【正文】 時間序列數據變化的抗干擾能力叫修勻能力 。 期序 歷史 數據 一次平均n=3 二次平均n=3 1 10 2 15 3 20 4 25 15 5 30 20 6 35 25 7 40 30 20 8 45 35 25 9 50 40 30 10 55 45 35 一 次 與 二 次 平 均 值 比 較01 02 03 04 05 06 01 2 3 4 5 6 7 8 9 1 0時 間 （ 期 序 ）數據歷 史 數 據 一 次 平 均 值 （ n = 3 ） 二 次 平 均 值 （ n = 3 ）從圖上可以看出，一次移動平均值滯后于歷史數據，而二次移動平均值又落后于一次移動平均值。 ? 特點 ：計算簡單，需要的歷史數據較少 ? 思路 ：對離預測期較近的歷史數據給予較大的權數，離預測期較遠的歷史數據給予較小的權數。 作業(yè) ? 已知六安市物流業(yè)增加值的歷史數據，完成以下任務： （ 1）試計算新形成的一次移動平均值和二次移動平均值數據系列，并預測 2022年六安市物流業(yè)增加值。 （一） 回歸預測法 ?分類 ?一元線性回歸預測法 ?多元線性回歸預測法 ?非線性回歸預測法 （二） 一元線性回歸預測法 例： 為了預測汽車薄鋼板的年需求量，有關物資企業(yè)研究并收集了發(fā)達國家汽車制造業(yè)近幾年間的汽車產量與薄鋼板消耗量的數據，見表： ?一元線性回歸預測 ?變量間是線性相關關系。 均值，相關系數： :)()())((22yxyyxxyyxxRiiii? ???????R的變化范圍： [1， 1] R=0，表示零相關（不相關） R=+1或 R=1表示完全相關 R越接近于正負 1表示相關程度越強 四、 回歸效果分析 ? ? 用顯著性檢驗來考察回歸方程能否揭示變量間的數量規(guī)律，即判斷回歸方程的擬合程度如何。 目標函數： 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 目標函數： 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)劃模型標準形式 某物流中心 能提供運輸、倉儲、包裝、深加工四種物流服務 , 目前提供物流服務的對象可以是 A、 B、C三種商品，單位產品對資源的需求量見下表，試求最優(yōu)的商品服務數量。 1P2P3P⑴ 建立層次結構模型 目標層 選擇旅游地 景色 費用 居住 飲食 旅途 準則層 1P 2P 3P 方案層 圖 選擇旅游地的層次結構 ⑵ 構造判斷矩陣 ① 通過相互比較確定各準則對于目標的權重，即構造判斷矩 陣。 （ 4）一致性檢驗 一致性指標 ，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。 。 ?????????????????1135/13/11125/13/13/12/117/14/1557123342/11A⑶ 層次單排序 和法 a) 將 A的每一列向量歸一化得 b) 對 c) 歸一化 ???niijijij aaw1/~ijw~按行求和得 ???njiji ww1~~Tn )~,~,~(~ ?21?w???niiii 1~/~Tn ),( ?21?wd) 計算 Aw根法 步驟與和法基本相同，只是將步驟 b 改為對 ijw~按行求積并開 n次方，即 nijnii ww11?????? ???~~e) 計算 ???ni iiwn 11 )( Aw?，最大特征值的近似值。 ⑴ 建立層次結構模型 例： 假期旅游，現有 三個目的地 可供選擇（方案）： 風光綺麗的杭州（ ）， 迷人的北戴河（ ）， 山水甲天下的桂林（ ）。 約束條件 (Constraints)。 ? 因變量和每一個自變量之間為線性關系。 （一） 回歸預測法 ? 回歸分析是一種對于變量間非確定性關系的統計分析法。 ? ? )1()1( 1 1 ttt FxF ?? ????指數平滑法 ? 例題 某物資企業(yè) 2022年每月的物資運輸量統計如下，用指數平滑法預測 2022年一月份的運輸量（用不同的平滑常數） ? 解：設 F1(1)=(x1+x2+x3)=38, ?=, , , 計算結果見下表： 月份 運輸量 （萬噸） 預測值 ?= ?= ?= 1 51 （ 38） （ 38） （ 38） 2 35 3 28 4 32 5 48 6 54 7 52 8 48 9 42 10 46 11 44 12 47 1 平滑常數取不同值時的預測結果曲線253035404550551 2 3 4 5 6 7 8 9 10 11 12 13月份運輸量實際值 平滑常數= 0 . 1 平滑常數= 0 . 5 平滑常數= 0 . 9指數平滑法 ? 由上圖可知： ? ?值越大，近期數據對預測值的影響越大，模型靈敏度越高； ? ?值越小，近期數據對預測值的影響越小，消除了隨機波動性，只反映長期的大致發(fā)展趨勢。 指數平滑法 ? 指數平滑預測法，是在移動平均預測法的基礎上發(fā)展起來的一種特殊的 加權平均預測法 。數據點多，n可以取得大一些； （ 2）由時間序列的趨勢而定。 月份 實際銷量 (噸 ) 移動平均數 Mt(1) n=3 n=6 1 22400 2 21900 3 22600 4 21400 22300 5 23100 21967 6 23100 22367 7 25700 22533 22417 8 23400 23967 22967 9 23800 24067 23216 10 25200 24300 23416 11 25400 24133 24049 12 24800 24433 2 0 0 0 02 1 0 0 02 2 0 0 02 3 0 0 02 4 0 0 02 5 0 0 02 6 0 0 01 2 3 4 5 6 7 8 9 1 0 1 1 1 2月 份銷量實 際 值 平 均 值 n = 3 平 均 值 n = 6計算結果圖表顯示 簡單移動平均法 ? 從圖上可以看出 ： ? （ 1）用移動平均法計算出的新數列的變化趨勢與實際變化情況基本一致； ? （ 2）新數列數據波動的范圍變小了，并且隨參與平均值計算的 n值的增加，平均值的波動范圍越小。 ? 歷史數據同時又受多種隨機因素的影響而呈現出一定程度的波動性和不規(guī)則性； （ 不能直接從歷史數據得到未來的趨勢 ） 三、時間序列預測 ? 預測的基本思想 —— 從歷史數據中揭示發(fā)展規(guī) 律 通過對歷史數據進行 平均或平滑 ，消除歷史數據中的部分隨機波動因素的影響，指示出隱含在事物中的某種基本規(guī)律，并以此預測未來。 ? 得出預測結果。 ? 處理專家們的意見并給出預測結果。 ? 例題 ? 某公司對明年銷售量的預測 根據三個銷售員、兩位經理的估計對明年的銷量作出預測。 ? 將所有人的估計結果交給業(yè)務部門進行分析，得出預測結論。 ? 判斷預測是一種定性預測方法。 ? 預測目的：明確為什么要預測； ? 預測對象：對什么事物進行預測； ? 預測期間：對哪個時期進行預測；（ 1年內為短期， 2~5年為中期， 5~10年為長期） 一 .理論知識 —— 預測的步驟 2. 各步驟說明 （ 2）收集、分析有關資料 包括影響預測對象的各種資料，如預測對象本身發(fā)展的歷史資料，對預測對象發(fā)展變化起作用的各種因素的資料，形成這些資料的歷史背景，以及各種影響因素在未來可能出現的情況。 ? 利用這一原則掌握事物變化的