經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告

1、學(xué)生實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)課程名稱(chēng)開(kāi)課實(shí)驗(yàn)室學(xué) 院年級(jí)專(zhuān)業(yè)班學(xué)生姓名學(xué)號(hào)開(kāi)課時(shí)間 至 學(xué)年第 學(xué)期總成績(jī)教師簽名經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)一實(shí)驗(yàn)名稱(chēng)：一元線(xiàn)性回歸預(yù)測(cè)上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康模和ㄟ^(guò)實(shí)驗(yàn)掌握一元線(xiàn)性回歸預(yù)測(cè)的數(shù)學(xué)模型、參 數(shù)估計(jì)方法、誤差分析和檢驗(yàn)，掌握一元線(xiàn)性回歸的點(diǎn)預(yù)測(cè) 和區(qū)間預(yù)測(cè)。實(shí)驗(yàn)內(nèi)容：1. 對(duì)下表所給數(shù)據(jù)，用excel直接計(jì)算一元線(xiàn)性回歸模型 的參數(shù)估計(jì)、可決系數(shù)、相關(guān)系數(shù)、標(biāo)準(zhǔn)差、f統(tǒng)計(jì)量 和斜率系數(shù)的t統(tǒng)計(jì)量。2. 分析模型的優(yōu)劣，a =0.05,作f檢驗(yàn)和t檢驗(yàn)3. 若2011年月人均可支配收入xo=5ooo元，預(yù)測(cè)該商品的 銷(xiāo)售量，并給出置信度為95%的區(qū)間預(yù)測(cè)。4. 用ex

2、cel中的數(shù)據(jù)分析直接進(jìn)行回歸，寫(xiě)出問(wèn)題1屮的參數(shù)和指標(biāo)，對(duì)a =0.10,作f檢驗(yàn)和t檢驗(yàn)?zāi)攴菰氯司芍涫?入x（單位：元）商品銷(xiāo)售量 y （單立:件）199052206700199153907316199257707658199361308784199464408408199567007583199669508600199771308442199874107158199976908683200080109317200185509675200284207542200386007084200489008612200592609119寫(xiě)出實(shí)驗(yàn)報(bào)告：1、用excel直接計(jì)算，得:年份xyxyxv

3、199052206700349740002724840019915390731639433240290521001992577076584418666033292900199361308784538459203757690019946440840854147520414736001995670075835080610044890000199669508600597700004830250019977130844260191460508369001998741071585304078054908100199976908683667722705913610020008010931774629170

4、6416010020018550967582721250731025002002842075426350364070896400200386007084609224007396000020048900861276646800792100002005926091198444194085747600116570130681960033150873794100ave7285. 6258167.562560002071.8854612131.25s總uqy“2(yi-y廠2y(yiy 廠 2(yi-yi廠2(xi-x廠2448900002153739. 697498.33875447860.42463

5、7344. 7644266806.653523856725158. 6917553.41556377176. 4656366158644964259653. 9417676. 52843241114.454343.3028692297119.177158656379995. 1917793.16168140175.974981760. 5761335469. 17069446457810. 19147893.5958675057.7174264611.615715081.6457501889341713.3167977.8309935998.0471155891.50

6、8342956. 6473960000187002. 1918058.826311823.5619292868.977112644.147126736475315. 94148117.142922542 12324219. 141512369641019216. 448207.857671623. 700461102201. 1215469. 14175394489265675.8168298.5724117163. 5975147784. 569163519. 14868064891321206. 578402.2464155076. 5377836774. 135

7、24719. 14936056252272367. 828577.19628167799. 8331205173.011598644. 156881764391328. 4418535.07872135068. 171986205. 3411286806. 6501830561174107. 698593.39534181333.6092278274. 31727581.674166544197524.6918690.58971273557.4666176.343042606206.683156161905233.3168807. 22296409165. 50397204.923389815

8、6.6sum1.08e+0911727049.92572537. 199154512.7524508794ave67442018由公式計(jì)算求得:b0.323981a5807.156683it20.219367804r0. 468367168f3.934182154o八2653893.7676t1.983477288分析該模型的優(yōu)劣：m2和i都很小，模型較差。 當(dāng)a =0.05,作f檢驗(yàn)和t檢驗(yàn)f統(tǒng)計(jì)量=3. 934182154<4. 6,故方程不顯著； t統(tǒng)計(jì)量二1983477288<2. 15,故方程不顯著。若2011年月人均可支配收入xo=5ooo元 該商品的銷(xiāo)售量 為7427

9、. 06288,并給出置信度為95%的預(yù)測(cè)區(qū)間為5688.49337, 9165.632392、用excel中的數(shù)據(jù)分析直接進(jìn)行回歸，得summ aryoutput回歸統(tǒng)計(jì)multiple r0.46837r square0.21937adjusted r square0.16361標(biāo)準(zhǔn)誤差808.637觀測(cè)值16方差分析dfssmsfsignificance f1回歸分析13e+0625725373.93420.0673殘差149e+06653894總計(jì)151e+07coefficients標(biāo)準(zhǔn)誤差t statp-valuelower 95%upper 95%intercept5807.16

10、1207.14.81090.00033218.28396.09x variable 10.323980.16331.983480.0673-0.0260.67431b0. 32398a5807. 16rj0.21937r0. 46837f3. 9341802653894t1. 98348080& 637當(dāng)a =0.10,作f檢驗(yàn)和t檢驗(yàn)：f統(tǒng)計(jì)量=3. 934182154>3. 10,故方程顯著; t統(tǒng)計(jì)量二1983477288>1. 76,故方程顯著。經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)二實(shí)驗(yàn)名稱(chēng)：多元線(xiàn)性回歸預(yù)測(cè)上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康模和ㄟ^(guò)實(shí)驗(yàn)掌握多元線(xiàn)性回歸預(yù)測(cè)的數(shù)學(xué)模型、參 數(shù)估

11、計(jì)方法、誤差分析和檢驗(yàn)，掌握多元線(xiàn)性回歸的點(diǎn)預(yù)測(cè) 和區(qū)間預(yù)測(cè)。實(shí)驗(yàn)內(nèi)容：1. 對(duì)下表所給數(shù)據(jù)，用excel中的數(shù)據(jù)分析直接進(jìn)行回歸。2. 寫(xiě)出該二元線(xiàn)性回歸模型。3. 寫(xiě)出可決系數(shù)、相關(guān)系數(shù)、標(biāo)準(zhǔn)差，簡(jiǎn)單判別該預(yù)測(cè)模型 的優(yōu)劣。4. 寫(xiě)出f統(tǒng)計(jì)量和斜率系數(shù)的t統(tǒng)計(jì)量，a =0.10,作f檢驗(yàn) 和t檢驗(yàn)。5. 若勞動(dòng)量為25人工小時(shí)，木材耗用量為30m3,預(yù)測(cè)總成本，并給出置信度為95%的總成本的區(qū)間預(yù)測(cè)。月份總成本勞動(dòng)量木材耗用量yxlx213. 13.92.422.63.62. 132.93.82. 342. 73.91.952. 83. 71.9633.92. 173. 23. 82.4寫(xiě)

12、出實(shí)驗(yàn)報(bào)告:1、用excel中的數(shù)據(jù)分析直接進(jìn)行回歸，得:月份總成本y勞動(dòng)量xl木材耗 用量 x213.13.92.422.63.62.132.93.82.342.73.91.952.83.71.9633.92.173.23.82.4summaryoutput回歸統(tǒng)計(jì)multiple r0. 8491r square0. 7209adjusted rsquare0. 5814標(biāo)準(zhǔn)誤差0. 1398觀測(cè)值7方差分析dfssmsfsignificancef回歸分析20.2018540.10095.1660. 078殘差40. 0781460.0195總計(jì)60. 28coefficients標(biāo)準(zhǔn)誤差

13、t statp-valuelower 95%upper95%下限95. 0%上限95. 0%intercept-1. 3961. 889056-0. 7390. 501-6. 643. 8492-6. 64053. 8492x variable 10. 74610. 504521. 47890.213-0. 652.1469-0. 65462. 1469x variable 20. 6770. 2710642. 49740. 067-0. 081.4296-0. 07561. 4296該二元線(xiàn)性回歸模型為y=-1.396+0.7461 x 1 +0.677x2可決系數(shù)=0.8491,相關(guān)系數(shù)&

14、quot;2=0.7092,標(biāo)準(zhǔn)差0.1398。 由可決系數(shù)r=0.8491.,相關(guān)系數(shù)"2=0.7092都接近于1,所 以模型較優(yōu)。當(dāng)a =0.10, f統(tǒng)計(jì)量=5.166>4.32力程顯著；tl統(tǒng)計(jì)量=1.4789086>1.414,方程顯著;,t2統(tǒng)計(jì)量=24974377>1.414,方程顯著。若勞動(dòng)量為25人工小吋，木材耗用量為30m3,預(yù)測(cè)總成本 為37. 56676 ,置信度為95%的總成本的區(qū)間預(yù)測(cè)為 【37.28511, 37. 8484經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)三實(shí)驗(yàn)名稱(chēng)：非線(xiàn)性回歸預(yù)測(cè)上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康?通過(guò)實(shí)驗(yàn)掌握非線(xiàn)性回歸預(yù)測(cè)的數(shù)學(xué)模型、參數(shù)

15、估計(jì)方法、誤差分析和檢驗(yàn)，掌握非線(xiàn)性回歸的點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)。實(shí)驗(yàn)內(nèi)容：1. 對(duì)下表所給數(shù)據(jù)，在excel中作xy散點(diǎn)圖，觀察xy的數(shù)據(jù)適合哪 幾類(lèi)曲線(xiàn)？由下圖觀察得，數(shù)據(jù)適合二次曲線(xiàn)模型、幕指數(shù)函數(shù)模型等。2. 用二元線(xiàn)性回歸模型參數(shù)估計(jì)的方法估計(jì)二次曲線(xiàn)模型并分析和檢驗(yàn)該模型的優(yōu)劣，若2011年的銷(xiāo)售量為500千噸，預(yù)測(cè)當(dāng)年的利潤(rùn)并給出置信度為95%的區(qū)間預(yù)測(cè)。得二次曲線(xiàn)模型為 y=0.0038xa2+0.8997x-38.482（l）ra2=0.9942,接近于1,模型較優(yōu)。若2011年的銷(xiāo)售量為500千噸，預(yù)測(cè)當(dāng)年的利潤(rùn)為1438.332其置信度為95%的區(qū)間預(yù)測(cè)為【1374.64024

16、, 1502.023763. 用幕函數(shù)模型預(yù)測(cè)若2011年的銷(xiāo)售量為500千噸，預(yù)測(cè)當(dāng)年的利潤(rùn)。方法、兩邊同時(shí)取對(duì)數(shù)，轉(zhuǎn)化為二元線(xiàn)性模型，在excel中計(jì)算，得時(shí)間銷(xiāo)量x （千噸）利潤(rùn)y uj 元）lgxlgy199630121.4771212551.079181246199760301.778151251.477121255199890701.9542425091.8450980419991201102.0791812462.04139268520001351502.1303337682.17609125920011802202.2552725052.34242268120022103202

17、.3222192952.50514997820032554502.406540182.65321251420042704902.4313637642.6901960820053005402.4771212552.7323937620063306502.518513942.81291335720073458002.5378190952.90308998720083909112.5910646072.95951837720094059602.6074550232.982271233201045011002.6532125143.041392685總和3570681334.2196122136.24

18、144514ave238454.22.281307482.416096342qsu八 yi(yi-yi/廠 2(yi-y-廠 2(yi-y210.56969672.045767528195540.842. 04576752835.0674853225.67940744179945. 6425.6794074470.725775840.526750573147609. 640.526750573116.344731740.25561999118473. 6440.25561999142.643115854.1237453592537. 6454.12374535234.6496003214.61

19、0788454849. 64214.6107884306.3734691185.682344418009.64185.6823444428.6898003454.124610617. 64454.1246106473.2524982280.47881771281.64280.4788177567.8877824777.72840747361.64777.7284074669.6997691388.080901938337. 64388.0809019723.23915275892. 227682119577.645892.227682894.1436847284.1353657208666.2

20、4284.1353657954.478195430.49032638255833. 6430.490326381145.3431472056. 001008417057.642056. 0010086773.10790510686. 191541855100.410686. 19154451.540527712.4127696123673.36712.4127696o "2二822.01470 二28.6708a 二0.029444b=1. 7302y-=230559.2y(500)幕函數(shù)二1376. 442區(qū)間估計(jì)(t0. 05(13)1314.5131438.371lg(500)

21、 =2. 69897八y =3.138758y=1376.442所得二元線(xiàn)性回歸模型如下圖，lgy=1.7302x-l532圖表標(biāo)題y 二 1. 7302x - 1.531lgy所得點(diǎn)估計(jì)值為3.1387579,所以¥=1376.44195方法、用幕函數(shù)模型預(yù)測(cè)，作趨勢(shì)線(xiàn)得預(yù)測(cè)模型為y=0.0294*xa 1.7302點(diǎn)估計(jì)值：1376.4424. 判斷2和3的預(yù)測(cè)，哪一個(gè)準(zhǔn)確性更高。時(shí)間銷(xiāo)量x （t噸）利潤(rùn)y （萬(wàn)元）1996 年3012. 001997 年6030. 001998 年9070. 001999 年120110. 002000 年135150. 002001 年180

22、220. 002002 年210320. 002003 年255450. 002004 年270490. 002005 年300540. 002006 年330650. 002007 年345800. 002008 年390911.002009 年405960. 002010 年4501100.00經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)四實(shí)驗(yàn)名稱(chēng)：帶需變量的回歸預(yù)測(cè)上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康模和ㄟ^(guò)實(shí)驗(yàn)掌握帶需變量的回歸預(yù)測(cè)的數(shù)學(xué)模型、參數(shù)估計(jì) 方法、誤弟分析和檢驗(yàn)，掌握帶需變量的回歸的點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)。 實(shí)驗(yàn)內(nèi)容：1. 對(duì)教材pl23的習(xí)題2中的數(shù)據(jù)作散點(diǎn)圖，分析該數(shù)據(jù)的特征。2. 用最一般的帶虛變量的線(xiàn)性回歸模

23、型開(kāi)始，通過(guò)多元線(xiàn)性回歸的 顯著性檢驗(yàn)t檢驗(yàn)和f檢驗(yàn)，確定一個(gè)最合適的預(yù)測(cè)模型，預(yù)測(cè)對(duì) 于三等地若平均每畝施肥量為32公斤時(shí)，平均畝產(chǎn)量的值和置信 度95%的區(qū)間預(yù)測(cè)。y=bd+ 匕2。2+ 匕3。3+（ bddi+ bsd2+ bed3）x=bdi+ 匕2。2+ 匕3。3+ b4（d x）+ b5（d2 x ）+ b6（d3 x）3. 寫(xiě)出實(shí)驗(yàn)報(bào)告。平均每畝施肥 量x平均畝產(chǎn) 量y實(shí)驗(yàn)出等級(jí)d1d2d3246.2001216. 1001266.4001226.6010276.8010296.8010236.5100256.8100286.9100平均每畝 施肥量x平均畝 產(chǎn)量y實(shí)驗(yàn)田等級(jí)d1

24、d2d3dl*xd2*xd3*x246.20010024216. 10010021266.40010026226.60100220276.80100270296.80100290236.51002300256.81002500286.91002800summary output回歸統(tǒng)計(jì)multiple r0. 99998r square0. 99995adjusted rsquare0. 66654標(biāo)準(zhǔn)誤差0. 07991觀測(cè)值9方差分析dfssmsfsignificaneef回歸分析6388. 7364.810146.2ie-04殘羌30.01920.01總計(jì)9388. 75coeffici

25、ents標(biāo)準(zhǔn)誤差tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#/ax variable 14.80. 57078.410. 003532.9846.616x variable 25. 933330.410114.50. 000724. 6287. 238x variable 34.863160. 53349. 120. 002793. 1666. 561x variable 40. 076320. 02253.40. 042490. 0050. 148x variable 50. 030770.01571.960. 1444-0

26、. 020. 081x variable 60. 057890. 02252. 580. 08188-0.010. 129由于第五個(gè)變量的p值最大，去掉第五個(gè)變量，回歸得summary output冋歸統(tǒng)計(jì)multiple r0. 99994r square0. 99989adjusted rsquare0.74977標(biāo)準(zhǔn)誤差0. 10461觀測(cè)值9方差分析dfssmsfsignificaneef冋歸分析5388.7177.77104.213e-06殘差40. 04380.01總計(jì)9388. 75coefficients標(biāo)準(zhǔn)誤tstatp-valuelower 95%upper95%inter

27、cept0#n/a#n/a#n/a#n/a#/ax variable 14.80. 74716. 430. 003022. 7266. 874x variable 26.733330. 06041113. 9e-086. 5666. 901x variable 34.863160. 69826. 960. 002232.9256. 802x variable 40. 076320. 02942.60. 06027-0.010. 158x variable 50. 057890. 02941.970. 1202-0. 020. 14由于第五個(gè)變量的p值最大，去掉第五個(gè)變量，再次回歸得summar

28、y outputlh|歸統(tǒng)計(jì)multiple r0. 99989r square0. 99978adjusted rsquare0. 79965標(biāo)準(zhǔn)謀羌0. 13132觀測(cè)值9方差分析dfssmsfsignificancef冋歸分析4388. 6697.25634.249e-08殘差50. 08620. 02總計(jì)9388. 75coefficients標(biāo)準(zhǔn)誤 差tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#n/ax variable 14.80. 93785. 120. 003712. 3897.211x variable 26

29、. 733330. 07588& 83. 4e-096. 5386. 928x variable 36. 233330. 075882.25e-096. 0386. 428x variable 40. 076320. 03692.070. 0934-0. 020. 171由于第四個(gè)變量的p值最大，去掉第四個(gè)變量，回歸得summary output回歸統(tǒng)計(jì)multiple r0. 99979r square0. 99959adjusted rsquare0.83278標(biāo)準(zhǔn)誤差0. 1633觀測(cè)值9方差分析dfssmsfsignificaneef冋歸分析3388.591304857. 38

30、4e-09殘差60. 160. 03總計(jì)9388. 75coefficients標(biāo)準(zhǔn)誤tstatp-valuelower 95%upper95%intercept0#n/a#n/a#n/a#n/a#/ax variable 16. 733330. 094371.45. ie-106. 5036. 964x variable 26.733330. 094371.45. ie-106. 5036. 964x variable 36. 233330. 094366. 18. ie-106. 0036. 464此時(shí)變量的p值都很小，模型較顯著。故預(yù)測(cè)模型為y=673333d1+673333d2+623

31、333d3當(dāng) d3 等于 1 時(shí)，y=6.23333經(jīng)濟(jì)預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)五實(shí)驗(yàn)名稱(chēng)：一次移動(dòng)平均預(yù)測(cè)、一次指數(shù)平滑預(yù)測(cè)和二次移動(dòng)平均預(yù) 測(cè)上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康模和ㄟ^(guò)實(shí)驗(yàn)掌握移動(dòng)平均預(yù)測(cè)、一次指數(shù)平滑預(yù)測(cè)和二次移 動(dòng)平均預(yù)測(cè)的計(jì)算公式和預(yù)測(cè)方法。實(shí)驗(yàn)內(nèi)容：1. 對(duì)下表所給數(shù)據(jù)，首先作折線(xiàn)圖，觀察數(shù)據(jù)的特征觀察數(shù)據(jù)，數(shù)據(jù)在某一水平線(xiàn)上波動(dòng)上升，樣本序列具有非 水平趨勢(shì)的外推預(yù)測(cè)，故用一次移動(dòng)平均預(yù)測(cè)法和一次指數(shù) 平滑預(yù)測(cè)法來(lái)進(jìn)行預(yù)測(cè)。2. 取不同的整數(shù)n二4和5和常數(shù)（1=0.3和0.01計(jì)算一次移動(dòng)平均mt和一次指數(shù)平滑st,計(jì)算作短期預(yù)測(cè)的平均絕對(duì)誤差，比較和評(píng)價(jià)哪一種方法預(yù)測(cè)的效果更好?

32、月ytmt(n=4)mt(n=5)mt2 (n=5)st (a =0. 3)st(a =0. 01)120202022120.320.0132321. 1120. 03994242221.97720. 07950152523. 2522.622.883920.12870662724. 752424.1187320.197418972625.52524.68311120.255444782525. 7525.424.778177720.30289039262625.824. 5625.1447243920.3598614102826. 2526.425. 3226.0013070720.4362

33、628112726.526.425.826.3009149520.5019001122927.52726.227.1106404720.586881113242726.826. 4826.1774483320.621012314282727.226. 7626.7242138320.6948022153027. 7527.62727.7069496820.78785421634292927. 5229.5948647820.919975617363230.428.231.5164053421.0707759183132. 7531.829.231.3614837421.170068119353

34、433.230.432.4530386221.308367520383534.831.8434.1171270321.47528383533. 0434.6666733. 89333平均絕 對(duì)誤差與mt(n二4)與mt(n二5)與 st( a =0. 3)與 st (a=0.01)112.72. 992. 893. 96013. 0234.92049934. 11616.871294013. 754.41.881275.802581071.2520.3168894.7445552590.501.22182235.6971097070. 250.62.855275617.6401386122.2

35、0.9986929276.5637372230. 750.62.6990850498.4980998512.52.63. 1106404663.4131188533.531.8225516747.37898766411.23. 2757861729.30519778832.86.2930503213.212145816. 256.46.40513522415.08002435770.5164053439.92922410810.63.6385162613.829931872. 253.25.54696138216.6916325544.8avc2. 6252. 762.8584832497.7

36、64651459由平均絕對(duì)誤差最小得，一次滑動(dòng)平均預(yù)測(cè)法中當(dāng)n取4時(shí) 的預(yù)測(cè)效果更好。3. 取n=5,用二次移動(dòng)平均預(yù)測(cè)法預(yù)測(cè)未來(lái)3個(gè)月每月的yt。at二bt=yt+t 二（t二 1）a9 二27. 04b9 二0. 62y10 二27. 66al0=27.48bl0=0. 54yll=28. 02all=27bll=0.3y12 二27.3al2=27.8bl2 二0.4y13=28.2al3=27. 12bl3 二0. 16y14 二27. 28al4=27. 64bl4 二0. 22y15 二27. 86al5=28.2bl5=0.3y16=2& 5al6=30. 48bl6=0

37、. 74y17=31.22al7 二32.6bl7 二1. 1y18 二33. 7al8=34.4bl8 二1.3y19 二35. 7al9=36bl9 二1.4y20=37.4a20=37. 76b20=1.48y21=39. 24a21=36. 96b21 二0. 98y22 二37.94a22=35.44b22 二0. 387y23 二35. 82667未來(lái)三個(gè)月的y值分別為39.24,37.94,35.826674. 寫(xiě)出實(shí)驗(yàn)報(bào)告月12345678910yt20212324252726252628月11121314151617181920yt27292428303436313538經(jīng)濟(jì)

38、預(yù)測(cè)與決策實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)六實(shí)驗(yàn)名稱(chēng)：時(shí)間序列的分解預(yù)測(cè)法上機(jī)實(shí)驗(yàn)。實(shí)驗(yàn)?zāi)康模和ㄟ^(guò)實(shí)驗(yàn)掌握時(shí)間序列的分解預(yù)測(cè)法的加法模型和乘法模 型的步驟和預(yù)測(cè)方法。實(shí)驗(yàn)內(nèi)容：1. 對(duì)下表所給數(shù)據(jù)，首先作折線(xiàn)圖，觀察數(shù)據(jù)的線(xiàn)性和季節(jié)性特征。觀察得，數(shù)據(jù)具有線(xiàn)性增長(zhǎng)趨勢(shì)，且季節(jié)性因索影響明顯， 故用吋間序列的分解預(yù)測(cè)法。2. 按照時(shí)間序列分解預(yù)測(cè)法的加法模型的步驟進(jìn)行預(yù)測(cè)，比較預(yù)測(cè)效果。季度銷(xiāo)售mytyt-ttmtyat（y 估 計(jì)）12225.5045-3.504521.1307523226.3333327.8224.17833.1307532528.3333330.1395-5.139534.930754282

39、7.6666732.457-4.45726.7307553033.3333334.7745-4.774530.400756423937.0924.90842.400757454039.40955.590544.200758333841.727-8.72736.000759363944.04458.044539.67075104844.6666746.3621.63851.6707511504648.67951.320553.47075124044.6666750.997-10.99745.2707513444753.3145-9.314548.94075145754.3333355.6321.

40、36860.9407515625757.94954.050562.74075165256.3333360.267-8.26754.54075175558.3333362.5845-7.584558.21075186865.6666764.9023.09870.2107519746867.21956.780572.01075206269.537 7.53763.81075a=2.3175b=23.1871234-3.50454.178-5.1395-4.457-4.77454.9085.5905-8.727-8.04451.6381.3205-10.997-9.31451.3684.0505-8.267-7.58453.0986.7805-7.537sumave-6.64453.0382.5205-7.997-9.083修正后-4.373755.308754.79125-5.