第17章预测.pptVIP

* 该餐厅的经理对上面的数据（不是时间序列数据）进行回归分析，求出 该问题估计值的一元线性回归方程，找到所在地公司数量与餐厅年营业额之 间的关系。 问题的模型为 注意： 在这个例子中自变量不是时间序列数据，因变量也不是时 间序列数据。 §2　用回归分析方法进行预测 管 理 运 筹 学 * §1 时间序列预测法 §2 用回归分析方法进行预测 第十七章　预测 * 预测的重要性 科学预测的分类 定量预测 因果关系预测，如回归分析法 时间序列预测，如平滑法趋势预测，调整季节影响的趋势预测 定性预测 如Delphi法 本章介绍的内容 平滑法趋势预测，调整季节影响的趋势预测，回归分析法 第十七章　预测 * 一、时间序列的成分 时间序列 一些连续的时间点或时间区间上测量到的一系列的数据。 时间序列的成分 成分的概念：决定时间序列数据值的那些因素。 成分的组成：趋势、周期、季节性、不规则。 平滑法 通过平均过程来去掉时间序列中不规则的因素。 常用平滑法 移动平均法、加权移动平均法、指数平滑法 二、用平滑法进行预测 移动平均法 用时间序列中最近的n个数据的平均值来作为下个时期的数据的预测值。 §1　时间序列预测法 * §1　时间序列预测法 计算的数学公式为 注意：移动就是不断地用最近几个数据来代替老数据。随着预测时期的推 进，预测值也不断变化。 例1 某粮油食品公司最近10周的大米销售数量如表17-1所示，请预测第 11周的大米销售数量。 周期 大米销售量（吨） 1 62 2 51 3 72 4 64 5 50 6 48 7 67 8 54 9 63 10 73 表17-1 * 分析： 大米是日常生活必需品，不受季节、周期的影响； 数据记录的时间单位为周，时间间隔短很少受趋势的长时期因素的影响。 在此用移动平均法预测。 步骤： 选定n的取值，取n为3； 选取距离第11周最近的3周数据。第8、9、10周的数据分别为54，63，73； 按公式计算，得 第11周销售量预测值为： §1　时间序列预测法 吨 * 4.用同样方法，获得第4—10周各周的预测值。 5.分别求出第4—10周的预测偏差及偏差平方值 预测偏差=预测量-实际销售量 结果如表17-2所示。 6.估计第11周的预测偏差平方值 偏差平方估计值=第1—10周的偏差平方值的均值 即第11周的预测偏差平方值为： 预测偏差的估计为 （续例1 ） §1　时间序列预测法 * 周数 时间序列值 移动平均法预测值 预测偏差 偏差平方值 1 62 2 51 3 72 4 64 61.67 2.33 5.43 5 50 62.33 -12.33 152.03 6 48 62 -14 196 7 67 54 13 169 8 54 55 -1 1 9 63 56.33 6.67 44.49 10 73 61.33 11.67 136.19 合计 6.34 704.14 表17-2 §1　时间序列预测法 * 讨论 由于预测偏差中存在正负值，故采用预测偏差平方值进行估计。当n不同时，其预测偏差估计也是不一样的，为保证预测方法的精确度，可以找到一个n值使其预测偏差估计值为最小，对此例题，当n=7时，第11周的预测值为59.860，其预测偏差估计值为 为最小。 应该注意到，当n值越大时，丢失的信息就越多，预测曲线越趋于平滑，但可能掩盖时间序列的某些变动特征。如果仅仅为了消除其不规则性，一般n取3、4、5较为恰当。 §1　时间序列预测法 * 2 加权移动平均法 该法是移动平均法的改进。根据最近的数据的不同距离，赋予不同的权数。 用加权移动平均法求解例1的问题。 步骤： 确定权数。假定第1，2，3周的权数比关系为1：3：5。可得 第1周的权数为 第2周的权数为 第3周的权数为 第四周大米销售量预测值为 §1　时间序列预测法 * 3 指数平滑法 用过去的时间序列的实际值和预测值加权平均来进行预测。 基本模型如下： 求解例1 分析: 为了预测第11周的大米销售量，除了要知道前10周的实际销量 外，还要知道第10周的预测值。而要知道第10周的预测值，必须知道第9 周的预测值。如此类推。直至第1周的预测值。由于t=1时是个起始点，故 规定F1=y1，取定α=0.3。 求解 按公式（17.2）依次计算，有 （17.2） §1　时间序列预测法 * 表17-3显示了相关的计算结果. §1　时间序列预测法 周数 时间序列值 指数平滑法预测值 预测偏差 偏差平方