12统计模型与统计实验第二篇第五章预测问题的建模方法1.pptx

统计模型与统计实验;要理解神的旨意，我们必须学习统计学，这是因为统计是神的意图的量度。

——南丁格尔;第五章预测模型的建模方法(1);5.1预测与预测方法;5.1预测作用与分类;5.1预测分类;;电影中的预测;预测法;预测的步骤;5.2回归方法与牙膏的销售量问题;;;;从图（1）发现，随着增加，y的值有明显的线性增加趋势，图中直线用线性模型;拟合;利用Minitab15.0求解步骤

步1：制作数表

在C4上用Minitab计算中的计算器，x2**2可产生一列x2的平方。

步2：

统计—回归—回归

步3：

回归对话框里,响应选y，预测变量选x1、x2、x2^2，确定！

步4：

输出

结果:牙膏的销售量.MTW

回归分析:y与x1,x2,x2^2

回归方程为

y=17.3+1.31x1-3.70x2+0.349x2^2。;自变量系数系数标准误TP

常量17.3245.6413.070.005

x11.30700.30364.300.000

x2-3.6961.850-2.000.056

x2^20.34860.15122.310.029

S=0.221296R-Sq=90.5%R-Sq（调整）=89.4%

PRESS=1.77360R-Sq（预测）=86.82%

方差分析

来源自由度SSMSFP

回归312.18534.061882.940.000

残差误差261.27330.0490

合计2913.4586

Durbin-Watson统计量=1.61908

;公司无法直接确定价格差x1，只能制定公司的牙膏销售价格x4，但是其它厂家的平均价格一般可以通过根据市场情况及原材料的价格变化等估计。模型中用价格差做为回归变量的好处在于公司可以更灵活地来预测产品的销售量或市场需求量，因为其它厂家的平均价格不是公司所能控制的。预测时只要调整公司的牙膏销售价格达到设定的回归变量价格差的值。如控制价格差x1=0.2元，投入广告费x2=650万元，由Minitab15.0求解得：

即在回归选项中新观察值的预测区间栏中输入0.200,6.50,42.3再一路确定即可！;新观测值的预测值

新观拟合值

测值拟合值标准误95%置信区间95%预测区间

18.29330.0581(8.1738,8.4128)(7.8230,8.7636)

新观测值的自变量值

新观

测值x1x2x2^2

10.2006.5042.3;;【模型改进】;利用Minitab15.0求解得;讨???：对实验中存在的问题、进一步的想法等进行讨论。例如:两模型销售量预测比较、两模型y与x1,x2关系的比较、交互作用影响的讨论、完全二次多项式模型。;习题2-阿曼达比萨连锁店

学生人数与阿曼达比萨销售收入之间关系?有一家连锁店位于16000名学生的校园附近,预测这家连锁店的季度销售收入?;习题3-SMT公司的周收入预测

SMT公司的老板认为每周的总收入是广告费用的函数,并想对周的总收入做出估计。由8周的历史数据组成的一大样本如下。;5.3时间序列建模;时间序列是按时间顺序的一组数字序列。时间序列分析就是利用这组数列，应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定量预测方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只适用于短期预测。时间序列预测一般反映三种实际变化规律:趋势变化、周期性变化、随机性变化。

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经