掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
統計預測與決策(第二版) 版權信息
- ISBN：9787030752123
- 條形碼：9787030752123 ; 978-7-03-075212-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
統計預測與決策(第二版) 內容簡介
本書分為上下兩篇，上篇主要介紹常用的統計預測方法，下篇主要介紹常用的與決策方法。本書注重闡述統計預測與決策模型的基本原理和方法，使之具有一定的系統性和新穎性；同時也介紹了各類模型的特點和適用范圍，并給出應用案例，突出學以致用。統計預測方法主要內容：定性統計預測，統計回歸預測，時間序列分解法和趨勢外推法，馬爾科夫預測，平穩隨機時間序列預測，模糊時間序列預測，灰色系統預測，智能預測和組合預測方法；決策方法主要包括不確定型決策、風險型決策、隨機性決策、多目標決策和序貫決策等。另外，每章都配有適量的習題，部分習題具有一定的拓展性
統計預測與決策(第二版) 目錄
目錄
前言
上篇 統計預測
第1章 統計預測概述 3
1.1 統計預測的概念 3
1.2 統計預測方法的分類 4
1.3 統計預測的原則和步驟 5
1.3.1 統計預測的原則 5
1.3.2 統計預測的步驟 6
1.4 統計預測的發展現狀 8
1.4.1 不確定性預測方法 8
1.4.2 組合預測方法 9
1.5 統計預測與決策的關系 10
習題1 11
第2章 定性統計預測方法 12
2.1 定性預測概述 12
2.2 德爾菲法 13
2.2.1 德爾菲法的實施過程 13
2.2.2 德爾菲法特點 14
2.2.3 專家意見的統計處理 15
2.2.4 德爾菲法在中國生物制藥行業技術預測分析中的應用 16
2.3 主觀概率法 18
2.3.1 主觀概率法 18
2.3.2 主觀概率預測方法的案例 18
習題2 20
第3章 統計回歸預測方法 21
3.1 一元線性回歸預測方法 21
3.1.1 回歸模型的建立 21
3.1.2 一元線性回歸模型參數的估計 22
3.1.3 一元線性回歸模型的檢驗 22
3.1.4 一元線性回歸模型的預測 24
3.2 多元線性回歸預測方法 26
3.2.1 多元線性回歸模型 26
3.2.2 參數估計 27
3.2.3 統計檢驗 28
3.2.4 多元線性回歸模型進行預測 30
3.3 非線性回歸預測方法 31
3.4 主成分回歸預測方法 33
3.4.1 主成分分析 33
3.4.2 主成分回歸預測 36
習題3 41
第4章 時間序列分解法和趨勢外推法 43
4.1 時間序列以及時間序列分解 43
4.1.1 時間序列的含義 43
4.1.2 時間序列確定性因素分解 44
4.2 趨勢外推法概述 45
4.2.1 趨勢外推概念 45
4.2.2 趨勢外推法分類 46
4.2.3 趨勢外推模型的選擇 47
4.3 多項式曲線趨勢外推法 49
4.3.1 二次多項式曲線預測 49
4.3.2 三次多項式曲線預測 51
4.4 指數曲線趨勢外推法 53
4.4.1 指數曲線預測 53
4.4.2 修正的指數曲線預測 55
4.5 生長曲線趨勢外推法 56
4.5.1 Gompertz曲線模型 56
4.5.2 Logistic曲線模型 58
4.6 曲線擬合優度分析 60
4.7 時間序列分解的案例研究 62
4.7.1 背景介紹 62
4.7.2 數據說明 63
4.7.3 描述性統計分析 63
4.7.4 時間序列分解及趨勢外推 63
4.7.5 總結 67
習題4 68
第5章 馬爾可夫預測方法 69
5.1 馬爾可夫鏈基本理論 69
5.2 馬爾可夫預測方法 74
5.3 市場占有率預測 75
5.4 股票價格走勢預測 78
習題5 80
第6章 平穩時間序列預測方法 82
6.1 平穩時間序列 82
6.1.1 平穩時間序列概念 82
6.1.2 平穩性檢驗 83
6.2 平穩時間序列模型及識別 89
6.2.1 AR(p)模型 89
6.2.2 MA(q)模型 90
6.2.3 ARMA(p， q)模型 91
6.2.4 ARMA(p， q)模型定階 92
6.3 平穩時間序列模型的參數估計 96
6.3.1 矩估計 96
6.3.2 *小二乘估計 98
6.4 平穩時間序列模型的預測 99
6.4.1 AR(p)序列預測 99
6.4.2 MA(q)序列預測 100
6.4.3 ARMA(p， q)序列預測 102
6.5 平穩時間序列案例分析 103
6.5.1 背景介紹 103
6.5.2 數據說明 104
6.5.3 隨機時間序列預測過程 104
習題6 109
第7章 模糊時間序列預測方法 111
7.1 模糊時間序列 111
7.1.1 模糊數學基本概念與理論 111
7.1.2 模糊時間序列模型 113
7.2 一階模糊時間序列預測方法 114
7.3 高階模糊時間序列預測方法 119
7.3.1 高階模糊時間序列分析簡介 119
7.3.2 高階模糊時間序列分析模型建立 120
7.4 多因素模糊時間序列預測方法 122
7.4.1 多因素高階模糊時間序列分析 122
7.4.2 多因素高階模糊時間序列模型建立 125
7.5 模糊時間序列應用案例分析 129
7.5.1 模糊時間序列預測 129
7.5.2 高階模糊時間序列預測 133
習題7 135
第8章 灰色系統預測方法 137
8.1 灰色預測GM(1， 1)模型 137
8.1.1 灰色系統基本概念 137
8.1.2 GM(1， 1)預測模型的基本原理 137
8.2 GM(1， 1)模型檢驗 140
8.2.1 GM(1， 1)模型殘差檢驗 140
8.2.2 GM(1， 1)模型后驗差檢驗 141
8.2.3 GM(1， 1)模型關聯度檢驗 141
8.3 GM(1， 1)殘差模型 142
8.4 GM(n， h)模型 144
8.4.1 GM(1， h)模型 144
8.4.2 GM(n， h)模型 147
8.5 案例分析：生活垃圾清運量預測 148
8.5.1 研究背景 148
8.5.2 數據來源 149
8.5.3 模型建立 149
習題8 155
第9章 神經網絡預測方法 157
9.1 BP 神經網絡預測模型 157
9.1.1 人工神經元數學模型 158
9.1.2 BP神經網絡的結構 158
9.1.3 傳遞函數(激活函數) 159
9.1.4 BP神經網絡學習算法及流程 160
9.2 BP神經網絡的MATLAB工具箱函數 161
9.2.1 數據的預處理和后處理 161
9.2.2 創建網絡 162
9.2.3 設定參數 163
9.2.4 訓練網絡 163
9.2.5 BP神經網絡的仿真 163
9.2.6 模擬輸出 163
9.3 神經網絡預測案例 163
習題9 168
第10章 組合預測方法 170
10.1 組合預測的概念及分類 170
10.2 非*優正權組合預測模型權系數的確定方法 172
10.2.1 幾種常規的非*優正權組合預測模型權系數的確定方法 172
10.2.2 非*優組合預測系數確定方法的應用舉例 174
10.3 以預測誤差平方和達到*小的線性組合預測模型 175
10.3.1 *優線性組合預測模型的建立 175
10.3.2 *優線性組合預測模型的解的討論 177
10.4 基于相關系數的*優組合預測模型 179
10.4.1 基于相關系數的*優組合預測模型 179
10.4.2 實例分析 181
10.5 基于IOWA算子的組合預測方法 184
10.5.1 OWA算子和IOWA算子的概念及性質 184
10.5.2 基于IOWA算子的組合預測模型 186
10.5.3 實例分析 188
習題10 191
下篇 統計決策
第11章 統計決策概述 195
11.1 決策問題的基本概念 195
11.1.1 決策的基本概念 195
11.1.2 統計決策的三個基本概念 195
11.2 決策的種類 196
11.3 決策的過程與決策分析的要素和原則 197
11.3.1 決策的過程 197
11.3.2 決策分析 198
11.3.3 決策的原則 198
習題11 199
第12章 不確定型決策方法 200
12.1 樂觀準則決策方法 200
12.2 悲觀準則決策方法 201
12.3 樂觀系數決策方法 201
12.4 等可能性準則決策方法 202
12.5 后悔值準則決策方法 202
12.6 信息集成法在決策中的應用 203
12.6.1 多屬性決策方法 203
12.6.2 基于OWA算子的多屬性決策方法 205
12.7 幾種決策方法的比較分析 207
習題12 209
第13章 風險型決策方法 211
13.1 風險型決策的基本問題 211
13.2 風險型決策的期望值準則 212
13.3 決策樹分析法 214
13.4 風險決策的靈敏度分析 216
13.4.1 敏感性分析的概念和步驟 216
13.4.2 兩狀態兩行動方案的敏感性分析 216
13.4.3 三狀態三行動方案的敏感性分析 217
13.5 效用理論及風險評價 219
13.5.1 效用的含義 219
13.5.2 效用曲線 220
13.5.3 效用曲線的類型 222
13.5.4 效用曲線的應用 222
13.6 連續型變量的風險型決策方法 224
13.6.1 邊際分析法 225
13.6.2 標準正態分布決策法 227
13.7 主觀概率決策法 229
13.7.1 主觀概率的基本概念 229
13.7.2 主觀概率的估計方法 230
13.7.3 主觀概率決策 233
13.8 貝葉斯決策法 234
13.8.1 貝葉斯決策的概念和步驟 234
13.8.2 后驗預分析 234
13.8.3 貝葉斯決策 239
習題13 241
第14章 多目標決策方法 245
14.1 多目標決策概述 245
14.1.1 多目標決策過程 245
14.1.2 多目標決策問題的要素 247
14.2 層次分析法 251
14.2.1 層次分析法的基本原理 251
14.2.2 層次分析法的基本步驟 258
14.3 字典式法 259
14.4 TOPSIS法 260
14.5 ELECTRE法 264
14.5.1 級別高于關系的性質 266
14.5.2 級別高于關系的構造 266
14.5.3 級別高于關系的應用 268
14.5.4 算法步驟 269
14.6 LINMAP法 271
14.7 優劣系數法 277
習題14 282
第15章 序貫決策方法 285
15.1 單目標確定性序貫決策 285
15.2 單目標隨機性序貫決策 289
15.3 馬爾可夫決策 293
15.3.1 狀態轉移概率矩
前言
上篇 統計預測
第1章 統計預測概述 3
1.1 統計預測的概念 3
1.2 統計預測方法的分類 4
1.3 統計預測的原則和步驟 5
1.3.1 統計預測的原則 5
1.3.2 統計預測的步驟 6
1.4 統計預測的發展現狀 8
1.4.1 不確定性預測方法 8
1.4.2 組合預測方法 9
1.5 統計預測與決策的關系 10
習題1 11
第2章 定性統計預測方法 12
2.1 定性預測概述 12
2.2 德爾菲法 13
2.2.1 德爾菲法的實施過程 13
2.2.2 德爾菲法特點 14
2.2.3 專家意見的統計處理 15
2.2.4 德爾菲法在中國生物制藥行業技術預測分析中的應用 16
2.3 主觀概率法 18
2.3.1 主觀概率法 18
2.3.2 主觀概率預測方法的案例 18
習題2 20
第3章 統計回歸預測方法 21
3.1 一元線性回歸預測方法 21
3.1.1 回歸模型的建立 21
3.1.2 一元線性回歸模型參數的估計 22
3.1.3 一元線性回歸模型的檢驗 22
3.1.4 一元線性回歸模型的預測 24
3.2 多元線性回歸預測方法 26
3.2.1 多元線性回歸模型 26
3.2.2 參數估計 27
3.2.3 統計檢驗 28
3.2.4 多元線性回歸模型進行預測 30
3.3 非線性回歸預測方法 31
3.4 主成分回歸預測方法 33
3.4.1 主成分分析 33
3.4.2 主成分回歸預測 36
習題3 41
第4章 時間序列分解法和趨勢外推法 43
4.1 時間序列以及時間序列分解 43
4.1.1 時間序列的含義 43
4.1.2 時間序列確定性因素分解 44
4.2 趨勢外推法概述 45
4.2.1 趨勢外推概念 45
4.2.2 趨勢外推法分類 46
4.2.3 趨勢外推模型的選擇 47
4.3 多項式曲線趨勢外推法 49
4.3.1 二次多項式曲線預測 49
4.3.2 三次多項式曲線預測 51
4.4 指數曲線趨勢外推法 53
4.4.1 指數曲線預測 53
4.4.2 修正的指數曲線預測 55
4.5 生長曲線趨勢外推法 56
4.5.1 Gompertz曲線模型 56
4.5.2 Logistic曲線模型 58
4.6 曲線擬合優度分析 60
4.7 時間序列分解的案例研究 62
4.7.1 背景介紹 62
4.7.2 數據說明 63
4.7.3 描述性統計分析 63
4.7.4 時間序列分解及趨勢外推 63
4.7.5 總結 67
習題4 68
第5章 馬爾可夫預測方法 69
5.1 馬爾可夫鏈基本理論 69
5.2 馬爾可夫預測方法 74
5.3 市場占有率預測 75
5.4 股票價格走勢預測 78
習題5 80
第6章 平穩時間序列預測方法 82
6.1 平穩時間序列 82
6.1.1 平穩時間序列概念 82
6.1.2 平穩性檢驗 83
6.2 平穩時間序列模型及識別 89
6.2.1 AR(p)模型 89
6.2.2 MA(q)模型 90
6.2.3 ARMA(p， q)模型 91
6.2.4 ARMA(p， q)模型定階 92
6.3 平穩時間序列模型的參數估計 96
6.3.1 矩估計 96
6.3.2 *小二乘估計 98
6.4 平穩時間序列模型的預測 99
6.4.1 AR(p)序列預測 99
6.4.2 MA(q)序列預測 100
6.4.3 ARMA(p， q)序列預測 102
6.5 平穩時間序列案例分析 103
6.5.1 背景介紹 103
6.5.2 數據說明 104
6.5.3 隨機時間序列預測過程 104
習題6 109
第7章 模糊時間序列預測方法 111
7.1 模糊時間序列 111
7.1.1 模糊數學基本概念與理論 111
7.1.2 模糊時間序列模型 113
7.2 一階模糊時間序列預測方法 114
7.3 高階模糊時間序列預測方法 119
7.3.1 高階模糊時間序列分析簡介 119
7.3.2 高階模糊時間序列分析模型建立 120
7.4 多因素模糊時間序列預測方法 122
7.4.1 多因素高階模糊時間序列分析 122
7.4.2 多因素高階模糊時間序列模型建立 125
7.5 模糊時間序列應用案例分析 129
7.5.1 模糊時間序列預測 129
7.5.2 高階模糊時間序列預測 133
習題7 135
第8章 灰色系統預測方法 137
8.1 灰色預測GM(1， 1)模型 137
8.1.1 灰色系統基本概念 137
8.1.2 GM(1， 1)預測模型的基本原理 137
8.2 GM(1， 1)模型檢驗 140
8.2.1 GM(1， 1)模型殘差檢驗 140
8.2.2 GM(1， 1)模型后驗差檢驗 141
8.2.3 GM(1， 1)模型關聯度檢驗 141
8.3 GM(1， 1)殘差模型 142
8.4 GM(n， h)模型 144
8.4.1 GM(1， h)模型 144
8.4.2 GM(n， h)模型 147
8.5 案例分析：生活垃圾清運量預測 148
8.5.1 研究背景 148
8.5.2 數據來源 149
8.5.3 模型建立 149
習題8 155
第9章 神經網絡預測方法 157
9.1 BP 神經網絡預測模型 157
9.1.1 人工神經元數學模型 158
9.1.2 BP神經網絡的結構 158
9.1.3 傳遞函數(激活函數) 159
9.1.4 BP神經網絡學習算法及流程 160
9.2 BP神經網絡的MATLAB工具箱函數 161
9.2.1 數據的預處理和后處理 161
9.2.2 創建網絡 162
9.2.3 設定參數 163
9.2.4 訓練網絡 163
9.2.5 BP神經網絡的仿真 163
9.2.6 模擬輸出 163
9.3 神經網絡預測案例 163
習題9 168
第10章 組合預測方法 170
10.1 組合預測的概念及分類 170
10.2 非*優正權組合預測模型權系數的確定方法 172
10.2.1 幾種常規的非*優正權組合預測模型權系數的確定方法 172
10.2.2 非*優組合預測系數確定方法的應用舉例 174
10.3 以預測誤差平方和達到*小的線性組合預測模型 175
10.3.1 *優線性組合預測模型的建立 175
10.3.2 *優線性組合預測模型的解的討論 177
10.4 基于相關系數的*優組合預測模型 179
10.4.1 基于相關系數的*優組合預測模型 179
10.4.2 實例分析 181
10.5 基于IOWA算子的組合預測方法 184
10.5.1 OWA算子和IOWA算子的概念及性質 184
10.5.2 基于IOWA算子的組合預測模型 186
10.5.3 實例分析 188
習題10 191
下篇 統計決策
第11章 統計決策概述 195
11.1 決策問題的基本概念 195
11.1.1 決策的基本概念 195
11.1.2 統計決策的三個基本概念 195
11.2 決策的種類 196
11.3 決策的過程與決策分析的要素和原則 197
11.3.1 決策的過程 197
11.3.2 決策分析 198
11.3.3 決策的原則 198
習題11 199
第12章 不確定型決策方法 200
12.1 樂觀準則決策方法 200
12.2 悲觀準則決策方法 201
12.3 樂觀系數決策方法 201
12.4 等可能性準則決策方法 202
12.5 后悔值準則決策方法 202
12.6 信息集成法在決策中的應用 203
12.6.1 多屬性決策方法 203
12.6.2 基于OWA算子的多屬性決策方法 205
12.7 幾種決策方法的比較分析 207
習題12 209
第13章 風險型決策方法 211
13.1 風險型決策的基本問題 211
13.2 風險型決策的期望值準則 212
13.3 決策樹分析法 214
13.4 風險決策的靈敏度分析 216
13.4.1 敏感性分析的概念和步驟 216
13.4.2 兩狀態兩行動方案的敏感性分析 216
13.4.3 三狀態三行動方案的敏感性分析 217
13.5 效用理論及風險評價 219
13.5.1 效用的含義 219
13.5.2 效用曲線 220
13.5.3 效用曲線的類型 222
13.5.4 效用曲線的應用 222
13.6 連續型變量的風險型決策方法 224
13.6.1 邊際分析法 225
13.6.2 標準正態分布決策法 227
13.7 主觀概率決策法 229
13.7.1 主觀概率的基本概念 229
13.7.2 主觀概率的估計方法 230
13.7.3 主觀概率決策 233
13.8 貝葉斯決策法 234
13.8.1 貝葉斯決策的概念和步驟 234
13.8.2 后驗預分析 234
13.8.3 貝葉斯決策 239
習題13 241
第14章 多目標決策方法 245
14.1 多目標決策概述 245
14.1.1 多目標決策過程 245
14.1.2 多目標決策問題的要素 247
14.2 層次分析法 251
14.2.1 層次分析法的基本原理 251
14.2.2 層次分析法的基本步驟 258
14.3 字典式法 259
14.4 TOPSIS法 260
14.5 ELECTRE法 264
14.5.1 級別高于關系的性質 266
14.5.2 級別高于關系的構造 266
14.5.3 級別高于關系的應用 268
14.5.4 算法步驟 269
14.6 LINMAP法 271
14.7 優劣系數法 277
習題14 282
第15章 序貫決策方法 285
15.1 單目標確定性序貫決策 285
15.2 單目標隨機性序貫決策 289
15.3 馬爾可夫決策 293
15.3.1 狀態轉移概率矩
展開全部
統計預測與決策(第二版) 節選
上篇 統計預測 1.1 統計預測的概念 中國有兩句古話：“凡事預則立，不預則廢”和“人無遠慮，必有近憂”.這正是對預測的重要性所做的經驗總結.統計預測是適應社會經濟的發展和管理的需要而產生、發展起來的.隨著人類社會的發展，生產力得到了較大的提高.特別是作為生產力的**要素的科學技術水平顯著地提高，科學的統計預測逐步取代了迷信占卜和經驗預測而發展成為一門學科.統計預測真正成為一門自成體系的獨立的學科僅僅是近幾十年的事情.特別是第二次世界大戰以后，由于科學技術和世界經濟取得了前所未有的快速發展，社會經濟現象的不確定因素顯著增加，諸如政治危機、經濟危機、能源危機、恐怖活動等.所有這些不確定因素增加了人們從心理上了解和掌握未來的必要性和迫切性.人們日益意識到科學統計預測的重要性，這也就成為統計預測學科進一步發展的推動力. 對于“統計預測”一詞，可以從不同的角度來理解.它有三個含義，即統計預測工作、統計預測結果、統計預測學. 首先，從統計預測工作來看，它是指一種實踐活動.統計預測是如何利用統計方法，對不確定的事件或未知的事件根據其過去和現狀的信息來推知、估計未來，探索事件發展變化的規律.亦即根據已知推斷未知的過程. 其次，從統計預測結果來看，它是統計預測工作的成果和“產品”.具體表現為統計預測工作過程所獲得的統計預測值.這些統計預測值是反映社會經濟現象的數量特征及其規律性. *后，從統計預測學來看，它是闡述統計預測方法的一門學科和理論.科學統計預測方法是采用科學的統計判斷和計量方法，對未來事件的可能變化情況做出事先推測的一種技術.統計預測學是一門統計模型應用的方法論學科.科學統計預測方法要求根據社會、經濟和工程領域的歷史和現實統計資料，綜合多方面的信息，運用定性和定量相結合的統計分析方法，來揭示客觀事物的發展變化的規律，并指出事物之間的聯系、未來發展的途徑和結果等. 上述三個含義既有區別也有聯系.統計預測結果是統計預測工作的成果.統計預測學是統計預測工作的理論概括和總結，因此統計預測學闡述的統計預測方法對統計預測工作起著指導作用.統計預測工作一方面接受統計預測方法對其的指導作用，另一方面可以用來檢驗統計預測理論方法正確與否，從而促進統計預測理論方法的發展.統計預測學與預測工作、預測結果之間的關系表明理論來源于實踐，又反過來服務于實踐，體現著理論與實踐的辯證關系. 統計預測學已發展成為一門綜合性的學科，它突破了自然科學和社會科學的界限.目前統計預測學應用研究領域有很大的開拓，它廣泛應用于人口、環境、資源、教育、金融、交通運輸、城市規劃、醫藥衛生、材料科學、科技管理等領域.可見統計預測方法與各個學科、各個部門均有密切聯系.同時統計預測學理論研究有了新的進展，但是我們還不能說統計預測學已經發展得很成熟.它在以較快的速度繼續向前發展.在發展過程中不斷地吸收其他學科的營養，進一步豐富和完善自己. 現代統計預測理論由五個基本要素組成：預測者、預測依據、預測方法、預測對象、預測結果.五個基本要素的關系如圖1.1.1所示. 圖1.1.1 統計預測五個基本要素之間的關系 1.2 統計預測方法的分類 根據其目標和特點不同，統計預測可以分成不同的類別.傳統的預測方法按屬性不同，可以分為定性預測方法和定量預測方法. 定性預測方法就是以人的經驗、事理等主觀判斷為主的預測方法，對事物的未來性質做出描述.一般地，定性預測方法適用于缺少歷史統計資料，而需要在更多地依賴專家經驗的情況下使用.定性預測方法通常有德爾菲法、主觀概率法、市場調查法、領先指標法、模擬推理法和相關因素分析法等.定性預測法的特點可歸納如下： (1)強調對事物發展的性質進行描述性的預測.這主要通過專家的經驗以及分析判斷能力.尤其是對預測對象所掌握的歷史數據不多或影響預測對象因素眾多、復雜的情況下，難以做出定量分析，此時定性預測方法是較好的可行方法. (2)強調對事物發展的趨勢、方向和重大轉折點進行預測.例如，某商品在市場上所處的階段、市場總體形勢的變化、國家產業政策的變化、新產品的開發、企業經營環境分析等. 從上面定性預測方法的特點可知，定性預測法的優點在于預測事物未來發展性質方面，且定性預測法的靈活性較強，能充分發揮人們的主觀能動性，同時定性預測法預測簡單迅速，可節省一定的人力、物力和財力.當然定性預測方法也存在缺點，其缺點表現為它受人們的主觀因素的影響較大.這是因為定性預測方法主要依賴于人們的知識、經驗和能力等，因此它缺乏成套的數學模型，難以對事物發展做出數量上的精確度量. 定量預測方法就是利用預測對象的歷史和現狀的數據，按變量之間的函數關系建立數學模型，從而計算出預測對象的預測值.顯然定量預測方法適用于歷史統計資料較為豐富的情況.定量預測方法通常有移動平均法、指數平滑法、線性回歸法、非線性回歸法、馬爾可夫預測法、灰色預測法、Box-Jenkins模型法、經濟計量模型法、組合預測方法等等. (1)強調對事物發展的數量方面進行較為精確性的預測.這主要通過歷史統計數據建立相應的統計模型對事物發展做出數量上的預測. (2)強調對事物發展的歷史統計資料和統計模型利用的重要性，且要利用計算機應用軟件來解決定量預測法中復雜的數學模型的參數計算問題.目前，計算機的普及和若干統計軟件的開發，為定量預測法提供了良好的技術條件. 從上面定量預測方法的特點可知，定量預測法的優點偏重于預測事物未來發展數量方面的準確描述.它較少依賴于人的知識、經驗等主觀因素，而是更多地依賴于預測對象客觀的歷史統計資料，利用電子計算機對數學模型進行大量的計算獲得預測結果.其缺點是：對預測者的素質要求較高，預測者必須掌握統計方法、計算機技術及相應的專門理論;另外定量預測法的精確度較多地依賴于統計資料的質量和數量，以及統計預測方法的選取等.同時若預測對象的系統結構發生質的變化時，相應的統計數據發生較大的波動，此時定量預測法難以獲得滿意的預測結果. 1.3 統計預測的原則和步驟 1.3.1 統計預測的原則 一般而言，統計預測遵循以下基本原則. (1)連貫性原則.統計預測對象具有的規律性不僅在過去和現在起作用，而且在未來的一段時間內繼續發揮作用，這種連貫性包括時間的連貫性和統計預測系統結構的連貫性. (2)相關類推原則.統計預測對象的發展變化與某些因素密切.有的呈正相關關系，有的呈負相關關系.因此類推原則要求在建立適當的統計預測模型后，根據相關因素發展變化來類推統計預測對象的規律. (3)概率性原則.統計預測對象的發展既受到偶然因素的影響，又受到必然因素的影響.概率性原則要求利用統計方法可以獲得統計預測對象發展的必然規律. (4)系統性原則.預測者在做統計預測時，要采用系統分析的方法.所謂的系統，就是由相互作用、相互依賴、相互制約的若干組成部分結合而成的，具有特定功能的有機整體，它可能是某個更大系統的子系統.因此，預測事物要從系統的觀點出發，研究其全局性的預測問題，不能將其隨意割裂.同時注意事物發展的動態階段以及與其他系統的相互關系.例如，交通系統作為社會的一個子系統，其發展變化必然受到整個社會系統的影響，并且政治、經濟、文化等的發展變化也會引起交通系統發展變化.因此，統計預測的系統性原則要求做交通預測時，不僅要考慮到其自身的發展變化，還要考慮到社會其他子系統的發展變化. 1.3.2 統計預測的步驟 統計預測是一個完整的過程，在解決實際的預測問題時，一般包括以下步驟. (1)分析統計預測問題，明確預測目標. 因為統計預測所解決的問題一般都是來源于實際的社會經濟系統較為復雜的問題，涉及的因素較多，事情發展的后果難以預計，所以要通過調查研究，理清影響因素以及可能導致的后果.明確預測目標是解決問題的關鍵. (2)收集和整理歷史及現實統計信息. 統計預測根據事物過去和現在的信息來推知和估計其未來的發展變化規律.因此有必要根據預測目標去收集和整理統計資料.這不僅包括其自身發展的歷史和現實信息，而且也要包括影響其發展的相關因素的歷史和現實信息.當然，收集來的信息需要進行適當的整理，去粗取精，去偽存真. (3)建立合適的統計預測模型. 模型是對客觀世界的事物、現象、過程和系統作簡化的描述，是對實際問題的抽象概括和嚴格的邏輯表達.統計預測模型和方法有很多，每種模型和方法都有其自身特點和適用范圍.由于實際預測問題的復雜性，所以很難總結出一套規范的方法來建立通用的統計模型.因此建立統計預測模型是一項創造性的勞動，要依靠預測工作者發揮其聰明才智，并利用其預測經驗來完成.在建立統計預測模型時，還應考慮收集信息的充足情況，預測對象的特點以及完成預測任務的時間限制等因素. (4)進行實際預測，并評價統計預測模型. 首先根據建立好的預測模型，把模型中因素變量信息代入到模型中進行計算
書友推薦
- >
羅庸西南聯大授課錄
- >
名家帶你讀魯迅:故事新編
- >
自卑與超越
- >
伯納黛特,你要去哪(2021新版)
- >
苦雨齋序跋文-周作人自編集
- >
我與地壇
- >
回憶愛瑪儂
- >
【精裝繪本】畫給孩子的中國神話
本類暢銷
