【正文】 11:25:3411:25:3411:253/22/2023 11:25:34 AM ? 1越是沒有本領(lǐng)的就越加自命不凡。 2023年 3月 22日星期三 上午 11時 25分 34秒 11:25: ? 1比不了得就不比，得不到的就不要。參數(shù)是模型中表示變量之間數(shù)量關(guān)系的常系數(shù) ? 它將各種變量連接在模型之中，具體說明解釋變量對被解釋變量的影響程度 ? 在未經(jīng)實際資料估計之前，參數(shù)是未知的。 ? ?為樣本平均數(shù)。 ? 統(tǒng)計量一般用它來提取由樣本帶來的總體信息。 樣本和樣本容量 ? 總體中抽出若干個個體組成的集體稱為樣本。 數(shù)學(xué)期望的性質(zhì) ? 如果 a、 b為常數(shù)，則 ? E(aY+b)=aE(Y)+b ? 如果 X、 Y為兩個隨機變量，則 ? E(X+Y)=E(X)+E(Y) ? 如果 g(x)和 f(x)分別為 X的兩個函數(shù)，則 ? E[g(X)+f(X)]=E[g(X)]+E[f(X)] ? 如果 X、 Y是兩個獨立的隨機變量，則 ? E()=E(X).E(Y) 方差 ? 如果隨機變量 X的數(shù)學(xué)期望 E(X)存在，稱 [XE(X)]為隨機變量 X的離均差。 無偏性的定義 。 時間序列平滑方法 確定性時間序列模型的參數(shù)估計 ? 移動平均法 ? 指數(shù)平滑法 ? 季節(jié)性指數(shù)平滑法 ? 直接平滑法 移動平均法 ? 簡單移動平均法 ? 二次移動平均法 ? 加權(quán)移動平均法 ? 幾何移動平均法 簡單移動平均法 ? 用于估計常數(shù)模型中的參數(shù) b。 , March 22, 2023 ? 很多事情努力了未必有結(jié)果，但是不努力卻什么改變也沒有。 2023年 3月 22日星期三 上午 11時 25分 34秒 11:25: ? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 。 , March 22, 2023 ? 雨中黃葉樹，燈下白頭人。的有效估計量，亦稱稱為的方差達到最小，則的一切無偏估計量中，如果在有效的估計量。 ? 事實上正偏差大亦或負偏差大，同樣是離散程度大。 樣本與所抽自的總體具有相同的分布 ? 某一次具體的抽樣的具體的數(shù)值（ y1， ?? ， yn）； ? 一次抽樣的可能結(jié)果，它的每一次觀察都是隨機地從總體中（每一個個體有同樣的機會被選入）抽取一個，所以它是一組隨機變量（ y1， y2， ?? ， yn） ? 每一次抽樣都來自同一總體（分布），也就是每一次抽樣都帶來了與總體一樣的分布信息。 ? 通過總體的分布可以把總體和樣本連接起來。因為離均差的和為 0，無法體現(xiàn)隨機變量的總離散程度。 有效性的定義 具有有效性。 Gompertz 命名 ? 一般形式為 ? K、 a、 b為未知常數(shù) ? K 0， 0 a ≠ 1， 0 b ≠ 1 ? 所描述的現(xiàn)象：初期增長緩慢 ， 以后逐漸加快 ， 當(dāng)達到一定程度后 ， 增長率又逐漸下降 ， 最后接近一條水平線 ? 兩端都有漸近線 ， 上漸近線為 Y?K,下漸近線為 Y=? 0 tbt KaY ?? Gompertz曲線 (求解 k、 a、 b 的三和法 ) ? 將其改寫為對數(shù)形式 ? 仿照修正指數(shù)曲線的常數(shù)確定方法，求出 lg a、 lg K、 b ? 取 lg a、 lg K 的反對數(shù)求得 a 和 K 令： 則 有： ? ?? ?? ????????????????????????????????????????abbbSmKbbbSSaSSSSbmmmlg111lg11lg121211223??????????? mmttmmttmtt YSYSYS312321211 lg,lg,lg tt baKY )(lglg?lg ?? Gompertz曲線 (求解 k、 a、 b 的三和法 ) ? 將其改寫為對數(shù)形式 ? 仿照修正指數(shù)曲線的常數(shù)確定方法，求出 lg a、 lg K、 b ? 取 lg a、 lg K 的反對數(shù)求得 a 和 K 令： 則 有： ? ?? ?? ????????????????????????????????????????abbbSmKbbbSSaSSSSbmmmlg111lg11lg121211223??????????? mmttmmttmtt YSYSYS312321211 lg,lg,lg tt baKY )(lglg?lg ?? Gompertz曲線 (實例 ) 根據(jù)表中的數(shù)據(jù) ， 試確定小麥單位面積產(chǎn)量的 Gompertz曲線方程 ， 求出各年單位面積產(chǎn)量的趨勢值 ， 并預(yù)測2023年的小麥單位面積產(chǎn)量 ， 作圖與原序列比較 Gompertz曲線 （計算結(jié)果） ? ?? ?? ?? ????????????????????????????????????????????????37 184 184 03 61log42 184 184 03 84 03 85 62661KKaab Gompertz曲線 （計算結(jié)果） 小麥單位面積產(chǎn)量的 Gompertz 曲線方程為 2023年小麥單位面積產(chǎn)量的預(yù)測值為 ttY )427 ( ?? )kg(3507)427 ( ??? tY Gompertz曲線趨勢圖 0 1000 2023 3000 4000 1978 1982 1986 1990 1994 單 位 面 積 產(chǎn) 量 趨勢值 K K= 小麥單位面積產(chǎn)量 Gompertz曲線趨勢 （年份） （ 公 斤 / 公 頃 ） ? 靜夜四無鄰，荒居舊業(yè)貧。 2023年 3月 22日星期三 上午 11時 25分 34秒 11:25: ? 1楚塞三湘接，荊門九派通。 2023年 3月 上午 11時 25分 :25March 22, 2023 ? 1業(yè)余生活要有意義，不要越軌。 11:25:3411:25:3411:253/22/2023 11:25:34 AM ? 1成功就是日復(fù)一日那一點點小小努力的積累。 Yt = b + ε t ? 通常用 Mt 表示移動平均結(jié)果，即 NYYYYb NTTTT 121 .... .. ????? ?????NYYMYNMNTTTTNTttT????????? ?111 二次移動平均法 ? 用于估計線性趨勢模型 Yt = b0 + b1t + ε t中的參數(shù) b