自考30447数据、模型与决策.ppt

《自考30447数据、模型与决策.ppt》由会员分享，可在线阅读，更多相关《自考30447数据、模型与决策.ppt（181页珍藏版）》请在三一办公上搜索。

1、2023/5/24,1,第1章 总论,本讲主要内容：一、数据分析的意义二、数据、模型与决策关系三、定量分析的要求,2023/5/24,2,第1章 总论,一、数据分析的意义1、定量方法类课程在工商管理中的地位,2023/5/24,3,第1章 总论,一、数据分析的意义2、定类分析类课程的实用性 背景分析1：企业生产经营方式 背景分析2：定价与销售效果 背景分析3：社会救助与公司解雇 背景分析4：销售因素诊断,2023/5/24,4,第1章 总论,二、数据、模型与决策关系,2023/5/24,5,第1章 总论,二、数据、模型与决策关系,2023/5/24,6,第1章 总论,三、定量分析的要求 定性分

2、析为先导 管理决策为根本目标 科学方法论为指导 数学模型为主要工具 软件应用为辅助性手段,2023/5/24,7,第2章 数据资料的来源、分类与变换,本讲的主要内容：一、数据资料的来源二、数据资料的分类三、数据质量检查的两种方法四、数据资料的变换,2023/5/24,8,第2章 数据资料的来源、分类与变换,一、数据资料的来源1、科学研究过程及方法,2023/5/24,9,第2章 数据资料的来源、分类与变换,一、数据资料的来源2、数据是开展定量分析的基础 如果选择实证研究，数据资料的采集可能是一项基础性质的工作。3、数据资料搜集提纲 研究目标，研究对象，研究变量，数据资料搜集的渠道，区分清楚资料

3、的最终用途。,2023/5/24,10,第2章 数据资料的来源、分类与变换,一、数据资料的来源4、数据资料搜集途径,2023/5/24,11,第2章 数据资料的来源、分类与变换,一、数据资料的来源4、数据资料搜集途径,2023/5/24,12,第2章 数据资料的来源、分类与变换,一、数据资料的来源5、不同抽样方式下的样本单位确定,2023/5/24,13,第2章 数据资料的来源、分类与变换,一、数据资料的来源6、样本抽取的电子表格实现 利用EXCEL“数据分析”中的“抽样”可以获得相应抽样方式的样本。,2023/5/24,14,第2章 数据资料的来源、分类与变换,二、数据资料的分类1、测量尺度

4、分类,2023/5/24,15,第2章 数据资料的来源、分类与变换,二、数据资料的分类2、时空要素分类,2023/5/24,16,第2章 数据资料的来源、分类与变换,三、数据质量检查的两种方法1、数据资料质量 准确性，时效性，代表性，系统性，可比性2、数据资料质量的相对性3、数据质量的影响因素,2023/5/24,17,第2章 数据资料的来源、分类与变换,三、数据质量检查的两种方法4、数据质量检查,2023/5/24,18,第2章 数据资料的来源、分类与变换,四、数据资料的变换1、数据变换的目的 便于运用简单的方法开展分析，迅速获得更加清晰的直观认识，保证数据分析所需要的假定条件得到满足，弱化

5、乃至消除数据资料不准确对计量分析结论的影响，利于选择和建立合适的分析模型。2、数据变换的方法 线性和线性化变换，差分变换，方差稳定化变换，标准化变换等。,2023/5/24,19,第3章 统计资料描述分析,本讲的主要内容：一、一般介绍二、数据描述的图表工具三、数据分析的特征数字四、电子表格数据处理,2023/5/24,20,第3章 统计资料描述分析,一、一般介绍 围绕某个问题开展研究，可以采用定性和定量分析两种逻辑。,2023/5/24,21,第3章 统计资料描述分析,一、一般介绍 实证分析的基础是占有数据资料，采集到必要的数据后，通常需要对数据资料实施描述性分析。,2023/5/24,22,

6、第3章 统计资料描述分析,二、数据描述的图表工具1、统计表的种类2、频数分布 频数分布是统计资料整理和描述分析过程中经常使用的一种方法，频数分布能对观察资料实施大幅度的压缩和提炼，可以使资料以更加清晰、简洁的形式展现出来，从而便于直观地了解现象的内部结构。频数分布是在统计分组的基础上形成的样本单位在各个组间的分配。,2023/5/24,23,第3章 统计资料描述分析,二、数据描述的图表工具3、EXCEL频数分布的制作 利用EXCEL中的函数FREQUENCY，可以编制频数分布，具体过程是：首先确定分组组数和组限，一次性选定与组数大小相同的空白行，然后编写函数“=FREQUENCY(数据区域，每

7、个组的上限值)”，最后按CTRL+SHIFT+ENTER。,2023/5/24,24,第3章 统计资料描述分析,二、数据描述的图表工具4、频数分布中的几个概念（1）频数。每个组观察值出现的次数，统称为频数，用以反映各组观察值发生的频繁程度。（2）频率。各个组中的频数与所有组频数之和的比率。（3）累积频数。几个相关组发生频数的合计，能够反映组合并后的观察值总共出现的次数。（4）累积频率。几个相关组发生频率的累加和，能够用于描述和解释组合并后观察值出现的相对频繁程度。,2023/5/24,25,第3章 统计资料描述分析,二、数据描述的图表工具5、数据描述的图形显示（1）直方图、折线图与曲线图：功能

8、与绘制；（2）累积分布图：功能与绘制；（3）饼形图与圆环图；（4）帕雷特图：应用与绘制；（5）雷达图：功能、阅读与绘制；（6）散点图：功能、应用与绘制；（7）茎叶图：含义、作用于制作。,2023/5/24,26,第3章 统计资料描述分析,三、数据分析的特征数字（一）综述,2023/5/24,27,第3章 统计资料描述分析,三、数据分析的特征数字（二）定量数据的特征数字1、定量数据集中趋势的特征数字 定量数据集中趋势的特征数字，常用的有算术平均数、中位数、众数、截尾均值等。（1）算术平均数：含义，计算方法，应用。（2）中位数与四分位数：含义，计算，应用。（3）众数：含义，计算方法，应用。（4）截

9、尾均值：含义，计算方法，应用。,2023/5/24,28,第3章 统计资料描述分析,三、数据分析的特征数字（二）定量数据的特征数字2、定量数据集中趋势特征数字的综合应用（1）算术平均数、中位数、众数的结合应用 将算术平均数、中位数和众数结合起来，可以大致判断现象存在的对称性。如果现象存在的状态是对称的，算术平均数、中位数与众数完全相同。算术平均数、中位数或众数不相同，说明现象存在的状态不对称，算术平均数大于中位数或众数，表明现象呈右偏态，频数分布的尾巴拖向右边。算术平均数小于中位数或众数，表明现象呈左偏态，频数分布曲线的尾巴拖向左边。,2023/5/24,29,第3章 统计资料描述分析,三、数

10、据分析的特征数字（二）定量数据的特征数字2、定量数据集中趋势特征数字的综合应用（2）中位数与四分位数的结合应用 从方法性质上，中位数与四分位数没有本质的不同，都是根据样本数据排序的位置确定的，所以常称为位置集中趋势测度。但将它们结合起来使用，也能发挥更大的作用。比如经常见到的“箱线图”。,2023/5/24,30,第3章 统计资料描述分析,三、数据分析的特征数字（二）定量数据的特征数字2、定量数据集中趋势特征数字的综合应用（3）马尔可夫不等式 为一组非负观察值，为算术平均数，k为大于1常系数，则有表明某个数值不小于算术平均数k倍的概率不会超过1/k。,2023/5/24,31,第3章 统计资料

11、描述分析,三、数据分析的特征数字（二）定量数据的特征数字3、定量数据离散趋势特征数字 观察值之间的差异程度或频数分布的分散程度，称为离散趋势。常用的离散趋势的特征数字有：极差，四分位数差，方差与标准差。（1）极差：含义，计算，应用。（2）四分位数差：含义，计算，应用。（3）方差与标准差：含义，计算，应用。,2023/5/24,32,第3章 统计资料描述分析,三、数据分析的特征数字（二）定量数据的特征数字4、定量数据离散趋势特征数字的综合应用（1）数据资料标准化。（2）变异系数 变异系数是把算术平均数与标准差联系起来的一个测度。,2023/5/24,33,第3章 统计资料描述分析,三、数据分析的

12、特征数字（二）定量数据的特征数字4、定量数据离散趋势特征数字的综合应用（3）切比雪夫经验规则 切比雪夫定理：任何一个数据集中，至少有 个数据出现在均值Z个标准差的范围，其中Z是一个大于1的数。,2023/5/24,34,第3章 统计资料描述分析,三、数据分析的特征数字（二）定性数据的特征数字1、定性数据集中趋势的特征数字 属性资料集中趋势的测度主要是：众数，中位数，四分位数等。2、定性数据离散趋势的特征数字（1）离散比率,2023/5/24,35,第3章 统计资料描述分析,三、数据分析的特征数字（二）定性数据的特征数字2、定性数据离散趋势的特征数字（2）GINI-SIMPSON指数（3）熵,2

13、023/5/24,36,第3章 统计资料描述分析,四、电子表格数据处理 利用EXCEL加载宏中的“数据分析”，可以一次性处理数量数据相关的特征数字计算。具体过程是：在EXCEL工作表中录入需要处理的数据；点击菜单栏中的“数据”，从右上方找到“数据分析”；在弹出的对话框中，选择“描述统计”，然后按“确定”；在新弹出的对话框中，将待处理数据所在的范围输入到“输入区域”框中，指定输出区域，选定“汇总统计”。,2023/5/24,37,第4章 参数样本推断,本讲的主要内容：一、统计量与抽样分布 二、参数估计应用 三、假设检验应用四、EXCEL中的“数据分析”,2023/5/24,38,第4章 参数样本

14、推断,一、统计量与抽样分布 1、参数与统计量 特征数字有总体特征数字和样本特征数字之分。总体特征数字是根据研究对象全体调查资料计算的，反映了研究对象总体的基本信息，常被叫做参数。样本特征数字是根据研究对象中抽取出来的部分代表性单位即样本观察数据计算的，反映了样本资料的基本信息，也叫统计量。,2023/5/24,39,第4章 参数样本推断,一、统计量与抽样分布 2、统计量的抽样分布 统计量是样本的函数，随着抽取的样本的变化，得到的统计量值彼此之间存在差异。为了搞清统计量的性质，需要借助频数分布的概念，以揭示统计量取值的变化情况。抽样分布就是，从总体中抽出相同容量的全部样本，并计算出统计量的值，然

15、后按统计量的值编制出来的频数分布。,2023/5/24,40,第4章 参数样本推断,一、统计量与抽样分布3、常用的统计量抽样分布（1）单样本均值抽样分布（2）两样本均值差的抽样分布,2023/5/24,41,第4章 参数样本推断,一、统计量与抽样分布3、常用的统计量抽样分布（3）样本比例数的抽样分布（4）样本方差的抽样分布,2023/5/24,42,第4章 参数样本推断,二、参数估计应用 1、点估计 点估计也叫定值估计，它针对总体参数的性质构造估计用统计量，然后由样本资料计算出统计量的值，并直接作为相应总体参数值的替代。用一句话来说，就是用单个统计量的值作为总体参数值的近似或估计。,2023/

16、5/24,43,第4章 参数样本推断,二、参数估计应用 1、点估计 从实用的角度，在此把点估计做一归纳。,2023/5/24,44,第4章 参数样本推断,二、参数估计应用 2、区间估计（1）单总体均值区间估计（2）两总体均值差区间估计,2023/5/24,45,第4章 参数样本推断,二、参数估计应用 2、区间估计（3）总体比例数区间估计,2023/5/24,46,第4章 参数样本推断,二、参数估计应用 2、区间估计（4）总体方差区间估计,2023/5/24,47,第4章 参数样本推断,三、假设检验应用1、总体均值检验（1）单样本总体均值检验（2）两总体均值差检验,2023/5/24,48,第4

17、章 参数样本推断,三、假设检验应用2、总体比例数检验3、总体方差检验,2023/5/24,49,第4章 参数样本推断,四、EXCEL中的“数据分析”1、EXCEL的参数估计 利用EXCEL中的“数据分析”可以做参数的点估计与区间。以均值为例，运行“数据分析”得到输出结果后，直接以特征数字作为点估计，将均值和置信度做减和加处理，便能得到区间估计。其他的估计，可以在电子表格中直接编写计算公式。,2023/5/24,50,第4章 参数样本推断,四、EXCEL中的“数据分析”2、EXCEL的参数假设检验 EXCEL中的“数据分析”带有两样本等方差、异方差等检验功能，使用过程是：第一步，在EXCEL工作

18、表中编录数据；第二步，从菜单栏“数据”的右上方找到“数据分析”并打开；第三步，在弹出的对话框中，打开“t-检验：双样本等方差假设”，根据提示进行相关设定即可。,2023/5/24,51,第5章 方差分析及其应用,本讲的主要内容：一、方差分析的基本问题二、单因素方差分析三、两因素方差分析四、电子表格求解,2023/5/24,52,第5章 方差分析及其应用,一、方差分析的基本问题1、含义 方差分析是在若干个能够互相比较的资料组中，把产生变异的原因加以明确区分的方法和技术。2、假定条件 实验相互独立，实验误差服从正态分布，等方差。3、基本思想 某一因素水平下的实验结果，由于实验条件相同，数据间的差异

19、可看成是随机性误差引起的，不同因素水平下的实验数据因实验条件改变，其间的差异可看成主要是实验条件改变造成的。随机误差服从正态分布，因此每一因素水平下的实验数据又可当作是来自这一因素水平的总体的一个样本，理论上应该有一个均值。如此一来，因素影响是否显著就转化为检验 是否相等的问题。,2023/5/24,53,第5章 方差分析及其应用,二、单因素方差分析1、单因素等重复方差分析（1）提法 实验中只考虑一个因素A，分r 个水平作观察，每个水平下的实验结果均服从正态分布且方差相等。为检验 是否相等，对每个水平都做n 次实验（等重复的含义），且保证各次实验相互独立。,2023/5/24,54,第5章 方

20、差分析及其应用,二、单因素方差分析1、单因素等重复方差分析（2）检验统计量其中,2023/5/24,55,第5章 方差分析及其应用,二、单因素方差分析2、单因素不等重复方差分析（1）提法 实验中只考虑一个因素A，分r 个水平作观察，每个水平下的实验结果均服从正态分布且方差相等。为检验 是否相等，对每个水平所做的实验次数不一定相等，但各次实验相互独立。,2023/5/24,56,第5章 方差分析及其应用,二、单因素方差分析2、单因素不等重复方差分析（2）检验统计量其中,2023/5/24,57,第5章 方差分析及其应用,三、两因素方差分析1、无重复两因素方差分析（1）提法 实验中考虑两个因素，用

21、A、B表示，A因素取r个水平，B因素取s个水平，对A、B的每一水平搭配只作1次实验（无重复），实验结果服从正态分布。检验的问题：因素A和因素B对实验结果是否有显著影响。,2023/5/24,58,第5章 方差分析及其应用,三、两因素方差分析1、无重复两因素方差分析（2）检验统计量其中,2023/5/24,59,第5章 方差分析及其应用,三、两因素方差分析2、等重复两因素方差分析（1）提法 实验考虑两个因素A和B，A因素取r个水平，B因素取s个水平，对A与B的每一水平搭配分别作l次实验（等重复），实验结果服从正态分布，且各次实验相互独立。检验的问题是，因素A、因素B及其搭配对实验结果是否存在显著

22、的影响。,2023/5/24,60,第5章 方差分析及其应用,三、两因素方差分析2、等重复两因素方差分析（2）检验统计量其中,2023/5/24,61,第5章 方差分析及其应用,四、电子表格求解1、单因素方差分析 方差分析的计算工作量大，利用EXCEL中的“数据分析”功能，很容易能实现数据的处理。单因素方差分析实现过程：第一步，将实验数据输入到EXCEL工作表中；第二步，点击菜单栏“数据”，在右上方的“数据分析”找到并打开“方差分析：单因素方差分析”；第三步，在弹出的对话框中，根据需要和要求进行设置：（1）将待处理的数据一次性输入到“输入区域”；（2）选定分组方式，是列还是行；（3）选定“标志

23、位于第一行”，标志是数据所在列的名称；（4）在 中输入既定的显著性水平；（5）在输出选项中，指定结果放置。,2023/5/24,62,第5章 方差分析及其应用,四、电子表格求解2、两因素方差分析 EXCEL“数据分析”的两因素等重复方差分析实现过程：第一步，将实验数据输入到EXCEL工作表中，编辑数据时，把重复实验的结果放在行，每一行录入一个实验数据；第二步，点击菜单栏“数据”，在右上方的“数据分析”找到并打开“方差分析：可重复两因素分析”；第三步，在弹出的对话框中，根据需要和要求进行设置：（1）将待处理的数据一次性输入到“输入区域”；（2）在“每一行的样本数”中，输入重复实验的次数；（3）在

24、 中输入既定的显著性水平；（4）在输出选项中，指定结果放置。,2023/5/24,63,第6章回归模型及其应用,本讲的主要内容：一、简单线性回归分析二、多元线性回归分析三、简单非线性回归模型四、多元非线性回归模型五、线性回归分析的推广,2023/5/24,64,第6章回归模型及其应用,一、简单线性回归分析1、理论模型 为一组成对的样本观察，称刻画变量x与y关系的下列方程式为简单线性回归模型式中，y为因变量或被解释变量，x为自变量或解释变量，、为参数，表示截距，为回归系数，为随机项。,2023/5/24,65,第6章回归模型及其应用,一、简单线性回归分析2、求解3、抽样分布,2023/5/24,

25、66,第6章回归模型及其应用,一、简单线性回归分析3、区间估计与假设检验,2023/5/24,67,第6章回归模型及其应用,一、简单线性回归分析4、模型的代表性分析（1）残差图分析（2）拟合优度系数（3）估计标准误差,2023/5/24,68,第6章回归模型及其应用,一、简单线性回归分析5、EXCEL求解 EXCEL中，简单线性回归分析的求解过程：第一步，在工作表中录入数据；第二步，打开“数据”中的“数据分析”；第三步，打开“数据分析”中的“回归”，然后根据提示进行相应的设置：（1）将因变量数据输入到“Y值输入区域”，将自变量的数据输入到“X值输入区域”；（2）选定“标志”，如果没有X、Y观察

26、的命名行输入进去，可以不选；（3）选定“置信度”，根据需要输入置信水平值；（4）指定计算结果放置的位置；（5）根据需要进行残差分析。,2023/5/24,69,第6章回归模型及其应用,二、多元线性回归分析1、理论模型与假定假定条件：随机项服从正态分布，自变量与随机项不相关，等方差，自变量之间不存在共线性。,2023/5/24,70,第6章回归模型及其应用,二、多元线性回归分析2、模型的代表性分析 多元回归分析中，拟合优度系数是自变量的递增函数，随着自变量数目的增加，拟合优度系数的值只会变大不可能变小。为此，要想保证拟合优度系数的正确说明功能，需要对离差平方和分解基础上定义的拟合优度系数进行必要

27、的修正处理。修正的拟合优度系数公式,2023/5/24,71,第6章回归模型及其应用,二、多元线性回归分析3、EXCEL的求解 利用EXCEL求解多元线性回归模型：第一步，在EXCEL工作表中输入数据，输入数据时要把所有自变量的观察资料不留空白行和空白列编辑在一起；第二步，打开菜单栏“数据”中的“数据分析”，选定“回归”；第三步，将因变量的数据输入到“Y值输入区域”，将所有自变量的数据一次性输入到“X值输入区域”，选定“标志”，根据需要更改“置信度”的值；指定计算结果放置的位置，选定需要的残差分析；最后，按确定键即可。,2023/5/24,72,第6章回归模型及其应用,三、简单非线性回归模型1

28、、常见的简单非线性回归模型（1）简单幂函数方程（2）简单倒数模型,2023/5/24,73,第6章回归模型及其应用,三、简单非线性回归模型1、常见的简单非线性回归模型（3）简单倒数指数模型,2023/5/24,74,第6章回归模型及其应用,三、简单非线性回归模型2、简单非线性回归模型求解 对一般的简单非线性回归方程，求解的常规做法是：实施线性化处理，把非线性形式的方程转化成线性形式，然后按照简单线性办法求解，根据必要再进行参数估计量的逆变化。,2023/5/24,75,第6章回归模型及其应用,四、多元非线性回归模型1、多重弹性方程2、多项式方程,2023/5/24,76,第6章回归模型及其应用

29、,五、线性回归分析的推广1、自变量集中的虚拟变量 虚拟变量又称哑变量、示性变量，取值要么0要么1。在回归模型的自变量集合中引入虚拟，并不影响回归分析的一般程序，但可以实现其他分析功能，比如改变截距项、改变斜率等。,2023/5/24,77,第6章回归模型及其应用,五、线性回归分析的推广2、进行分段回归分析3、面板数据处理（举例说明）,2023/5/24,78,第7章时序分析与动态预测,本讲的主要内容：一、引言二、时间序列的作用与编制三、时间序列的对比分析四、时间序列的分解与假定五、长期趋势测定与预测六、季节性变动测定与预测七、循环变动分析,2023/5/24,79,第7章时序分析与动态预测,一

30、、引言,2023/5/24,80,第7章时序分析与动态预测,一、引言,2023/5/24,81,第7章时序分析与动态预测,二、时间序列的作用与编制1、含义 按时间顺序排列的现象发展变化的各期观察序列，就叫时间序列，比如：股票每个交易日开盘价，商品日成交量，公司历年利润等。2、种类 反映现象在一段时间（周、月、季、年）内发展变化的结果称之为时期时间序列。只表明现象在某一时刻所达到的规模、水平和数量状态的常称为时点时间序列。,2023/5/24,82,第7章时序分析与动态预测,二、时间序列的作用与编制3、时间序列的功能 时间序列在经济分析、生产管理、科学研究、系统控制中，有着许许多多的应用。时间序

31、列分析的目的主要是即描述、解释和预测。4、时间序列的编制 时间的长短应一致，变量的内含应一致，注意空间范围的变化，变量观察的计量单位要统一起来，统计方法要相同。,2023/5/24,83,第7章时序分析与动态预测,三、时间序列的对比分析1、发展水平与平均发展水平 时间序列中的每一项观察值，称为时间序列的水平，反映客观现象发展变化在各个不同时间上所达到的状态、规模或水平。时期序列平均发展水平时点序列平均发展水平,2023/5/24,84,第7章时序分析与动态预测,三、时间序列的对比分析2、增长量与平均增长量 增长量是时间序列中不同时期的发展水平之差，用于反映现象在观察期内增加或减少变化的绝对数量

32、。增长量的基本计算方法 增长量=报告期水平-基期水平 随着比较对象基期水平的选择不同，增长量有逐期增长量和累积增长量之分。计算逐期增长量时，基期水平都选择报告期的前一期水平，而计算累积增长量，基期水平都选择最初水平或某一固定时期的水平。,2023/5/24,85,第7章时序分析与动态预测,三、时间序列的对比分析2、增长量与平均增长量 平均增长量是观察期内各时期增长量的平均数，主要用以反映现象在观察期内平均增减变化的情况。平均增长量计算公式为,2023/5/24,86,第7章时序分析与动态预测,三、时间序列的对比分析3、发展速度与平均发展速度 将两个时期的发展水平相除，即得到发展速度，表明报告期

33、水平已发展到基期水平的百分之多少或者多少倍。计算公式 基期水平的选择不同，发展速度有环比发展速度和定基发展速度之分。时间序列中，各个时期发展速度的一般水平叫平均发展速度。,2023/5/24,87,第7章时序分析与动态预测,三、时间序列的对比分析4、增长速度与平均增长速度 增长速度是增长量与基期水平相比的结果，可用于反映现象发展变化的相对程度。平均增长速度是增长速度的平均数，一般用平均发展速度减1来求得。平均增长速度=平均发展速度-1,2023/5/24,88,第7章时序分析与动态预测,四、时间序列的分解与假定1、时间序列分解 根据时间序列分析的传统理论，可以把影响时间序列变异的因素划分为：长

34、期趋势、季节变动、循环变动和不规则变动。2、时序分析假定 加法假定 乘法假定,2023/5/24,89,第7章时序分析与动态预测,五、长期趋势测定与预测1、含义 客观现象由于受到某些决定性因素的作用，在一段较长时间内，持续向上或向下运动的态势。2、作用 长期趋势是现象运动、发展和变化的基本态势，这种态势不仅存在于过去，而且还可能继续延伸到未来，通过对时间序列长期趋势分析，可以帮助人们对现象的前景和将来状况进行预测；测定长期趋势，把它从时间序列中分离出来，有助于更好地研究季节变动、循环变动和不规则变动。,2023/5/24,90,第7章时序分析与动态预测,五、长期趋势测定与预测3、长期趋势测定（

35、1）移动平均法（2）趋势方程拟合 根据时间序列动态曲线的变化形状，可以用相应的函数方程进行模拟，由样本数据估计出函数方程后，通过该方程求出时间序列各观察值的趋势值。常用的趋势方程包括：直线方程、指数方程等。,2023/5/24,91,第7章时序分析与动态预测,五、长期趋势测定与预测4、长期趋势预测 时间序列的趋势预测是根据客观存在的长期趋势，通过拟合趋势方程或模型，以进行时间序列的外推。（1）移动平均预测 以时间序列中k个时期观察值的平均数，直接作为下个时期现象的估计值。,2023/5/24,92,第7章时序分析与动态预测,五、长期趋势测定与预测4、长期趋势预测（2）指数平滑预测 使用当期的实

36、际值和当期的预测值，通过加权平均以求得时间序列的长期趋势值。（3）趋势方程预测 先建立趋势方程模型，并运用数学手段将模型估计出来，然后进行趋势值的预测估计。,2023/5/24,93,第7章时序分析与动态预测,六、季节性变动测定与预测1、含义 季节变动是客观现象因受自然条件、人的经济活动行为、社会风俗习惯等原因的影响，在一个日历年度内呈现出的周期性波动，比如游泳池业务秋冬季人流量小春夏季人流量大，农作物的收获季节会带来运输和仓储压力的大幅度增加，衣着、燃料及某些食品的消费总会随一年四季的变化而波动，节假日商品交易量比平日大等。,2023/5/24,94,第7章时序分析与动态预测,六、季节性变动

37、测定与预测2、季节性变动测定（1）按季（月）平均法第一步，求不同年份同季（月）观察值平均数。第二步，计算所有年份所有季度观察值的总平均数。第三步，用 除以 得到季节指数,2023/5/24,95,第7章时序分析与动态预测,六、季节性变动测定与预测2、季节性变动测定（2）长期趋势剔除法 由加法假定出发，长期趋势剔除法的思想是：对时间序列求4个季度的移动平均，先消除季节变动S和不规则变动I，得到仅含长期趋势T和循环变动C的新时间序列，然后从Y=T+S+C+I中减去T+C，即Y-T-C=S+I，最后通过求不同年份同月（季）的平均数得出季节变差。由乘法假定出发，长期趋势剔除法的过程是：同样先求移动平均

38、，消除S和I的影响，得到仅含T和C的新时间序列，然后从Y=TSCI中除以TC，即，在此基础上，对仅含SI的序列进行平均，以得到各季的季节指数。,2023/5/24,96,第7章时序分析与动态预测,六、季节性变动测定与预测3、季节性预测 季节变动预测是既考虑长期趋势同时也考虑季节变动的影响，通过综合这两方面的因素对现象未来水平进行外推。季节变动预测的过程：首先对原始数据进行趋势拟合；通过估计出来的经验方程反过来估计时间序列中各项观察值的估计值；根据传统时间序列分解的假定，分别在加法假定和乘法假定条件下，进行相应的季节变差分析和季节指数分析；在获得趋势预测值的基础上；再用季节变动效果对趋势预测值进

39、行调整。,2023/5/24,97,第7章时序分析与动态预测,七、循环变动分析1、含义 循环变动又叫周期性波动，指现象在一年以上时间内出现的涨落相间的波动。2、循环变动分析 从原时间序列中逐个消除长期趋势、季节变动，通过平均方法消除不规则变动，最后剩下的部分就作为循环变动的影响。,2023/5/24,98,第8章 风险决策分析,本讲的主要内容：一、基本概念二、不确定型决策三、风险型决策,2023/5/24,99,第8章 风险决策分析,一、基本概念1、决策的种类 依据决策的环境条件，决策问题包括确定型决策、不确定型决策以及风险型决策等。决策存在的条件和状态完全可以掌握，并且一旦做出选择所产生的结

40、果也可以准确地预料得到，这样的决策就是确定型决策。所谓不确定型决策是指，决策人面临多种决策方案，对每个决策方案对应的几个不同决策状态其出现概率的大小没有掌握，仅凭个人的主观倾向和偏好进行方案选择。风险型决策也是一种不确定型决策，这种决策尽管决策的环境和条件仍不完全确知，但它们发生可能性的大小可以得到。,2023/5/24,100,第8章 风险决策分析,一、基本概念2、决策基本要素 决策人，决策目标，备选方案集，自然状态集，方案实施报偿，自然状态概率。3、决策分析过程 提出问题，理清目标；制订详细的备选方案；搜集必要的数字资料；按照决策规则，挑选最优方案；决策方案评估和调整。,2023/5/24

41、,101,第8章 风险决策分析,二、不确定型决策1、小中求大准则 小中求大准则又叫悲观准则，基本思想是：先从每一个方案可能出现的报偿中找出最差的，然后再从最差结果中找出最好的值。,2023/5/24,102,第8章 风险决策分析,二、不确定型决策2、大中求大准则 与小中求大准则相反，大中求大准则是一种持乐观态度的决策，具体做法是：从各方案的若干个结果中选出最大报偿，然后再从这些最好结果中选取更好结果所对应的方案为最优方案。,2023/5/24,103,第8章 风险决策分析,二、不确定型决策3、最小机会损失准则 最小机会损失准则又称最大后悔中求最小准则，基本原理是：决策人在决策后常常会产生后悔，

42、因此为避免或减少今后的后悔，就以最小后悔值所对应的方案为最优方案。4、折衷主义准则 小中求大准则过于悲观，大中求大准则又过于乐观。折衷主义准则，就是在小中求大准则和大中求大准则之间进行平衡，以希望决策更符合现实。,2023/5/24,104,第8章 风险决策分析,三、风险型决策（一）风险决策准则1、风险型决策准则 风险型决策的准则有：期望值准则、期望机会损失准则、最大可能性准则等。2、期望值准则 给定自然状态发生的概率，可以方便地求出每一决策方案的期望报偿，这时最大期望报偿对应的方案就可选为最优方案。,2023/5/24,105,第8章 风险决策分析,三、风险型决策（一）风险决策准则3、期望机

43、会损失准则 期望机会损失准则的具体做法是：把报偿值表转化为机会损失表；计算每一方案的期望机会损失值；选择最小期望机会损失值对应的方案为最优方案。4、最大可能性准则 根据自然状态发生概率的大小来选择最优方案，做法是：先找出发生可能性最大的自然状态，然后比较在该自然状态下各个方案的报偿，凡是报偿值大的方案即可作为最优方案。,2023/5/24,106,第8章 风险决策分析,三、风险型决策（二）决策树 决策树是描述决策过程的一种图形，因为这种图形形似一棵树，故此而得名。在决策树中，人们习惯上用小方框代表决策点，用小圆圈表示自然状态，每一个可供选择的方案用一条分枝表示，各备选方案可能产生的结果用下一层

44、分枝表示，整个图形按照从左到右的顺序方向进行勾画，越往右枝条越多，形成像树冠一样的结构。,2023/5/24,107,第8章 风险决策分析,三、风险型决策（二）决策树,2023/5/24,108,第9章统计质量管理,本讲的主要内容：一、质量因素分析二、质量分析的一般工具三、控制图的原理与种类四、控制图的制作与识别五、工序能力分析,2023/5/24,109,第9章统计质量管理,一、质量因素分析 产品质量是一系列因素共同作用的结果，控制产品质量波动首先要了解引起质量变动的原因及其性质。根据质量变动的来源，可以把质量因素划分为：人员（man）、机器(machine)、原材料(material)、加

45、工方法(method)、测量工具（measure）和环境(environment)，简记为5M1E。,2023/5/24,110,第9章统计质量管理,一、质量因素分析 按质量因素对质量作用的强弱程度可以划分成主要因素与次要因素。影响产品质量的因素非常多，然而并非每个都同样重要，有一些因素虽然数量不多，但一旦出现显著的变动，却会产生重大的、系统的影响，另一类因素尽管数目很多，可是影响甚微不会造成大面积的质量问题。因此，要想减少废次品，只要找出少数几个关键原因，并致力于消除就可以解决问题。,2023/5/24,111,第9章统计质量管理,一、质量因素分析 根据质量因素的实际性质有系统性原因与随机性

46、原因。导致生产过程出现失控状态的原因，称为系统性原因又叫异常原因，特点是：对产量质量的影响特别大，可直接造成大面积不合格品的出现；不是生产全过程始终存在的；一旦发生系统性原因，产品质量整体上会向同一方向变化；容易识别也能消除。由于5M1E 随机的、偶然性变化，所产生的产品质量的变化，称为随机性原因或偶然性原因。随机性原因的特点是：对产品质量的影响比较小；在整个生产过程始终存在，具有经常性；不会引起产品质量向同一个方向变化；不易识别，能够加以控制但不能消除。,2023/5/24,112,第9章统计质量管理,二、质量分析的一般工具 统计质量管理领域，经常说到QC7种工具，其中就包括直方图、帕雷特图

47、、相关图、鱼刺图、控制图等。1、直方图 直方图在统计质量管理中有着非常重要的应用。有普通型、多模型、偏态型、悬崖型、双峰型、孤岛型等情况。,2023/5/24,113,第9章统计质量管理,二、质量分析的一般工具2、帕雷特图 针对质量问题产生的原因，将各质量因素按影响大小排列编制出来的帕雷特图，可以发现影响产品质量的少数关键性变量。帕雷特图绘制和识别都比较简单，应用帕雷特图需要注意：要从各个不同的角度进行分类研究，并绘制相应的帕雷特图，以利于寻根问底，直至找出关键性原因；注意绘制原因之原因帕雷特图，通过这一系列帕雷特图，最终能找到具体要解决的问题；为了有的放矢不要把关键性原因列得太多，否则容易分

48、散目标；“其他”一栏的频数不宜太大，否则说明分类不当，不利于找出原因；采取措施前后的帕雷特图要对照使用，以便于证实原因的改善是否有效果。,2023/5/24,114,第9章统计质量管理,二、质量分析的一般工具3、鱼刺图 鱼刺图是描述质量特征与各种因素关系的图形，因其形似鱼的骨骼故此得名，有助于循序渐进而又清晰明了地寻找产生质量问题的各种原因。,2023/5/24,115,第9章统计质量管理,二、质量分析的一般工具4、散点图 质量管理实际中，经常要分析研究两个变量之间的关系，处理这些问题最简单的做法便是绘制散点图。绘制散点图时需要注意：样本数据至少要有30对，数据太少，难以反映出是否存在相关关系

49、；横坐标和纵坐标的刻度应合理筹划，否则容易造成不正确的判断；数据的范围应尽可能大一些；要进行分层研究。,2023/5/24,116,第9章统计质量管理,三、控制图的原理与种类1、原理 控制图是质量过程监测的重要工具，统计过程控制实质上是指运用控制图对产品生产过程中发生的质量波动实施实时观察，并这个基础上决定是否需要对生产过程进行调整。控制图是贝尔实验室工程师休哈特博士发明的，故又常称之为休哈特控制图，它是运用统计方法确定管理界限，并用于管理监控的一种图表。,2023/5/24,117,第9章统计质量管理,三、控制图的原理与种类1、原理 引起产品质量不正常变化是系统性原因，当它们发生作用就会产生

50、质量问题。因此质量控制实际上可以转化为，怎样区别系统性原因和随机性原因到底哪一个正在发挥着主导作用。根据正态分布原理，的概率为99.73%，如果生产过程正常不存在系统性原因影响，那么产品质量的观察值超出 范围的可能性是个小概率事件不到1%。小概率事件由于发生的可能性较小，通常在少数观察中不可能出现，一旦出现有理由相信生产过程有系统性原因在起作用。,2023/5/24,118,第9章统计质量管理,三、控制图的原理与种类2、种类（1）均值控制图、中位数控制图、均值-极差控制图 这些控制图主要用于质量特征是长度、重量、强度、密度、纯度、时间等计值数据的情况。在各种控制图中，均值-极差控制图能提供较多