统计预测与决策_半开卷参考资料.doc

单选（因适用于半开卷，选择只保留正确答案） 第一章：统计预测概述 统计预测三要素中，统计资料是预测依据，统计理论是基础，数学建模是手段。 近期预测是指一个月以内，短期预测1-3个月 中期3个月-2年 长期2年以上。 统计预测的研究对象经济现象的数值。 适合短期、中期、长期预测的是定性预测法。 预测费用研究人员的劳务费，资料收集和整理等调查费用，资料实用费用。 第二章：定性预测法 定量预测的优点在于注重与事物发展在数量方面的分析，对事物发展变化的程度做数量上的描述，更多的依据历史统计资料，较少受主观因素的影响 德尔菲法是依据有专门知识的人的直接经验，对研究的问题进行判断，预测的方法，也叫专家调查法。 主观概率法需要根据经验对所预测的时间事先估算一个主观概率。 领先指标：先于研究的指标而变动的指标；同步指标：同期变动；滞后指标:变动之后。 情景预测法中，目标展开法是立足于未来，分析现在；间隙分析法是立足于现在和未来。 第三章：回归预测法 在对X和Y的相关分析中XY都是随机变量 一元线性回归模型中，b的最小二乘估计为 评价回归直线方程拟合度如何的指标有可决系数 两变量的线性相关系数为+1，说明这两个变量完全正相关 一直回归直线方程的可决系数为0.81，克制相关系数r=+ -0.09 两变量的西方差都不 必定大于或小于0，必定在正负1之间 产量与成本的回归方程为y=77-2x，表明每提高1000件，单位成本减少2元 一多元线性回归模型有3个自变量，两个变量的相关系数0.9，则此现象为多重共线性 对两变量的散点图拟合最好的回归线，必须满足平方最大 10归方程yi=b0+b1xi,x为自变量，y为应变量，则可以根据x推断y 第四章：时间序列分解法和趋势外推法 长期趋势因素反映经济现象在一个较长时间内的发展方向，它可以在一个相当长的时间内表现为一种近似直线的持续向上或向下或平稳的趋势 季节变动因素是经济现象受季节变动影响所形成的一种长度和幅度固定的周期波动 周期变动因素是受各种经济因素影响形成的上下起伏不定的波动 不规则变动因素是受各种偶然因素影响所形成的不规则的波动 修正的指数曲线模型y尖尖t=a+bct的方 求解指数模型参数方法是先做对数变换，讲其化成直线模型，然后用二乘法求出参数 对时间序列进行查分处理，如果一阶差分相等或大致相等，就可以用一次线性模型 对时间序列进行查分处理，如一阶差分的一阶比率相等或大致相等，就可以用修正指数 皮尔曲线尤其适用于处于成熟期的商品的市场需求饱和量的分析和预测 10在对运用几个模型分别对数据进行拟合后，标准误差最小的模型为最好的拟合曲线模型 第五章：时间序列平滑预测法 当数据的随机因素较大时，选用的N应该较大，较小时，选用的N应该较小 在移动平均值的计算中包括的过去观察值的实际个数必须一开始就明确规定 温特线性和季节性指数平滑法包括的平滑参数的个数是3个布朗单一包括的个数1个 数列有季节性时，应选用温特线性和季节性指数平滑法 温特线性和季节性指数平滑法中，通常确定a,b和r的最佳方法是反复实验法 一次指数平滑法中，反复实验寻找a,是为了均方差最小 温特和季节法中的平滑参数abr三者都在0到1之间 在进行预测时，最新观察值包含更多信息，权重为更大 第六章：自适应过滤法 自适应法就是从一组初始值开始，利用迭代寻找模型的自回归系数的最优化 在模型的R方向一个最小值收敛时就取得了最优权重 在序列存在季节模型时，P应取L(季节因素周期) 在迭代过程中，为了避免误差序列的发散性，调整系数k必须等于或者小于1/P 选择滤波常数时，为了取得更加准确的结果，k的取值Widrow公式：k=1/([]max) 为了避免由于Xt的波动很大而影响迭代的收敛性，需要对数据标准化 对Xt进行标准化的公式为Xt/（根号项） 自适应法调整系数可以表示为： i(t-1)+2KetXt-i 一直上一轮=0.25，e=3,y=20,k=0.0005,则新一轮的1等于0.31 10在一轮迭代结束后，结果MSE还没有收敛，但没有更多时间序列数据进行迭代时，转入把现在的一组作为初始系数，重新开始迭代过程 第七章：平稳时间序列预测法 时间序列取自某一个随机过程，我们称过程是平稳的，若此随机过程的随机特征不随时间变化 自回归模型AR(p)的平稳条件滞后算子多项式的根均在单位圆外 移动平均模型MA(q)的平稳条件是任何条件下的平稳 自相关函数的定义： 有关AR(p)模型，说法错误的是自相关函数p步截尾 有关MA(q)模型，说法错误的是偏相关函数q步截尾 自回归模型的参数估计中，错误的是不能实用极大似然估计 移动平均模型的参数估计中，错误的是可直接实用近似极大似然估计 已知时间序列Yt=xcos(ct),其中x,c为一非零常数，则该时间序列不是宽平稳 10