【正文】 12結(jié)論：選擇小批量生產(chǎn)d3后悔值決策準(zhǔn)則： 狀 收益值的 態(tài) 后悔值方 案 銷 路 好 θ1銷 路 一 般θ2銷 路 差θ3Max(θi) 大批量生產(chǎn) d1中批量生產(chǎn) d2小批量生產(chǎn) d305180311 170017518Min(di)20020022003 20042005合 計(jì)（1）設(shè) 所以： （2）當(dāng)人口總數(shù)達(dá)到50萬時(shí)，商品銷售量為： （萬件） 3．某企業(yè)打算生產(chǎn)一種新型童車，根據(jù)分析和估計(jì)，各種生產(chǎn)方案及未來各種情況下的收益值如下表所示收 益 值 狀 （萬 元） 態(tài) 方 案 銷 路 好θ1銷 路 一 般θ2銷 路 差θ3大批生產(chǎn)d1中批生產(chǎn)d2小批生產(chǎn) d3302512232012－15012（1）試分別用樂觀決策準(zhǔn)則、悲觀決策準(zhǔn)則及后悔值決策準(zhǔn)則進(jìn)行決策。二、不確定型決策方法的種類 （1） “好中求好”決策方法； （2） “壞中求好”決策方法； （3） α系數(shù)決策方法； （4） “最小最大后悔值”決策方法； （5） 等概率決策方法；三、α系數(shù)決策準(zhǔn)則綜合復(fù)習(xí)1. 某地高校教育經(jīng)費(fèi)（x）與高校學(xué)生人數(shù)（y）連續(xù)六年的統(tǒng)計(jì)資料如下表所示：教育經(jīng)費(fèi) x （萬元）316343373393418455在校學(xué)生人數(shù) y（萬人）111618202225要求：(1) 建立回歸預(yù)測方程； （2）估計(jì)教育經(jīng)費(fèi)為500萬元時(shí)的在校生人數(shù)。這反映為A 在B 中的條件概率，記為P(A︱B) ：無條件概率P(A)通常稱為先驗(yàn)概率，而條件概率 通常稱為后驗(yàn)概率。第十五章 貝葉斯決策方法一、貝葉斯決策的概念 P308貝葉斯決策（Bayesian Decision Theory）就是在不完全情報(bào)下，對部分未知的狀態(tài)用主觀概率估計(jì)，然后用貝葉斯公式對發(fā)生概率進(jìn)行修正，最后再利用期望值和修正概率做出最優(yōu)決策。簡言之，原始的概率就稱為先驗(yàn)概率。 其中在某些情況下，應(yīng)該以令人滿意的、合理的準(zhǔn)則代替經(jīng)濟(jì)上最優(yōu)的準(zhǔn)則是決策合理性原則。二、決策的基本條件 一個(gè)完整的統(tǒng)計(jì)決策必須具備四個(gè)基本條件：（１）決策目標(biāo)必須明確；（２）存在兩個(gè)以上的行動方案；（３）每個(gè)行動方案的效果必須是可以計(jì)算的；（４）能夠預(yù)測出影響決策目標(biāo)的但決策者無法控制的各種情況以及它們發(fā)生的概率。通俗來講，決策就是做出決定。五、影響預(yù)測誤差大小的因素 經(jīng)濟(jì)現(xiàn)象變化模式或關(guān)系的存在是進(jìn)行預(yù)測的前提條件。在經(jīng)濟(jì)預(yù)測中，不同的經(jīng)濟(jì)現(xiàn)象的可預(yù)測性也存在極大的差別。第十二章 預(yù)測精度測定與預(yù)測評價(jià)一、預(yù)測精度預(yù)測精度是指預(yù)測模型擬合的好壞程度，即由預(yù)測模型所產(chǎn)生的模擬值與歷史實(shí)際值擬合程度的優(yōu)劣。2. 狀態(tài)空間模型將多個(gè)變量時(shí)間序列處理為向量時(shí)間序列，這種從變量到向量的轉(zhuǎn)變更適合解決多輸入輸出變量情況下的建模問題。 P224二、狀態(tài)空間模型分類? 狀態(tài)空間模型按所受影響因素的不同分為：（1）確定性狀態(tài)空間模型；（2）隨機(jī)性狀態(tài)空間模型；? 狀態(tài)空間模型按數(shù)值形式分為：（1）離散空間狀態(tài)模型；（2）連續(xù)空間狀態(tài)模型；? 狀態(tài)空間模型按所描述的動態(tài)系統(tǒng)分為：（1）線性的與非線性的；（2）時(shí)變的與時(shí)不變的；三、卡爾曼濾波的意義 P 234卡爾曼濾波的實(shí)質(zhì)是由量測值重構(gòu)系統(tǒng)的狀態(tài)向量。? 累加：累加是將原始序列通過累加得到生成列。 ③ 系統(tǒng)預(yù)測：通過對系統(tǒng)行為特征指標(biāo)建立一組相互關(guān)聯(lián)的灰色預(yù)測模型，預(yù)測系統(tǒng)中眾多變量間的相互協(xié)調(diào)關(guān)系的變化。? 灰色預(yù)測通過鑒別系統(tǒng)因素之間發(fā)展趨勢的相異程度，即進(jìn)行關(guān)聯(lián)分析，并對 原始數(shù)據(jù)進(jìn)行生成處理來尋找系統(tǒng)變動的規(guī)律，生成有較強(qiáng)規(guī)律性的數(shù)據(jù)序列，然后建立相應(yīng)的微分方程模型，從而預(yù)測事物未來發(fā)展趨勢的狀況。黑色系統(tǒng)是指一個(gè)系統(tǒng)的內(nèi)部信息對外界來說是一無所知的，只能通過它與外界的聯(lián)系來加以觀測研究。（3）能及時(shí)地反映宏觀經(jīng)濟(jì)的調(diào)控效果，判斷宏觀經(jīng)濟(jì)調(diào)控措施是否運(yùn)用恰當(dāng)，是否起到了平抑經(jīng)濟(jì)波動幅度的效果。 先計(jì)算出每個(gè)指標(biāo)的對稱變化率，然后再求出先行、同步和滯后三組指標(biāo)組內(nèi)、組間平均變化率。三、我國國民經(jīng)濟(jì)景氣狀態(tài)先行指標(biāo) P188反映我國國民經(jīng)濟(jì)景氣狀態(tài)先行指標(biāo)的是外貿(mào)出口創(chuàng)匯。經(jīng)濟(jì)景氣是指總體經(jīng)濟(jì)呈上升趨勢，經(jīng)濟(jì)不景氣是指總體經(jīng)濟(jì)呈下滑的發(fā)展趨勢。一種是持續(xù)性的干預(yù)變量，表示T 時(shí)刻發(fā)生以后, 一直有影響，這時(shí)可以用階躍函數(shù)表示,形式是第二種是短暫性的干預(yù)變量，表示在某時(shí)刻發(fā)生, 僅對該時(shí)刻有影響, 用單位脈沖函數(shù)表示，形式是： 四、干預(yù)事件的基本類型干預(yù)事件雖然多種多樣，但按其影響的形式，歸納起來基本上有四種類型：? 干預(yù)事件的影響突然開始，長期持續(xù)下去；? 干預(yù)事件的影響逐漸開始，長期持續(xù)下去；? 干預(yù)事件突然開始，產(chǎn)生暫時(shí)的影響；? 干預(yù)事件逐漸開始，產(chǎn)生暫時(shí)的影響；五、干預(yù)模型建模的思路： 利用干預(yù)影響產(chǎn)生前的數(shù)據(jù)，建立一個(gè)單變量的時(shí)間序列模型。? 自相關(guān)：描述的同一個(gè)變量在不同時(shí)間之間的相關(guān)關(guān)系。ARMA（ p q ）模型的參數(shù)的精估計(jì)一般采用極大似然估計(jì)。這組隨機(jī)變量所具有的依存關(guān)系或自相關(guān)性表征了預(yù)測對象發(fā)展的延續(xù)性，而這種自相關(guān)性一旦被相應(yīng)的數(shù)學(xué)模型描述出來，就可以從時(shí)間序列的過去值及現(xiàn)在值預(yù)測未來的值。 在原始數(shù)據(jù)的基本模式比較復(fù)雜時(shí)，則使用自適應(yīng)過濾法可以獲得優(yōu)于其它預(yù)測方法的預(yù)測結(jié)果。② 需要數(shù)據(jù)量較少。第六章 自適應(yīng)過濾法一、自適應(yīng)過濾法概述自適應(yīng)過濾法的基本原理就在于通過其反復(fù)迭代以調(diào)整加權(quán)系數(shù)的過程，“過濾”掉預(yù)測誤差，選擇出“最佳”加權(quán)系數(shù)用于預(yù)測。 a 值越小，均方差越小。四、a 值的選擇 在指數(shù)平滑法中以前的數(shù)據(jù)作用是逐步衰減的，或者說老的數(shù)據(jù)被逐漸地遺忘。一次指數(shù)滑動平均法只適合于水平樣式的數(shù)據(jù)（平穩(wěn)序列），如果歷史數(shù)據(jù)中存在明顯的上升或下降趨勢，或者有季節(jié)性波動則這種方法是不適用的。 回歸預(yù)測和時(shí)間序列預(yù)測是兩類不同的定量預(yù)測方法，它們根據(jù)不同的角度對經(jīng)濟(jì)現(xiàn)象進(jìn)行預(yù)測，回歸預(yù)測注重分析影響預(yù)測對象的各因素所造成的影響，而時(shí)間序列預(yù)測則根據(jù)預(yù)測對象本身的歷史數(shù)據(jù)來預(yù)測其未來。預(yù)測者須利用已獲得的有關(guān)時(shí)間序列的全部信息，確定過去的變動形態(tài)延續(xù)到將來的可能性，同時(shí)也必須考慮環(huán)境和經(jīng)濟(jì)中出現(xiàn)干擾的可能性及這些干擾對序列的影響。ST 八、趨勢外推法及其假設(shè)條件 P67 趨勢外推法：當(dāng)有理由相信某種趨勢能夠延伸到未來時(shí)，賦予變量所需的值，就可以得到相應(yīng)時(shí)刻的時(shí)間序列未來值。對于這種發(fā)展趨勢，最理想的描述工具是修正指數(shù)曲線模型。季節(jié)變動因素（S）經(jīng)濟(jì)現(xiàn)象受季節(jié)變動影響所形成的一種長度和幅度固定的周期波動。P68二、經(jīng)濟(jì)時(shí)間序列的影響因素經(jīng)濟(jì)時(shí)間序列的變化受多種因素影響，但總體上可將影響因素分為長期變動因素、季節(jié)變動因素、周期變動因素以及不規(guī)則變動因素。 P52十一、在利用回歸模型進(jìn)行預(yù)測時(shí)，需要確定一定置信水平下的預(yù)測置信區(qū)間，在小樣本情形下，近似的置信區(qū)間計(jì)算公式為： P41十二、在社會經(jīng)濟(jì)中，變量之間并不都是呈線性關(guān)系。在實(shí)際檢驗(yàn)中，對于不同顯著性水平α下的D — W值上限和下限，實(shí)際D — W值小于等于2時(shí)，若出現(xiàn) dw ，則認(rèn)為 存在自相關(guān)。P36六、預(yù)測誤差檢驗(yàn)在利用回歸方法進(jìn)行預(yù)測時(shí)，必須對預(yù)測誤差進(jìn)行檢驗(yàn)。四、回歸模型參數(shù)b0和b1的估計(jì)模型中的b0、b1需要通過樣本觀察值 ( xi ，yi ) 來進(jìn)行估計(jì)。? 相關(guān)分析與回歸分析是緊密結(jié)合的，常常一起使用。P35二、檢驗(yàn)標(biāo)準(zhǔn)誤差回歸直線即估計(jì)值與因變量（觀察值）之間的平均平方誤差。 著重對事物發(fā)展的趨勢、方向和重大轉(zhuǎn)折點(diǎn)進(jìn)行預(yù)測。然后，再通過一定的形式綜合各方面的意見，作為預(yù)測未來的主要依據(jù)。P23六、廠長（經(jīng)理）評判意見法企業(yè)的總負(fù)責(zé)人把企業(yè)的中層管理人員以及熟悉市場情況的各種人員召集到一起，讓他們對未來的市場發(fā)展形式或企業(yè)的某一重大決策問題發(fā)表意見，作出判斷。對將來的情景作出預(yù)測的一種方法。 缺點(diǎn): ? 預(yù)測結(jié)果受主觀認(rèn)識制約，取決于專家的學(xué)識、經(jīng)驗(yàn)、心理狀態(tài)和對預(yù)測問題感興趣的程度；? 如果所預(yù)測的產(chǎn)品或顧客群分散于不同地區(qū)，預(yù)測可能不可靠；? 責(zé)任比較分散；四、主觀概率 P12 主觀概率是人們根據(jù)某幾次經(jīng)驗(yàn)結(jié)果所作的主觀判斷的量度。二、德爾菲預(yù)測方法的特點(diǎn)：反饋性、匿名性、統(tǒng)計(jì)性三、德爾菲法的優(yōu)缺點(diǎn)216。216。十、統(tǒng)計(jì)預(yù)測統(tǒng)計(jì)預(yù)測不僅適用于對經(jīng)濟(jì)現(xiàn)象的預(yù)測，而且被廣泛應(yīng)用于人類活動的各個(gè)領(lǐng)域。六、統(tǒng)計(jì)預(yù)測與經(jīng)濟(jì)預(yù)測的主要區(qū)別（1）研究的對象不同； （2）研究的領(lǐng)域不同：七、預(yù)測方法選擇應(yīng)考慮的因素：合適性、費(fèi)用性、精確性。216。 相關(guān)因素： （1） 預(yù)測費(fèi)用的高低 （2） 預(yù)測方法的難易程度 （3） 預(yù)測結(jié)果的精確程度——精度五、預(yù)測方法的分類 定性預(yù)測法：邏輯判斷為主，適用于缺乏歷史統(tǒng)計(jì)資料的時(shí)間/趨勢轉(zhuǎn)折分析。統(tǒng)計(jì)預(yù)測與決策第一章 統(tǒng)