第七章预测技术.pptVIP

* ②.建立数学模型 如果实际的时间序列数据有明显的周期变动， 近期移动平均值序列有明显的增长或下降趋势， 就不能直接用一次移动平均值作预测。 这是因为，移动平均值的变化总是滞后于实际数据的变化，当预测对象有明显的增长趋势时，直接用一次移动平均值作预则会使预测值偏低， 7 -4 时间序列法 * ②.建立数学模型 当预测对象有明显的下降趋势时，直接用一次移动平均值作预测会使预测值偏高。 在这种情况下，如果预测对象的变化趋势呈线性，可以通过建立线性预测模型作预测。 7 -4 时间序列法 * * 例7 -4根据表7-4的数据建立预测模型，预测17个月的销售量，目前的月序为15。 * 2、指数平滑法 指数平滑法是移动平均法的改进。 在预测中越近期的数据越应受到重视， 时间程度由近及远呈指数规律递减， 故对时广采用加权平均的方法。 7 -4 时间序列法 * (1)一次指数平滑值的计算 7 -4 时间序列法 * α值讨论 α实际上是新旧数据权重的一个分配比例， α值越大，则新数据在 中的权重越大。 α取值的大小是影响预测效果的重要因素， 一般根据实际时间序列数据的特点和经验确定。 如果时间序列数据的长期趋势比较稳定，应取较小的α值(如0·05-0.20)。 如果时间序列数据具有迅速明显的变动倾向，则应取较大的α值(如0.3-0.7)。 * 当实际数据比较多时，初始值对预测结果的影响不会很大，可以以第一个数据y1作为初始值。 如果实际数据较少(如20个以内)，初始值的影响就比较大，一般取前几个周期的数据的平均值作为初始值。 初始值讨论 * ①一次平滑值直接用于预测 如果实际时间序列数据的变动主要是随机变动而没有明显的周期变动和增长或下降趋势，我们可以直接用最近一个周期的一次指数平滑值作为下一周期的预测值。 ②建立预测模型 预测 如果求得的一次指数平滑值时间序列数具有明显的线性增长或下降趋势，与移动平均法相类似， 由于一次指数平滑值序列相对于实际数据序列存在着滞后偏差， 必须在求二次指数平滑值的基础上建立预测模型 。 * (2) 二次指数平滑值的计算与线性预测模型的建立 二次指数平滑是对一次指数平滑值序列再作一次指数平滑 二次指数平滑值的计算公式为: 式中: —第t周期的二次指数平滑值 求二次指数平滑值也要先确定初始值，通常直接取 ，也可以取前几个一次指数 平滑值的平均值作二次指数平滑的初始值。 * 在二次指数平滑处理的基础上可建立线性预测模型 * 例7-5根据例7-2数据用指数平滑法建立线性预测模型。 解:取指数平滑系数α=0.5，设初始值根据式，分别计算一次指数平滑值与二次指数平滑值，计算结果见表7-5。 表7-5 单位：万件 * 将上式与例7-4中用移动平均法求得的预测模型相比较，上式中的斜率明显地要小，这是由于指数平滑法更重视近期数据的变化趋势所造成的。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * * * * * * * * * (3)计算相关系数r，进行相关检验。 ｜r｜愈接近1说明x与y的相关性愈大，预测结果的可信程度愈高。 7-3 回归预测 * 计算出的相关系数r与相关系数临界值r0相比较， r0是由样本数n和显著性水平α两个参数决定的， 实际工作中可由相关系数临界值表查出。 α表示用线性方程在一定区间描述x与y的相关关系不可靠的概率。 1- α称为置信度，表示在一定区间用线性方程描述x与y的关系令人置信的程度。 只有当 时，预测模型(回归方程)在统计范围内才具有显著性，用回归方程描述y和x关系才有意义。 7-3 回归预测 * * (4)求置信区间。 由于回归方程中自变量x与因变量y之间的关系并不是确定性的， 对于任意的x=x0无法确切知道相应的y0值， 只能通过求置信区间判定在给定概率下， y0实际值的取值范围。 在样本数为n，置信度为1-α的条件y0的置信区间为： 7-3 回归预测 * 式中： —与x0相对应的，根据回归方程计算的 yo的估计值 t(α/2，n-2)—自由度为n-2，置信度为1-α时t