市場調(diào)查與預(yù)測第六章

市場調(diào)查與預(yù)測

主講教師：馮丹第六章：市場預(yù)測的定量方法第一節(jié)：時間序列預(yù)測法第二節(jié)：因果分析預(yù)測法第三節(jié)：馬爾柯夫預(yù)測法第一節(jié)：時間序列預(yù)測法一、時間序列的含義及要求二、影響時間序列變動的因素三、時間序列預(yù)測法的特點四、時間序列預(yù)測的具體方法一、時間序列的含義及要求（一）含義時間序列是指將某種經(jīng)濟統(tǒng)計指標的數(shù)值，按時間先后順序排列所形成的序列。（二）要求1、總體范圍一致；2、代表的時間單位長短一致；3、統(tǒng)計數(shù)值的計算方法和計量單位一致二、影響時間序列變動的因素：1、長期趨勢變動（T）2、季節(jié)性變動（S）3、周期變動（C）4、不規(guī)則變動（I）三、時間序列預(yù)測法的特點1、前提假定性2、時間序列數(shù)據(jù)變動存在著規(guī)律性與不規(guī)律性3、不足是只分析了因變量和時間的因果關(guān)系而忽視了其他因素的影響四、時間序列預(yù)測的具體方法（一）平均數(shù)（二）移動平均（三）指數(shù)平滑（四）趨勢延伸（五）季節(jié)指數(shù)back（一）平均數(shù)1、算術(shù)平均數(shù)2、幾何平均數(shù)1、算術(shù)平均數(shù)是以觀察期內(nèi)時間序列數(shù)據(jù)的簡單算術(shù)平均值作為下一期的預(yù)測值。某自行車廠2009年1——12月自行車銷售量分別為60萬輛、50.4萬輛、55萬輛、49.6萬輛、65萬輛、66.9萬輛、62萬輛、68萬輛、54.5萬輛、64萬輛、63.8萬輛、57萬輛。對2010年1月的自行車銷量進行預(yù)測。（分全年、下半年及第四季度）當(dāng)時間序列呈現(xiàn)出線性變化趨勢時,即各期的增長量或減少量大體相同，若使用簡單算術(shù)平均法會使得預(yù)測值偏高或偏低，這時可以在預(yù)測經(jīng)濟變量的增長量的基礎(chǔ)上，計算該經(jīng)濟變量的預(yù)測值。計算如下：首先計算各期的增長量：⊿Xi=Xi–Xi-1然后計算增長量的平均值：最后計算經(jīng)濟變量的預(yù)測值：Xn+T=Xn+⊿X·T某企業(yè)2010年—2014年某種產(chǎn)品的銷售量如下表，試預(yù)測2015年和2016年該種產(chǎn)品的銷售量。年份20102011201220132014合計平均值銷售量1200013150144501561016805——增長量—115013001160119548051201X2005=Xn+1=Xn+⊿X·1=16805+1201×1=18006（件）X2006=Xn+2=Xn+⊿X·2=16805+1201×2=19207（件）2、幾何平均數(shù)某商場1996——2009年銷售額如下表，用幾何平均數(shù)進行預(yù)測（單位：萬元）年份1996199719981999200020012002銷售額8187929610095125年份2003200420052006200720082009銷售額105120142147150149156back（二）移動平均一次移動平均法二次移動平均法加權(quán)移動平均法

此法對于呈水平不規(guī)則波動的時間序列數(shù)據(jù)的預(yù)測，是一種簡易可行的預(yù)測方法。公式為：

其中，：是下一期的預(yù)測值；：是第t期的一次移動平均值；

：觀察期的實際發(fā)生值；

：移動跨期。一次移動平均法：移動跨期n的取值原則：在資料期數(shù)較多時，n值可適當(dāng)取大些，而資料期數(shù)較少時，n值只能取小些；在歷史資料具有比較明顯的季節(jié)性變化或循環(huán)周期性變化時，跨期n應(yīng)等于季節(jié)周期或循環(huán)周期；如果希望反映歷史資料的長期變化趨勢時，則n應(yīng)取大些，如果要求反映近期數(shù)據(jù)的變化趨勢時，則n應(yīng)取小些。例題：

已知某企業(yè)產(chǎn)品1~12月份銷售額資料，試利用一次移動平均法預(yù)測該企業(yè)明年1月份的銷售額，n分別取3和5。t

1240----2252----3246246.00--4232243.33--5258245.33245.66240243.33245.67238245.33242.88248242.00243.29230238.67242.810240239.33239.211256242.00242.412236244.00242.0例題：

當(dāng)n=3時,明年1月份的預(yù)測值為244萬元;當(dāng)n=5時,明年1月份的預(yù)測值為242萬元。二次移動平均法：

二次移動平均法是在一次移動平均的基礎(chǔ)上，通過建立預(yù)測模型進行預(yù)測。公式為：二次移動平均法的預(yù)測模型：

例題：年度實際銷售量一次移動平均值二次移動平均值19991100----20001170----200112381169--200213091239--200313821310123920041453138113102005152714541382

某企業(yè)1999~2005年甲產(chǎn)品的實際銷售量如下表，試用二次移動平均法（n=3）預(yù)測該企業(yè)2006年該產(chǎn)品的銷售量

加權(quán)移動平均法：年度實際銷售量一次加權(quán)移動平均值二次加權(quán)移動平均值19991100----20001170----200112381192--200213091262--200313821334128620041453140513582005152714781430

為了重視近期數(shù)據(jù)的影響，可以對歷史數(shù)據(jù)分別給予不同權(quán)數(shù)，進行加權(quán)平均，以末期的加權(quán)平均數(shù)去預(yù)測下期。公式為：上例中按照由近到遠分別給予權(quán)數(shù)3，2，1，則各期的加權(quán)移動平均值為：例題：

年度實際銷售量一次加權(quán)移動平均值二次加權(quán)移動平均值19991100----20001170----200112381192--200213091262--200313821334128620041453140513582005152714781430back（三）指數(shù)平滑一次指數(shù)平滑法二次指數(shù)平滑法三次指數(shù)平滑法指數(shù)平滑預(yù)測法源于移動平均預(yù)測法，它是一種特殊的加權(quán)平均預(yù)測法。

一次指數(shù)平滑法：

是利用本期的實際值與緊前期的估計值，通過對它們的不同加權(quán)分配，求得一個指數(shù)平滑值，并作為下一期預(yù)測值的一種方法。

其中，：是下一期的預(yù)測值；：是第t期的一次指數(shù)平滑值；

：觀察期的實際發(fā)生值；

：平滑系數(shù)。平滑系數(shù)α的取值原則：如果時間序列具有不規(guī)則的起伏變化，但長期趨勢接近一個穩(wěn)定常數(shù)，必須選擇較小的α值(取0.05~0.20之間)；如果時間序列具有迅速明顯的變化傾向，則α應(yīng)取較大值（取0.3~0.6）；如果時間序列變化緩慢，亦應(yīng)選較小的值（一般在0.1~0.4之間）。

初始值的確定：當(dāng)實際數(shù)據(jù)多于20個時，當(dāng)少于20個時，用最早幾期實際值的平均值作為初始值。例題：

已知某企業(yè)2004年1~12月份利潤額，試計算每月利潤的一次指數(shù)平滑值，并預(yù)測2005年1月份的利潤額，平滑系數(shù)分別取0.1，0.5，0.9。單位：萬元月份實際利潤一次指數(shù)平滑值α=0.1一次指數(shù)平滑值α=0.5一次指數(shù)平滑值α=0.9151.351.351.351.3237.549.253.537.3327.947.635.728.8432.946.034.032.0548.246.241.146.6654.647.147.953.8752.047.659.852.2847.047.648.748.0942.347.045.542.91045.846.945.745.51143.946.644.844.11247.246.746.046.9結(jié)論：由圖可見，α取不同值計算的指數(shù)平滑值對原始數(shù)據(jù)的平滑程度不同，α值越小，對原始數(shù)據(jù)的修勻程度越好。二次指數(shù)平滑法：

是在一次指數(shù)平滑法的基礎(chǔ)上，對一次指數(shù)平滑值再做一次指數(shù)平滑，然后利用兩次指數(shù)平滑值，通過建立數(shù)學(xué)模型進行預(yù)測。二次指數(shù)平滑法的預(yù)測模型：

例題：

已知某企業(yè)1999~2004年的銷售額資料，試計算各年份銷售額的一、二次指數(shù)平滑值，并預(yù)測該企業(yè)2005年的銷售額。取α=0.5，初始值

單位：萬元

年份序號實際銷售額一次指數(shù)平滑值（α=0.5）二次指數(shù)平滑值（α=0.5）19991140140140.020002160150145.020013150150147.520024182166156.820035160163159.920046175169164.4例題：例題

二次指數(shù)平滑法的預(yù)測模型：

進行預(yù)測:

則該企業(yè)2005年銷售額的預(yù)測值為178.125萬元。三次指數(shù)平滑法：

是將二次指數(shù)平滑值進行第三次指數(shù)平滑，求取三次指數(shù)平滑值，然后建立二次曲線預(yù)測模型，并根據(jù)這三次指數(shù)平滑值求解模型的參數(shù)。其公式為：

其中：

例題：

已知某企業(yè)1993~2004年的銷售額資料，試計算各年份銷售額的指數(shù)平滑值,并預(yù)測該企業(yè)2005、2006年的銷售額。取α=0.5,初始值單位：萬元年份序號199311997199719971997199422273213520662031.51995328142474.52270.321511996424452459.82365225819975459635282946.5260219986463640823514.33058.319997678054314472.63765.42000857925611.556424403.72001978436727.35884.75144.720021095058116.17694.86419.52003111282810472.19083.57751.520041215001273610909.39330.6例題：

例題：

例題：

back（四）趨勢延伸法趨勢延伸法是遵循事物連續(xù)原則，分析預(yù)測目標時間序列資料呈現(xiàn)的長期趨勢變動軌跡的規(guī)律性，用數(shù)學(xué)方法找出擬合趨勢變動軌跡的數(shù)學(xué)模型，據(jù)此進行預(yù)測的方法。判斷趨勢一、8、13、18、23、28、33、38二、9、20、37、60、89、124、165、212三、11、36、91、188、339、556、851、1236四、6、12、24、48、96、192直線趨勢延伸某市1998——2009年的市場雞蛋銷售量如下，試預(yù)測2010年的雞蛋銷量（萬噸）年份199819992000200120022003銷量263236404245年份200420052006200720082009銷量485048555660指數(shù)曲線趨勢延伸某市近9年燈具商品銷售量資料如下，預(yù)測2010年的燈具銷量（萬架）年份20012002200320042005銷量8.710.613.316.520.6年份2006200720082009銷量263340.950.4多次曲線趨勢延伸某服裝企業(yè)近7年的銷售額資料如下：進行下一年度的預(yù)測。（萬元）年份2003200420052006200720082009銷售額350300250350400450550龔珀茲曲線趨勢延伸某企業(yè)各年和銷量如下表所示，請進行下一年度的預(yù)測。（萬件）年份199819992000200120022003銷量2512142130年從200420052006200720082009銷量415060626468back（五）季節(jié)指數(shù)法季節(jié)指數(shù)法，是以市場季節(jié)性周期為特征，計算反映在時間序列資料上呈現(xiàn)明顯的有規(guī)律的季節(jié)變動系數(shù)，達到預(yù)測目的的一種方法。周期性演變的經(jīng)濟活動是常見的事情，尤其是水果、蔬菜、四季服裝、啤酒、冷飲、旅游觀光等等的市場需求變化，往往受季節(jié)影響而呈現(xiàn)季節(jié)件變動規(guī)律。掌握季行變動規(guī)律，就可以利用此變動規(guī)律來頂測市場需求(銷售)量。1、無趨勢季節(jié)比率預(yù)測的步驟（1）求各年或各月的同月或同季平均數(shù)（2）求全部資料的總平均數(shù)（3）計算各月或各季的季節(jié)指數(shù)（4）計算修正季節(jié)指數(shù)（5）依據(jù)資料確定平均水平（6）進行預(yù)測無趨勢季節(jié)比率某商場電視機的銷量如下：季度第一季度第二季度第三季度第四季度20063.051.451.964.5420073.111.421.894.6220083.031.501.954.5220093.141.551.884.562、有趨勢季節(jié)比率預(yù)測步驟一簡單季節(jié)指數(shù)法：是反映季節(jié)變化對銷售量影響的一種簡便方法，其實質(zhì)就是計算各個季節(jié)的不同銷售指數(shù)。收集歷年按季度（或月份）記錄的歷史統(tǒng)計資料；計算出n年各相同季度的平均值A(chǔ)i；計算出n年每一個季度的平均值B；計算季節(jié)指數(shù)，Ci=Ai/B；利用季節(jié)指數(shù)，對預(yù)測值進行修正：yt=（a+bT）Cii=1，2，3，4例題：

六年各相同季節(jié)的平均銷售量（Ai）；六年所有季度的平均銷售量（B）；

例題：

各季的季節(jié)銷售指數(shù)（Ci）；建立時間序列線性回歸預(yù)測模型；

例題：

修正2005年各季度的預(yù)測值第一季度預(yù)測值：第二季度預(yù)測值：第三季度預(yù)測值：第四季度預(yù)測值：

例題二：月年123456789101112合計200251607060504040305050406060120035565755555454035556050656552004706480664851453865685570720合計1761892251811531361251031701781451951976Ai58.7637560.35145.341.734.356.759.348.365B=54.9Ci1.071.151.371.100.930.830.760.621.031.080.841.18--

修正后的預(yù)測值：2005年1月預(yù)測值：2005年8月預(yù)測值：

2、有趨勢季節(jié)比率預(yù)測步驟二趨勢季節(jié)指數(shù)法又叫溫斯特法，其預(yù)測步驟為：收集并整理歷史統(tǒng)計數(shù)據(jù)（Ai）；建立預(yù)測模型；利用預(yù)測模型求歷史上各期的趨勢值（Bi）；求季節(jié)指數(shù)（Ci）：Ci=Ai/Bi（實際值/趨勢值）求季節(jié)指數(shù)的平均值（Fi）；利用季節(jié)指數(shù)平均值修正預(yù)測值：yt=（a+bT）Fi某家電產(chǎn)品2003年和2004年24個月的實際銷售量如下表所示，預(yù)測2005年1月份和11月份的銷售量。年、月T銷售量Y（Ai）趨勢值BiCi年、月T銷售量Y（Ai）趨勢值（Bi）Ci2003.1-2359.149.461.192004.1165.656.801.162-2155.050.071.102363.257.401.103-1950.250.690.993559.258.021.024-1746.951.300.914755.758.630.955-1546.251.910.895954.359.240.926-1346.152.520.8861153.759.850.907-1146.553.130.8871354.060.460.898-947.253.740.8881554.861.070.909-749.554.350.9191756.361.680.9110-558.154.961.06101962.662.291.0011-364.455.571.16112169.162.911.1012-166.256.181.18122371.963.521.13例題：

用時間序列回歸法求得線性預(yù)測模型為:將T的各個值代入此模型求出對應(yīng)的趨勢值B;計算季節(jié)指數(shù):求季節(jié)指數(shù)的平均值:同理:

例題：

計算修正預(yù)測值：2005年1月的預(yù)測值：2005年11月的預(yù)測值：有趨勢季節(jié)比率某商店的電視機銷量（萬臺）季度第一季度第二季度第三季度第四季度20063.051.451.964.5420075.113.423.896.6220087.035.505.958.5220099.147.557.8810.56back第二節(jié)：因果分析預(yù)測法一、因果分析預(yù)測法的含義二、因果分析預(yù)測法的程序三、一元線性回歸預(yù)測法四、多元線性回歸預(yù)測法五、非線性回歸預(yù)測法back一、因果分析預(yù)測法的含義因果分析預(yù)測法是以事物之間的相互聯(lián)系、相互依存關(guān)系為根據(jù)的預(yù)測方法。因果分析法的主要工具是回歸分析技術(shù)，因此又稱其為回歸分析預(yù)測方法。回歸這一術(shù)語是英國的生物學(xué)家弗蘭西斯·蓋爾頓用于研究人體身高遺傳問題而提出的。所謂回歸分析法，是在掌握大量觀察數(shù)據(jù)的基礎(chǔ)上，利用數(shù)理統(tǒng)計方法建立因變量與自變量之間的回歸關(guān)系函數(shù)表達式，來描述它們間數(shù)量上的平均變化關(guān)系。這種函數(shù)表達式稱回歸方程式。在利用這種方法預(yù)測時，首先要確定事物之間相關(guān)性的強弱，相關(guān)性越強，預(yù)測精度越高；反之，預(yù)測精度就較差。同時還要研究事物之間的相互依存關(guān)系是否穩(wěn)定，如果不穩(wěn)定，或在預(yù)測期內(nèi)發(fā)生顯著變化，則利用歷史資料建立的回歸模型就會失敗。二、因果分析預(yù)測法的程序確立相關(guān)因素

這是回歸分析的基礎(chǔ)，只有當(dāng)各因素存在相關(guān)關(guān)系時，才可用回歸分析進行預(yù)測。建立數(shù)學(xué)模型

根據(jù)已知的數(shù)據(jù)資料，找出變量之間相關(guān)關(guān)系的類型，并選擇與其最為吻合的數(shù)學(xué)模型。檢驗和評價數(shù)學(xué)模型

用數(shù)理統(tǒng)計方法檢驗數(shù)學(xué)模型，并測量其誤差大小和精確程度。運用模型進行預(yù)測

數(shù)學(xué)模型經(jīng)檢驗后如果正確，即可用來進行預(yù)測和控制了。三、一元線性回歸預(yù)測法一元線性回歸預(yù)測的方程其中：——是自變量；——是因變量；——回歸系數(shù)；———回歸系數(shù)。最小二乘法求解回歸系數(shù)：

最小二乘法就是從過去若干期實際資料中，找到一條有傾向性的趨勢直線——回歸直線，使回歸直線到實際資料各點間的距離平方和最短，即偏差的自乘之和最小。用最小二乘法所找出的傾向性回歸直線，最能代表實際資料的變動趨勢，因而可作為預(yù)測之用。標準化方程組為：

最小二乘法求解回歸系數(shù)：

解得回歸系數(shù)：一元線性回歸模型為：回歸模型中的系數(shù)b，反映了x變化一個單位對y的影響程度。即反映了影響因素x對預(yù)測對象y的影響大小和方向。統(tǒng)計檢驗：

相關(guān)系數(shù)R：

R取值范圍為-1≤

R

≤+1當(dāng)R=+1時，y與x是完全正相關(guān)；當(dāng)R=-1時，y與x是完全負相關(guān)；當(dāng)R=0時，y與x是完全不相關(guān)；當(dāng)|R|＞0.7時，叫強相關(guān)；|R|＜0.3時叫弱相關(guān)。置信區(qū)間：

回歸預(yù)測有兩個內(nèi)容：一個是現(xiàn)有數(shù)據(jù)的規(guī)律化，即計算回歸系數(shù)；另一個是對規(guī)律化了的數(shù)學(xué)模型進行置信估計。一般取置信度為95.45%，這時的預(yù)測區(qū)間為：

當(dāng)影響因素為時間時：

即時間因素與預(yù)測對象有線性相關(guān)關(guān)系，對于時間序列一元線性回歸模型的回歸系數(shù)的計算，可通過適當(dāng)選擇期數(shù)的標號，使得∑t=0，這樣可使回歸系數(shù)的計算簡化。對期數(shù)為奇數(shù)的時間序列，可令中間一期為第0期，兩邊分別為±1，±2，±3，…；而對偶數(shù)期的時間序列，令中間兩期分別為±1，其它各期分別為±3，±5，…；這樣就使得∑t=0，簡化后的計算公式為：

例，某地區(qū)人均收入與耐用消費品銷售情況如下表示，請根據(jù)人均收入的變化來預(yù)測耐用品的銷售額。年份序號人均月收入xi（百元）銷售總額yi（十萬元）（十萬元）計算欄xiyixi2yi2199611.54.87.202.2523.044.65199721.85.710.263.2432.495.53199832.47.016.805.7649.007.29199943.08.324.909.0068.899.05200053.510.938.1512.25118.8110.51200163.912.448.3615.21153.7611.69200274.413.157.6419.36171.6113.15200384.813.665.2823.04184.9614.32200495.015.376.5025.00234.0914.91Σ--30.391.1345.09115.111036.6591.10

根據(jù)預(yù)測目標很容易知道年銷售額為因變量，所求得的一元線性回歸預(yù)測方程為：

相關(guān)系數(shù)：

說明X與Y有很強的正相關(guān)關(guān)系，可以預(yù)測。

預(yù)測2005年當(dāng)人均收入為560元時，該耐用消費品銷售額的預(yù)測值為：所以預(yù)測區(qū)間為：16.67±2×0.78即預(yù)測值在(15.11，18.23)范圍內(nèi)的概率為95.45%

已知某企業(yè)1998~2004年逐年的銷售額，試用時間序列一元線性回歸預(yù)測法預(yù)測2005年和2006年的銷售額。單位：萬元

年份1998-335009-105001225000030002500001999-240004-80001600000035002500002000-125001-250062500004000225000020010500000250000004500250000200214500145002025000050002500002003255004110003025000055000200436500919500422500006000250000Σ0315002814000152250000315003500000

預(yù)測模型為：相關(guān)系數(shù)：

應(yīng)用預(yù)測模型預(yù)測2005年、2006年的銷售額

置信區(qū)間分別為：6500±2×837；7000±2×837。

四、多元線性回歸預(yù)測法如果所要預(yù)測的經(jīng)濟變量的變化是幾個重要因素共同作用的結(jié)果，這時就需要選取幾個自變量來建立回歸方程，這就是多元回歸問題。二元線性回歸：

如果總體中因變量y與x1和x2兩個自變量在統(tǒng)計意義上有相關(guān)關(guān)系，且為線性關(guān)系，則預(yù)測公式為：其中回歸系數(shù)也可由最小二乘法確定，其正規(guī)方程為：

二元線性回歸：標準離差為：

復(fù)相關(guān)系數(shù)為：

例題：

設(shè)某國每年小麥出口量的增長率y和該年小麥產(chǎn)量的增長率x1及出口稅率x2有線性關(guān)系，其1995~2004年的樣本數(shù)據(jù)如表，求樣本的回歸方程并預(yù)測2005年的小麥出口增長率。年份199542582010425162.5492.105491996912918214819.7630.5824199712516012525114413.552.40311998168112816864125614.5072.229251999101431403042196910011.3991.957120005743520284916256.6552.739362001181622883632256432414.54811.916492002142022802840400419615.8243.32792003121231443636144914410.7611.535120041019419040763611610010.4830.2331Σ1101042712822562791500891386110.03929.026176例題：

將數(shù)據(jù)代入正規(guī)方程得：

解這三個方程式得：

例題：

回歸預(yù)測方程為：就說明了隨著小麥產(chǎn)量增長率的提高，小麥出口量的增長率也提高，而隨著出口稅率的提高，小麥出口量的增長率是下降的。

例題：

預(yù)測當(dāng)2005年產(chǎn)量增長率出口稅率時，出口增長率為：

置信區(qū)間：

多元線性回歸：

同樣的方法，可以得出m個自變量的回歸預(yù)測模型為：

其中：參數(shù)由下列正規(guī)方程組解得：

多元線性回歸：標準離差：

復(fù)相關(guān)系數(shù)：

五、非線性回歸預(yù)測法當(dāng)因變量和自變量間的關(guān)系不是線性模型，而是曲線型時，通常采用變量代換法將非線性模式線性化，然后再按照線性模式的方法處理?？苫癁榫€性回歸的非線性回歸模型的形式：雙曲線：

方程：作變量代換：變換后的線性方程：

可化為線性回歸的非線性回歸模型的形式：冪函數(shù)曲線：

方程：作變量代換：變換后的線性方程：

可化為線性回歸的非線性回歸模型的形式：對數(shù)曲線：

方程：作變量代換：變換后的線性方程：

可化為線性回歸的非線性回歸模型的形式：指數(shù)曲線：

方程：取對數(shù)：作變量代換：變換后的線性方程：

可化為線性回歸的非線性回歸模型的形式：倒指數(shù)曲線：

方程：取對數(shù)：作變量代換：變換后的線性方程：

可化為線性回歸的非線性回歸模型的形式：S型曲線：

方程：取倒數(shù)：作變量代換：變換后的線性方程：

例題一：

某商店各個時期的商品流通費用水平和商品零售額呈雙曲函數(shù)模型，預(yù)測下期如果商品零售額為28萬元時的流通費水平為多少？商品零售額（萬元）商品流通費水平（%）9.56.00.1050.011030.6311.54.60.0870.007560.4013.54.00.0740.005490.3015.53.20.0650.004160.2117.52.80.0570.003270.1619.52.50.0510.002630.1321.52.40.0470.002160.1123.52.30.0430.001810.1025.52.20.0390.001540.0927.52.10.0360.001320.08Σ32.10.6040.040972.21

雙曲線預(yù)測模型：作變量代換：變換后的線性方程：

例題一：

所以：

當(dāng)商品零售額為28萬元時，流通費水平為：

例題二：

某廠產(chǎn)品產(chǎn)量與成本相關(guān)資料如下表，若該廠10月份的產(chǎn)量為13噸，則預(yù)計其成本將會達到什么水平。月份產(chǎn)量（噸）成本（元/噸）110.00545.60100.002.73697.490627.369210.25525.20105.062.72037.400027.883310.50521.56110.252.71737.383728.532410.75505.20115.562.70357.308929.063511.00498.49121.002.69777.277629.675611.25484.20126.562.68507.209230.206711.50476.22132.252.67787.170630.795811.75461.20138.062.66397.096431.301912.00451.71144.002.65497.048531.859Σ99--1092.724.257365.386266.68例題二：

從表中可以看出，該廠產(chǎn)量是逐月上升的，而成本是逐月下降的，產(chǎn)量與成本之間是負相關(guān)關(guān)系，但成本降低的程度并不是隨著產(chǎn)量的增加而均勻地變化的。逐期的產(chǎn)量是按等差（0.25）增加的，但成本是按等比（0.9）下降的。因此，該回歸模型不能采用一元線性回歸模型，而應(yīng)選擇指數(shù)模型。

例題二：

例題二：

例題二：

如果建立一元線性回歸模型則預(yù)測方程為：

由此可見，在該例中用線性回歸的效果遠不如指數(shù)曲線回歸效果好。線性回歸對該問題不是合理的模型。

若該廠10月份產(chǎn)量為13噸，則可求得成本的預(yù)測值為：back第三節(jié)：馬爾柯夫預(yù)測法一、馬爾柯夫預(yù)測的基本概念二、馬爾柯夫預(yù)測模型三、馬爾柯夫預(yù)測應(yīng)用四、期望利潤預(yù)測back一、馬爾可夫決策的基本概念1、狀態(tài)2、狀態(tài)轉(zhuǎn)移矩陣與馬爾柯夫過程3、馬爾柯夫鏈4、概率向量和概率矩陣5、轉(zhuǎn)移矩陣1、狀態(tài)馬爾可夫預(yù)測將研究對象視為系統(tǒng)。系統(tǒng)發(fā)展要經(jīng)歷多個階段，系統(tǒng)研究變量所涉及的多個因子在不同階段會有不同的可能結(jié)果，稱為研究變量的狀態(tài)（即概率）。如企業(yè)的產(chǎn)品在市場上可能暢銷，也可能滯銷。2、狀態(tài)轉(zhuǎn)移矩陣和馬爾柯夫過程它是指系統(tǒng)由某一階段狀態(tài)轉(zhuǎn)移到另一階段狀態(tài)的轉(zhuǎn)移過程。在這個轉(zhuǎn)移過程中存在著轉(zhuǎn)移概率構(gòu)成的狀態(tài)轉(zhuǎn)移矩陣。狀態(tài)轉(zhuǎn)移矩陣是由目前相鄰兩階段狀態(tài)的變化推算出來的。就是說假設(shè)在系統(tǒng)發(fā)展過程，下階段是什么狀態(tài)僅與現(xiàn)在狀態(tài)有關(guān)，而與過去狀態(tài)無關(guān)。滿足這種假設(shè)的系統(tǒng)轉(zhuǎn)移過程即稱為馬爾柯夫過程。如某種產(chǎn)品在市場上本來是滯銷的，但是由于銷售渠道變化了，或者消費心理發(fā)生了變化等，它便可能變?yōu)闀充N產(chǎn)品。3、馬爾柯夫鏈設(shè)預(yù)測對象為一系統(tǒng)，若該系統(tǒng)在某一時刻可能出現(xiàn)的狀態(tài)為Ei，而該系統(tǒng)從狀態(tài)Ei變化到另一狀態(tài)Ej的狀態(tài)轉(zhuǎn)移過程稱為馬爾柯夫過程。一個馬爾柯夫過程若具有如下的兩個特征，則稱其為馬爾柯夫鏈。一是具有無后效性。即系統(tǒng)的第n次試驗結(jié)果出現(xiàn)的狀態(tài)，只于第n-1次時所處的狀態(tài)有關(guān)，與它以前所處的狀態(tài)無關(guān)；二是具有穩(wěn)定性。即在較長時間下，該過程逐漸趨于穩(wěn)定狀態(tài)，而與初始狀態(tài)無關(guān)。4、概率向量和概率矩陣

在一行向量中，如果每一元素都為非負，且其和等于1，則稱該向量為概率向量。如：A=（0.30.50.2）由概率向量構(gòu)成的矩陣稱為概率矩陣。

概率矩陣有下列性質(zhì)：若A、B都是概率矩陣，則AB也是概率矩陣；若A是概率矩陣，則An也是概率矩陣。5、轉(zhuǎn)移矩陣系統(tǒng)由狀態(tài)Ei經(jīng)過一次轉(zhuǎn)移到狀態(tài)Ej的概率為pij，則系統(tǒng)全部一次轉(zhuǎn)移概率的集合所組成的矩陣稱為一次轉(zhuǎn)移矩陣，記為：

K次轉(zhuǎn)移矩陣記為P（k）轉(zhuǎn)移矩陣具有以下兩個性質(zhì)：二、馬爾柯夫預(yù)測模型設(shè)系統(tǒng)在K=0時所處的初始狀態(tài)為已知，即初始狀態(tài)向量為已知經(jīng)過K次轉(zhuǎn)移后所處的狀態(tài)向量記為：則：

矩陣形式為：

穩(wěn)定狀態(tài)當(dāng)系統(tǒng)處于穩(wěn)定狀態(tài)時，有，即系統(tǒng)第n期的狀態(tài)概率與第n-1期的狀態(tài)概率相等，且有由馬爾柯夫預(yù)測模型知：所以有：

矩陣形式：展開得：約束條件：

整理可得方程組：矩陣形式：記所以：用的逆矩陣左乘上式，得：這就是所求的穩(wěn)定狀態(tài)的概率。三、馬爾柯夫預(yù)測應(yīng)用例:設(shè)某地區(qū)有甲、乙、丙三家企業(yè)，生產(chǎn)同一種產(chǎn)品，共同供應(yīng)1000家用戶。假定在10月末經(jīng)過市場調(diào)查得知，甲、乙、丙三家企業(yè)擁有的用戶分別是：250，300，450戶，而11月份用戶可能的流動情況如下：

現(xiàn)要求我們根據(jù)這些市場調(diào)查資料預(yù)測11、12兩個月三家企業(yè)市場用戶各自的擁有量。到從甲乙丙合計甲乙丙230101025030045020250303010410根據(jù)調(diào)查資料，確定初始狀態(tài)概率向量為：根據(jù)市場調(diào)查情況，確定一次轉(zhuǎn)移概率矩陣為：利用馬爾柯夫預(yù)測模型進行預(yù)測，11月份三個企業(yè)市場占有率為：

所以11月份三個企業(yè)市場用戶擁有量分別為：甲：1000×0.28=280戶乙：1000×0.27=270戶丙：1000×0.45=450戶若12月份用戶的流動情況與11月份相同，即轉(zhuǎn)移概率矩陣不變，則12月份三個企業(yè)市場占有率為：12月份三個企業(yè)市場用戶擁有量分別為：甲：1000×0.306=306戶乙：1000×0.246=246戶丙：1000×0.448=448戶穩(wěn)定狀態(tài)概率為：某地區(qū)銷售A、B、C三種牌號的味精，經(jīng)調(diào)查在1000個顧客中有400個顧客購買A牌號味精，有300個顧客購買B牌號味精，有300個顧客購買C牌號味精。顧客購買味精的流動情況如下表：次數(shù)下期狀態(tài)合計ABC本期狀態(tài)A160120120400B1809030300C1803090300初始狀態(tài)為：轉(zhuǎn)移概率矩陣：

本月的狀態(tài)：

即本月A牌號味精的市場占有率為0.52，B牌號味