PERT估算计算器

PERT估算计算器

增长中 AI Skill PRO

输入计算

数学公式

TE=乐观值(O)+4×最可能值(M)+悲观值(P)6TE = \frac{\text{乐观值(O)} + 4 \times \text{最可能值(M)} + \text{悲观值(P)}}{6}

计算示例

TE=4+4×7+166=8TE = \frac{4 + 4 \times 7 + 16}{6} = 8
显示计算步骤 (2)
  1. 标准差(SD)

    SD=悲观值(P)−乐观值(O)6SD = \frac{\text{悲观值(P)} - \text{乐观值(O)}}{6}

    基于范围P减O的估算离散程度

  2. 方差

    σ2=(悲观值(P)−乐观值(O)6)2\sigma^{2} = \left(\frac{\text{悲观值(P)} - \text{乐观值(O)}}{6}\right)^{2}

    标准差的平方

使用统计

广告

结果

期望工时(TE)
8
PERT加权估算值
标准差(SD) 2
方差 4

报告本页错误

什么是PERT估算计算器?

PERT(计划评审技术,Program Evaluation and Review Technique)计算器能把三种工期猜测整合成一个经过统计加权的估算值。你不再依赖单一数字,而是分别填入乐观(O)、最可能(M)和悲观(P)三种工期。工具会算出期望工时(TE)、标准差(SD)和方差,既给你一个贴近现实的估计,又量化了其中的不确定性。只要单位保持一致,它适用于任何时间单位(小时、天、周)。

如何使用

为某项任务填入三个估算值。乐观值是一切顺利时的最佳工期,最可能值是你心里最现实的判断,悲观值则是最坏情况下的工期。点击"计算",即可看到加权后的期望工时,以及它可能的波动范围。

六部分加权图,显示 O 加四倍 M 加 P 再除以六
该公式将加权和(O + 4M + P)除以总共六个权重。

公式详解

PERT采用贝塔分布(Beta分布),把最可能估算值的权重设为两端极值的四倍:

$$TE = \frac{\text{Optimistic (O)} + 4 \times \text{Most Likely (M)} + \text{Pessimistic (P)}}{6}$$

可能结果的离散程度由标准差来衡量:

$$SD = \frac{\text{Pessimistic (P)} - \text{Optimistic (O)}}{6}$$

方差就是\(SD^{2}\)。标准差越大,说明任务风险越高,越值得预留缓冲时间。

广告

实例演算

假设某个功能在乐观情况下需要4天,最可能需要7天,悲观情况下则要16天。那么 $$TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{4 + 28 + 16}{6} = \frac{48}{6} = 8 \text{ 天}$$ $$SD = \frac{16 - 4}{6} = \frac{12}{6} = 2 \text{ 天}$$ 因此方差为4。于是你可以按8天来排期,同时心里清楚大约存在 ±2天的不确定性。

在偏态分布曲线下方标有乐观、最可能和悲观点的数轴
PERT 将最可能值加权四倍,以求出 O、M、P 之间的期望时间 TE。

解读你的 PERT 结果

期望时间 \(TE = \frac{O + 4M + P}{6}\) 是 PERT 用来近似任务不确定工期的 beta 分布的均值。把许多任务的时间加总后,总时长大致服从正态分布。在这一正态近似下,TE 恰好是中点,因此按时完成的概率约为 50%,耗时更长的概率也约为 50%。因此,单独的 TE 并不是一个可靠的承诺日期。

标准差近似为 \(SD = \frac{P - O}{6}\),方差为 \(SD^2\)。在正态近似下,标准差给出以下范围:

  • TE ± 1 SD 覆盖约 68% 的结果。
  • TE ± 2 SD 覆盖约 95%。
  • TE ± 3 SD 覆盖约 99.7%。

示例:O = 4,M = 7,P = 16 天,得出 \(TE = \frac{4 + 4 \times 7 + 16}{6} = \frac{48}{6} =\) 8 天,且 \(SD = \frac{16 - 4}{6} = 2\) 天。

  • 68% 范围:8 ± 2 = 6 至 10 天。
  • 95% 范围:8 ± 4 = 4 至 12 天。
  • 99.7% 范围:8 ± 6 = 2 至 14 天。这里下限低于乐观估计值 4,说明正态近似在尾部并不精确。

P 与 O 之间差距较大意味着标准差更大、风险更高,因此应仔细审视是什么因素可能导致悲观情形。\((P-O)/6\) 公式是经验性的近似,并非 beta 分布的精确性质。结果的质量也取决于输入:有偏差或凭猜测给出的 O、M 和 P 值,会得出看似精确但并不可靠的结果。

情景对比:估算范围的变化如何影响结果

下表比较了四组估算值(时间单位需保持一致)。最后一列为简单平均值 \((O+M+P)/3\),用于对比。

情景 O M P TE SD 方差 简单平均值
对称 4 6 8 6 0.67 0.44 6
右偏 4 7 16 8 2 4 9
紧凑 9 10 11 10 0.33 0.11 10
高度不确定 2 10 30 12 4.67 21.78 14

高度不确定情形的计算示例:\(TE = \frac{2 + 4 \times 10 + 30}{6} = \frac{72}{6} = 12\) 且 \(SD = \frac{30 - 2}{6} = 4.67\)。

  • 当估算对称或紧凑时,TE 等于 M,也等于简单平均值。
  • 较长的悲观尾部会把 TE 拉高于 M(7 变为 8,10 变为 12)。
  • 标准差只取决于散布范围 P − O,因此即使 M 同为 10,高度不确定情形的 SD 也远大于紧凑情形。
  • PERT 比简单平均值更看重 M,因此对极端的 O 或 P 值不那么敏感。
广告

PERT 术语与定义

  • 乐观值(O):几乎一切顺利时的最短现实工期。
  • 最可能值(M):正常条件下预期的工期,即最可能出现的单一数值(众数)。
  • 悲观值(P):出现重大问题时的最长现实工期,不包括灾难性事件。
  • 期望时间(TE):加权均值 \(\frac{O + 4M + P}{6}\)。
  • 标准差(SD):衡量不确定性的指标,近似为 \(\frac{P - O}{6}\)。
  • 方差:标准差的平方,\(\left(\frac{P - O}{6}\right)^2\)。独立任务在同一路径上的方差可以相加;标准差则不能直接相加。
  • Beta 分布:定义在有界区间上的灵活概率分布,可以是偏斜的。PERT 用它对 O 与 P 之间的任务工期建模。
  • 三点估算:用三个值(O、M、P)而非一个值来估算任务,从而明确地体现不确定性。
  • 关键路径:项目网络中依赖关系最长的任务序列。它决定项目的最短工期,其中任何一项任务延误都会导致项目延误。
  • PERT 与三角平均法:三角分布的均值为 \(\frac{O + M + P}{3}\),它对三个值一视同仁。PERT 对 M 的权重是 O 或 P 的四倍,因此更依赖最可能值。

常见问题

为什么M要乘以4? 贝塔分布假设最可能值占主导地位,因此它承担六分之四的权重,O和P则分摊剩下的部分。

应该用什么单位? 任何一致的时间单位都可以——小时、天或周。输出结果会沿用你输入时所用的单位。

如何把多项任务合并? 把各任务的TE相加,得到总的期望工期;再把各项的方差(而非标准差)相加,最后开平方,即可得到整体的标准差。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器