xxxx年藥品、保健食品及化妝品監(jiān)督管理重抓生產(chǎn)-wenkub
2023-02-24 16:59:54 本頁面
【正文】 測值，預(yù)測模型如下： – t+1期的預(yù)測值為 t期觀測值和 t期預(yù)測值的加權(quán)平均。 二次移動平均法（續(xù)） ?預(yù)測步驟： – {yt}計算一次移動均值 和二次移動均值 。 ? 加權(quán)移動平均法的預(yù)測能力也只有一期。 期的一次移動平均值為第 t)1(tM )1(1? tt My ??一次移動平均法 (續(xù) ) –計算 t期的一次移動均值遞推公式： –與上式相對應(yīng)，預(yù)測方程的遞推公式為： NyyMM Ntttt ????? )1(1)1( Nyyyy Ntttt????? ??1一次移動平均法 (續(xù) ) –見教材 P39頁例 31 –如何確定 N值的大小？ ? 以均方誤差較小的值為準(zhǔn)。其中 n為樣本容量。 ?當(dāng)數(shù)據(jù)由于受到周期變動和隨機(jī)變動的影響，起伏較大，不以顯示出發(fā)展趨勢是，可用移動平均法消除這些因素的影響，顯露出時間序列的長期趨勢。 直線趨勢的擬合簡介 ?依據(jù)線性函數(shù)的特征： ?如果一個多年的數(shù)據(jù)序列，其相鄰的兩年數(shù)據(jù)的一階差近似為一個常數(shù)，就可以配合一條直線： ?應(yīng)用最小平方法就可求出參數(shù) a,b。 –如果趨勢是指數(shù)曲線型的，則可以考慮擬合指數(shù)曲線方程。 時間序列的分析模型（續(xù)） ?在實際進(jìn)行時間序列分析和預(yù)測時，四個分量不一定同時存在。 Y=T+S+C+I ? 一般情況，若時間序列的季節(jié)變動、循環(huán)變動和隨機(jī)變動的幅度不隨長期趨勢的增衰而變化，應(yīng)該采用加法模式。 時間序列的分解（續(xù)） –隨機(jī)變動（ I） ：隨機(jī)變動是指時間序列由于突發(fā)事件或各種偶然因素引起的無規(guī)律可循的變動。 時間序列的分解（續(xù)） – 循環(huán)變動（ C） ：循環(huán)變動是一種變化非常緩慢，需要經(jīng)過數(shù)年或數(shù)十年才能顯現(xiàn)出來的循環(huán)現(xiàn)象。 –長期趨勢（ T） :長期趨勢是指時間序列在較長時期內(nèi)，受某種固定因素的影響，所呈現(xiàn)的總趨勢，是經(jīng)濟(jì)現(xiàn)象的本質(zhì)在數(shù)量方面的反映，是我們對時間序列進(jìn)行分析和預(yù)測的重點(diǎn)。 ? 時間序列平滑預(yù)測法主要用于研究事物的自身發(fā)展規(guī)律，借以預(yù)測事物的未來發(fā)展規(guī)律。 ? 預(yù)測依據(jù)的基本假定： 經(jīng)濟(jì)變量過去的發(fā)展變化規(guī)律，在未發(fā)生質(zhì)變的情況下，可以被延伸到未來的時期。 時間序列的分解（續(xù)） –季節(jié)變動（ S） ：季節(jié)變動是指時間序列受季節(jié)更替規(guī)律或節(jié)假日的影響而呈現(xiàn)的周期性變動。通常周期至少在一年以上。 –隨機(jī)變動由許多無法確切解釋的因素引起，可能對經(jīng)濟(jì)發(fā)展的影響較大，但卻不能以趨勢、季節(jié)或循環(huán)變動加以解釋，也難以預(yù)測。 時間序列的分析模型（續(xù)） –乘法模式 ：假設(shè)各個構(gòu)成部分對序列的一影響均按比例變化。但是一定不能沒有 T分量，因為任何模式都是以長期趨勢 T為其主干。 數(shù)學(xué)曲線擬合簡介（續(xù)） ?用數(shù)學(xué)曲線擬合法測定趨勢，首先需要解決的問題就是曲線方程的選擇。 bbtatbaYYY ttt ????????? ? )1(1btaYt ??直線趨勢的擬合簡介（續(xù)） ?例：試對下列資料配合趨勢曲線。 ?移動平均法包括：一次移動平均、二次移動平均、加權(quán)移動平均。 –一次移動平均計算公式為： )(... 11)1( NtN yyyM Ntttt ????? ???一次移動平均法 (續(xù) ) –其中： N為移動的步長 ?一般情況下，如果時間序列沒有明顯的周期變化和趨勢變化。 –一次移動平均法的預(yù)測能力只有一期。 ? 討論：思考權(quán)重系數(shù)的確定方法有哪些？ twt My ??
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1