Chương 7 : DỰ BÁO NHU CẦU

7.1 Chu kì sống của sản phẩm
Nhu cầu của sản phẩm thường qua 4 giai đoạn:
- Giai đoạn khởi đầu
- Giai đoạn tăng trưởng
- Giai đoạn trưởng thành
- Giai đoạn suy thoái

Hình 7.1

Những phương pháp dự báo mà chúng ta có thể áp dụng phụ thuộc hiển nhiên vào giai
đoạn hiện tại của sản phẩm mà chúng ta nghiên cứu.
1. Giai đoạn khởi đầu : Trong giai đoạn này, việc buôn bán thường ít. Điều này có
thể một phần là do nhu cầu thấp, nhất là đối với những sản phẩm cũng có thể là
do sự cố ý giới hạn mức sản xuất. Một lựơng sản xuất ít ban đầu cho phép bộ
phận kinh doanh thăm dò phản ứng của khách hàng, và điều chỉnh lại số lượng
hoặc ngưng sản xuất và bộ phận sản xuất có thể tăng dần sản lượng
2. Giai đoạn tăng trưởng : Trong giai đoạn này, doanh số bán tăng lên một cách
nhanh chóng (sự tăng lên theo hàm mũ là một ví dụ) trước khi đạt mức ổn định
khi thị trường bão hòa.
3. Giai đoạn trưởng thành : việc buôn bán vẫn giữ nhịp đều dặn. Những sự mới lạ
và hấp dẫn của sản phẩm như trong các giai đoạn trước không còn nữa.
4. Giai đoạn suy thoái : trong giai đoạn cuối cùng này, việc bán giảm xuống một
cách nhanh chóng. Điều đó có thể là do không thu hút được khách hàng hoặc do
ngừng sản xuất
Bốn giai đoạn này không bằng nhau trong suốt quá trình, thậm chí có quá trình không tồn
tại tùy theo sản phẩm. Ví dụ như giai đoạn trưởng thành không có trong lĩnh vực thời
trang hoặc hàng tiêu dùng nhỏ, mới lạ ( gadget).
4. Những dự báo phải được xác minh, thậm chí phải được điều chỉnh thông qua những
thông tin thu thập được. Ví dụ chúng ta có thể tìm hiểu thông qua những chiến dịch
quảng cáo của hoạt động tiếp thị, những cuộc thương lượng trong hoạt động thương mại,
những sự đổi mới của đối thủ cạnh tranh

7.3 Kĩ thuật dự báo :

Có rất nhiều kĩ thuật dự báo. Những kĩ thuật này dựa trên ý kiến rằng tồn tại mối quan hệ
nhân quả giữa nhu cầu tương lai của những sản phẩm mà chúng ta nghiên cứu với một số
thông tin tham chiếu liên quan. Những kĩ thuật này hiển nhiên dựa vào sự hiểu biết mà
người ta có thể có đượcvề những thông tin tham chiếu này, chủ quan hoặc một vài thông
tin về số lượng và chất lượng của một sản phẩm

1. Phương pháp dựa trên quan niệm “ Quan điểm của những chuyên gia”
Khi một sản phẩm chưa được thương mại hóa hoặc nó vừa xuất hiện trên thị trường
thì những dự báo thường dựa trên những sự đánh giá hoặc điều tra. Những sự đánh
giá này dựa trên những ý kiến của những chuyên gia và vấn đề là đạ
t được một sự
nhất trí tối thiểu giữa những ý kiến khác nhau. Những kĩ thuật được sử dụng phụ
thuộc vào việc đưa ra những quyết định hoặc những kỹ thuật lựa chọn đa tiêu chuẩn.
Về phía những cuộc điều tra và những cuộc khảo sát thị trường, họặc mong tìm ra
được những nhu cầu tiềm ẩn (VD : bạn mua sản phẩm nào với giá bao nhiêu?), hơặc
đánh giá được sự thỏa mãn của khách hàng. Trong trường hợp này, những cuộc điều
tra bắt đầu bằng sự kiểm tra sản phẩm. Cho dù mục đích cuộc điều tra như thế nào,
cần phải xác định phân đoạn của những khách hàng tiềm năng và tìm hiểu ý nghĩa
những câu trả lời thu thập được. Điều này thông thường được thực hiệ
n bởi các công
tychuyên môn ( VD như là SOFRES). Loại dự báo này sẽ giúp dịch vụ tiếp thị nhưng
nó sẽ không phát triển thêm trong sách này.


t
P)1(
α
−
cũng như thỏa mãn tất cả những
nhu cầu trong biên độ dao động đó. Về phía người bán hàng, có nhiệm vụ là bán số
lựơng tối thiểu và sẽ không gặp khó khăn nếu số lượng là tối đa. Nhưng nếu số lượng
bán vượt quá mức tối đa thì phải bàn lại với bộ phận mua hàng và sản xuất.

Phương pháp này nghiên cứu kết hợp các bộ phận khác nhau của công ty trong vi
ệc
dự đóan. Những công ty sử dụng phương pháp này xem ra hài lòng: Toyota, HP,
Sollac. Đối với những công ty có ý định theo phương pháp này thì việc thực hiện sẽ
không phải luôn luôn dể dàng. Nó đòi hỏi một sự thay đổi trong tâm lý các nhân viên
kinh doanh: họ chỉ quen dùng doanh số bán hàng như là tiêu chuẩn tham khảo, và tiền
lương của họ cũng thay đổi dựa trên doanh số này.

3. Mô hình tóan kinh tế
Ỡ đây người ta tìm cách giải thích mức cầu D theo các biến ngoại sinh (
n
yyy , ,
21
).
Để làm được điều đó, người ta cần xác định hàm số f đê tính mức cầu D trong một
khoảng thời gian t, theo các giá trị y
i
trong quá khứ. VD, việc bán các tấm tả lót cho
trẻ từ 3-6 tháng trong tháng 12 phụ thuộc vào số lượng trẻ được sinh từ tháng 3 đến
tháng 10. Hoặc là, việc buôn bán lốp xe sẽ tương quan đến số lượng xe bán ra trong
những năm trước và số km xe chạy trung bình. Để mô hình này cho dự báo tốt, mối

biến thiên từ tháng này qua tháng khác. Số lượng bán ra chưa đủ, thời điểm cần được
tính vào. Chúng ta sử dụng những thông tin được xếp theo ngày tháng, đây là phân
theo chuỗi thời gian. Các phân tích này được nghiên cứu rất nhiều, nhất là trong các
cơ quan dự đóan cấp nhà nước (l’INSEE). Trong thời đại hiện nay, khoa học thống kê
có rất nhiều phương pháp, đi từ đơ
n giản ( phương pháp thực nghiệm) đến phức tạp
hơn, nhất là khi có những thay đổi theo mùa ( thi dụ phương pháp Box và Jenkins).
.Trong công nghiệp ,thực tế chúng ta chỉ sử dụng phương pháp thực nghiệm vì hai lí
do cơ bản sau :
• Chúng dể dàng sử dụng, không cần phải có phần mềm thống kê đặc biệt ( chỉ cần
1 bảng tính, 1 máy tính nhỏ là đủ)
• Các phương pháp tiên tiến đòi hỏi những dử liệu trong thời gian dài để cung cấp
các dự báo chính xác. Phương pháp Box – Jenkins đòi hỏi ít nhất 5-6 mùa cho
việc dự báo .Trong công nghiệp ,yếu tố theo mùa thông thường là hàng năm và ít
có xí nghiệp có số liệu về việc bán 5-6 năm ( hơn nửa vòng đời của 1 sản phẩm
ngàycàng giảm).
Đó là lí do tại sao trong chương này chúng ta hạn chế vào những mô hình đơn giản của
phân tích tuần tự theo thời gian. 7.4 Chuỗi thời gian : nghiên cứu các dữ liệu

Để đạt được những dự báo đáng tin cậy .cần phải đi từ những dữ liệu đáng tin cậy .Vậy
mà những dữ liệu chúng ta thu thập, dù rằng phản ánh thực tế nhưng không phải đương
nhiên có thể sử dụng trong tính toán. Do trong một số nguyên nhân, dữ liệu thô thường
không phải luôn luôn đồng nhất .Cho nên trước hết cần phải sắp xếp các dữ liệu một cách
sơ
bộ hoặc chính xác hơn phải xắp sếp theo môt trình trự trước sau .Và chúng ta sẽ
nghiên cứu các lí do chính đáng cho sự sắp xếp dữ liệu này :


DR
i
: dữ liệu được sắp xếp của tháng i
D
i
: dữ liệu của tháng i
NJ
i
:số ngày của tháng i

3.2.Khi dữ liệu là các hàm theo số ngày làm vịêc ,chúng ta có thể đưa về
tháng chuẩn :
DR
i
= D
i
/NJO
i
*
∑
12/
i
NJO

Trong đó :
DR
i
: dữ liệu sắp xếp của tháng i
D
i

1.09 0.82 0.73 0.64 1.00 1.73
550

Bằng cách nhân số lượng ngày k làm việc trong tháng với P
k
,chúng ta có thể tìm thấy số
ngày chuẩn k và lấy tổng số ngày chuẩn của tháng i .Chúng ta sẽ có:

DR
i
= (D
i
/NJS
i
)*
∑
12/
i
NJS
Trong đó :
DR
i
:dữ liệu đã sắp xếp của tháng i
D
i
: Dữ liệu của tháng i
NJS
i
:số ngày chuẩn của tháng i
Ví dụ :


Bảng giải lạm phát từ 1970 đến 1990 6.Anh hưỡng của kiều hối: Trong một vài trường hợp, chúng ta có các số liệu
bằng đồng franc trong khi việc mua bán có thể được thực hiện bằng 1 ngoại tệ khác ( vi
dụ bằng USD) Những thay đổi giá trị của các ngoại tệ này có thể làm thay đổi rất nhiều
các dữ liệu thu được.

7.5 .Nghiên cứu theo thời gian: tổng quát
7.5.1. Phân tích chuỗi

Tất cả chuỗi thời gian được nghiên cứu thông qua ba yếu tố:
• Yếu tố khuynh hướng ,F
t

• Yếu tố chu kỳ ,C
t

• Yếu tố bấp bênh,
t
ε-Yếu tố khuynh hướng
:yếu tố này có bản chất được xác định, chỉ phụ thuộc vào thời
gian .Trong giai đoạn tăng trưởng , F
t
tỉ lệ với hàm mũ e :
F

-Yếu tố chu kì

Gọi L là chu kỳ (khoảng thời gian lặp lại ) và ta sẽ có C
t
: C
t+L
=C
t
.Trong trường hợp của
các công ty , chu kì của nhu cầu thường tính theo năm. Thỉnh thoảng ,chúng ta có thể
nghiên cứu một chu kì thông qua từng chu kì nhỏ riêng biệt như chu kì theo mùa

-Yếu tố bấp bênh
:
t
ε
là một quá trình bấp bênh, điều này có nghĩa với mọi giá trị t
E(
t
ε
) = cste
Var(
t
ε
) = cste

7.5.2. Các lọai hình:
Tất cả sự kết hợp gồm 3 yếu tố đều khả thi. Trong thực tế, ta dung những mức cầu sau:

- Nhu cầu bấp bênh :D


- Nhu cầu khuynh hướng
D
t
= At +B +
t
ε

Nhu cầu biểu thị sự tăng trưởng (họac suy giảm) tuyến tính trên giai đoạn khá dài

HÌNH 7.4

-Nhu cầu theo mùa D
t
= At + B +C
t
+
t
ε

Nhu cầu biểu thị dao động theo mùa ,với các biến động về số lượng ổn định: ví dụ hằng
năm sự khác nhau về nhu cầu giữa tháng một và tháng bảy vẫn tiếp diễn từ năm này qua
năm khác .Trong trường hợp này ,chúng ta thêm giả thuyết
∑
= 0
i
C ;nói cách khác dao
động theo mùa phải dựa trên nhiều chu kì .

HÌNH 7.5

i
.Khi là cầu theo mùa liên tiếp, chúng ta nên biến đổi bằng mô hình theo
mùa để ổn định các sai biệt dữ liệu.
Qua mắt thường, hai mô hình này chỉ khác biệt nhau bởi các đường thẳng tiệm cận với
các đường cong (hình 7.7). Trong mô hình theo mùa, các đường này song song với nhau,
trong khi với mô hình nhiều mùa, các đường thẳng phân kì hoặc hội tụ tuỳ theo hướng
tăng hoặc giảm . HÌNH 7.7 A HÌNH 7.7 B

7.5.3. Kí hiệu

Chúng ta kí hiệu D
t
–nhu cầu thực tế quan sát được ở thời điểm t . Dự báo là 1 hàm 2
biến được viết
t
P
,
τ
, là dự báo được thực hiện ở khoảng thời gian
τ
cho khoảng thời gian
t . Khi không có sự mơ hồ, ta chỉ cần viết P
t+k
– là dự báo được thực hiện cuối khoảng

e
n
eMoyMA
1
1

-Trung bình bình phương

∑
==
22
1
)(
it
e
n
eMoyMC

Thông thường MA được sử dụng nhiều nhất. Một cách tóan học, nó thường đại diện cho
những đặc tính sau đây : Khi biến e
t
được phân bố theo luật Normal, thì sai số
e
σ
được
xác định bởi công thức

MAMA 25.12/ =Π
Khi chúng ta muốn quay trở lại tính những đại lượng độc lập ,chúng ta có thể sử dụng sai
số phần trăm e

Lĩnh vực thứ 1 , các giấy bạc được sử dụng cho việc chế tạo các nắp của hủ Yaourt , hộp
cacao Nhu cầu ôn dinh, voi những thay đổi bấp bênh không nhiêu. Nói một cách khác,
nhu cầu là một hàm D
t
= B +
t
ε
, trong đó B là một hằng số chưa biết và
t
ε
là sai số ứng
với trọng số bằng không và phương sai
σ
.

Giả sử chúng ta có 10 giá trị về nhu cầu của 10 tháng trước như sau :
1 2 3 4 5 6 7 8 9 10
510 524 539 514 505 568 567 533 567 535
Và bây giờ chúng ta tính nhu cầu tháng tiếp theo .
Có hai cách tính :
- Trung bình di động trên khoảng thời gian L cuối cùng
- hàm mũ don gian 7.6.2.Trung bình di động trên khoảng thời gian L cuối cùng
Dự báo được xác định bởi công thức :
P
t+k
=
∑

514 524.33 10.33
505 525.67 20.67 521.75 16.75
568 519.33 48.67 520.50 47.50
567 529.00 38.00 531.50 35.5
533 546.67 13.67 538.50 5.50
567 556.00 11.00 543.25 23.75
535 555.67 20.67 558.75 23.75
Dự báo MA 545.00 23.29 550.50 25.46

Voi L =3, sai số MA yếu hơn voi L=4. Nếu chúng ta chấp nhận rằng sai số e
t
tuân theo
định luật Gauss,chúng ta có :

σ
e
=1.25*23.29 =29.11.
Với L=3 ,chúng ta có thể suy ra rằng, dê khoảng tin cậy là 95%, nhu cầu tháng sau sẽ là
545
29.23*2± , nghia là trong khoang 498 và 592.

7.6.3 Hàm mũ don gian
Kỹ thuật này do Brown đưa ra (1958) như sau: vào cuối tháng t, chung ta co hai gia tri du
doan cua B. Giá trị B thứ nhất là cho giá trị dự đoán P
t
chúng ta đã tính toán .Giá trị thứ
hai là do nhu cầu thực tế duoc biet vào cuối tháng t. Và giá trị thực B sẽ nằm trong
khoảng hai giá trị B trên (một cách toán học, phương pháp này giam thieu sai số). Từ đó
:
10)1(

ααα

Nhân xet rang duong nôi hàm mu tinh dên tât ca thoi diêm, trong do chu trong nhât là cac
thoi diêm gân nhât và cac thoi diêm xa nhât thuy theo gia tri
αKhi
1→
α
thì P
t+1
-> D
t
,chúng ta chu trong dên giá trị hiện tại .
Khi
0→
α
thì P
t+1
-> D
0
,chúng ta chu trong dên giá trị của quá khứ.
Bảng sau đây cho phép tính toán ứng với
α
=0.20 và
α
=0.40

7.7.1 Giới thiệu
Công ty AlumAlim chuyên chế tạo những màng giấy nhôm gồm nhiều lớp bên
trong thường được sử dụng chứa đựng sữa, kem và những chất lỏng khác .Từ nhiều năm
trước ,nhu cầu về những giấy nhôm tăng một cách yếu ớt nhung dêu dan. Những dự báo
thường được thiết lập hàng tháng cho ba tháng tới, xuất phát những dữ liệu mười tháng
trước, cụ thể như sau :
Tháng Giá trị cần tính
1
2
3
101
105
109
4
5
6
7
8
9
10
107
100
103
110
105
108
103

Ta có ,ở phần trước :

tinh thông qua công thức sau : (
)
(
)
11
1
tt tt
SD SA
αα
−−
=+− +
Chúng ta cũng cần phải biết hệ số biến đổi A
t
giữa khoảng thời gian t và t+1. Uoc luong
dau tien cua hệ số này được xác định boi S
t
- S
t-1,
, lân thu hai duoc cho boi A
t-1
, nho vào
giai doan truoc. Tu do:

()
(
)
11

~
Y gần với Y nhất,
dua vào sai biet binh phuong giua
~
Y và Y (hinh 7.8).
Dường thẳng hồi quy f(a,b)= ax +b là duong tôi thiêu gia tri cua hàm g(a,b)

2
1
(,) ( ( ))
n
ii
i
gab y ax b
=
=−+
∑
HÌNH 7.8
Điều kiện cần thiết dể tồn tại giá trị cực tiểu : 0
gg
ab

()
() ( )
TB XY TB X TB Y
a
TB X TB X
COV X Y
Var X
bTBY aTBX
−
=
−
=
=−

Voi ví dụ trên ,chúng ta sẽ thấy a=0.1878 và b=104.07 ,điều này dẫn đến dự báo 106.13
cho tháng mười một .

94
96
98
100
102
104
106
108
110
112
1234567891011
Dt
Trend

5
6
7
8
9
10
11
12
1094
1015
1196
1130
1054
946
974
849
998
1120
1114
1090
1045
1042
1250
1113
1112
1035
976
840
1008
1140

thay đổi theo chu kỳ mùa hiện thực nếu
ρ
L
cao. Khi L không biết trước, bàng cach tinh
liên tiêp hệ số tự tương quan
ρ
1
,
ρ
2
….ta co thê co duoc L. Trong ví dụ này ,chúng ta
tìm thấy
ρ
12
= 0.85 . Diêu này khang dinh tinh theo mua cua thi du.

0
200
400
600
800
1000
1200
1400
123456789101112
1997
1998

Tháng 1997 1998
1

1140
1180
12 1090 1145 7.8.3 Lựa chọn mô hình
Giữa hai mô hình cộng và mô hình nhân ,chúng ta nên chọn mô hình nào có khả năng
thích hop nhât. Trong trường hợp ro ràng là mô hình nhân, ta co thê kiêm tra bàng mat
thuong. Truong hop nguoc lai, gia tri D
i+L
– D
i
cho phep ta kêt luân. Voi mô hinh co
t
ε
=0, chúng ta có :
- Đối với mô hình cộng :
D
i+L
– D
i
= (A
i+L
+ B +C
i
) – (A
i
+B +C
i
) = AL = hang sô

Tháng 2,8
Tháng 3,9
Tháng 4,10
Tháng 5,11
Tháng 6,12
1500
1000
800
1000
1200
1400

Chúng ta tính toán hệ số a,b của đường thẳng hồi quy của mười hai tháng liên tiêp.Với
giả thuyết đã cho ,ta có :
-
Đường thẳng có khuynh hướng voi dô dôc là 0 :a = 0
-
Bât kê tháng nào dùng làm diêm xuất phát cua dự báo

Tuy nhiên, khi chúng ta tính đường thẳng hồi quy dua trên cac du liêu ban dâu, cac kêt
qua co duoc sau dây lai tùy thuôc vào dữ liệu cua tháng xuat phat:
Tháng a b
1
2
3
4
5

Tháng 4-98
Tháng 5-98
Tháng 6-98
1046.29
1045.38
1048.75
1050.29
1052.00
1058.13
1061.92
1061.63
1061.67
1062.92
1066.50
1071.54

Chú ý rằng khi chúng ta duong nhiên mất L dữ liệu, tuong ung voi 1 chu ky. Diều này
suy ra rằng cần phải it nhât hai chu kì ban đầu, và ràng không thể đưa ra các dự báo thông
kê khi chúng ta chỉ co du liêu cua một chu kỳ , tru phi dựa vào các giả thuyết phu (vi du:
thị trường ổn định ),điều này đưa chúng ta tới phương pháp “chuyên gia “.

Doi voi các dữ liệu không mang tính theo mùa, phương pháp được sử dụng để tính chuỗi
khuynh hướng là hop ly, và chúng ta sử dụng đường thẳng hồi quy để tính khuynh hướng

Trong ví dụ trên ,dữ liệu không mang tính chu kỳ ,
đường thẳng khuynh hướng :T
t
= 2.30t
+1042,33 . Tuy nhiên chu ky cua cac dữ liệu không theo mùa này bắt đầu vào tháng 7 -
1997 thay vi vào thang 1 và duong thang se là T

– T
t
là xấp
xỉ giá trị c
i
k

của hệ số Ci .Su hiên diên cua 1 sai sô se lam roi loan cong thuc. Với ví dụ
trên ,ta nhận thấy rằng vào tháng 1 năm 97, ta co giá trị duong 63.15 và tháng 1 năm 98 ,
giá trị âm -13.40 .
Có rất nhiều phương pháp để đánh giá C
i
từ giá trị c
i
k
.Chúng ta chỉ co du liêu trong hai
chu kỳ , chung ta se tinh trung binh cua gia tri c
i
k
.Vấn đề của phương pháp này là nó
thường khá nhạy với các giá trị xuất hiện thường xuyên . Vài tac gia dê nghi dùng
phuong sai thay vi gia tri trung binh. Voi cac chuoi dài, cân cac phuong phap tinh tê hon.
Trù trường hợp ngoại lệ ,các hệ số thu được không tuân theo quy luật diện tích
i
C
∑
=0
.Các hệ số sẽ được xác định bởi giá trị C
i
bằng cách :

phương pháp Holt-Winters .Chúng ta ghi nhân là C
t-L
hệ số cuối cùng đã biết (được tính
vào chu kỳ mùa trước, tháng t- L).
Cung giông nhu trong phương pháp Holt ,cần phải đánh giá điểm khuynh hướng S
t
và
muc tang trung bình A
t
. Dê co giá trị S
t
, chúng ta co thê dua vào cach du doan truoc do:
S
t-1
– A
t-1
; hoac được tính bởi giá trị thuc tê D
t
,được hiệu chỉnh bởi hệ số theo mùa C
t-L

.Ngoài ra ,chúng ta cần phải tính thêm giá trị C
t
của tháng t vua kêt thuc. Co hai du doan
hệ số này : du doan thứ nhất là sự khác nhau giữa giá trị thực D
t
và điểm khuynh hướng
S
t
, du doan thứ hai dua theo mùa của chu kỳ trước C

)(1
11
11ktttkt
CkASP
−+
++=
Với mô hình nhân , diêu chinh bang cach chia cho hệ số theo mùa, chúng ta có :

()
(
)
(
)
()()
()
()
ktttkt
Ltttt
tttt
ttLttt
CkASP
CSDC
ASSA
ASCDS
−+
−
−−

∑
=
−
==
n
i
i
x
n
XMoyx
1
1
)(
2.Phương sai : Phương sai của giá trị X

22
2
1
2
1
2
)()(
1
1
)(
XMoyXMoy
xx
n
xx
n

binh cua L giá trị liên tiêp cua X. Ta duoc (n-L+1 ) trung binh.

∑
−+
=
=
1
1
Lk
ki
k
i
x
L
MML
Ví dụ :
i 1 2 3 4 5 6 7 8 9
X
i
20 14 18 12 16 25 24 17 14
MM3 17.3 14.7 15.3 17.7 21.7 22 18.3
MM4 16 15 17.7 19.2 20.5 20

2.Trung bình di động trọng tâm :

Giả sử trong thi du trên X=(x
1
, ,x
n
) là những giá trị quan sát được trong tháng 1 ,2

L
MCL
1

-Trường hợp 2: L là chẵn l=L/2

)(
2
11
ltlt
lti
lti
it
xx
L
x
L
MCL
+−
+=
−=
+−=
∑

Lúc này ,ta có bảng số liệu mới như sau :
i 1 2 3 4 5 6 7 8 9
X
i
20 14 18 12 16 25 24 17 14
MC3 17.3 14.7 15.3 17.7 21.7 22 18.3

=
−
∑
2.Hệ số tương quan )()(
),(
YVarXVar
YXCov
=
ρ

Hệ số này nằm giữa giá trị -1 và 1 . No chi su tuong quan it hay nhiêu giua X và Y.