运筹学-第17章节-预测幻灯片.pptVIP

* （三）确定消除季节因素后的时间序列的趋势 求解趋势直线方程。设直线方程为 T0 =b0+b1t Tt为求第t时期运动鞋的销量 b0为趋势直线纵轴上的截距 b1为趋势直线的斜率 求得Tt=15.618+0.454t 从而得T17=15.168+0.454(17)=23.336 （万双） §1　时间序列预测法 * (四) 进行季节调整 以第17个季度（第五年的第一个季度）为例，有第一季度的季节指数为0.85（从 表17-9得知），得第17个季度的销量预测值为23.336(0.85)=19.836（万双）。 表17-11表示了调整后的销量预测值。 讨论 如果销量的数据按月提供，则先取n=12，计算这12个月的季节指数，其余的步 骤与前面介绍的相同。 年 季度 趋势预测值 季节指数 季度预测值 5 1 23.336 0.85 19.836 2 23.790 1.12 26.645 3 24.244 1.18 28.608 4 24.694 0.85 20.993 表17-11 §1　时间序列预测法 * 回归分析方法 通过对自变量以及其因变量的对应数据的统计分析而建 立变量间因果关系模型的方法。 因变量：要预测的变量 自变量：与因变量相关的变量 元次：自变量的个数 线性与非线性：自变量与因变量间的表达函数的性质 §2　用回归分析方法进行预测 * §2 回归分析法 一、回归分析方法应用于时间序列数据 求解例2。 在前面介绍中，曾获得变量间因果关系的模型及其预测应用 从而得 现用回归分析方法进行预测。 回归的模型为 §2　用回归分析方法进行预测 * 讨论 在时间序列中，可以把一元非线性回归看成多元回归。有时，我们可 以把时间序列的前期值看成自变量。有时，我们常把经济和人口统计方面 的因素看成自变量。 二、回归分析方法应用于非可用时间序列数据 以一餐厅为例，所获得的数据如下表 §2　用回归分析方法进行预测 * 问题的模型为 注意： 自变量不是时间段，因变量也不是依赖于时间段。 §2　用回归分析方法进行预测 * §1 时间序列预测法 §2 用回归分析方法进行预测 第十七章　 预测 * 预测的重要性 科学预测的分类 定量预测 因果关系预测，如回归分析法 时间序列预测，如平滑法趋势预测，调整季节影响的趋势预测 定性预测 如Delphi法 本章介绍的内容 平滑法趋势预测，调整季节影响的趋势预测，回归分析法 导 言 * 一、时间序列的成分 时间序列 一些连续的时间点或时间区间上测量到的一系列的数据。 时间序列的成分 成分的概念：决定时间序列数据值的那些因素。 成分的组成：趋势、周期、季节性、不规则。 平滑法 通过平均过程来去掉时间序列中不规则的因素。 常用平滑法 移动平均法、加权移动平均法、指数平均法 二、用平滑法进行预测 移动平均法 用时间序列中最近的n个数据的平均值来作为下个时期的数据的预测值。 §1　时间序列预测法 * §1　时间序列预测法 计算的数学公式为 注意：移动就是不断地用最近几个数据来代替老数据。随着预测时期的推 进，预测值也不断变化。 例1 某粮油食品公司最近10周的大米销售数量如表17-1所示，请预测第 11周的大米销售数量。 周期 大米销售量（吨） 1 62 2 51 3 72 4 64 5 50 6 48 7 67 8 54 9 63 10 73 表17-1 * 分析： 大米是日常生活必需品，不受季节、周期的影响； 数据记录的时间单位为周，时间间隔短很少受趋势的长时期因素的影响。 在此用移动平均法预测。 步骤： 选定n的取值，取n为3； 选取距离第11周最近的3周数据。第8、9、10周的数据分别为54，63，73； 按公式计算，得 第11周销售量预测值为： §1　时间序列预测法 * 4.用同样方法，获得第4—10周各周的预测值。 5.分别求出第4—10周的预测偏差及偏差平方值 预测偏差=预测量-实际销售量 结果如表17-2所示。 6.估计第11周的预测偏差平方值 偏差平方估计值=第1—10周的偏差平方值的均值 即第11周的预测偏差平方值为： 预测偏差的估计为 （续例1 ） §1　时间序列预测法 * 周数 时间序列值 移动平均法预测值 预测偏差 偏差平方值 1 62 2 51 3 72 4 64 61.67 2.33 5.43 5 50 62.33 -12.33 152.03 6 48 62 -14 196 7 67