第五章 預測决策法[25p].pptVIP

第五章预测决策法 本章概要： 1. 预测的重要性 2. 讨论不同的预测方法 3. 时间序列 4. 计算预测的误差 5. 因果分析预测 6. 线性回归方法 7. 趋势外推法 8. 平均法、移动平均法、指数平滑法预测 9. 预测有季节性和特定趋势的时间序列 预测与决策 预测方法分类 判断预测法 精确性 短期 中期 长期 个人见解 差 差 差 低 座 谈 会 轻差 轻差 差 低 市场调查 很好 好 可以 高 历史推断 差 稍好 稍好 中 德尔菲法 较好 较好 较好 稍高 时间序列与预测误差 时间序列与预测误差 误差均值= = 误差绝对均值= = 误差平方均值= = t—时间，D(t)—时间t的需求，F(t)—时间t的预测值 E(t)=D(t)―F(t) 误差 时间序列与预测误差 实例 1： 下面时间序列的预测误差是多少？ t 1 2 3 4 5 6 7 8 D(t) 122 135 142 156 156 161 169 177 F(t) 112 120 131 144 157 168 176 180 因果分析预测，原因及其关系（预测值与其有关因素） 时间序列与预测误差 时间序列与预测误差 线性回归法 Y(i)=a+bX(i)+E(i) minE(i)2 求a、b最小= 法） Y(X) = a+bX b = a = = 线性回归法 案例一： 海尔福特化工公司正在考虑改变产品检验的方法。他们做了一些不同检验次数的实验，得到了相应的残次品数目数据。 检验次数 0 1 2 3 4 5 6 7 8 9 10 残次品数目 92 86 81 72 67 59 53 43 32 24 12 如果海尔福特打算检验6次，产品中还会有多少残次品？如果检验20次呢？ 确定性系数与相关系数（SSE,Sum of squared errors) 总SSE =Σ Y(i)-Y 2 解释SSE =Σ Y’(i)Y 2 r2 = 确定性系数 = = r = 相关系数 = 确定性系数 确定性系数与相关系数（SSE,Sum of squared errors) 确定性系数与相关系数（SSE,Sum of squared errors) 实例2： 在过去的10个月中，一家钢铁厂的某部门用电量与钢产量有关，具体数据如下： 产量(百吨 用电(百度)10599102835267799710093 (a) 画出散点图，观察电力消耗与产量之间的关系。 (b) 计算确定性系数和相关系数。 (c) 求出上述数据的最优拟合线，a和b的值各代表什么意义？ (d) 如果一个月要生产2000吨钢，该厂将需要多少电量？ 确定性系数与相关系数（SSE,Sum of squared errors) 确定性系数与相关系数（SSE,Sum of squared errors) 趋势外推预测法 简单平均数：F(t+1) = ΣD(t) 移动平均数：F(t+1) = Σ D(t-k) N 指数平滑法：F(t+1) = αD(t)+(1-α)F(t) 实例3：下表所示的是某产品上一年度的月需求情况，采用移动平均 法，分别按N=3，N=6和N=9逐期做出预测。 月份 1 2 3 4 5 6