物流系統(tǒng)預測培訓課程-閱讀頁
2025-03-11 12:06本頁面
【正文】 測期較近的歷史數(shù)據(jù)給予較大的權數(shù)，離預測期較遠的歷史數(shù)據(jù)給予較小的權數(shù)。(t時刻的下期預測值 )； Ft(1)——在 t時刻的一次指數(shù)平滑值 (t時刻預測值 )； xt?——平滑常數(shù)，規(guī)定 0?1；八 . 指數(shù)平滑法46解：設 ?＝ ， F1(1)＝ x1（ 2）合理選取平滑系數(shù) ? ?取值大小體現(xiàn)了不同時期數(shù)據(jù)在預測中所占的比例；48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 例題 某物資企業(yè) 2023年每月的物資運輸量統(tǒng)計如下，用指數(shù)平滑法預測2023年一月份的運輸量（用不同的平滑常數(shù)）解：設 F1(1)=(x1+x2+x3)=38, ?=, , , 計算結果見下表： 49由上圖可知：?值越大，近期數(shù)據(jù)對預測值的影響越大，模型靈敏度越高；?值越小，近期數(shù)據(jù)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。50下期預測值 ＝ 本期實際值的一部分 十 本期預測值的一部分平滑系數(shù) ?的大小則表明了新、老數(shù)據(jù)在下期預測計算中的比重。?越小，歷史數(shù)據(jù)在預測中占的比重就越大，這就越能反映預測對象的歷史演變趨勢而忽視了當前的變化。宜取大些，以強調重視現(xiàn)實狀態(tài)；(2)初始數(shù)據(jù)中，只有一部分與預測值擬合較好而大部分不好時，說明歷史狀況不能較好地反映現(xiàn)實， ?宜取較大的數(shù)值。宜取小些，以強調重視總的演變趨勢；(4)時間序列擺動的頻率和振幅都較大， ?取值要大一些，以強調重視近期實際的變化狀態(tài)；(5)時間序列擺動的頻率相振幅較小， ?取值要小一些，以強調用歷史發(fā)展趨勢預測。這兩種方法都采用 “平滑 ”的方式來進行預測。q 其基本思想都是通過對歷史數(shù)據(jù)的 “平均 ”或 “平滑 ”處理， “平滑掉 ”短期的不規(guī)則性，消除影響事物的隨機因素，揭示事物發(fā)展的規(guī)律。q 這二類預測法所用的數(shù)據(jù)量不多，對時間序列有較好的適用性，被廣泛應用于市場資源量、采購量、需求量、銷售量及價格的預測中。q 事物之間或事物的各因素之間只處于兩種狀態(tài)： 有關系或無關系 。v 比如，物資的需求與價格，物資的采購量與需求量，物資的采購成本與銷售利潤等，都可以用變量來表示。非確定性關系 ：變量之間存在著某種關系，但這種關系具有不確定性，這種關系叫做非確定性關系，即相關關系。q 回歸分析預測法 是通過收集統(tǒng)計數(shù)據(jù)，在分析變量間非確定性關系的基礎上，找出變量間的統(tǒng)計規(guī)律性，并用數(shù)學方法把變量間的統(tǒng)計規(guī)律表現(xiàn)出來，并在此基礎上進行預測。預測步驟如下：v確定預測變量可能的相關因素，并收集這些因素的統(tǒng)計資料；v分析這些因素間是否存在相關關系；v根據(jù)統(tǒng)計資料建立回歸模型，求出回歸方程；v用回歸方程進行預測；v對回歸方程進行統(tǒng)計檢驗，并給出預測精度估計值。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(shù)據(jù)，見表： 216。216。57三 . 一元線性回歸預測法例：某公司預備購入鋼材，根據(jù)統(tǒng)計資料估計鋼材在途運輸時間供貨工廠 鐵路運輸距離 x（公里）在途運輸時間 y（小時）1 210 52 290 73 350 64 480 115 490 86 730 117 780 128 850 89 920 1510 1010 1258三 . 一元線性回歸預測法q 一元線性回歸預測法預測流程v 判斷變量間是否成線性趨勢 。v 分析變量間是否存在線性相關關系 v 求回歸方程： y＝ a+bx，并進行預測v 檢驗相關性216。216。 q多元線性回歸預測法研究一個因變量和兩個或兩個以上的自變量間的關系。q回歸方程q回歸系數(shù)的計算（略）64五 . 回歸效果分析1. 相關性檢驗v用相關系數(shù) r來描述變量間相互關系的密切程度。216。216。65六 . 平滑預測與回歸預測的比較q 平滑預測與回歸預測都是常用的預測技術，其區(qū)別如下：v適用范圍不同216?；貧w模型既適用于時間序列，也適用于具有因果關系的非時間序列。平滑預測是一種對現(xiàn)有資料的外推，只適用于短期預測；216。v功能不同216?；貧w模型既用于預測，也可以用于結構分析、政策評價等v數(shù)學基礎不同216。而平滑模型則不能進行檢驗。q預測誤差分析：對預測誤差的計算、分析、反饋和調整過程，稱之為誤差分析。表明預測結果與實際情況的差異。通過誤差計算和分析產生誤差的原因，從而檢驗、比較和評價預測方法的有效性及其優(yōu)劣。將預測誤差作為反饋信號提供給預測者，作為調整改進預測方法的依據(jù)，從中選擇出最佳預測方法及預測結果式中： xi—— 第 i時刻的 實際值 ； x’i —— 第 i時刻的 預測值 ； ei—— 第 i時刻的預測 誤差值 。由于預測的信息與資料是通過市場調查得到的，其質量優(yōu)劣對預測的結果有直接的影響。 預測是對實際過程的近似描述，預測中使用的參數(shù)是對真實參數(shù)的近似。 預測是根據(jù)已知的歷史及現(xiàn)實而對未來進行描述，但未來是不確定的，影響未來的環(huán)境和條件也會與歷史及現(xiàn)實有所不同，如果差異很大而預測過程中沒有估計到，就必然會產生誤差。4． 預測者的主觀因素引起的誤差無論是預測目標的制定，信息與資料的收集整理，還是預測方法的選擇，預測參數(shù)的確定以及對預測結果的分析，都需要有預測者的主觀判斷。 —— 第 i時刻的 預測值 ；ei—— 第 i時刻的預測 誤差值 。 平均誤差記為 MD，其計算方法為： 由于每個 ei值有正有負，求代數(shù)和有時會相互抵消，所以平均誤差 MD無法精確地顯示預測值的誤差。平均絕對誤差幾個預測值的誤差絕對值的平均值稱為平均絕對誤差。4. 其計算方法為： 其計算方法為： 6．均方差 預測值誤差平方和的平均值稱為均方差。 要求：（ 1）寫出回歸方程，并進行預測（ 2）計算相關系數(shù) R（ 3）計算預測標準差時間 （年）年人均收入 xi（美元） 年人均消 費 yi（美元）2023 100 802023 150 1302023 200 1502023 250 1902023 300 21075相關系數(shù)的計算公式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76
教學課件相關推薦
鄂ICP備17016276號-1