1、第五章預測決策法本章概要：1. 預測的重要性2. 討論不同的預測方法3. 時間序列4. 計算預測的誤差5. 因果分析預測6. 線性回歸方法7. 趨勢外推法8. 平均法、移動平均法、指數平滑法預測9. 預測有季節性和特定趨勢的時間序列第一頁，共二十六頁。預測與決策 預測資源目標經理決策執行情況實施第二頁，共二十六頁。預測方法分類 判斷預測法定性方法預測定量方法趨勢外推法因果分析法歷史數據參數值其它因素預測方法初步預測最終預測主要觀點、信息、討論等第三頁，共二十六頁。判斷預測法 精確性 短期 中期 長期 個人見解 差 差 差 低 座 談 會 輕差 輕差 差 低 市場調查 很好 好 可以 高 歷史推

2、斷 差 稍好 稍好 中 德爾菲法 較好 較好 較好 稍高方法成本第四頁，共二十六頁。時間序列與預測誤差 值值值值值值時間時間時間時間時間時間(f)階梯序列(e)脈沖序列(d)季節趨勢序列季節性序列(b)趨勢序列(a)常數序列常見的時間序列圖第五頁，共二十六頁。時間序列與預測誤差誤差均值= =誤差絕對均值= =誤差平方均值= =t時間，D(t)時間t的需求，F(t)時間t的預測值E(t)=D(t)F(t) 誤差E(t)n D(t)F(t)n D(t)F(t)n E(t)n E(t)n D(t)F(t)n22第六頁，共二十六頁。時間序列與預測誤差實例 1： 下面時間序列的預測誤差是多少？ t 1

3、2 3 4 5 6 7 8 D(t) 122 135 142 156 156 161 169 177 F(t) 112 120 131 144 157 168 176 180因果分析預測，原因及其關系（預測值與其有關因素）第七頁，共二十六頁。時間序列與預測誤差第八頁，共二十六頁。時間序列與預測誤差第九頁，共二十六頁。線性回歸法Y(i)=a+bX(i)+E(i)minE(i)2 求a、b最小= 法） Y(X) = a+bX b = a = =nXY-(X) (Y)nX2+(X)2YnXnbY bX第十頁，共二十六頁。線性回歸法案例一： 海爾福特化工公司正在考慮改變產品檢驗的方法。他們做了一些不同

4、檢驗次數的實驗，得到了相應的殘次品數目數據。 檢驗次數 0 1 2 3 4 5 6 7 8 9 10 殘次品數目 92 86 81 72 67 59 53 43 32 24 12 如果海爾福特打算檢驗6次，產品中還會有多少殘次品？如果檢驗20次呢？第十一頁，共二十六頁。確定性系數與相關系數（SSE,Sum of squared errors) 總SSE = Y(i)-Y 2 解釋SSE = Y(i)Y 2r2 = 確定性系數 = =r = 相關系數 = 確定性系數解釋的SSE總的SSEn(XY)-XYnX2-(X)2 nY2-(Y)2+-YX解釋的總的均值（Y）回歸線（Y）未解釋的總的、解釋的

5、和未解釋的偏離之間的關系第十二頁，共二十六頁。確定性系數與相關系數（SSE,Sum of squared errors) XXXXXXYYYYYY(a)r=+1(b)r接近于+1(c)r逐漸變小(d)r=0(e)r接近于-1(f)r=-1第十三頁，共二十六頁。確定性系數與相關系數（SSE,Sum of squared errors)實例2：在過去的10個月中，一家鋼鐵廠的某部門用電量與鋼產量有關，具體數據如下： 產量(百噸)1131412 用電(百度)167799710093(a) 畫出散點圖，觀察電力消耗與產量之間的關系。(b) 計算確定性系數和相關系數。(c) 求出上述數據的最優擬合線，a

6、和b的值各代表什么意義？(d) 如果一個月要生產2000噸鋼，該廠將需要多少電量？產量（百噸）用電（百瓦）2 4 6 8 10 12 1410080604020第十四頁，共二十六頁。確定性系數與相關系數（SSE,Sum of squared errors) 第十五頁，共二十六頁。確定性系數與相關系數（SSE,Sum of squared errors) 第十六頁，共二十六頁。趨勢外推預測法簡單平均數：F(t+1) = D(t)移動平均數：F(t+1) = D(t-k) N指數平滑法：F(t+1) = D(t)+(1-)F(t) 實例3：下表所示的是某產品上一年度的月需求情況，采用移動平均 法，

7、分別按N=3，N=6和N=9逐期做出預測。 月份 1 2 3 4 5 6 7 8 9 10 11 12 需求 16 14 12 15 18 21 23 24 25 26 37 38nt=1N-1k=0第十七頁，共二十六頁。趨勢外推預測法 第十八頁，共二十六頁。趨勢外推預測法 第十九頁，共二十六頁。趨勢外推預測法實例4： 下面的時間序列在第3個月時，需求有一個明顯的跳躍式上升。假定初始預測值為500，取為不同的值，比較按照指數平滑預測的結果。 月 1 2 3 4 5 6 7 8 9 10 11 實際值 480 500 1500 1450 1550 1500 1480 1520 1500 1490

8、 1500第二十頁，共二十六頁。趨勢外推預測法第二十一頁，共二十六頁。趨勢外推預測法第二十二頁，共二十六頁。季節性和趨勢性模型 季節性指數 = F(t+1) = U(t)+T(t) I(n) U(t) 基本值（根據季節與趨勢調整） T(t) 趨勢值 I(n) 季節指數實例5：一組12期的需求數據顯示出兩期為一個季節。對這種數據的預測需要一些初始值，用前8期的數據得出： 循環中第1期的季節指數=1.2 循環中第2期的季節指數=0.8 基本需求U(8)=100 趨勢T(8)=10 按平滑系數0.15預測會得到合理的結果。試用以下的數據及以上參數值，預測今后4期的需要。 期次 9 10 11 12 循環中的期次 1 2 1 2 需求 130 96 160 110季節性值非季節性值第二十三頁，共二十六頁。季節性和趨勢性模型 第二十四頁，共二十六頁。季節性和趨勢性模型 第二十五頁，共二十六頁。內容總結第五章預測決策法。8. 平均法、移動平均法、指數平滑法預測。Y(X) = a+bX。nX2+(X)2。他們做了一些不同檢驗次數的實驗，得到了相應的殘次品數目數據。確定性系數與相關系數（SSE,Sum of squared errors)。總的、解釋的和未解釋的偏離之間的關系。在過去的10個月中，一家鋼鐵廠的某部門用電量與鋼產量有關，具