对预测模型优劣性评价的方法探讨.pdfVIP

  1. 1、本文档共5页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
对预测模型优劣性评价的方法探讨.pdf

1999 年 3 月 25 日                            统计理论与方法 对预测模型优劣性评价的方法探讨 杨桂元 摘  要  根据预测的目的建立损失函数 ,来衡量预测误差给管理决策带来的损 失 , 以损失函数取得最小值可以作为评价预测模型最优准则 。文章提出了建立损失 函数和对预测模型进行优劣性评价的一般方法 。 关键词  预测模型  评价方法  损失函数 一 、引 言 预测是根据以往及现在的已知信息 ,采取一定的方法或技术 ,对事物的未来发展趋势和结 果进行估计或推测 。 假如要以预测结果为基础作出决策 ,那么 ,当预测出现误差时 ,决策就会遭受损失 ,因为决 策不是最优的 ,并且一般来说 ,误差的量级越大所造成的损失也越大 。因此 ,人们在对预测模 型或预测方法进行评价时 ,总是要进行精度分析 。据不完全统计 , 目前有预测方法 200 余种 , 对于同一预测问题使用不同的方法可以建立不同的预测模型 ,那么哪一个模型最适合这个问 ( ) 题 ,也就是说哪一个预测模型最好呢 ? 这就应该有对预测模型 或预测方法 进行优劣性评价 的方法 。关于精度分析和精度评价的方法及文献很多 ,人们在建立预测模型时也充分考虑预 测精度 ,无论是单一的预测方法还是多种预测方法进行组合的组合预测方法 ,无论是静态的预 测模型还是动态的预测模型都把控制预测误差作为主要 目标 ,为此建立预测模型的最优准则 有“误差平方和最小”、“误差的绝对值之和最小”等等 。 笔者认为 ,评价预测模型的优劣不能单纯从精度考虑 ,还应考虑不同类型的误差会产生不 同的效果 ,对决策造成的损失也是不同的。无论是“误差平方和最小”还是“误差绝对值之和最 小”作为建立预测模型的最优准则 ,只考虑了误差的大小却没有考虑误差的方向 ,对正 、负误差 所产生的不同后果也没有充分考虑 。假如一位报商要对第二天某种报纸的销售量进行预测 , ( ) 以便根据预测值去批发 或订购 报纸 。如果他的预测值偏大 ,则必有一部分报纸售不出去 , 由 于报纸的时效性很强 ,出售不出去的报纸只能当作废纸处理 ,报商要蒙受损失 ;如果他的预测 ( )  本文为全国统计科学研究 计划 项 目。 收稿 日期 :1998 - 05 - 11 — 11 — 统计与信息论坛                            1999 年第 1 期 值偏小 ,他就失去了销售机会 ,但此时报商蒙受的损失一般说来要小于售不出时的损失 。 因此 ,正偏差与负偏差所带来的影响是不同的。本文探讨对预测模型进行优劣性评价的方法 。 ( ) ( ) 其基本思想是根据预测的目的建立一个损失函数 C e 它是预测误差 e 的函数 , 以损失函数 ( ) 取得最小值为最优准则来对预测模型 或预测方法 进行评价 , 比较预测模型的优劣 。 二 、损失函数 对于预测问题来说 ,只要有误差就会造成损失 。例如 ,一家糕点厂的老板既不作广告宣 传 ,也不储备成品 ,他出售的蛋糕都是在 24 小时之内加工的。实际上 ,蛋糕是在晚间加工的 , 第二天在门市部出售 ,任何滞销的蛋糕都将被扔掉 ,不产生任何经济价值 。现需要预测第二天 的销售量 ,蛋糕的生产量总是和预测值保持一致的 ,如果预测值过高 ,

文档评论(0)

ziyouzizai + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档