马尔柯夫(A.A Markov)预测法对汽车市场分析.docVIP

北京理工大学珠海学院 2012 ～2013学年第一学期《决策与分析》期末试卷 诚信声明 考场是严肃的，作弊是可耻的，对作弊人的处分是严厉的。我承诺遵守考场纪律，不存在抄袭及其它违纪行为。 姓名： 专业班级： 学号： 适用年级专业：2009级信息管理与信息系统专业 马尔柯夫（A.A Markov）预测法对汽车市场分析 一、引言 面对日趋激烈的市场竞争，谁能及时准确的掌握未来的市场趋势，谁就能掌握市场的主动权。然而，用一般的预测方法来预测市场占有率很难得到准确的结果，如长期趋势预测法，是依据历史数据的变化规律来对未来市场状况进行预测，但对市场占有率这个无确定变化规律的变量来说，就显得不太适用。马尔柯夫预测法是在通过市场调查等途径获取资料的基础上，运用数理统计、系统工程等有效地数学方法，是实现定量建模与定性评价的深层组合，适用于随机过程预测的一种柯学有效的方法。 二、马尔柯夫预测过程及预测模型的建立 马尔柯夫预测法：马尔柯夫预测以俄国数学家A.A.Markov名字命名，是利用状态之间转移概率矩阵预测事件发生的状态及其发展变化趋势，也是一种随时间序列分析法。它基于马尔柯夫链，根据事件的目前状况预测其将来各个时刻（或时期）的变动状况。 　　1. 马尔柯夫链。状态是指某一事件在某个时刻（或时期）出现的某种结果。事件的发展，从一种状态转变为另一种状态，称为状态转移。在事件的发展过程中，若每次状态的转移都仅与前一时刻的状态有关，而与过去的状态无关，或者说状态转移过程是无后效性的，则这样的状态转移过程就称为马尔柯夫过程。马尔柯夫链是参数t只取离散值的马尔柯夫过程。 　　2. 状态转移概率矩阵。在事件发展变化的过程中，从某一种状态出发，下以时刻转移到其他状态的可能性，称为状态转移概率，只用统计特性描述随机过程的状态转移概率。 　　若事物有n中状态，则从一种状态开始相应就有n个状态转移概率，即 。 　　将事物n个状态的转移概率一次排列，可以得到一个n行n列的矩阵：(A．A．Markov)理论指出：“系统达到每一状态的概率仅与近期状态有关，在一定时期后马尔柯夫过程逐渐趋于稳定状态而与原始条件无关”的这一特性称为“无后效性”。即：事物的第n次试验结果仅取决于第(n一1)次试验结果，第(n一1)次试验结果仅取决于第(n一2)次试验结果，依此类推。这一系列转移过程的集合叫做“马尔柯夫链”或称为“时间和状态均离散的马尔柯夫过程”。“对马尔柯夫过程和马尔柯夫链进行分析，并对未来的发展进行预测称为马尔柯夫分析”。马尔柯夫预测方法的特点是：不需要大量的统计资料，只需有限的近期资料即可实现定量预测，而且马尔柯夫预测方法适用于短期预测的基础上，只要状态转移矩阵滚动次数足够的多，同时也适用于长期预测。但要求市场比较稳定并在一定时期内没有大的变动。 马尔柯夫过程实际上是一个将系统的“状态”和“状态转移”定量化了的系统状态转换的数学模型： 状态{Sn，n≥1}：指现象某一时刻上的某种状态，是表示系统的最小一组变量。当系统可完全由定义状态的变量取值来描述时，称系统处于一个状态。 状态转移：指当系统的描述变量从一个状态的特定值变化到另一个状态特定值时，就表示系统由一个状态转移到另一个状态，从而该系统实现了状态的转移。 相应地，事物处于某种状态的可能性的大小，称为状态概率： 则某一时期k的状态概率向量为： 1．明确系统状态及系统状态当前的初始分布。 选定预测市场对象（即论域）进行市场调查，要研究的对象，应在整个市场或区域内并在调查期内营业的企业中进行选择；例如深圳市2007年第二季度各品牌汽车市场占有率（前5名）如下表1： 表1 深圳市2012年第二季度各品牌汽车市场占有率 品牌 实际销售（辆） 市场占有率（%） 广州本田 3748 6.7 一汽本田 3140 5.6 上海通用 2814 5.0 东风日产 2812 5.1 广州丰田 2045 3.6 其他 41431 73.9 按表1可以把系统分为广州本田、一汽丰田、上海通用、东风日产、广州丰田、其他品牌六个状态，得到六个系统状态在2007年第2季度市场占有率的初始分布： S（0）=（0.06 0.056 0.050 0.051 0.036 0.739） 2．建立转移矩阵——马尔柯夫转移矩阵 运用马尔柯夫链进行预测的关键在于：建立状态转移概率矩阵（指系统在时刻t所处状态，转变为时刻t+1所处状态时与之相对应的一个条件概率）。因此，市场占有率的预测，其关键也就在于通过市场调查，确定预测期内用户购买产品转移的分布情况。 转移矩阵：若由状态Si转向Sj的概率为Pij，则称Pij为从状态Si经过一个时期转移到状态Sj的一阶转移概率，其中Pii、Pjj为同一状态的转移概率，也称为保留概率。一般而言