系统工程ch5系统预测技术.ppt

谢谢！请看下一章 §6 马尔可夫预测法 二、马尔科夫预测过程 2. 短期预测 2. 短期预测 （续） 2. 短期预测（以例说明） 2001年市场占有率计算 根据表5-20所提供的数据直接确定： 方法1： 方法2： 根据状态转移概率矩阵计算 本例： §6 马尔可夫预测法 二、马尔科夫预测过程 2. 短期预测 3. 长期预测 由方法2获得的启示： 方法2揭示了当前市场占有率与外推一个时间单位的市场占有率之间的关系。假如认为状态转移概率矩阵不变，即可按相同方法预测2002年的市场占有率，即： 进一步的启示： 外推k个时间单位的预测可继续类推，即： 术语：第k步状态转移概率矩阵 §6 马尔可夫预测法 二、马尔科夫预测过程 3. 长期预测 求稳态值（续） 3. 长期预测 （1）长期预测与短期预测之间的关系 （2）求αk的稳态值 长期预测值即αk随着时间的推移而逐渐逼近的稳态值，并取决于Ak的稳态值。 由短期预测公式 知： 由正规概率矩阵的性质2，Ak的稳态值 式中p为正规概率矩阵A的固定概率向量，且Ak与A同阶。 §6 马尔可夫预测法 二、马尔科夫预测过程 3. 长期预测 例5-9：求长期市场占有率趋势 求αk的稳态值（续） （3）马尔可夫长期预测方法 如果初始状态为一概率向量，状态转移概率矩阵保持不变且为正规概率矩阵，则长期趋势的稳态值为状态转移概率矩阵的固定概率向量。 马尔可夫长期预测方法结论 §6 马尔可夫预测法 二、马尔科夫预测过程 3. 长期预测 例5-9：求固定概率向量 求例5－9的市场占有率长期趋势： （1）判断状态转移概率矩阵是否为正规概率矩阵 由于 根据概率矩阵性质2， A2仍为概率矩阵，且由于无0元素，所以A为正规概率矩阵。 §6 马尔可夫预测法 二、马尔科夫预测过程 3. 长期预测 例5-10 求例5－9的市场占有率长期趋势： （2）求 A的固定概率向量 设A的固定概率向量： 解得： 根据正规概率矩阵的性质，有： 得A的固定概率向量： 根据马尔科夫长期预测方法，若从2000年开始，市场转移概率不变，则不管原来市场占有率如何，其长期趋势必然达到上述稳态，经营者应据此做出决策。 §4 回归分析预测法 一、一元线性回归预测 2. 回归系数的计算 例5-4 2. 回归系数的计算 §4 回归分析预测法 一、一元线性回归预测 2. 回归系数的计算 例5-4 （1）画散点图，初步判断变量之间的关系 例5-4 某公司1996-2001的销售额见表5-9，试预测2005年的销售额。 解 1996 1997 1998 1999 2000 2001 年份 18 17 16 销售额 15 14 13 12 11 10 图5-2 散点图 §4 回归分析预测法 一、一元线性回归预测 2. 回归系数的计算 3．相关系数 （2）计算回归系数 （3）预测模型 （4）预测 §4 回归分析预测法 一、一元线性回归预测 3．相关系数 （1）相关系数的计算 3．相关系数 （i）回归方程能够直接使用吗？ 回归方程以变量间呈线性关系的假定为基础 这意味着即使变量之间没有线性关系，按照公式也可以得出一个线性回归方程，但这种方程没有实际意义 因此，需要讨论变量之间究竟有无线性关系，即线性回归预测模型是否能反映出变量之间的真实函数关系 （ii）变量之间具有线性关系的程度，称为变量之间的线性相关程度。 线性相关程度越高，我们又称为线性相关关系越显著。 （iii）相关程度检验方法 相关系数（r）法 ◆ ◆ ◆ 概述 §4 回归分析预测法 一、一元线性回归预测 3．相关系数 （2）相关系数的解释 （1）相关系数的计算 §4 回归分析预测法 一、一元线性回归预测 3．相关系数 相关系数不同范围取值所表示的相关关系图示 （2）相关系数的解释 但是，r=0不表示x、y不具有其他相关关系，所以相关系数更精确的说法应该是线性相关系数。对于变量之间的其它相关关系，有的也可以通过数学变换转化为线性关系而采用线性回归分析。 §4 回归分析预测法 一、一元线性回归预测 3．相关系数 4. 线性相关关系的显著性检验 相关系数不同范围取值所表示的相关关系图示 §4 回归分析预测法 一、一元线性回归预测 4. 线性相关关系的显著性检验 例 5－5 4. 线性相关关系的显著性检验 §4 回归分析预测法 一、一元线性回归预测 4. 线性相关关系的显著性检验 5. 置信区间估计 计算相关系数： 例5-5 计算例5-4变量之间的相关系数，并检验变量之间线性相关关系的显著性。 解 §4 回归分析预测法 一、一元线性回归预测 5. 置信