差分方程建模专讲座.pptVIP

例如，如认为第一季度的销售量大体按线性增长，可设销售量 由 x=[[1:5],ones(5,1)];y=[11 12 13 15 16];z=x\y 求得 ， . 预测第六年起第一季度的销售量为 由于数据少，用回归分析效果不一定好. 如认为销售量并非逐年等量增长而是按前一年或前几年同期销售量的一定比例增长的，则可建立相应的差分方程模型.仍以第一季度为例，为简单起见不再引入上标， 最小二乘法求一组总体吻合较好的数据 编写Matlab程序如下： y0=[11 12 13 15 16]; y=y0(3:5);x=[y0(2:4),y0(1:3),ones(3,1)]; z=x\y 求得 ， 虽然这一差分方程恰好使所有统计数据吻合，但这只是一个巧合 不难看出，如分别对每一季度建立一差分方程，则根据统计数据拟合出的系数可能会相差甚大，但对同一种商品，这种差异应当是微小的，故应根据统计数据建立一个共用于各个季度的差分方程.为此，将季度编号为 编写Matlab程序如下： y0=[11 16 25 12 12 18 26 14 13 20 27 15 15 24 30 15 16 25 32 17]; y=y0(9:20); x=[y0(5:16),y0(1:12),ones(12,1)]; z=x\y 求得 ， ， ， 还是较为可信的 全国赛题选讲 3 （1） 1996年 A