【正文】 00次得到的平均隨機(jī)一致性指標(biāo) （ 4）一致性檢驗(yàn) 為了檢驗(yàn)矩陣的一致性，需要計(jì)算它的一致性指標(biāo) CI，定義 1m a x???nnCI ?（ 4）一致性檢驗(yàn) 階數(shù) n 1 2 3 4 5 6 7 8 9 10 11 RI RI??表 平均隨機(jī)一致性指標(biāo) Table Index of average random coherence 當(dāng) 時(shí)，我們認(rèn)為判斷矩陣有滿意的一致性，否則判斷矩陣偏離一致性程度過大，需要調(diào)整判斷矩陣，使之具有滿意的一致性 （ 4）一致性檢驗(yàn) ?????????????????1135/13/11125/13/13/12/117/14/1557123342/11Am a x 73 5 18 251 5 1nCIn? ? ?? ? ???（ 4）一致性檢驗(yàn) 0 .0 1 8 2 5 0 .0 1 6 2 9 5 0 .11 .1 2CICRRI? ? ? ?同理，對(duì)于第二層次的景色、費(fèi)用、居住、飲食、旅途五個(gè)判斷矩陣的一致性檢驗(yàn)均通過。 。 ? 層次分析法與線性規(guī)劃相比，同樣是決策模型，存在著什么不同點(diǎn)。 （ 4）一致性檢驗(yàn) 一致性指標(biāo) ，表明判斷矩陣偏離完全一致性的程度越大， ，表明判斷矩陣越接近于完全一致性。具體計(jì)算是： 對(duì)于判斷矩陣 B，計(jì)算滿足 WBW m a x??的特征根于特征向量，式中 為 的最大最大特征根， 為對(duì)應(yīng)于 的正規(guī)化的特征向量， 的分量 即是相應(yīng)元 素單排序的權(quán)值。 1P2P3P⑴ 建立層次結(jié)構(gòu)模型 目標(biāo)層 選擇旅游地 景色 費(fèi)用 居住 飲食 旅途 準(zhǔn)則層 1P 2P 3P 方案層 圖 選擇旅游地的層次結(jié)構(gòu) ⑵ 構(gòu)造判斷矩陣 ① 通過相互比較確定各準(zhǔn)則對(duì)于目標(biāo)的權(quán)重，即構(gòu)造判斷矩 陣。 二 AHP的步驟 用 AHP分析問題大體要經(jīng)過以下五個(gè)步驟： ⑴ 建立層次結(jié)構(gòu)模型； ⑵ 構(gòu)造判斷矩陣； ⑶ 層次單排序； ⑷ 層次總排序； ⑸ 一致性檢驗(yàn)。 目標(biāo)函數(shù)： Max(Min)z = c1x1 + c2x2 + … + xn ?約束條件： a11x1+a12x2+… +a1nxn≤( =, ≥ ) b1 a21x1+a22x2+… +a2nxn≤( =, ≥ ) b2 . . . am1x1+am2x2 +… +amnxn≤( =, ≥ ) bm x1 ， x2 ， … ， xn ≥ 0 線性規(guī)劃模型一般形式 目標(biāo)函數(shù)： Max z = c1x1 + c2x2 + … + xn ?約束條件： a11x1 + a12x2 + … + a1nxn = b1 a21x1 + a22x2 + … + a2nxn = b2 . . . am1x1 + am2x2 + … + amnxn = bm x1 ， x2 ， … ， xn ≥ 0 線性規(guī)劃模型標(biāo)準(zhǔn)形式 某物流中心 能提供運(yùn)輸、倉儲(chǔ)、包裝、深加工四種物流服務(wù) , 目前提供物流服務(wù)的對(duì)象可以是 A、 B、C三種商品，單位產(chǎn)品對(duì)資源的需求量見下表，試求最優(yōu)的商品服務(wù)數(shù)量。 線性規(guī)劃數(shù)學(xué)模型的特征： 線性規(guī)劃概念 線性規(guī)劃數(shù)學(xué)模型的三要素： 決策變量 ( Decision variables)。 均值，相關(guān)系數(shù)： :)()())((22yxyyxxyyxxRiiii? ???????R的變化范圍： [1， 1] R=0，表示零相關(guān)（不相關(guān)） R=+1或 R=1表示完全相關(guān) R越接近于正負(fù) 1表示相關(guān)程度越強(qiáng) 四、 回歸效果分析 ? ? 用顯著性檢驗(yàn)來考察回歸方程能否揭示變量間的數(shù)量規(guī)律，即判斷回歸方程的擬合程度如何。 ?分析變量間是否存在線性相關(guān)關(guān)系 （二） 一元線性回歸預(yù)測(cè)法 ?求回歸方程： y＝ a+bx，并進(jìn)行預(yù)測(cè) ???????????iiiiiynyxnxxnxyxnyxbxbya1122式中 （二） 一元線性回歸預(yù)測(cè)法 ? 例題： 某公司預(yù)備購入鋼材，下表是一些供貨點(diǎn)的路程及運(yùn)輸時(shí)間的統(tǒng)計(jì)資料，要求根據(jù)提供的統(tǒng)計(jì)資料估計(jì)供貨點(diǎn)位于1500公里時(shí)鋼材的在途運(yùn)輸時(shí)間 供貨工廠 鐵路運(yùn)輸距離 x （公里） 在途運(yùn)輸時(shí)間 y （小時(shí)） 1 210 5 2 290 7 3 350 6 4 480 11 5 490 8 6 730 11 7 780 12 8 850 8 9 920 15 10 1010 12 （二） 一元線性回歸預(yù)測(cè)法 解：（ 1）判斷統(tǒng)計(jì)數(shù)據(jù)是否有線性關(guān)系，作散點(diǎn)圖 運(yùn)輸時(shí)間與運(yùn)輸距離的關(guān)系02468101214160 200 400 600 800 1000 1200運(yùn)輸距離x運(yùn)輸時(shí)間y由散點(diǎn)圖得出運(yùn)輸距離與運(yùn)輸時(shí)間基本成線性關(guān)系 （二） 一元線性回歸預(yù)測(cè)法 （ 2）計(jì)算回歸系數(shù) 供貨工廠 運(yùn)輸距離Xi(KM) 運(yùn)輸時(shí)間Yi(Hour) XiYi Xi2 Yi2 1 210 5 1050 44100 25 2 290 7 2030 84100 49 3 350 6 2100 122500 36 4 480 11 5280 230400 121 5 490 8 3920 240100 64 6 730 11 8030 532900 121 7 780 12 9360 608400 144 8 850 8 6800 722500 64 9 920 15 13800 846400 225 10 1010 12 12120 1020220 144 求和 6110 95 64490 4451500 993 （二） 一元線性回歸預(yù)測(cè)法 x..yXbYaXnxYXnyxbniiniii00 8 9700194: 8 00 8 6111044 5 15 00)(64 4 90)(21221???????????????????????????回歸方程為 1 10 ?????? ?? n yYn xX ii（二） 一元線性回歸預(yù)測(cè)法 （ 3）代入運(yùn)輸距離 1500KM，得到運(yùn)輸時(shí)間的預(yù)測(cè)值為： Y=+*1500=(小時(shí) ) （ 4）相關(guān)性檢驗(yàn)及預(yù)測(cè)誤差計(jì)算（略） （三） 多元線性回歸預(yù)測(cè)法 ? 多元線性回歸預(yù)測(cè)法是一元線性回歸預(yù)測(cè)法的延伸。 （一） 回歸預(yù)測(cè)法 ?分類 ?一元線性回歸預(yù)測(cè)法 ?多元線性回歸預(yù)測(cè)法 ?非線性回歸預(yù)測(cè)法 （二） 一元線性回歸預(yù)測(cè)法 例： 為了預(yù)測(cè)汽車薄鋼板的年需求量，有關(guān)物資企業(yè)研究并收集了發(fā)達(dá)國家汽車制造業(yè)近幾年間的汽車產(chǎn)量與薄鋼板消耗量的數(shù)據(jù)，見表： ?一元線性回歸預(yù)測(cè) ?變量間是線性相關(guān)關(guān)系。 季節(jié)指數(shù)＝季節(jié)歷史平均量 /所有季節(jié)平均量 用季節(jié)指數(shù)平滑歷史數(shù)據(jù) 預(yù)測(cè)平滑后的數(shù)值 用季節(jié)指數(shù)換算成相應(yīng)的預(yù)測(cè)值 二、回歸預(yù)測(cè) ? 變量間非確定性的相關(guān)關(guān)系不能用精確的函數(shù)關(guān)系式唯一地表達(dá)，但在統(tǒng)計(jì)學(xué)意義上，它們之間的相關(guān)關(guān)系可以通過統(tǒng)計(jì)的方法給出某種函數(shù)表達(dá)方式，這種用統(tǒng)計(jì)方法處理變量間相關(guān)關(guān)系的方法就是 回歸分析方法 。 作業(yè) ? 已知六安市物流業(yè)增加值的歷史數(shù)據(jù)，完成以下任務(wù)： （ 1）試計(jì)算新形成的一次移動(dòng)平均值和二次移動(dòng)平均值數(shù)據(jù)系列，并預(yù)測(cè) 2022年六安市物流業(yè)增加值。 ?越大，現(xiàn)實(shí)測(cè)定值在預(yù)測(cè)中占的比重就越大，這就越能體現(xiàn)預(yù)測(cè)對(duì)象當(dāng)前的變化趨勢(shì)而忽視它的歷史趨勢(shì)。 ? 特點(diǎn) ：計(jì)算簡單，需要的歷史數(shù)據(jù)較少 ? 思路 ：對(duì)離預(yù)測(cè)期較近的歷史數(shù)據(jù)給予較大的權(quán)數(shù)，離預(yù)測(cè)期較遠(yuǎn)的歷史數(shù)據(jù)給予較小的權(quán)數(shù)。 月份 實(shí)際 銷售量 一次平均數(shù) Mt(1) 二次平均數(shù) Mt(2) at bt 預(yù)測(cè)值 yt+T 取 T=1 (1) (2) (3) (4) (5)= 2(3)(4) (6)= (3)(4) (7)= (5)+(6)*T 1 22400 2 21900 3 22600 4 21400 22300 5 23100 21967 6 23100 22367 7 25700 22533 22211 22856 322 8 23400 23967 22289 25645 1678 23178 9 23800 24067 22956 25178 1111 27322 10