統(tǒng)計(jì)預(yù)測(cè)與決策

目錄
前言
上篇 統(tǒng)計(jì)預(yù)測(cè)
第1章 統(tǒng)計(jì)預(yù)測(cè)概述 3
1.1 統(tǒng)計(jì)預(yù)測(cè)的概念 3
1.2 統(tǒng)計(jì)預(yù)測(cè)方法的分類 4
1.3 統(tǒng)計(jì)預(yù)測(cè)的原則和步驟 5
1.3.1 統(tǒng)計(jì)預(yù)測(cè)的原則 5
1.3.2 統(tǒng)計(jì)預(yù)測(cè)的步驟 6
1.4 統(tǒng)計(jì)預(yù)測(cè)的發(fā)展現(xiàn)狀 7
1.4.1 不確定性預(yù)測(cè)方法 8
1.4.2 組合預(yù)測(cè)方法 9
1.5 統(tǒng)計(jì)預(yù)測(cè)與決策的關(guān)系 10
習(xí)題1 11
第2章 定性統(tǒng)計(jì)預(yù)測(cè)方法 12
2.1 定性預(yù)測(cè)概述 12
2.2 德爾菲法 13
2.2.1 德爾菲法的實(shí)施過程 13
2.2.2 德爾菲法特點(diǎn) 14
2.2.3 專家意見的統(tǒng)計(jì)處理 15
2.2.4 德爾菲法在中國(guó)生物制藥行業(yè)技術(shù)預(yù)測(cè)分析中的應(yīng)用 16
2.3 主觀概率法 17
2.3.1 主觀概率法 17
2.3.2 主觀概率預(yù)測(cè)方法的案例 18
習(xí)題2 19
第3章 統(tǒng)計(jì)回歸預(yù)測(cè)方法 21
3.1 一元線性回歸預(yù)測(cè)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(shù)的估計(jì) 22
3.1.3 一元線性回歸模型的檢驗(yàn) 22
3.1.4 一元線性回歸模型的預(yù)測(cè) 24
3.2 多元線性回歸預(yù)測(cè)方法 25
3.2.1 多元線性回歸模型 26
3.2.2 參數(shù)估計(jì) 27
3.2.3 統(tǒng)計(jì)檢驗(yàn) 27
3.2.4 多元線性回歸模型進(jìn)行預(yù)測(cè) 29
3.3 非線性回歸預(yù)測(cè)方法 31
3.4 主成分回歸預(yù)測(cè)方法 32
3.4.1 主成分分析 32
3.4.2 主成分回歸預(yù)測(cè) 36
習(xí)題3 38
第4章 時(shí)間序列分解法和趨勢(shì)外推法 40
4.1 時(shí)間序列以及時(shí)間序列分解 40
4.1.1 時(shí)間序列的含義 40
4.1.2 時(shí)間序列確定性因素分解 41
4.2 趨勢(shì)外推法概述 42
4.2.1 趨勢(shì)外推概念 42
4.2.2 趨勢(shì)外推法分類 43
4.2.3 趨勢(shì)外推模型的選擇 44
4.3 多項(xiàng)式曲線趨勢(shì)外推法 46
4.3.1 二次多項(xiàng)式曲線預(yù)測(cè) 46
4.3.2 三次多項(xiàng)式曲線預(yù)測(cè) 48
4.4 指數(shù)曲線趨勢(shì)外推法 50
4.4.1 指數(shù)曲線預(yù)測(cè) 50
4.4.2 修正的指數(shù)曲線預(yù)測(cè) 52
4.5 生長(zhǎng)曲線趨勢(shì)外推法 53
4.5.1 Gompertz曲線模型 53
4.5.2 Logistic曲線模型 55
4.6 曲線擬合優(yōu)度分析 57
習(xí)題4 59
第5章 馬爾可夫預(yù)測(cè)方法 60
5.1 馬爾可夫鏈基本理論 60
5.2 馬爾可夫預(yù)測(cè)方法 64
5.3 市場(chǎng)占有率預(yù)測(cè) 65
5.4 股票價(jià)格走勢(shì)預(yù)測(cè) 67
習(xí)題5 70
第6章 平穩(wěn)時(shí)間序列預(yù)測(cè)方法 72
6.1 平穩(wěn)時(shí)間序列 72
6.1.1 平穩(wěn)時(shí)間序列概念 72
6.1.2 平穩(wěn)性檢驗(yàn) 73
6.2 平穩(wěn)時(shí)間序列模型及識(shí)別 78
6.2.1 AR（p）模型 78
6.2.2 MA（q）模型 79
6.2.3 ARMA（p；q）模型 81
6.2.4 ARMA（p；q）模型定階 82
6.3 平穩(wěn)時(shí)間序列模型的參數(shù)估計(jì) 86
6.3.1 矩估計(jì) 86
6.3.2 最小二乘估計(jì) 88
6.4 平穩(wěn)時(shí)間序列模型的預(yù)測(cè) 88
6.4.1 AR（p）序列預(yù)測(cè) 89
6.4.2 MA（q）序列預(yù)測(cè) 90
6.4.3 ARMA（p；q）序列預(yù)測(cè) 91
習(xí)題6 92
第7章 模糊時(shí)間序列預(yù)測(cè)方法 94
7.1 模糊時(shí)間序列 94
7.1.1 模糊數(shù)學(xué)基本概念與理論 94
7.1.2 模糊時(shí)間序列模型 95
7.2 一階模糊時(shí)間序列預(yù)測(cè)方法 96
7.3 高階模糊時(shí)間序列預(yù)測(cè)方法 101
7.3.1 高階模糊時(shí)間序列分析簡(jiǎn)介 101
7.3.2 高階模糊時(shí)間序列分析模型建立 102
7.4 多因素模糊時(shí)間序列預(yù)測(cè)方法 104
7.4.1 多因素高階模糊時(shí)間序列分析 104
7.4.2 多因素高階模糊時(shí)間序列模型建立 107
習(xí)題7 110
第8章 灰色系統(tǒng)預(yù)測(cè)方法 112
8.1 灰色預(yù)測(cè)GM（1，1）模型 112
8.1.1 灰色系統(tǒng)基本概念 112
8.1.2 GM（1，1）預(yù)測(cè)模型的基本原理 112
8.2 GM（1，1）模型檢驗(yàn) 115
8.2.1 GM（1，1）模型殘差檢驗(yàn) 115
8.2.2 GM（1，1）模型后驗(yàn)差檢驗(yàn) 115
8.2.3 GM（1，1）模型關(guān)聯(lián)度檢驗(yàn) 116
8.3 GM（1，1）殘差模型 116
8.4 GM（n；h）模型 118
8.4.1 GM（1；h）模型 118
8.4.2 GM（n；h）模型 121
習(xí)題8 123
第9章 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法 124
9.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型 124
9.1.1 人工神經(jīng)元數(shù)學(xué)模型 124
9.1.2 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 125
9.1.3 傳遞函數(shù)（激活函數(shù)） 126
9.1.4 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及流程 127
9.2 BP神經(jīng)網(wǎng)絡(luò)的MATLAB工具箱函數(shù) 128
9.2.1 數(shù)據(jù)的預(yù)處理和后處理 128
9.2.2 創(chuàng)建網(wǎng)絡(luò) 129
9.2.3 設(shè)定參數(shù) 129
9.2.4 訓(xùn)練網(wǎng)絡(luò) 130
9.2.5 BP神經(jīng)網(wǎng)絡(luò)的仿真 130
9.2.6 模擬輸出 130
9.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)案例 130
習(xí)題9 134
第10章 組合預(yù)測(cè)方法 135
10.1 組合預(yù)測(cè)的概念及分類 135
10.2 非最優(yōu)正權(quán)組合預(yù)測(cè)模型權(quán)系數(shù)的確定方法 137
10.2.1 幾種常規(guī)的非最優(yōu)正權(quán)組合預(yù)測(cè)模型權(quán)系數(shù)的確定方法 137
10.2.2 非最優(yōu)組合預(yù)測(cè)系數(shù)確定方法的應(yīng)用舉例 139
10.3 以預(yù)測(cè)誤差平方和達(dá)到最小的線性組合預(yù)測(cè)模型 140
10.3.1 最優(yōu)線性組合預(yù)測(cè)模型的建立 140
10.3.2 最優(yōu)線性組合預(yù)測(cè)模型的解的討論 142
10.4 基于相關(guān)系數(shù)的最優(yōu)組合預(yù)測(cè)模型 144
10.4.1 基于相關(guān)系數(shù)的最優(yōu)組合預(yù)測(cè)模型 144
10.4.2 實(shí)例分析 146
10.5 基于IOWA算子的組合預(yù)測(cè)方法 148
10.5.1 OWA算子和IOWA算子的概念及性質(zhì) 148
10.5.2 基于IOWA算子的組合預(yù)測(cè)模型 150
10.5.3 實(shí)例分析 152
習(xí)題10 155
下篇 統(tǒng)計(jì)決策
第11章 統(tǒng)計(jì)決策概述 159
11.1 決策問題的基本概念 159
11.1.1 決策的基本概念 159
11.1.2 統(tǒng)計(jì)決策的三個(gè)基本概念 159
11.2 決策的種類 160
11.3 決策的過程與決策分析的要素和原則 161
11.3.1 決策的過程 161
11.3.2 決策分析 162
11.3.3 決策的原則 162
習(xí)題11 163
第12章 不確定型決策方法 164
12.1 樂觀準(zhǔn)則決策方法 164
12.2 悲觀準(zhǔn)則決策方法 165
12.3 樂觀系數(shù)決策方法 165
12.4 等可能性準(zhǔn)則決策方法 166
12.5 后悔值準(zhǔn)則決策方法 166
12.6 信息集成法在決策中的應(yīng)用 167
12.6.1 多屬性決策方法 167
12.6.2 基于OWA算子的多屬性決策方法 169
12.7 幾種決策方法的比較分析 170
習(xí)題12 172
第13章 風(fēng)險(xiǎn)型決策方法 175
13.1 風(fēng)險(xiǎn)型決策的基本問題175
13.2 風(fēng)險(xiǎn)型決策的期望值準(zhǔn)則 176
13.3 決策樹分析法 178
13.4 風(fēng)險(xiǎn)決策的靈敏度分析 180
13.4.1 敏感性分析的概念和步驟 180
13.4.2 兩狀態(tài)兩行動(dòng)方案的敏感性分析 180
13.4.3 三狀態(tài)三行動(dòng)方案的敏感性分析 181
13.5 效用理論及風(fēng)險(xiǎn)評(píng)價(jià) 183
13.5.1 效用的含義 183
13.5.2 效用曲線 184
13.5.3 效用曲線的類型 185
13.5.4 效用曲線的應(yīng)用 186
13.6 連續(xù)型變量的風(fēng)險(xiǎn)型決策方法 188
13.6.1 邊際分析法 188
13.6.2 標(biāo)準(zhǔn)正態(tài)分布決策法 191
13.7 主觀概率決策法 193
13.7.1 主觀概率的基本概念 193
13.7.2 主觀概率的估計(jì)方法 194
13.7.3 主觀概率決策 196
13.8 貝葉斯決策法 197
13.8.1 貝葉斯決策的概念和步驟 197
13.8.2 后驗(yàn)預(yù)分析 198
13.8.3 貝葉斯決策 202
習(xí)題13 204
第14章 多目標(biāo)決策方法 208
14.1 多目標(biāo)決策概述 208
14.1.1 多目標(biāo)決策過程 208
14.1.2 多目標(biāo)決策問題的要素 210
14.2 層次分析法 214
14.2.1 層次分析法的基本原理 214
14.2.2 層次分析法的基本步驟 220
14.3 字典式法 222
14.4 TOPSIS法 223
14.5 ELECTRE法 227
14.5.1 級(jí)別高于關(guān)系的性質(zhì) 228
14.5.2 級(jí)別高于關(guān)系的構(gòu)造 229
14.5.3 級(jí)別高于關(guān)系的應(yīng)用 230
14.5.4 算法步驟 231
14.6 LINMAP法 234
14.7 優(yōu)劣系數(shù)法 239
習(xí)題14 244
第15章 序貫決策方法 247
15.1 單目標(biāo)確定性序貫決策 247
15.2 單目標(biāo)隨機(jī)性序貫決策 251
15.3 馬爾可夫決策 255
15.3.1 狀態(tài)轉(zhuǎn)移概率矩陣及其決策特點(diǎn) 255
15.3.2 馬爾可夫決策的應(yīng)用步驟 256
15.4 多目標(biāo)序貫決策 259
15.4.1 多目標(biāo)序貫決策的理論模型 259
15.4.2 多目標(biāo)序貫決策的分層解法 260
習(xí)題15 263
參考文獻(xiàn) 265