時間序列分析法(ppt85頁)(參考版)
2025-01-07 22:08本頁面
【正文】 cursus.felisiaculispurus.ac,eleifendurnaFusceadipiscingamet,dolorPOWERPOINTLorem 2023/5/13 7:45:5107:45:5113 May 20231一個人即使已登上 頂 峰，也仍要自 強 不息。 13 五月 20237:45:51 上午 07:45:51五月 211最具挑 戰(zhàn) 性的挑 戰(zhàn) 莫 過 于提升自我。 勝 人者有力，自 勝 者 強 。 五月 2107:45:5107:45May2113May211越是無能的人，越喜 歡 挑剔 別 人的 錯 兒。 五月 21五月 21Thursday, May 13, 2023 閱讀 一切好 書 如同和 過 去最杰出的人 談話 。 2023/5/13 7:45:5107:45:5113 May 20231空山新雨后，天氣晚來秋。 。 五月 21五月 2107:45:5107:45:51May 13, 20231意志 堅 強 的人能把世界放在手中像泥 塊 一 樣 任意揉捏。 五月 2107:45:5107:45May2113May211世 間 成事，不求其 絕對圓滿 ，留一份不足，可得無限完美。 五月 21五月 21Thursday, May 13, 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。 2023/5/13 7:45:5107:45:5113 May 20231做前，能 夠環(huán)視 四周；做 時 ，你只能或者最好沿著以腳 為 起點的射 線 向前。 。 五月 21五月 2107:45:5107:45:51May 13, 20231他 鄉(xiāng) 生白 發(fā) ，舊國 見 青山。 五月 2107:45:5107:45May2113May211故人江海 別 ，幾度隔山川。 五月 21五月 21Thursday, May 13, 2023雨中黃葉 樹 ，燈下白 頭 人。Yousloganedit則該月的預(yù)測值為； 又如， 測定 2023年 12月的趨勢值為 130000元，而該月的固定的季節(jié)指數(shù)為 %，則該月的預(yù)測值為： Click 2．移動平均季節(jié)預(yù)測模型 這種方法適合于存在長期趨勢的時間數(shù)列的季節(jié)預(yù)測，具體方法是：對給定的資料，測定出預(yù)測期的長期趨勢值及固定的季節(jié)指數(shù)，然后兩者相乘即得。第三季： 例： 若某商品 2023年第一季度銷售額為 ，季節(jié)指數(shù)為 ％，第二、三、四季的季節(jié)指數(shù)分別為 %， ％， ％，試預(yù)測第二、三、四季銷售額。 —— 季或月的預(yù)測值； 第一季度蔬菜銷售額 第二季度蔬菜銷售額 (2)如果已知預(yù)測年頭幾月 (季 )的實際值， 則以后各月 (季 )的預(yù)測模型為： 其中： (1) 已知預(yù)測年全年的預(yù)測值，則各月 (季 )的季 節(jié)預(yù)測模型為：例如： 某蔬菜公司 2023年全年銷售額計劃為825665元，季節(jié)指數(shù)各季分別為 ％，％， %， ％?！ ? (五 )季節(jié)預(yù)測模型 常用的季節(jié)預(yù)測模型有兩種，即簡單預(yù)測模型和移動平均預(yù)測模型?！ ≌{(diào)整系數(shù)＝ 1200／ 第五步 ：用調(diào)整系數(shù)乘以各月修正比率值 ，得季節(jié)指數(shù)。這樣，可以消除 I的影響，而剩下 S ，結(jié)果見上表。 季節(jié)指數(shù)計算表 這一比值結(jié)果為 SI 。2023 2023 2023 2023 2023 2023第二步： 從原數(shù)列中消除長期趨勢 (T)。移動平均結(jié)果，見下表。 用 12個月 (或4個季節(jié) )移動平均法求長期趨勢。其 計算步驟的方法如下 ： (1)根據(jù)各年每月分季資料 (y)進(jìn)行 12個月或 4個季度移動平均 (須兩次平均 )， 求長期趨勢 (T)； (2)將實際值除以趨勢值 y／ T； (3)把 y／ T按月 (季 )排列，再按月 (季 )求其平均季節(jié)指數(shù) (消除了不規(guī)則變動 )； (4)將各平均季節(jié)指數(shù)加總，其總和應(yīng)為 ％，如果大于或小于此數(shù)，則要求出 校正系數(shù) (平均季節(jié)指數(shù)加總實際數(shù)％／ %)，用校正系數(shù)乘各月的平均季節(jié)指數(shù)，即為所求的 消除長期趨勢的季節(jié)指數(shù)?！ ? 測定帶有長期趨勢的季節(jié)變動，不能采用上述的周期平均法因為尚未剔除長期趨勢，而使計算出來的季節(jié)指數(shù)不夠精確，還受到長期趨勢的影響。這樣的動態(tài)數(shù)列，稱為趨勢和季節(jié)混合型動態(tài)數(shù)列。 合 計 1760 555 450 820 3585 測定季節(jié)變動數(shù)值的具體 步驟 如下： 以例說明 某百貨公司商品零售額 對單純季節(jié)型動態(tài)數(shù)列的季節(jié)分析，一般要求至少需要三年至五年的資料，其常用的分析方法是 周期平均法。因此，動態(tài)數(shù)列的模型有兩種模式： 乘法模式 ： 加法模式 ： 混和模式： ? (三 )單純季節(jié)型動態(tài)數(shù)列的季節(jié)變動分析 在有些動態(tài)數(shù)列中，由于不含長期趨勢，因此其數(shù)列中可視為只有季節(jié)變動。也就是用某種數(shù)學(xué)方程式去模擬一個資料的變動的規(guī)律作為分析的模式。也可以運用季節(jié)變動分析和預(yù)測方法。但所提供方法和運用，早巳超出這一范圍。這種周期性的變化一般都是比較穩(wěn)定的。第六節(jié) 龔伯茲曲線yt00lg a10 bk 漸近線 k意味著市場對某類產(chǎn)品的需求巳逐漸接近飽和狀態(tài)， k為市場飽和量 龔伯茲曲線yt00lg a1bk漸近線 k意味著市場對某類產(chǎn)品的需求已由飽和狀態(tài)開始下降， k為市場飽和量 。為7）。 題目要求預(yù)測 2023年銷售量， 2023年在時間序列中，時間變量 ： 其次 ，計算標(biāo)準(zhǔn)誤差 代入預(yù)測模型 560 + +?。??。? + + +?。? 201 25 1 9 49 74 60 45 32 誤差 觀察期實際銷售量 Y ：直線方程參數(shù)，是直線的斜率； ：第 t期的預(yù)測值； 1 1995 32 －2 1996 39 73 1997 45 64 1998 52 75 1999 60 86 2023 67 77 2023 74 78 2023 80 6階差分析判斷直線趨勢延伸法的預(yù)測模型為：直線趨勢延伸法的預(yù)測模型為：式中， 第一次階差 年份 1995 1996 1997 1998 1999 2023 2023 2023銷售量 32 39 45 52 60 67 74 80散點圖判斷時間序數(shù) t 年份 銷售量 Y 階差分析法是通過計算時間序列有關(guān)數(shù)據(jù)的第一次階差來判斷時間序列是否屬于直線變動趨勢。 若這些點的分布近似一條直
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1