電子表格建模與決策分析(第8版)（簡體書）

電子表格已經成為講授管理科學/運籌學導論性課程中的概念和方法的重要載體。本書是管理科學的一本實用教材，主要介紹最為常用的管理科學/運籌學方法，並給出使用Microsoft Excel的實現方法。全書內容除了包括管理科學/運籌學中通常包含的內容，如線性規劃、單純形法與靈敏度分析、網絡流模型、整數線性規劃、目標規劃與多目標*化、非線性規劃與進化解法、模擬技術、排隊問題、決策分析等之外，還包含項目管理與統計學中的回歸分析、時間序列預測與判別分析等內容，並以Microsoft Excel和一些Excel插件為工具，對實際商務管理工作中常見的一些問題進行建模和求解。書中並不對所使用的方法進行數學推導，而只簡單介紹問題，然後在Microsoft Excel中建立模型，借助Microsoft Excel及其一些插件進行求解。

[美]克裡夫·T.拉格斯代爾(Cliff T.Ragsdale），美國弗吉尼亞理工學院暨州立大學的管理學教授，主要從事管理學方面的教學和研究工作。賈俊秀，女，西安電子科技大學經濟管理學院教授、博士生導師，管理學博士，美國Univerity of Delaware 訪問學者，美國Adelphi University 訪問學者。主要從事管理學、物流管理、預測與決策等方面的教學和科研工作。

第1章 建模與決策分析引論 1
1.0 引言 1
1.1 決策建模方法 1
1.2 建模的特性和優點 3
1.3 數學模型 3
1.4 數學模型分類 4
1.5 商業分析與問題求解過程 5
1.6 錨定效應和框架效應 7
1.7 好的決策與好的結果 8
1.8 本章小結 9
1.9 參考文獻 9
思考題與習題 11
案例1.1 Patrick的悖論 11
第2章 優化與線性規劃引論 13
2.0 引言 13
2.1 數學優化的應用 13
2.2 優化問題的特徵 14
2.3 優化問題的數學表達 14
2.3.1 決策 14
2.3.2 約束 14
2.3.3 目標 15
2.4 數學規劃方法 15
2.5 線性規劃問題舉例 15
2.6 建立線性規劃模型 16
2.6.1 建立線性規劃模型的步驟 16
2.7 線性規劃模型的例題小結 17
2.8 線性規劃模型的一般形式 18
2.9 求解線性規劃問題：直觀法 18
2.10 求解線性規劃問題：圖解法 19
2.10.1 繪製第一個約束條件 20
2.10.2 繪製第二個約束條件 20
2.10.3 繪製第三個約束條件 21
2.10.4 可行域 21
2.10.5 繪製目標函數 21
2.10.6 使用等值線找到最優解 22
2.10.7 通過枚舉頂點找到最優解 23
2.10.8 線性規劃問題圖解法小結 24
2.10.9 理解事情如何變化 24
2.11 線性規劃模型的特殊情況 24
2.11.1 多個最優解 25
2.11.2 多餘約束 25
2.11.3 無界解 27
2.11.4 無可行解 28
2.12 本章小結 28
2.13 參考文獻 29
思考題與習題 29
案例2.1 參數變化問題分析 34
第3章 電子表格中線性規劃問題的建模與求解 35
3.0 引言 35
3.1 電子表格中的規劃求解器 35
3.2 用電子表格求解線性規劃問題 35
3.3 電子表格中求解線性規劃模型的步驟 36
3.4 Blue Ridge浴缸問題的電子表格模型 37
3.4.1 組織數據 37
3.4.2 決策變量的表示 37
3.4.3 目標函數的表示 38
3.4.4 約束的表示 38
3.4.5 決策變量限制的表示 39
3.5 規劃求解器中的模型表述 39
3.6 ASP的使用 41
3.6.1 定義目標單元格 41
3.6.2 定義變量單元格 42
3.6.3 定義約束單元格 43
3.6.4 定義非負約束 44
3.6.5 檢查模型 45
3.6.6 其他選項 46
3.6.7 問題求解 46
3.7 使用Excel內置的規劃求解器 47
3.8 電子表格設計的目標和指導原則 47
3.9 生產還是購買 49
3.9.1 定義決策變量 50
3.9.2 定義目標函數 50
3.9.3 定義約束 50
3.9.4 建立模型 50
3.9.5 求解模型 52
3.9.6 分析最優解 52
3.10 投資問題 53
3.10.1 定義決策變量 53
3.10.2 定義目標函數 54
3.10.3 定義約束 54
3.10.4 建立模型 54
3.10.5 模型求解 56
3.10.6 分析最優解 56
3.11 運輸問題 56
3.11.1 定義決策變量 57
3.11.2 定義目標函數 57
3.11.3 定義約束 58
3.11.4 建立模型 59
3.11.5 模型的啟發式求解 60
3.11.6 問題求解 61
3.11.7 分析最優解 62
3.12 混合配比問題 62
3.12.1 定義決策變量 62
3.12.2 定義目標函數 63
3.12.3 定義約束 63
3.12.4 對約束、求解報告方式和
係數比例的一些討論 63
3.12.5 重新設定模型的係數比例 64
3.12.6 建立模型 65
3.12.7 問題求解 66
3.12.8 最優解分析 67
3.13 生產和庫存計劃問題 67
3.13.1 定義決策變量 67
3.13.2 定義目標函數 68
3.13.3 定義約束 68
3.13.4 建立模型 69
3.13.5 求解模型 71
3.13.6 分析最優解 71
3.14 多週期現金流量問題 72
3.14.1 定義決策變量 72
3.14.2 定義目標函數 73
3.14.3 定義約束 73
3.14.4 建立模型 75
3.14.5 求解模型 76
3.14.6 分析最優解 77
3.14.7 考慮風險因素的Taco-Viva問題修正(可選內容) 77
3.14.8 建立風險約束 79
3.14.9 求解模型 80
3.14.10 分析最優解 80
3.15 數據包絡分析 81
3.15.1 定義決策變量 81
3.15.2 定義目標函數 82
3.15.3 定義約束 82
3.15.4 建立模型 83
3.15.5 求解模型 84
3.15.6 分析最優解 86
3.16 本章小結 88
3.17 參考文獻 88
思考題與習題 89
案例3.1 將供應鏈連接起來 103
案例3.2 Baldwin公司的外匯交易業務 104
案例3.3 Wolverine製造公司退休基金 105
案例3.4 救助海牛 106
第4章 靈敏度分析和單純形法 108
4.0 引言 108
4.1 靈敏度分析的目的 108
4.2 靈敏度分析的方法 108
4.3 案例 109
4.4 求解結果報表 110
4.5 靈敏度報表 111
4.5.1 目標函數係數變化 111
4.5.2 “假設其他條件不變”的說明 113
4.5.3 多重最優解 113
4.5.4 右端項的變化 113
4.5.5 非嚴格約束的影子價格 113
4.5.6 關於影子價格的說明 114
4.5.7 影子價格和附加資源的價值 115
4.5.8 影子價格的其他應用 115
4.5.9 差額成本(Reduced Cost)的意義 117
4.5.10 約束條件中係數變化的分析 118
4.5.11 同時改變多個目標函數係數 118
4.5.12 關於退化問題的警告 119
4.6 變量範圍報表 119
4.7 特定的靈敏度分析法 120
4.7.1 建立雷達圖和求解表 120
4.7.2 創建一個求解表 123
4.7.3 說明 125
4.8 魯棒優化 125
4.9 單純形法 128
4.9.1 利用鬆弛變量建立等式約束 128
4.9.2 基可行解 128
4.9.3 尋找最優解 130
4.10 本章小結 130
4.11 參考文獻 131
思考題與習題 132
案例4.1 堅果生產問題 139
案例4.2 Parket Sisters公司 140
案例4.3 Kamm工業公司 142
第5章 網絡建模 144
5.0 引言 144
5.1 轉運問題 144
5.1.1 網絡流問題的特徵 144
5.1.2 網絡流問題的決策變量 145
5.1.3 網絡流問題的目標函數 146
5.1.4 網絡流問題的約束 146
5.1.5 在電子表格中建立模型 147
5.1.6 分析最優解 149
5.2 最短路問題 150
5.2.1 示例的線性規劃模型 151
5.2.2 電子表格模型及最優解 152
5.2.3 網絡流模型及整數解 153
5.3 設備更新問題 154
5.3.1 電子表格模型及最優解 154
5.4 運輸/指派問題 156
5.5 廣義網絡流問題 157
5.5.1 再生問題的線性規劃模型 158
5.5.2 求解模型 159
5.5.3 分析最優解 160
5.5.4 廣義網絡流問題及可行性 161
5.6 最大流量問題 163
5.6.1 最大流量問題的示例 163
5.6.2 電子表格模型及最優解 165
5.7 建模的特別考慮 166
5.8 最小生成樹問題 169
5.8.1 最小生成樹問題的一個算法 169
5.8.2 求解例題 170
5.9 本章小結 171
5.10 參考文獻 171
思考題與習題 172
案例5.1 Hamilton ＆ Jacobs投資公司 184
案例5.2 Old Dominion能源公司 185
案例5.3 美國速遞公司 186
案例5.4 Major電氣公司 187
第6章 整數線性規劃 189
6.0 引言 189
6.1 整數約束 189
6.2 放鬆約束 190
6.3 放鬆約束LP的求解 191
6.4 邊界 192
6.5 取整 193
6.6 算法終止規則 194
6.7 整數線性規劃問題的規劃 求解器求解 195
6.8 其他整數線性規劃問題 197
6.9 員工調度問題 197
6.9.1 定義決策變量 198
6.9.2 定義目標函數 198
6.9.3 定義約束條件 199
6.9.4 有關約束的注意事項 199
6.9.5 建立模型 199
6.9.6 求解模型 200
6.9.7 分析最優解 201
6.10 二進制變量 201
6.11 資金預算問題 201
6.11.1 定義決策變量 202
6.11.2 定義目標函數 202
6.11.3 定義約束條件 202
6.11.4 設定二進制變量 203
6.11.5 建立模型 203
6.11.6 求解模型 203
6.11.7 最優解與啟發式解的比較 204
6.12 二進制變量與邏輯約束 205
6.13 生產線平衡問題 205
6.13.1 定義決策變量 205
6.13.2 定義約束條件 206
6.13.3 定義目標函數 207
6.13.4 建立模型 207
6.13.5 分析最優解 209
6.13.6 擴展 210
6.14 固定費用問題 212
6.14.1 定義決策變量 213
6.14.2 定義目標函數 213
6.14.3 定義約束條件 213
6.14.4 確定“大M”值 214
6.14.5 建立模型 214
6.14.6 求解模型 215
6.14.7 分析最優解 216
6.14.8 函數IF()的說明 216
6.15 訂貨/採購量最小化 217
6.16 數量折扣問題 218
6.16.1 建立模型 218
6.16.2 缺少的約束 219
6.17 合同簽訂問題 219
6.17.1 構建模型：目標函數和
運輸約束 220
6.17.2 建立運輸約束 220
6.17.3 構建模型：副約束 221
6.17.4 建立副約束 222
6.17.5 求解模型 223
6.17.6 分析最優解 223
6.18 分支定界法(選修) 224
6.18.1 分支 225
6.18.2 定界 226
6.18.3 再分支 226
6.18.4 再定界 228
6.18.5 分支定界法例題小結 228
6.19 本章小結 229
6.20 參考文獻 229
思考題與習題 230
案例6.1 木材採伐問題的優化 246
案例6.2 Old Dominion的電力調度 247
案例6.3 MasterDebt鎖箱問題 248
案例6.4 蒙特利爾除雪問題 249
第7章 目標規劃與多目標優化 251
7.0 引言 251
7.1 目標規劃 251
7.2 目標規劃例子 252
7.2.1 定義決策變量 252
7.2.2 定義目標 252
7.2.3 定義目標約束 253
7.2.4 定義硬約束 253
7.2.5 目標規劃的目標函數 254
7.2.6 定義目標函數 255
7.2.7 建立模型 255
7.2.8 求解模型 257
7.2.9 分析求解結果 258
7.2.10 修改模型 258
7.2.11 權衡：目標規劃的本質 259
7.3 有關目標規劃的說明 259
7.4 多目標最優化 260
7.5 多目標最優化例子 261
7.5.1 定義決策變量 262
7.5.2 定義目標函數 262
7.5.3 定義約束條件 262
7.5.4 建立模型 262
7.5.5 確定目標函數的目標值 263
7.5.6 匯總目標解 265
7.5.7 確定目標規劃的目標函數 266
7.5.8 最小化最大目標 266
7.5.9 建立修訂模型 267
7.5.10 求解模型 268
7.6 有關多目標線性規劃的說明 269
7.7 本章小結 270
7.8 參考文獻 271
思考題與習題 271
案例7.1 在蒙特利爾清除積雪 281
案例7.2 食品券項目的營養計劃 282
案例7.3 Caro-Life公司銷售區域計劃 283
第8章 非線性規劃和演化算法 285
8.0 引言 285
8.1 非線性規劃問題的本質 285
8.2 非線性規劃問題的求解策略 286
8.3 局部最優解和全域最優解 287
8.4 經濟訂貨批量模型 289
8.4.1 建立模型 291
8.4.2 求解模型 292
8.4.3 分析最優解 293
8.4.4 對EOQ模型的說明 293
8.5 選址問題 294
8.5.1 定義決策變量 295
8.5.2 定義目標函數 295
8.5.3 定義約束條件 295
8.5.4 建立模型 295
8.5.5 求解模型並分析最優解 296
8.5.6 該問題的另一個解 297
8.5.7 選址問題的一些說明 298
8.6 非線性網絡流問題 298
8.6.1 定義決策變量 299
8.6.2 定義目標 299
8.6.3 定義約束 299
8.6.4 建立模型 300
8.6.5 求解模型並分析最優解 302
8.7 項目選擇問題 302
8.7.1 定義決策變量 302
8.7.2 定義目標函數 303
8.7.3 定義約束 303
8.7.4 建立模型 304
8.7.5 求解模型 305
8.8 現有財務電子表格模型的優化 306
8.8.1 建立模型 306
8.8.2 最優化電子表格模型 307
8.8.3 分析最優解 308
8.8.4 對優化現有電子表格的說明 308
8.9 投資組合問題 309
8.9.1 定義決策變量 310
8.9.2 定義目標 310
8.9.3 定義約束 311
8.9.4 建立模型 311
8.9.5 分析最優解 313
8.9.6 處理投資組合問題中的目標衝突 314
8.10 靈敏度分析 315
8.10.1 拉格朗日乘數 317
8.10.2 簡約梯度 317
8.11 求解非線性規劃的規劃求解器選項 317
8.12 演化算法 318
8.13 組建公平的團隊 319
8.13.1 該問題的電子表格模型 320
8.13.2 求解模型 321
8.13.3 分析最優解 322
8.14 旅行商問題 322
8.14.1 問題的電子表格模型 322
8.14.2 求解模型 324
8.14.3 分析最優解 325
8.15 本章小結 325
8.16 參考文獻 325
思考題與習題 326
案例8.1 歐洲之旅 340
案例8.2 選舉下一任總統 340
案例8.3 在Wella公司生產窗戶 341
案例8.4 報紙廣告插頁調度 342
第9章 回歸分析 344
9.0 引言 344
9.1 例題 344
9.2 回歸模型 345
9.3 簡單的線性回歸分析 347
9.4 定義擬合優度 347
9.5 用“規劃求解器”求解問題 348
9.6 用回歸工具求解問題 350
9.7 估算擬合度 351
9.8 R2統計量 353
9.9 進行預測 354
9.9.1 標準差 355
9.9.2 新的Y值預測區間 355
9.9.3 Y平均值的置信區間 357
9.9.4 外推法 357
9.10 總體參數的統計測試 358
9.10.1 方差分析 358
9.10.2 統計檢驗假設 359
9.10.3 統計檢驗 360
9.11 多元回歸簡介 360
9.12 多元回歸分析舉例 362
9.13 選擇模型 363
9.13.1 只有一個自變量的模型 363
9.13.2 有兩個自變量的模型 364
9.13.3 增大的R2 365
9.13.4 修正R2統計量 366
9.13.5 含有兩個自變量的最佳模型 366
9.13.6 多重共線性 366
9.13.7 具有三個自變量的模型 366
9.14 進行預測 367
9.15 二進制自變量 368
9.16 總體參數的統計檢驗 369
9.17 多項式回歸 369
9.17.1 用線性模型描述非線性關係 370
9.17.2 非線性回歸小結 373
9.18 本章小結 373
9.19 參考文獻 374
思考題與習題 374
案例9.1 鑽石恒久遠 381
案例9.2 佛羅裡達州的慘敗 382
案例9.3 佐治亞州公共服務委員會 382
第10章 數據挖掘 384
10.0 引言 384
10.1 數據挖掘概述 384
10.2 分類 386
10.2.1 分類示例 387
10.3 分類數據的分區 393
10.4 判別分析 394
10.4.1 判別分析舉例 396
10.5 邏輯回歸 401
10.5.1 邏輯回歸舉例 402
10.6 k近鄰法 405
10.6.1 k近鄰法舉例 405
10.7 分類樹 408
10.7.1 分類樹舉例 409
10.8 神經網絡 412
10.8.1 神經網絡舉例 414
10.9 樸素貝葉斯 416
10.9.1 樸素貝葉斯舉例 417
10.10 有關分類的說明 421
10.10.1 組合分類 421
10.10.2 數據測試的作用 421
10.11 預測 421
10.12 關聯規則(關聯分析) 422
10.12.1 關聯規則舉例 423
10.13 聚類分析 425
10.13.1 聚類分析舉例 425
10.13.2 k均值聚類舉例 426
10.13.3 分層聚類舉例 428
10.14 時間序列 429
10.15 本章小結 430
10.16 參考文獻 430
思考題與習題 431
案例10.1 檢測管理舞弊 434
第11章 時間序列預測 435
11.0 引言 435
11.1 時間序列方法 435
11.2 測量精度 436
11.3 穩態模型 436
11.4 移動平均 437
11.4.1 用移動平均模型預測 439
11.5 加權移動平均 440
11.5.1 用加權移動平均模型預測 441
11.6 指數平滑法 442
11.6.1 用指數平滑模型預測 444
11.7 季節性 444
11.8 具有加性季節效應的穩態數據 445
11.8.1 用模型預測 448
11.9 具有乘性季節效應的穩態數據 449
11.9.1 用模型預測 451
11.10 趨勢模型 452
11.10.1 舉例 452
11.11 雙重移動平均法 453
11.11.1 用模型預測 454
11.12 雙重指數平滑法(霍爾特法) 455
11.12.1 用霍爾特法預測 457
11.13 加性季節效應的霍爾特-溫納法 458
11.13.1 用霍爾特-溫納法加性效應模型預測 461
11.14 乘性季節效應的霍爾特-溫納法 461
11.14.1 用霍爾特-溫納法乘性效應模型預測 464
11.15 使用回歸對時間序列趨勢建模 464
11.16 線性趨勢模型 464
11.16.1 用線性趨勢模型預測 466
11.17 二次趨勢模型 466
11.7.1 用二次趨勢模型預測 468
11.18 用回歸模型對季節性建模 468
11.19 用季節指數調整趨勢預測 469
11.19.1 計算季節指數 469
11.19.2 用季節指數預測 470
11.19.3 改進季節指數 471
11.20 季節回歸模型 473
11.20.1 季節模型 474
11.20.2 用季節回歸模型預測 476
11.21 聯合預測 476
11.22 本章小結 477
11.23 參考文獻 477
思考題與習題 478
案例11.1 PB化學公司 486
案例11.2 預測COLA 487
案例11.3 Fysco食品公司的戰略計劃 488
第12章 Analytic Solver Platform仿真入門 490
12.0 引言 490
12.1 隨機變量和風險 490
12.2 為什麼分析風險 491
12.3 風險分析方法 491
12.3.1 最好/最壞情形分析 491
12.3.2 假設分析 492
12.3.3 仿真 492
12.4 企業健康保險的例子 493
12.4.1 基本模型的說明 494
12.5 使用ASP的電子表格仿真 495
12.5.1 ASP介紹 495
12.6 隨機數發生器 495
12.6.1 離散和連續隨機變量 496
12.7 準備仿真模型 497
12.7.1 RNG備選輸入方法 499
12.8 運行仿真 500
12.8.1 選擇要追蹤的輸出單元格 501
12.8.2 選擇複製次數 501
12.8.3 選擇工作表所顯示的內容 502
12.8.4 運行仿真 503
12.9 數據分析 503
12.9.1 最好情形和最壞情形 503
12.9.2 輸出單元格的頻次分佈 504
12.9.3 輸出單元格的累積分佈 505
12.9.4 獲得其他累積概率 505
12.9.5 靈敏度分析 506
12.10 抽樣的不確定性 506
12.10.1 為真實總體均值構建置信區間 507
12.10.2 建立總體比例的置信區間 508
12.10.3 樣本容量和置信區間寬度 509
12.11 交互式仿真 509
12.12 仿真的益處 510
12.13 仿真的其他應用 511
12.14 預訂管理示例 511
12.14.1 建立模型 512
12.14.2 多重仿真的細節 513
12.14.3 運行仿真 514
12.14.4 數據分析 514
12.15 庫存控制舉例 515
12.15.1 創建RNGs 516
12.15.2 建立模型 517
12.15.3 複製模型 519
12.15.4 優化模型 520
12.15.5 分析最優解 525
12.15.6 其他風險測量 526
12.16 項目選擇舉例 527
12.16.1 電子表格模型 528
12.16.2 用ASP求解和分析問題 529
12.16.3 考慮另一個最優解 530
12.17 投資組合優化舉例 531
12.17.1 電子表格模型 532
12.17.2 用ASP求解問題 534
12.18 本章小結 535
12.19 參考文獻 536
思考題與習題 537
案例12.1 生活美好亦或破產離世 547
案例12.2 死亡和稅收 548
案例12.3 Sound's Alive公司 549
案例12.4 Foxridge投資集團 552
第13章 排隊論 554
13.0 引言 554
13.1 排隊模型的目的 554
13.2 排隊系統的結構 555
13.3 排隊系統的特徵 556
13.3.1 到達率 556
13.3.2 服務率 558
13.4 Kendall記號 559
13.5 排隊模型 559
13.6 M/M/s模型 560
13.6.1 舉例 561
13.6.2 當前情況 561
13.6.3 增加一個服務者 562
13.6.4 經濟分析 563
13.7 有限隊長的Ｍ/Ｍ/s模型 563
13.7.1 當前情況 564
13.7.2 增加一個服務者 564
13.8 有限客源的Ｍ/Ｍ/s模型 565
13.8.1 舉例 566
13.8.2 當前情況 566
13.8.3 增加服務者 567
13.9 M/G/1模型 568
13.9.1 當前情況 569
13.9.2 購買自動分裝設備 569
13.10 M/D/1 模型 570
13.11 仿真隊列和穩態假設 571
13.12 本章小結 572
13.13 參考文獻 572
思考題與習題 573
案例13.1 警察你在嗎 578
案例13.2 Vacations公司呼叫中心的人員安排 578
案例13.3 Bulseye百貨公司 579
第14章 決 策 分 析 580
14.0 引言 580
14.1 好決策和好結果 580
14.2 決策問題的特徵 581
14.3 一個例子 581
14.4 收益矩陣 582
14.4.1 決策備選方案 582
14.4.2 自然狀態 582
14.4.3 損益值 583
14.5 決策準則 583
14.6 非概率方法 584
14.6.1 最大最大化(Maximax)決策準則 584
14.6.2 最小最大化(Maximin)決策準則 585
14.6.3 最大後悔最小化決策準則 585
14.7 概率方法 587
14.7.1 期望值 587
14.7.2 期望後悔值 588
14.7.3 靈敏度分析 589
14.8 完全信息的期望價值 591
14.9 決策樹 592
14.9.1 反推決策樹 593
14.10 用ASP創建決策樹 594
14.10.1 添加事件節點 595
14.10.2 確定收益和EMV值 597
14.10.3 其他特徵 598
14.11 多級決策問題 598
14.11.1 多級決策樹 599
14.11.2 風險剖析圖 599
14.12 靈敏度分析 600
14.12.1 龍捲風圖表 601
14.12.2 策略表 603
14.12.3 策略圖表 604
14.13 樣本信息在決策中的應用 606
14.13.1 條件概率 607
14.13.2 樣本信息的期望值 608
14.14 條件概率的計算 608
14.14.1 貝葉斯定理 610
14.15 效用函數 611
14.15.1 效用函數 611
14.15.2 構造效用函數 612
14.15.3 使用效用進行決策 614
14.15.4 指數效用函數 614
14.15.5 決策樹中使用效用 615
14.16 多標準決策 617
14.17 多準則記分模型 617
14.18 層次分析法 619
14.18.1 兩兩比較 620
14.18.2 歸一化比較 621
14.18.3 一致性 621
14.18.4 其他標準的分數 623
14.18.5 計算標準權重 623
14.18.6 建立評分模型 624
14.19 本章小結 624
14.20 參考文獻 625
思考題與習題 626
案例14.1 Prezcott製藥公司 635
案例14.2 堅持還是放棄？ 636
案例14.3 Larry Junior應該上訴還是和解？ 636
案例14.4 電子表格之戰 638