第9章統(tǒng)計預測(編輯修改稿)
2024-11-16 13:22 本頁面
【文章內容簡介】 年 份 1993 1994 1995 1996 1997 1998 1999 2020 年 次 t 1 2 3 4 5 6 7 8 工業(yè)增加值 y 半數平均法（例題分析） 解：若繪以散點圖，可知該企業(yè)工業(yè)增加值隨年次呈現線性增長，故配以線性模型。計算算術平均值得： 解方程組 得： a= b= 故所求的線性預測方程為 該企業(yè) 2020年工業(yè)增加值為： （百萬元） 最小二乘法 (最小平方法 ) 最小二乘法是實際應用中最為廣泛的一種預測方法。它使通過使實際值與預測值誤差平方和達到最小值， 即： 最小值來估計預測模型中的未知參數的方法。 根據最小二乘法可以得出求解直線趨勢方程式未知參數的標準方程組為 : 解得 : (實例見下節(jié)內容 ) 返回 9—3長期趨勢模型預測 直線趨勢預測 二次曲線趨勢預測 指數曲線趨勢預測 返回 直線趨勢預測 如果預測對象的時間數列資料各項逐期增減量大致相同，或將時間數列繪以散點圖，散點圖上顯示出觀測值圍繞某條直線上下波動，則宜配合 直線預測模型外推預測。 對于直線趨勢預測，預測模型中的未知參數可以采用半數平均法、最小二乘法進行估計（見下面的舉例）。 返回 直線趨勢預測（例題分析） 【 例 】 某地區(qū)歷年來的糧食產量資料如下表： 單位：萬噸 試配合一條恰當的趨勢模型，并對 2020年的糧食產量進行預測。 年份 2020 2020 2020 2020 2020 2020 糧食產量 直線趨勢預測（例題分析） 解：若繪以散點圖，可知該地區(qū)糧食產量隨年次呈現線性增長，故配以線性模型。設所配合的直線趨勢模型為 列表計算有關指標資料如下： 年份 時間代碼 t 糧食產量 y t2 ty 2020 2020 2020 2020 2020 2020 1 2 3 4 5 6 1 4
教學課件相關推薦
鄂ICP備17016276號-1