م م
. أ
Potential Sales ل حت ج .ل
أ
م ا م م م م م م
.
155
أ خ
ا متوقع سوق
ا سوق ا امن
ا متوقع ص اعة
فجوة ا ط ب
اأساسية
مبيعات ا ص اعة
ا متوقع
ا امن شر ة
فجوة ا ط ب
شر ة ا متوقع
ا فع ي
مبيعات ا شر ة
، ا ( ا)1-4
متوقع
156
أ خ
()1-4
م م ( إ م م م م م م م اا:
)(Qualitative Methods )
. -1آ ء
. -2آ ء
. -3
ء). (آ ء -4
. -5
Quantitative Methods ا:
. -1
). ( ا -2
. -3
. ،ا -4
.
) ( اا:
م إ م م ء م م م م
:
-1آ ء
م ام ، م م آ ءم
م ا م م م م م م م م م م
م م م م م م م م ، خ
.
م إ م م م م م ء م م م
مممم مممم مممم مممم مممم مممم مممم مممم
158
أ خ
ء مم مم اء مم مم مم مم مم خ مم ،مم مم
.
م م م م م م م م م
م م م ، م م م م م م أ م
م ،م م اء م م م م م م م م
،م م م م اما م م
م ا م م ،م م م م م م آخم
مم مم مم مم مم مم مم مم مم ،خ مم
.
.2آ ء
،أ
م ، م م م خ
ممم مم ،مم أ مم مم ممم مم مم مم مم
: ،
م ،م م ) م م ( .
.
م م م .
م م م م م م م م ا م خ م م
.
م م م م م م م م م .
م ، م ءخ م م م م ،
.
م م م م م م م .
م م ،
. ءخ
م م م
م م م م م م م م م، م
. ا ،
م م ،م
م م م مإ م م م م م
. أ
159
أ خ
.3
م م م م م م م م خم ء
ما ما ا م م م م م ا آ ء م
م م م م م (Expected م )Surveys م م
م م ا. ا م ،
م م م م م م م أخ
م م م م م م ، ،
.
ء) (آ ء .4
م ء. م م م م
ممم ممم ممم ممم ممم ممم ممم ممم أ ممم ممم
م م م م م م م م
ء ممم ممم ممم ممم ممم ممم ممم ممم . أ ممم
م م إ مما م م م م م م
م م
. ء
م م م م م : م م م م م
مم ا مم مم ،مم ء مم ا مم إ مم مم مم
م م م م، ، أخ ء خ ء،
م ء . ا ء
م م م )165 ، (
م م م ا م،
م م (Videoم م )Telephones & Conferences م
. ء
.5
م م م م م م )(Scenario
ء ممم ممم ممم ممم ممم ممم أ ممم خممم ممم
م م أ م م )166 :م ( . ا
ممم ممم خ ممم ممم ا ممم ممم ممم ممم ممم
م م م م م م م م ا أ م م
160
أ خ
ٞ =
161
أ خ
55000 49100 46600 45300 40900 38400 34200 32500 29600 26800
162
أ خ
لحأ5
( )1
5900+ 2500+ 1300+ 4400+ 2500+ 4200+ 1700+ 2900+ 2800+
= %7.6 = 10/76
( )2
10000
11000
. . .
10000
31000
30000
. . .
41000 .
40000 .
.
خط ااتجا
51000
50000
61000
60000
صفر 6443 6444 5000 5006 5005 5004 5003 5001 5001 5002 5003 5004
ا
= =
%7.6 76.0 10
10
2009 2008 أ -4
م )2007 م م ٞ م ( = 2008م
2007 +
163
أ خ
لحأ5
3 ا
- 7 2000
- 12 2001
11.0 = 3 / 14 + 12 + 7 14 2002
13.3 = 3 / 14 + 14 + 12 14 2003
15.3 = 3 / 18 + 14 + 14 18 2004
17.0 = 3 / 19 + 18 + 14 19 2005
م م أخ م م ا
م م م م ( )11م م .م م م م
م . م ( )2005م ( )17م (.)2002
م )22( 2006
م ( 19.666 = 3 / 22 + 19 + 18م ) .م ا 2006
م م م م م م م م
م ،أ ا م ا م ا م م م ا م أ م م م
ا( م م ا خ أ
مم مم مم مم مم مم مم ا مم ) مم
)169 : (.
Weighted Moving Average -4
م م م مء م م ا م م م
أ م م ء أ أ
م م م م م م م م م م أ م أم
)170 : (.
165
أ خ
ا -5
Least Squares or Regression Method
ممم ممم ممم ممم ممم ممم ممم ممم
م م م م ، ا
، أ
إ أ إ ء أ
م م م ،م م م م م م ا
م م م ، أ
خ ...خ. ، ،أ
ممم ممم ممم ا ممم ممم ممم ممم
:
166
أ خ
م
م م م م م م خم ، م م م م
م ام م م م م م ام م . م
م ) م ( ،
. ا ) (
م ، ا ا
( ممم ممم ممم ) ممم ممم ممم ممم ( ممم ممم ممم
: ا أ )
، + =
:
Predicated or ) مم مم مم مم ( ، مم مم =
Dependant Vr.
Predicator or ) م م م ( م م م =
Independent Variable
Trend Equation ا
t: اء
F(t): t
a : t=0
b= ا خ y
y b
t
Ft = a + bt y
y
b
↑ t t
a
↓
0 Time
167
أ خ
n ty t y
b
n t 2 ( t ) 2
a
y b t or y bt
n
y
y t
t
n n
n=
y=
م م م م م م :
م م م م م م م م أ
: ) ( أ
م م ا م 12 11 أ :
.
أ
1 700
2 724
3 720
4 728
5 740
6 742
7 758
8 750
9 770
10 775
5لحأ
م م م ا م خم أ -1
.
168
أ خ
."X" T = -
.y = -
:
t2 ty
T (X) (Y) ٞ
1 700 1 700
2 724 4 1448
3 720 9 2160
4 728 16 2912
5 740 25 3700
6 742 36 4452
7 758 49 5306
8 750 64 6000
9 770 81 6930
55 7407
t 5.5; y 740.7; ( t ) 2 3025
10 10
ا -2
n ty t y 10 41385 (55 7407) 6195
b 7.51
n t ( t )
2 2
10 385 3025 825
a
y b t 7407 (7.51 55) 699.395
n 10
169
أ خ
ا ت بؤ با مبيعات
170
()3-4
، إ ا إ
ممم مم مم ( مم مم ممم مم مم مم مم مم
م م م ) .م اء م م م م م م م
م إ م
م م م م م م م م م
.
م م إ أخ
م م م م م م م م إ م إ م م
م م م اء م إ
م م إ م م م م ما م م م م.
إ
.
ط )4-4(
م م،)4-4( أ إ
م م م م خم، م خم م أ م
م م م م م . م م م م خم
م م م إ إ
(New أ
م م م .Business Development)
م م م م أ إ
م م م م م م ا ،
ممم ممم ممم ممم ممم ممم ممم ممم ممم
.
م م إ
م م م خ م ما م.م م م إ
:
Percentage of sales approach خ-
Workload approach ء خ-
Incremental sales approach خ-
172
أ خ
173
أ خ
. 200.000.000
) ، ، ، ( 0.68 ٞ
=
1.360.000
ممم ) = 1.156.000 ممم ممم ( ممم اا %15 ممم 0.85 ٞممم
(*)
، ج ( ،66 )5001تأل ف ك ت ،ف ئ لت كت أخ
ح 340 ج، ت أ
174
أ خ
175
أ خ
177
أ خ
أ ل ج ل
ط م ط م ط م م ) م خ2007( م م ، م .1
. أ
ط م ط م ط م )2006( م ، م م ، ا .2
. ط أ
م ط م ط م م )2005( آخ م م ، م .3
. ط أ
ممم ممم ممم ممم ممم أ ممم )2003( ممم، ممم .4
. ط أ ط .
. ط أ ط2 . ) أ2000( ،ا .5
. ط أ ط ط )2003( ، .6
7. Wayne L. Winston، S. Christian Albright and Mark Broadie (2001)، Practical
Management Science، Duxbury/ Thomson Learning، 2nd edition.
8. Douglas J.، William L. and Thomas John (2001). Sales Management. Concepts and
Cases (7th ed.)، John Wiley and Sons Inc.
178
أ خ
أ لت ل
Cluster analysis لتح أ ل
179
أ خ
180
أ خ
أ لت ل
Cluster analysis لتح أ ل
5Introduction
) ( ء
. ا ، ،
،
ا .
ء خا ا خ ا
.
أ
،Psychology :
،Statistics ء ا،Social Sciences اخ ا
،InformationRetrieval ،Biology
Machine Learning أ Pattern Recognition ا
.Data Mining
ا
، . ا
) (
ا ا ، اا.
، ، ، ، ،
.خ
، ا
.
. ا أ
ا ،
ا. ،خ
.
181
أ خ
)cluster(
.
،
: ا ، ا ا
) ( -أ
.
. -ب
Types of ) ( -ت
.Clustering
ا ) (
. ا
) (
) ( ،
) ( . اخ
اخ ا
.
: ) ( -
) اcluster(
، ،
،) 1 ( خ
. ا
)b(1 . ) (
، . ) d( 1
ا ا
ا ، ا. ا
)1( .)c( 1 ،
) (
182
أ خ
. )c( . )d(
. : ) 1(
:Types of Clusters -
)clusters(
،
، ، خ .
.
اخ ا أ.
(two - dimensional
ا ) ( points)
183
أ خ
اخ ا
:
Well-separated 1-
ا (:)2
،
، ا
، خ .)Connected Component(
خ
a - )3( . اخ خ
b-)3( .
)Processor(
Hard Drive HDD( ) Operating System OS(
.) خDisk
Screen size
Operating System
Name
Procesor
185
أ خ
a-)3(
.
Density Based 4-
) 4( .
، ( أCoverage )
ا
. ) خSignal( ا
ا ) 4(
.
:Types of ) ( .
Clustering
186
أ خ
.
.) خ ( ) خ (
5(Un-nested) ت خ لغ (Partitioned) ل6-
، خ ) (
.
، ) 2(
. ا
5 (Nested ) ل ت خ ( Hierarchal( ل كأ 5-
خ خ
) ( ،
.
. )5(
. خ :)5(
187
أ خ
-
(Agglomerative (K-Mean)
Hierarchal Clustering)
.)DBSCAN(
ط ء أخ
. ا ا ا
. اخ ، ،اء
5
) 1(
خ ( 12 ا
خ ء ا
، .)2007
، 720.5 خ
،%10.7 ،41.6 %
. %29.8 ،%64.6
ا ا
خ . ا خ .
.
ا ا
. ا
خ ( ا ا
.) ، ، ،
5 ل
188
أ خ
189
أ خ
* ) 1(
خ
)%( )%( )%( )%(
ا
) اmean( )Standardized(
)standard deviation(
.
ا
:
190
أ خ
ا،)3(
601.242 خ
، 87.045
خ ا
.
standardized ( : ا
) values
. خ
ا :)2(
.
خ
ا
)%( )%( )%( )%(
20.983 70.017 15.067 8.342 601.242
8.671 10.319 2.563 11.156 87.045 ا
. :)3(
خ
)%( )%( )%(
)%(
1.017 -0.544 -1.704 2.981 1.370 -1
0.0481 0.279 -0.767 -0.147 -1.019 ء -2
0.855 -1.300 -1.469 0.534 -0.352 ء -3
0.959 -0.137 1.144 -0.533 -0.416 -4
191
أ خ
192
أ خ
i :
i :
:
،
: ء :
193
أ خ
3
.
ا :
،n m
:
ا
(.)5
194
أ خ
. (:)5
خ
()% ()%
()% ()%
0.339 -0.288 -1.125 1.036 -0.174
ا
-0.805 0.680 0.668 -0.486 -0.272
. ا
اء ا. 3 2
( ) 7 6ا
ا ، ا
. ()3 2
195
أ خ
):(6
ا .
ا
ء) (
) ( ) (
3.685 5.016 2.651 -1
2.300 1.903 1.627 ء -2
2.028 3.506 1.301 ء -3
1.729 2.001 2.842 -4
2.581 1.846 1.403 -5
3.677 1.299 3.365 -6
3.341 0.926 3.212 -7
2.578 0.785 3.071 -8
1.489 1.647 2.460 -9
1.649 0.979 2.296 -10
2.316 1.166 2.992 -11
2.933 5.327 3.633 -12
196
أ خ
):(7
ا .
ا
ء) (
) ( ) (
3.590 5.111 2.651 -1
2.563 1.844 1.627 ء -2
2.172 3.532 1.301 ء -3
1.958 2.017 2.842 -4
2.755 1.842 1.403 -5
3.858 1.189 3.365 -6
3.515 0.828 3.212 -7
2.708 0.807 3.071 -8
1.476 1.812 2.460 -9
1.815 1.079 2.296 -10
2.531 1.132 2.992 -11
2.737 5.440 3.633 -12
ا ( )7
ء،
ء، 1.301
،
ا ء ا
(.)8
. ا (:)8
) ( ) ( ء) ( ا
ء
ء
197
أ خ
لحأ5
ء، -
ا ،
خا ا
، ا اخ
.
ا،
ء
. خ
.
خ ا
. /
ا ؟ خ
.
) (
12 ا
،
ا .
ا
ا. ا
198