第五章预测决策法 本章概要: 1.预测的重要性 2.讨论不同的预测方法 3时间序列 4.计算预测的误差 5.因果分析预测 6.线性回归方法 7.趋势外推法 8.平均法、移动平均法、指数平滑法预测 9预测有季节性和特定趋势的时间序列
第五章预测决策法 本章概要： 1. 预测的重要性 2. 讨论不同的预测方法 3. 时间序列 4. 计算预测的误差 5. 因果分析预测 6. 线性回归方法 7. 趋势外推法 8. 平均法、移动平均法、指数平滑法预测 9. 预测有季节性和特定趋势的时间序列
预测与决策 预测 资源 目标 经理 决策 实施 执行情况
预测与决策 预测 资源 目标 经理 决策 执行情况 实施
预测方法分类 预测 趋势外推法 判断预测法 定性方法 定量方法 因果分析法 历史数据 主要观点、信 讨论等 参数值 预测方法)(初步预测 最终预测 其它因素
预测方法分类 判断预测法 定性方法 预测 定量方法 趋势外推法 因果分析法 历史数据 参数值 其它因素 预测方法 初步预测 最终预测 主要观点、信 息、讨论等
判断预测法 精确性 方法短期中期长期成本 个人见解差差差低 座谈会轻差轻差差低 市场调查很好好可以高 历史推断差稍好稍好中 德尔菲法较好较好较好|稍髙
判断预测法 精确性 短期 中期 长期 个人见解 差 差 差 低 座 谈 会 轻差 轻差 差 低 市场调查 很好 好 可以 高 历史推断 差 稍好 稍好 中 德尔菲法 较好 较好 较好 稍高 方法 成本
时间序列与预测误差 值 值 值 (a)常数序列时间 (b)趋势序列时间 c季节性序列时间 值 值 (d)季节趋势序列时间 (e)脉冲序列时间 (f阶梯序列时间 常见的时间序列图
时间序列与预测误差 值 值 值 值 值 值 时间 时间 时间 时间 (e)脉冲序列 时间 (f)阶梯序列 时间 (d)季节趋势序列 (a)常数序列 (b)趋势序列 ©季节性序列 常见的时间序列图
时间序列与预测误差 误差均值 ∑E(t)_∑(D(t)-F(t) 误差绝对均值=2E()=2xD()-F( 误差平方均值 (E(t)x[(t)-F()2 t时间,D(t)一时间t的需求,F(t)一时间t的预测值 E(t=D(t)-F(t 误差
时间序列与预测误差 误差均值= = 误差绝对均值= = 误差平方均值= = t—时间，D(t)—时间t的需求，F(t)—时间t的预测值 E(t)=D(t)―F(t) 误差 ΣE(t) n Σ D(t)―F(t) n Σ D(t)―F(t) n Σ E(t) n Σ E(t) n Σ D(t)―F(t) n 2 2
时间序列与预测误差 实例1: 下面时间序列的预测误差是多少? t12345678 D(t)122135142156156161169177 F(t)12120131144157168176180 因果分析预测,原因及其关系(预测值与其有关因素)
时间序列与预测误差 实例 1： 下面时间序列的预测误差是多少？ t 1 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 因果分析预测，原因及其关系（预测值与其有关因素）
时间序列与预测误差 吴差 预测误 观察期需求预测误差误差绝对数误差平方 2135120 4156144 144 5156157 6161 7169176 773 合计12181188 66698
时间序列与预测误差 A B C D E F 1 2 3 观察期 需求 预测 误差 误差绝对数 误差平方 4 1 122 112 10 10 100 5 2 135 120 15 15 225 6 3 142 131 11 11 121 7 4 156 144 12 12 144 8 5 156 157 -1 1 1 9 6 161 168 -7 7 49 10 7 169 176 -7 7 49 11 8 177 180 -3 3 9 12 13 合计 1218 1188 30 66 698 预测误差
时间序列与预测误差 对数误差平方
时间序列与预测误差 2 3 观察期 需求 预测 误差 误差绝对数 误差平方 4 1 122 112 10 10 100 5 2 135 120 15 15 225 6 3 142 131 11 11 121 7 4 156 144 12 12 144 8 5 156 157 -1 1 1 9 6 161 168 -7 7 49 10 7 169 176 -7 7 49 11 8 177 180 -3 3 9 12 13 合计 1218 1188 30 66 698 14 均值 152,3 148,5 3,75 8,25 87,25
线性回归法 Y()=a+bx()+E() minE(i 求a、b最小=法) Y(X)=a+bx b nΣXY-(∑X)·(∑Y) nΣX2+(∑X)2 a b=YbX n
线性回归法 Y(i)=a+bX(i)+E(i) minE(i)2 求a、b最小= 法） Y(X) = a+bX b = a = = nΣX·Y-(ΣX) ·(ΣY) nΣX2+(ΣX)2 ΣY n ΣX n b Y bX
