MATLAB数学建模经典案例第6章 企业销售额问题.pptVIP

第六章 Matlab数学建模案例分析 第6章 企业销售额问题 第六章 Matlab数学建模案例分析 某公司想用全行业的销售额作为自变量来预测公司的销售额，表6-1给出了1977-1981年公司销售额和行业销售额的分季度数据（单位：百万元）。 （1）画出数据的散点图，观察用线性回归模型拟合是否合适。 （2）建立公司销售额对全行业销售额的回归模型，并用DW检验诊断随机误差项的自相关性。 （3）建立消除了随机误差项自相关性后的回归模型。 年 季度 t 公司销售额y 行业销售额x 1977 1 1 20.96 127.3 2 2 21.40 130.0 3 3 21.96 132.7 4 4 21.52 129.4 1978 1 5 22.39 135.0 2 6 22.76 137.1 3 7 23.48 141.2 4 8 23.66 142.8 1979 1 9 24.10 145.5 2 10 24.01 145.3 3 11 24.54 148.3 4 12 24.30 146.4 1980 1 13 25.00 150.2 2 14 25.64 153.1 3 15 26.36 157.3 4 16 26.98 160.7 1981 1 17 27.52 164.2 2 18 27.78 165.6 3 19 28.24 168.7 4 20 28.78 171.7 表6- 1 数据表 第六章 Matlab数学建模案例分析 6.4.1 模型的分析 图6- 1 公司销售额变化曲线图 第六章 Matlab数学建模案例分析 图6- 2 行业销售额变化曲线图 第六章 Matlab数学建模案例分析 从图6-2和6-2可知，公司的销售额上升与下降的趋势与行业的销售额同步变化，随公司销售额的增长而增长，随公司销售额的降低而降低，说明公司销售额与行业销售额之间有着一定的线性关系；在同一个时间轴上绘出销售额的走势图如图6-3所示。 第六章 Matlab数学建模案例分析 6.4.2 模型的建立与求解 图6- 5 散点拟合图 第六章 Matlab数学建模案例分析 图6- 6 直线拟合图 公司销售额与行业销售额之间满足以下直线方程： 第六章 Matlab数学建模案例分析 6.5 问题二 6.5.1 模型的分析 公司销售额对全行业销售额的回归模型如上题中的直线拟合，根据DW检测可得残差的自相关性，DW在2附近，残差et的自相关性很弱（或不存在自相关性）；DW接近0或4，残差et的相关性很强。在此题中，可绘出残差et的散点图来估计et的自相关性。 6.5.2 模型的建立与求解 用MATLAB的rstool命令即得不同水平20组数据的预测值及其置信区间，程序如下： clc,clear,close all y=[20.96;21.40;21.96;21.52;22.39;22.76;23.48;23.66;24.10;24.01;24.54;24.30;25.00;25.64;26.36;26.98;27.52;27.78;28.24;28.78]; x=[127.3;130.0;132.7;129.4;135.0;137.1;141.2;142.8;145.5;145.3;148.3;146.4;150.2;153.1;157.3;160.7;164.2;165.6;168.7;171.7]; rstool(x,y) 第六章 Matlab数学建模案例分析 图6- 7 置信区间估计 第六章 Matlab数学建模案例分析 表6- 3 残差值 c1=c(2:20,1); c2=c(1:19,1); plot(c1,c2,*) xlabel(e(i-1)), ylabel(e(i)) hold on d=0; d1=-0.15:0.0001:0.25; plot(d,d1) hold on plot(d1,d) 图6- 8 误差相关图 第六章 Matlab数学建模案例分析 为自相关系数。 % DW的程序： num=c(1:19)*c(2:20) den=sum(c(2:20).^2) rou = num/den DW=2*(1-rou) 第六章 Matlab数学建模案例分析 6.6 问题三 第六章 Matlab数学建模案例分析 DW检验程序如下： % DW模型优化后的程序： clc,clear,close all y=[20.96;21.40;