多项式曲线趋势外推法.docxVIP

学院：数学科学学院 班级： 统计班 姓名： 学号： 第三节 多项式曲线趋势外推法 如前所示，多项式曲线预测模型的一般形式为： 当K=1时，为直线模型； 当k=2时，为二次多项式（抛物线）模型； 当k=n时，为n次多项式模型。 二次多项式曲线模型及其应用 二次多项式曲线模型为： 设有一组统计数据，令 根据微分原理，得： 经整理，得： 解此三元一次方程，可求得b0， 【例4-2】 某商店某种产品的销售量如表4-8所示。 表4-8 某产品销售量资料 年份 2006 2007 2008 2009 2010 2011 2012 2013 2014 销售量（万件） 10.0 18.0 25.0 30.5 35.0 38.0 40.0 39.5 38.0 试预测2015年的销售量，并要求在90%的概率保证程度下，给出预测的置信区间。 第一步，确定预测模型。 绘制曲线图，初步确定预测模型。 图4-1 某产品销售量9年曲线图 由图4-1可知，改产品的销售量基本上符合二次多项式曲线模型。 计算差分，如表4-9所示。 表4-9 差分计算表 y 10.0 18.0 25.0 30.5 35.0 38.0 40.0 39.5 38.0 一阶差分 — 8.0 7.0 5.5 4.5 3.0 2.0 -0.5 -1.5 二阶差分 — — -1.0 -1.5 -1.0 -1.5 -1.0 -2.5 -1.0 由表4-9可知，该时间序列观察值的二阶差分大致相等，其波动范围在-2.5 ~ -1.0之间。综合散点图和差分分析，最后确定选用二次多项式曲线模型进行预测。 第二步，求模型的参数 。 模型参数的计算如表4-10所示。 表4-10 某产品销售二次多项式曲线模型参赛估计表 年份 时序（t) y t t ty t 2006 -4 10.0 16 256 -40 160 2007 -3 18.0 9 81 -54 162 2008 -2 25.0 4 16 -50 100 2009 -1 30.5 1 1 -30.5 30.5 2010 0 35.0 0 0 0 0 2011 1 38.0 1 1 38 38 2012 2 40.0 4 16 80 160 2013 3 39.5 9 81 118.5 355 2014 4 38.0 16 256 152 608 合计 0 274.0 60.0 708.0 214.0 1613.5 将表4-10的数据代入三元一次方程组，得： 解得：b 二次多项式曲线模型为： yt 第三步，进行预测和确定预测的置信区间。 若要预测2015年的销售量，则t=5时： y 为了确定预测的置信区间，必须计算估计标准误差，其计算过程如表4-11所示。 表4-11 估计标准误差计算表 年份 y y ( ( 2006 10.0 9.73 0.27 0.0729 2007 18.0 18.13 -0.13 0.0169 2008 25.0 25.15 -0.15 0.0225 2009 30.5 30.79 -0.29 0.0841 2010 35.0 35.05 -0.05 0.0025 2011 38.0 37.93 0.07 0.0049 2012 40.0 39.43 0.57 0.3249 2013 39.5 39.55 -0.05 0.0025 2014 38.0 38.29 -0.29 0.084 合计 — — — 0.6153 上述预测2015年销售量为36.15万件，在给定90%的概率保证程度下，其近似的预测置信区间为： 即在35.53万件~36.77万件之间。 三次多项式曲线模型及其应用 三次多项式曲线模型为： 设有一组统计数据y1， 与二次多项式一样，通过微分可以得到以下方程组： 解此四元一次方程，可求得b0， 选择三次多项式曲线模型进行预测，必须使时间序列各数值的三阶差分相等或大致相等 ，这可从表4-14中得到证明。 表4-12 三次多项式曲线模型差分表 时序（t) y 1 b 2 b 3 b 4 b … … t-1 b t b 时序（t) 一阶差分 二阶差分 三阶差分 1 — 2 b — — 3 b 2 — 4 b 2 6 … … … … t-1 2 6 t b 2 6 【例4-3】 某市2008~2014年棉布产量时间序列资料如表4-13所示，试预测2016年的棉布产量。 表4-13