1.表3-10给出了某计算机公司近10个月的实际销售量和用A,B两种模型进行预测的预测
值。
(a)计算两种模型的MAD (b)计算两种模型的RSFE
(c)哪一种模型好一些,为什么?
解:
(a)A模型MOD=
|A-F|/n=(44+10+26+22+108+53+15+30+58+12)/10=378/10
t
t
t1
n
=37.8
B模型MOD=
|B-F|/n=(14+20+4+22+46+23+10+55+28+18)/10=240/10
t
t
t1
n
=24
(b)A模型的RSFE=(At-Ft)=(-44-10-26+22+108+53+15-30-58-12)
t1
n
=18
B模型的RSFE=
(B-F)=(-14+20+4+22-+46+23-10-55-28+18)
t
t
t1
n
= 26 (c)模型较好
2.表3-11是某种特种汽车轮胎的月销售记录。
(a)计算当SA0=100,=0.2时的一次指数平滑预测值并画图。 (b)计算当SA0=100,=0.4时的一次指数平滑预测值。 (c)计算(a),(b)两种情况下的MAD,RSFE。
解:
(a)由于SAt=At+(1-)SAt-1
SA1=0.2A1+0.8SA0=0.2104+0.8100=100.8 SA2,3,4,5……同上述方法
由于SFt+1=At+(1-)SFt SFt+1=0.2At+0.8SFt
当t=1时,SF2=0.2104+0.8100.8=101.44 其余年份同上述方法求解 得如下图:
b=(na=(
xy-xy)/(nx
2
2(x))
y-bx)/n
0.[1**********]
0.[1**********] 0.8134692074 1.1343516917 16 df 1 14 15 Coefficients 1.49975
SS
MS
F
Significance F
SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值
方差分析
回归分析 残差 总计
Intercept X Variable 1
标准误差
t Stat P-value
0.[1**********]1 1.1030812237E-06
Lower 95%
Upper 95%
下限 95.0%
上限 95.0%
85.460622353 85.460622353 66.415677168 1.1030812237E-06 18.014552647 1.2867537605 103.475175
0.594852.[1**********] 54995 0.223902.[1**********] 57583 0.223902.[1**********] 57583
0.501350.061518.[1**********] 8857953 14106 0.369400.633290.369400.[1**********] 776836 811399 776836
所以y=1.49975+0.[1**********]x 所以得出
1.表3-10给出了某计算机公司近10个月的实际销售量和用A,B两种模型进行预测的预测
值。
(a)计算两种模型的MAD (b)计算两种模型的RSFE
(c)哪一种模型好一些,为什么?
解:
(a)A模型MOD=
|A-F|/n=(44+10+26+22+108+53+15+30+58+12)/10=378/10
t
t
t1
n
=37.8
B模型MOD=
|B-F|/n=(14+20+4+22+46+23+10+55+28+18)/10=240/10
t
t
t1
n
=24
(b)A模型的RSFE=(At-Ft)=(-44-10-26+22+108+53+15-30-58-12)
t1
n
=18
B模型的RSFE=
(B-F)=(-14+20+4+22-+46+23-10-55-28+18)
t
t
t1
n
= 26 (c)模型较好
2.表3-11是某种特种汽车轮胎的月销售记录。
(a)计算当SA0=100,=0.2时的一次指数平滑预测值并画图。 (b)计算当SA0=100,=0.4时的一次指数平滑预测值。 (c)计算(a),(b)两种情况下的MAD,RSFE。
解:
(a)由于SAt=At+(1-)SAt-1
SA1=0.2A1+0.8SA0=0.2104+0.8100=100.8 SA2,3,4,5……同上述方法
由于SFt+1=At+(1-)SFt SFt+1=0.2At+0.8SFt
当t=1时,SF2=0.2104+0.8100.8=101.44 其余年份同上述方法求解 得如下图:
b=(na=(
xy-xy)/(nx
2
2(x))
y-bx)/n
0.[1**********]
0.[1**********] 0.8134692074 1.1343516917 16 df 1 14 15 Coefficients 1.49975
SS
MS
F
Significance F
SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差 观测值
方差分析
回归分析 残差 总计
Intercept X Variable 1
标准误差
t Stat P-value
0.[1**********]1 1.1030812237E-06
Lower 95%
Upper 95%
下限 95.0%
上限 95.0%
85.460622353 85.460622353 66.415677168 1.1030812237E-06 18.014552647 1.2867537605 103.475175
0.594852.[1**********] 54995 0.223902.[1**********] 57583 0.223902.[1**********] 57583
0.501350.061518.[1**********] 8857953 14106 0.369400.633290.369400.[1**********] 776836 811399 776836
所以y=1.49975+0.[1**********]x 所以得出