移动平均法。该方法是根据时间数列的各期数值作出非直线长期趋势线的一种比
较简单的方法，连续地求其平均值，再计算相邻两期平均值的变动趋势，然后计算平均发展趋势，进行预测。例 某公司1997年1～12月销售额的统计资料如表7-1所示，用移动平均法预测1998年1月的销售额。
第一步，计算相邻五个月的销售额平均数(按多少期计算平均数，要根据具体情况而定，期数少，则反映波动比较灵敏，但预测误差大；期数多，则反映波动平滑，预测较为精确)。如1～5月销售额的平均值为：
8.355
41
343734331=++++=
X 依次类推：求出,,...,,,8432X X X X 并填入表中。
第二步，计算相邻两个平均值的差，该差称为平均值的变动趋势，如1X 与2X 之差为： 38—35.8＝2.2依此类推，计算变动趋势值，填入表中。
第三步，计算相邻四期变化趋势之平均值，称为四期平均发展趋势，如前四期变动趋势的平均值为：(2.2+3.2+1.8+2.6)÷4=2.45依此类推，将数字填人表中。
第四步，预测1998年1月的销售额，最后5个月的平均月销售额为49万元，加上最后一期平均发展趋势1.5万元，所以1998年1月的预测值为：
49+3ⅹ1.5＝53.5(万元)
(其中3ⅹ1.5，是因为预测期距平均月销售额为3个月，所以需要乘以3)。
季节性波动分析。当产品的市场需求呈明显的季节性波动时，用平均法进行销售
预测就不能正确地反映销售量的波动。要用计算季节指数的办法来预测季节性波动。
例 某地区涤棉府绸三年内各个季节的市场销售量如表6.2所示。
从表6.2中很明显地可以看出，涤棉府绸的销售量淡季与旺季相差近一倍左右。如果简单地用移动平均来预测某一个季节的市场需要，就不符合实际情况，这就可以用季节指数进行预测。其计算方法如下：
表6.2 单位：万米
某季市场需求量=某季节的市场销售量/当年各季度平均销售量ⅹ100% 如1996年春季的季度指数为：11271.79%%1004
624
=?÷
以此类推，计算各年各季的季节指数，然后计算各季的平均季节指数，亦分别列入表6.3中。
表6.3 单位：万米
利用季节指数就可以对某季节的市场需要量进行预测，现预计1999年全年市场对涤棉府绸需要量是720万米，各个季节的市场需要量可以用上述季节指数进行预测。
平均季节指数年需求量
某季度预测需求量?=
4
)(128%7141
7201999万米年春季：=??
)(198%11041
7201999万米年夏季：=??
)(248%13841
7201999万米年秋季：=??
)148(%824
1
7201999万米年冬季：=??
《时间序列分析》案例案例名 称：时间序列分析在经济预测中的应用内容要 求：确定性与随机性时间序列之比较设计作 者：许启发，王艳明 设计时 间：2003年8月
案例四：时间序列分析在经济预测中的应用 一、案例简介 为了配合《统计学》课程时间序列分析部分的课堂教学，提高学生运用统计分析方法解决实际问题的能力，我们组织了一次案例教学，其内容是：对烟台市的未来经济发展状况作一预测分析，数据取烟台市1949—1998年国内生产总值（GDP）的年度数据，并以此为依据建立预测模型，对1999年和2000年的国内生产总值作出预测并检验其预测效果。国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映国民经济活动最重要的经济指标之一，科学地预测该指标，对制定经济发展目标以及与之相配套的方针政策具有重要的理论与实际意义。在组织实施时，我们首先将数据资料印发给学生，并讲清本案例的教学目的与要求，明确案例所涉及的教学内容；然后给学生一段时间，由学生根据资料，运用不同的方法进行预测分析，并确定具体的讨论日期；在课堂讨论时让学生自由发言，阐述自己的观点；最后，由主持教师作点评发言，取得了良好的教学效果。 经济预测是研究客观经济过程未来一定时期的发展变化趋势，其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未来经济活动的了解，以确定社会经济活动的发展水平，为决策提供依据。 时间序列分析预测法，首先将预测目标的历史数据按照时间的先后顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。 本案例的最大特色在于：它汇集了统计学原理中的时间序列分析这一章节的所有知识点，通过本案例的教学，可以把不同的时间序列分析方法进行综合的比较，便于学生更好地掌握本章的内容。 二、案例的目的与要求 （一）教学目的 1．通过本案例的教学，使学生认识到时间序列分析方法在实际工作中应用的必要性和可能性； 2．本案例将时间序列分析中的水平指标、速度指标、长期趋势的测定等内容有机的结合在一起，以巩固学生所学的课本知识，深化学生对课本知识的理解； 3．本案例是对烟台市的国内生产总值数据进行预测，通过对实证结果的比较和分析，使学生认识到对同一问题的解决，可以采取不同的方法，根据约束条件，从中选择一种合适的预测方法； 4．通过本案例的教学，让学生掌握EXCEL软件在时间序列分析中的应用，对统计、计量分析软件SPSS或Eviews等有一个初步的了解； 5．通过本案例的教学，有助于提高学生运用所学知识和方法分析解决问题的能力、合作共事的能力和沟通交流的能力。 （二）教学要求 1．学生必须具备相应的时间序列分析的基本理论知识； 2．学生必须熟悉相应的预测方法和具备一定的数据处理能力； 3．学生以主角身份积极地参与到案例分析中来，主动地分析和解决案例中的问题； 4．在提出解决问题的方案之前，学生可以根据提供的样本数据，自己选择不同的统计分析方法，对这一案例进行预测，比较不同预测方法的异同，提出若干可供选择的方案； 5．学生必须提交完整的分析报告。分析报告的内容应包括：选题的目的及意义、使用数据的特征及其说明、采用的预测方法及其优劣、预测结果及其评价、有待于进一步改进的思路或需要进一步研究的问题。 三、数据搜集与处理 时间序列数据按照不同的分类标准可以划分为不同的类型，最常见的有：年度数据、季度数据、月度数据。本案例主要讨论对年度数据如何进行预测分析。考虑到案例设计时的侧重点，本案例只是对烟
第10章时间序列预测
从时间序列图可以看出，国家财政用于农业的支出额大体上呈指数上升趋势。（2）年平均增长率为： 。 （3）。 下表是1981年—2000年我国油彩油菜籽单位面积产量数据（单位：kg / hm2）年份单位面积产量年份单位面积产量 1981 1451 1991 1215 1982 1372 1992 1281 1983 1168 1993 1309 1984 1232 1994 1296 1985 1245 1995 1416 1986 1200 1996 1367 1987 1260 1997 1479 1988 1020 1998 1272 1989 1095 1999 1469
1990 1260 2000 1519 （1）绘制时间序列图描述其形态。 （2）用5期移动平均法预测2001年的单位面积产量。 （3）采用指数平滑法，分别用平滑系数a=和a=预测2001年的单位面积产量，分析预测误差，说明用哪一个平滑系数预测更合适？ 详细答案： （1）时间序列图如下： （2）2001年的预测值为： | （3）由Excel输出的指数平滑预测值如下表： 年份单位面积产量 指数平滑预测 a=误差平方 指数平滑预测 a= 误差平方 19811451 19821372
19831168 19841232 19851245 19861200 19871260 19881020 19891095 19901260 19911215 19921281 19931309 19941296 19951416 19961367 19971479 19981272 19991469 20001519 合计———2001年a=时的预测值为： a=时的预测值为：
第九讲加减法巧算二 前续知识点：二年级第一讲；XX 模块第X 讲 后续知识 点： X 年级第X 讲；XX 模块第X 讲
做把里面的人物换成相应红字标明的人物咦，发生什么 事了？ I 厂I厂I ?②③④+ ?③④①+ ?④+ ?①②③ ?②②②- ?③③?-④④ 不知道什么时候门关上了，要想出去，必须在30秒的时间内做出下面这道题. 小朋友们，你们有办法在30秒内做出这道题吗?
在进行加减法计算时，“先计算括号里的部分，再从左往右依次计算”是基本的运算法则．但除此之 外，还有许多运算技巧，熟练掌握各种运算技巧可以使你计算的更快更准． “凑整法”是最常用的巧算方法，就是在计算时优先计算可以得到整十、整百、整千的部分，从而达到巧 算的目的．要想凑出整十，两个数的末尾相加应该得0，这样的情况除了0 0 外，还有1 9，2 8，3 7，4 6，5 5 ．同学们在做题时要注意观察各加数的个位，看能不能找到合适的凑法．除了加法可以凑整之 外，减法同样可以凑整，个位相同的两个数相减后便能得到整十的数． 在进行加减法混合运算时，经常会遇到能够巧算的数不在一起的情况，这时候就需要通过调整运算顺序，把能巧算的放在一起先算．但需要注意的是，在调整的过程中，每个数都必须带着自己前面的符号一起移动，这种调整可以形象地称作“带符号搬家” ．如果搬家的是算式中的第一个数，前面没有符号，在这个数之前添上一个加号即可． 除了“带符号搬家”可以调整运算顺序外，“脱括号”与“添括号”也是改变运算顺序的常用方法．加减法算式中，“添括号”要遵循下面的规则： 括号前面是加号，添上括号不变号；括号前面是减号，添上括号变符号． 例如： 576238601713 57(6238)60(1713) 571006030 15730 例题1 用简便方法计算： （1）375 59 241 2) 168 139 129 提示】找出可以凑成整十、整百的数． 练习1 用简便方法计算： 2) 367 145 85
移动加权平均法：移动加权平均法下库存商品的成本价格根据每次收入类单据自动加权平均；其计算方法是以各次收入数量和金额与各次收入前的数量和金额为基础，计算出移动加权平均单价。 其计算公式如下： 移动加权平均单价＝ (本次收入前结存商品金额+本次收入商品金额)/(本次收入前结存商品数量+本次收入商品数量 ) 移动加权平均法计算出来的商品成本比较均衡和准确，但计算起来的工作量大，一般适用于经营品种不多、或者前后购进商品的单价相差幅度较大的商品流通类企业。 以下以一个简单的例子来说明： 例1：货品A，期初结存数量10，加权价10，金额为100，发生业务如下： 销售11；采购10，采购价格11； 成本计算过程如下： 销售时，成本金额为11*10=110；销售后结存数量：-1；加权价：10；结存金额：-10；
采购后，结存单价位：（-10+10*11）/（-1+10）=11.111111 一、月末一次加权平均法 加权平均法也叫全月一次加权平均法，指以本月收入全部存货数量加月初存货数量作为权数，去除本月收入全部存货成本加月初存货成本的和，计算出存货的加权平均单位成本，从而确定存货的发出成本和库存成本的方法。计算公式如下： 加权平均单价=（本月收入全部存货成本+月初存货成本）/ （本月收入全部存货数量加+月初存货数量） 本月发出存货成本=本月发出存货数量×加权平均单价 月末结存存货成本=月末库存存货数量×加权平均单价 二、移动加权平均法。 移动平均法亦称移动加权平均法，指本次收货的成本加原有库存的成本，除以本次收货数量加原有存货数量，据以计算加权平均单价，并对发出存货进行计价的一种方法。移动平均法与加权平均法的计算原理基
高斯消元法解线性方程组 在工程技术和工程管理中有许多问题经常可以归结为线性方程组类型的数学模型，这些模型中方程和未知量个数常常有多个，而且方程个数与未知量个数也不一定相同。那么这样的线性方程组是否有解呢？如果有解，解是否唯一？若解不唯一，解的结构如何呢？这就是下面要讨论的问题。 一、线性方程组 设含有n 个未知量、有m 个方程式组成的方程组 a x a x a x b a x a x a x b a x a x a x b n n n n m m mn n m 11112211211222221122+++=+++=+++=??????? （3.1） 其中系数a ij ，常数b j 都是已知数，x i 是未知量（也称为未知数）。当右端常数项b 1, b 2, …, b m 不全为0时，称方程组（3.1）为非齐次线性方程组；当b 1=b 2= … =b m = 0时，即 a x a x a x a x a x a x a x a x a x n n n n m m mn n 111122121122221122000 +++=+++=+++=??????? （3.2） 称为齐次线性方程组。 由n 个数k 1, k 2, …, k n 组成的一个有序数组（k 1, k 2, …, k n ），如果将它们依次代入方程组（3.1）中的x 1, x 2, …, x n 后，（3.1）中的每个方程都变成恒等式，则称这个有序数组（k 1, k 2, …, k n ）为方程组（3.1）的一个解。显然由x 1=0, x 2=0, …, x n =0组成的有序数组（0, 0, …, 0）是齐次线性方程组（3.2）的一个解，称之为齐次线性方程组（3.2）的零解，而当齐次线性方程组的未知量取值不全为零时，称之为非零解。 （利用矩阵来讨论线性方程组的解的情况或求线性方程组的解是很方便的。因此，我们先给出线性方程组的矩阵表示形式。） 非齐次线性方程组（3.1）的矩阵表示形式为： AX = B 其中 A = ????????????mn m m n n a a a a a a a a a 212222111211，X = ????????????n x x x 21， B = ????? ???????n b b b 21 称A 为方程组（3.1）的系数矩阵，X 为未知矩阵，B 为常数矩阵。将系数矩阵A 和常数矩阵B 放在一起构成的矩阵
二次移动平均预测商品销售量法 引论：二次移动平均法是以历史销售数据为基础，按时间顺序分段反映后期销售的变化趋势。优点：重视商品因不同销售周期变化而销售产生变化的趋势。 劣势：忽视了因价格、气候、季节变化等对销售的影响。 计算步骤： 1）、首先根据历史销售记录Xt计算一次移动平均值Mt: Mt=(Xt+Xt-1+X t-2+……+X t-n+1)/N 2）、在一次移动平均值基础上计算二次移动平均值Mt′： Mt′=(Mt+Mt-1+X t-2+……+M t-n+1)/N 3）、分别计算方程系数：At、Bt： At=2Mt- Mt′ Bt=2*(Mt- Mt′)/(N-1) 4)、计算销售预测值Y t+T Y t+T= At+ BtT 备注： Xt：第t期实际销售，一般为某一时段内平均值； Mt：第t期移动平均值； N：进行移动平均时所包含的时段数； Mt′在Mt基础上二次移动的平均值； At，Bt：线性方程的系数； T：待预测的月份； Y t+T：价格预测值； 实例：利用A产品前3个季度销售量，预测第10、11月份销售。（N=3） 销售月份t 月平均销售Xt 一次平均值Mt 二次平均值Mt′1月1532 2月1645 3月1770 1649 4月1790 1735 1695.89 5月1551 1703.67 1721.89 6月1840 1727 1729.22 7月1880 1757 1778 8月1830 1850 1828 9月1921 1877 计算： 1、计算一次移动平均值： M3=（X3+X2+X2）/3=（1770+1645+1532）/3=1694 M4=（X4+X3+X2）/3=（1790+1770+1645）/3=1735
（月末一次）加权平均的计算方法 本月有300件产品，单价为2万元/件，6号出售100件，12号购入300件，单价为2.2万元/件，15号出售200件，请问使用加权平均法的月末成本为多少？ 加权平均单价：（300*2）+（300*2.2）/(300+300)=2.1(万元) 发出产品的成本：（100+200）*2.1=630(万元) 期末结存成本：（300*2）+（300*2.2）-630=630（万元） 区别： （月末一次）加权平均法是指在期末计算存货的平均单位成本时，用期初存货数量和本期各批收入的数量作为权数来确定存货的平均单位成本，从而计算出期末存货和已销存货成本的一种计价方法。这种方法只需在期末计算一次加权平均单价，比较简单。 移动加权平均法是指在每次收到存货以后，以各批收入数量与各批收入前得结存数量为权数，为存货计算出新的加权平均单位成本的一种方法。每次进货后，都要重新计算一次加权平均单位成本。 本批销售或耗用存货成本=本批销售或耗用存货数量*本批存货移动加权平均单位成本; 加权平均法与移动平均法有什么区别？ 两种方法都是实际成本法。 ●（月末一次）加权平均法是指某段时间内的加权。适用于价格变化不大或要求不是特别 精确的成本核算。核算起来比较简单，省时省力。 ●移动加权是指按照上一日结存来加权的。适用于价格变化大或要求精确核算的成本核算。 核算比较费时。 公式： 移动加权平均单位成本=(结存存货成本+本批进货成本)/(结存存货数量+本批进货数量) a.移动加权平均单价＝（上次结存数量×上次结存单价＋本次入库数量×本次入库单价）÷（上次结存数量＋本次入库数量） b.本期（月末一次）加权平均单价＝（上期结存数量×上期结存单价＋∑本期入库数量×本期入库单价）÷（上期结存数量＋∑本期入库数量）
移动平均法。该方法是根据时间数列的各期数值作出非直线长期趋势线的一种比 较简单的方法，连续地求其平均值，再计算相邻两期平均值的变动趋势，然后计算平均发展趋势，进行预测。例 某公司1997年1～12月销售额的统计资料如表7-1所示，用移动平均法预测1998年1月的销售额。 第一步，计算相邻五个月的销售额平均数(按多少期计算平均数，要根据具体情况而定，期数少，则反映波动比较灵敏，但预测误差大；期数多，则反映波动平滑，预测较为精确)。如1～5月销售额的平均值为： 8.355 41 343734331=++++= X 依次类推：求出,,...,,,8432X X X X 并填入表中。 第二步，计算相邻两个平均值的差，该差称为平均值的变动趋势，如1X 与2X 之差为： 38—35.8＝2.2依此类推，计算变动趋势值，填入表中。 第三步，计算相邻四期变化趋势之平均值，称为四期平均发展趋势，如前四期变动趋势的平均值为：(2.2+3.2+1.8+2.6)÷4=2.45依此类推，将数字填人表中。 第四步，预测1998年1月的销售额，最后5个月的平均月销售额为49万元，加上最后一期平均发展趋势1.5万元，所以1998年1月的预测值为： 49+3ⅹ1.5＝53.5(万元) (其中3ⅹ1.5，是因为预测期距平均月销售额为3个月，所以需要乘以3)。 季节性波动分析。当产品的市场需求呈明显的季节性波动时，用平均法进行销售 预测就不能正确地反映销售量的波动。要用计算季节指数的办法来预测季节性波动。 例 某地区涤棉府绸三年内各个季节的市场销售量如表6.2所示。 从表6.2中很明显地可以看出，涤棉府绸的销售量淡季与旺季相差近一倍左右。如果简单地用移动平均来预测某一个季节的市场需要，就不符合实际情况，这就可以用季节指数进行预测。其计算方法如下：
GaussView高级技巧（一）： 十个基本高级技巧 摘要 本文主要介绍了利用GaussView 分子模型的十个高级技巧，其中大多数技巧是鲜为人知的。这些技巧的组合能够使GaussView发挥巨大威力，可以快速方便地构造出复杂的分子结构。最后，以构造乙烷的重叠式构象和二茂铁结构为例进一步说明了这些高级技巧的具体应用。 本文主要介绍利用GaussView构建分子模型的高级技巧，希望对大家有所帮助。本文所使用的版本是GaussView 3。 1. 三个变形工具 上图的三个变形工具可以实现平移和旋转分子的某一部分以及断键成键和选择键型等功能，我们不妨将这些工具依次称为“键长”、“键角”和“二面角”工具。根据需要必须适当选择某些原子的移动方式，有“平移全组”（“T ranslate group”，默认），“平移原子”（“Translate atom”）和“固定”（“F ixed ”）三种，如下图所示。 2. 添加虚原子定义参考原子或参考旋转轴
在很多场合，我们可以利用添加虚原子X来定义参考原子或参考旋转轴，然后利用前述的三个变形工具对分子进行我们想要的操作。一旦操作完成，我们再删除掉原先添加的虚原子。我们可以用删除工具直接删除（见下图）： 但由于虚原子体积很小，有时会被其他原子覆盖，这时无法用删除工具直接删除。更通用的删除方法是：点击“原子列表”按钮（也可以选择菜单Edit > Atom List...），见下图。 在弹出的“Atom List Editor”窗口中选中要删除的原子，然后选择菜单Edit > Delete Atoms > Selected。 3. 利用加氢工具获得最佳成键位置 利用上图的加氢工具可以对某个原子添加一个氢原子。但这个氢原子的成键取向有时并非我们想要的。解决办法是：既然我们第一个加氢的取向不理想，那么我们就再添加一个，就这样连续不断地加氢，直到所加的氢原子的位置符合我们需要位置。然后利用删除工具将前面添加的氢原子全部删除即可。 加氢工具的另一个目的就是为后面添加其他基团做准备。用下面介绍的基团工具点击氢原子将氢原子取代掉后即可达到在一定的成键方向添加某个基团的目的。 4. 基团取代工具 如上图所示，基团取代工具有：元素基团、环状基团、R基团、生物基团和自定义基团。元素基团可以添加或取代各种杂化状态的原子基团，其余各种基团工具则提供许多常用基团的模板，在此基础上我们可以构建相当复杂的分子。我们可以点击当前基团（“Current Fragment”）面板中的“Hot”位置来选择取代位置，如下图所示。
《时间序列》练习题及解答 一、单项选择题 从下列各题所给的4个备选答案中选出1个正确答案，并将其编号（A、B、C、D）填入题干后面的括号内。 1、构成时间数列的两个基本要素是（）。 A、主词和宾词 B、变量和次数 C、时间和指标数值 D、时间和次数 2、最基本的时间数列是（）。 A、时点数列 B、绝对数数列 C、相对数数列 D、平均数数列 3、时间数列中，各项指标数值可以相加的是（）。 A、相对数数列 B、时期数列 C、平均数数列 D、时点数列 4、时间数列中的发展水平（）。 A、只能是总量指标 B、只能是相对指标 C、只能是平均指标 D、上述三种指标均可以 5、对时间数列进行动态分析的基础指标是（）。 A、发展水平 B、平均发展水平 C、发展速度 D、平均发展速度 6、由间断时点数列计算序时平均数，其假定条件是研究现象在相邻两个时点之间的变动为（）。 A、连续的 B、间断的 C、稳定的 D、均匀的 7、序时平均数与一般平均数的共同点是（）。 A、两者均是反映同一总体的一般水平 B、都是反映现象的一般水平 C、两者均可消除现象波动的影响 D、共同反映同质总体在不同时间上的一般水平 8、时间序列最基本的速度指标是（）。 A、发展速度 B、平均发展速度 C、增长速度 D、平均增长速度 9、根据采用的对比基期不同，发展速度有（）。 A、环比发展速度与定基发展速度 B、环比发展速度与累积发展速度 C、逐期发展速度与累积发展速度 D、累积发展速度与定基发展速度 10、如果时间序列逐期增长量大体相等，则宜配合（）。 A、直线模型 B、抛物线模型 C、曲线模型 D、指数曲线模型 A、100%124%104% 108.6% 3 ++ = B、 506278 108.6% 506278 100%124%104% ++ = ++
《时间序列分析》案例04 案例名称：时间序列分析在经济预测中的应用内容要求：确定性与随机性时间序列之比较 许启发，王艳明 设计时间：2003年8月
案例四：时间序列分析在经济预测中的应用 一、案例简介 为了配合《统计学》课程时间序列分析部分的课堂教学，提高学生运用统计分析方法解决实际问题的能力，我们组织了一次案例教学，其内容是：对烟台市的未来经济发展状况作一预测分析，数据取烟台市1949—1998年国内生产总值（GDP）的年度数据，并以此为依据建立预测模型，对1999年和2000年的国内生产总值作出预测并检验其预测效果。国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映国民经济活动最重要的经济指标之一，科学地预测该指标，对制定经济发展目标以及与之相配套的方针政策具有重要的理论与实际意义。在组织实施时，我们首先将数据资料印发给学生，并讲清本案例的教学目的与要求，明确案例所涉及的教学内容；然后给学生一段时间，由学生根据资料，运用不同的方法进行预测分析，并确定具体的讨论日期；在课堂讨论时让学生自由发言，阐述自己的观点；最后，由主持教师作点评发言，取得了良好的教学效果。 经济预测是研究客观经济过程未来一定时期的发展变化趋势，其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未来经济活动的了解，以确定社会经济活动的发展水平，为决策提供依据。 时间序列分析预测法，首先将预测目标的历史数据按照时间的先后顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。 本案例的最大特色在于：它汇集了统计学原理中的时间序列分析这一章节的所有知识点，通过本案例的教学，可以把不同的时间序列分析方法进行综合的比较，便于学生更好地掌握本章的内容。 二、案例的目的与要求 （一）教学目的 1．通过本案例的教学，使学生认识到时间序列分析方法在实际工作中应用的必要性和可能性； 2．本案例将时间序列分析中的水平指标、速度指标、长期趋势的测定等内容有机的结合在一起，以巩固学生所学的课本知识，深化学生对课本知识的理解； 3．本案例是对烟台市的国内生产总值数据进行预测，通过对实证结果的比较和分析，使学生认识到对同一问题的解决，可以采取不同的方法，根据约束条件，从中选择一种合适的预测方法； 4．通过本案例的教学，让学生掌握EXCEL软件在时间序列分析中的应用，对统计、计量分析软件SPSS或Eviews等有一个初步的了解； 5．通过本案例的教学，有助于提高学生运用所学知识和方法分析解决问题的能力、合作共事的能力和沟通交流的能力。 （二）教学要求 1．学生必须具备相应的时间序列分析的基本理论知识； 2．学生必须熟悉相应的预测方法和具备一定的数据处理能力； 3．学生以主角身份积极地参与到案例分析中来，主动地分析和解决案例中的问题； 4．在提出解决问题的方案之前，学生可以根据提供的样本数据，自己选择不同的统计分析方法，对这一案例进行预测，比较不同预测方法的异同，提出若干可供选择的方案； 5．学生必须提交完整的分析报告。分析报告的内容应包括：选题的目的及意义、使用数据的特征及其说明、采用的预测方法及其优劣、预测结果及其评价、有待于进一步改进的思路或需要进一步研究的问题。
市场调研预测及决策练习题答案 一、移动平均类 1．已知某厂山地自行车各年销量Y(万辆),算出一次指数平滑值如表。请计算二次指数平滑值,并用公式T b a Y t t T t +=+预测2004、2005年的销量。 (α=0.3)。 ))](1/([,2)2()1()2()1(t t t t t t S S b S S a --=-=αα 答案：
2．某商场某品牌家电产品1998-2007年销售额资料如下表所示，当平滑系数α1=0.2，α2=0.8时，试用一次指数平滑法预测该商场该商品2008年销售额为多少万元？ 答案：
3、某商店近10周的食盐销售量如下表：试分别用3周和5周为移动期使用移动平均法预测第11周的食盐销售量。 答案：
4、下表为某公司2006年出口商品月销售额， （1）列出二次移动平均法计算表。(N=3，移动平均值取1位小数) （3）预测该企业2007年1月、2月、3月销售额。 答案：
5、某电视机厂销量平稳，连续多年运用一次指数平滑法对该厂电视机销量进行了预测，对2005年的销量预测值为130万台，而当年实际销售量为150万台，请据此预测2006年该厂电视机的销售量（平滑常数α为0.3）。 答案： 6、企业近年产品销售额如下表，请用一次移动平均法确定2002年销售额预测值。（要 求n=3和n=5，并计算它们的平均绝对误差，以确定最后的预测值） 某企业近年产品销售额单位：万元 答案：
7．某洗衣机厂近年洗衣机销售量如下表，当n=4时，用二次移动平均法预测2003年销售量 表4-1 某企业近年产品销售额单位：万台 答案：
加权移动平均法 加权移动平均法(weighted moving average method/weighted moving average) 目录 [隐藏] ? 1 加权移动平均法概述 ? 2 加权平均法的计算公式 ? 3 加权移动平均法案例分析 o 3.1 案例一:加权移动平均法应用高校教师的考核业绩 [1] ? 4 相关条目 ? 5 参考文献 [编辑] 加权移动平均法概述 加权移动平均法就是根据同一个移动段内不同时间的数据对预测值的影响程度，分别给予不同的权数，然后再进行平均移动以预测未来值。 加权移动平均法不像简单移动平均法那样，在计算平均值时对移动期内的数据同等看待，而是根据愈是近期数据对预测值影响愈大这一特点，不同地对待移动期内的各个数据。对近期数据给予较大的权数，对较远的数据给予较小的权数，这样来弥补简单移动平均法的不足。 [编辑] 加权平均法的计算公式 加权平均法的计算公式如下： 式中： Y n + 1——第n+1期加权平均值；
Y i——第i期实际值； x_i——第i期的权数（权数的和等于1）； n——本期数； k——移动跨期； 用加权移动平均法求预测值，对近期的趋势反映较敏感，但如果一组数据有明显的季节性影响时，用加权移动平均法所得到的预测值可能会出现偏差。因此，有明显的季节性变化因素存在时，最好不要加权。 [编辑] 加权移动平均法案例分析 [编辑] 案例一:加权移动平均法应用高校教师的考核业绩[1] 当前，在高校薪酬分配中，一般对教师通过简单统计年度业绩考核结果来确定岗位津贴标准进行分配。笔者认为，这种办法存在着很大的弊端，如年度科研业绩的大起大落自然会造成教师收入水平的巨大波动，由此引起教师情绪上的波动以及其工作情境的变化，影响到工作效率，影响师资队伍的稳定。用改进的加权移动平均法统计教师业绩，并以此作为年度考核的依据将有效地消除年度考核业绩的“大年”与“小年” 的现象，稳定教师的业绩水平与收入水平，从而有助于吸引人才与稳定现有教师队伍。本文尝试着将加权移动平均法的“修匀”或“平滑”作用，应用于高校的年度业绩考核，使不规则的序列数据，能够平滑起来，利用经过修匀的年度考核数据作为有关津贴和奖金发放的依据，能够使教师的收入水平保持相对的稳定。 一、模型的讨论 加权移动平均法常用于进行趋势的预测，用这种办法可以得到一个光滑的修正序列，即所谓的“修匀”。把修匀的功能应用于整理高校教师年度考核的序列数据应该同样有效。 1．加权移动平均模型 加权移动平均模型是对移动平均模型的改进。采用加权移动平均，既可以做到按数据点的顺序逐点推移，逐段平均，使不规则的数据点形成比较平滑的排列规则，又可以通过权数的设定使离考核期距离不同的数据，所起的作用不同。 加权移动平均法的统计模型为： M t = a1Y t? 1 + a2Y t? 2 + a n Y t? n（1）
高斯消元法1.程序: clear format rat A=input('输入增广矩阵A=') [m,n]=size(A); for i=1:(m-1) numb=int2str(i); disp(['第',numb,'次消元后的增广矩阵']) for j=(i+1):m A(j,:)=A(j,:)-A(i,:)*A(j,i)/A(i,i); end A end %回代过程 disp('回代求解') x(m)=A(m,n)/A(m,m); for i=(m-1):-1:1 x(i)=(A(i,n)-A(i,i+1:m)*x(i+1:m)')/A(i,i); end x
2.运行结果：
高斯选列主元消元法1.程序: clear format rat A=input('输入增广矩阵A=') [m,n]=size(A); for i=1:(m-1) numb=int2str(i); disp(['第',numb,'次选列主元后的增广矩阵']) temp=max(abs(A(i:m,i))); [a,b]=find(abs(A(i:m,i))==temp); tempo=A(a(1)+i-1,:); A(a(1)+i-1,:)=A(i,:); A(i,:)=tempo disp(['第',numb,'次消元后的增广矩阵']) for j=(i+1):m A(j,:)=A(j,:)-A(i,:)*A(j,i)/A(i,i); end A end %回代过程 disp('回代求解')
x(m)=A(m,n)/A(m,m); for i=(m-1):-1:1 x(i)=(A(i,n)-A(i,i+1:m)*x(i+1:m)')/A(i,i); end x 2.运行结果：
移动加权平均法 公式：(原成本x 原库存+ 新成本x 新入数量)÷总库存数（新+原）= 新成本例：退热贴单位：张销售规格8元/张 场景1：原库存为零、原成本与入库成本相同 原库存：0张原成本：5元/张 入库：10张入库成本：5元/张 总库存：0+10=10 新成本：（5x0 + 5x10) / 10 = 5元/张 场景2：原库存为零、原成本与入库成本不相同 原库存：0张原成本：8元/张 入库：10张入库成本：5元/张 总库存：0+10=10 新成本：（8x0 + 5x10) / 10 = 5元/张 场景3：原库存大于入库数量、原成本与入库成本相同 原库存：30张原成本：5元/张 入库：20张入库成本：5元/张 总库存：30+20=50 新成本：（5x30 + 5x20) / 50 = 5元/张 场景4：原库存小于入库数量、原成本与入库成本相同 原库存：20张原成本：5元/张 入库：30张入库成本：5元/张 总库存：20+30=50 新成本：（5x20 + 5x30) / 50 = 5元/张 场景5：原库存大于入库数量、原成本大于入库成本 原库存：30张原成本：8元/张 入库：20张入库成本：5元/张 总库存：30+20=50 新成本：（8x30 + 5x20) / 50 = 6.8元/张 场景6：原库存大于入库数量、原成本小于入库成本 原库存：30张原成本：5元/张 入库：20张入库成本：8元/张 总库存：30+20=50 新成本：（5x30 + 8x20) / 50 = 6.2元/张
场景7：原库存小于入库数量、原成本大于入库成本 原库存：20张原成本：8元/张 入库：30张入库成本：5元/张 总库存：20+30=50 新成本：（8x20 + 5x30) / 50 = 6.2元/张场景8：原库存小于入库数量、原成本小于入库成本 原库存：20张原成本：5元/张 入库：30张入库成本：8元/张 总库存：20+30=50 新成本：（5x20 + 8x30) / 50 = 6.8元/张 说明： 原成本：上次入库时的单品成本 原库存：上次入库时的单品库存 新成本：本次入库后的单品成本 总库存：本次入库后的单品库存
第七章时间序列分析习题 一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。 二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( )
Excel应用案例 指数平滑法 移动平均法的预测值实质上是以前观测值的加权和，且对不同时期的数据给予相同的加权。这往往不符合实际情况。指数平滑法则对移动平均法进行了改进和发展，其应用较为广泛。 1. 指数平滑法的基本理论 根据平滑次数不同，指数平滑法分为：一次指数平滑法、二次指数平滑法和三次指数平滑法等。但它们的基本思想都是：预测值是以前观测值的加权和，且对不同的数据给予不同的权，新数据给较大的权，旧数据给较小的权。 ①一次指数平滑法 设时间序列为，则一次指数平滑公式为： 式中为第 t周期的一次指数平滑值；为加权系数，0＜＜1。 为了弄清指数平滑的实质，将上述公式依次展开，可得： 由于0＜＜1，当→∞时，→0，于是上述公式变为： 由此可见实际上是的加权平均。加权系数分别为， ，…，是按几何级数衰减的，愈近的数据，权数愈大，愈远的数据， 权数愈小，且权数之和等于1，即。因为加权系数符合指数规律，且又具 有平滑数据的功能，所以称为指数平滑。 用上述平滑值进行预测，就是一次指数平滑法。其预测模型为： 即以第t周期的一次指数平滑值作为第t+1期的预测值。 ②二次指数平滑法 当时间序列没有明显的趋势变动时，使用第t周期一次指数平滑就能直接预测第t+1
期之值。但当时间序列的变动出现直线趋势时，用一次指数平滑法来预测仍存在着明显的滞后偏差。因此，也需要进行修正。修正的方法也是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型。故称为二次指数平滑法。 设一次指数平滑为，则二次指数平滑的计算公式为： 若时间序列从某时期开始具有直线趋势，且认为未来时期亦按此直 线趋势变化，则与趋势移动平均类似，可用如下的直线趋势模型来预测。 式中t为当前时期数；T为由当前时期数t到预测期的时期数；为第t+T期的预 测值；为截距，为斜率，其计算公式为： ③三次指数平滑法 若时间序列的变动呈现出二次曲线趋势，则需要用三次指数平滑法。三次指数平滑是在二次指数平滑的基础上再进行一次平滑，其计算公式为： 三次指数平滑法的预测模型为： 其中： ④加权系数的选择 在指数平滑法中，预测成功的关键是的选择。的大小规定了在新预测值中新数据和原预测值所占的比例。值愈大，新数据所占的比重就愈大，原预测值所占比重就愈小，反之亦然。 若把一次指数平滑法的预测公式改写为：
高斯——赛德尔法潮流计算 潮流计算高斯——赛德尔迭代法(Gauss一Seidel method)是求解电力系统潮流的方法。潮流计算高斯——赛德尔迭代法又分导纳矩阵迭代法和阻抗矩阵迭代法两种。前者是以节点导纳矩阵为基础建立的赛德尔迭代格式;后者是以节点阻扰矩阵为基础建立的赛德尔迭代格式。高斯——赛德尔迭代法这是数学上求解线性或非线性方程组的一种常用的迭代方法。 本实验通过对电力网数学模型形成的计算机程序的编制与调试，获得形成电力网数学模型：高斯---赛德尔法的计算机程序，使数学模型能够由计算机自行形成，即根据已知的电力网的接线图及各支路参数由计算程序运行形成该电力网的节点导纳矩阵和各节点电压、功率。通过实验教学加深学生对高斯---赛德尔法概念的理解，学会运用数学知识建立电力系统的数学模型，掌握数学模型的形成过程及其特点，熟悉各种常用应用软件，熟悉硬件设备的使用方法，加强编制调试计算机程序的能力，提高工程计算的能力，学习如何将理论知识和实际工程问题结合起来。 高斯---赛德尔法潮流计算框图
［1］系统节点的分类 根据给定的控制变量和状态变量的不同分类如下 ①P、Q节点（负荷节点），给定Pi、Qi求Vi、Si，所求数量最多； ②负荷节点，变电站节点（联络节点、浮游节点），给定P Gi 、Q Gi 的发电机节 点，给定Q Gi 的无功电源节点； ③PV节点（调节节点、电压控制节点），给定P i 、Q i 求Q n 、S n ，所求数量少， 可以无有功储备的发电机节点和可调节的无功电源节点； ④平衡节点（松弛节点、参考节点（基准相角）、S节点、VS节点、缓冲节 点），给定V i，δ i =0，求P n、 Q n (V s、 δ s 、P s 、Q s )。 ［2］潮流计算的数学模型 1)线性的节点电压方程 YV=I 根据S=V错误!未找到引用源。可得非线性的节点电压方程(错误!未找到引用源。为I的共轭) YV=I=错误!未找到引用源。=错误!未找到引用源。 节点功率与节点电流的关系:错误!未找到引用源。 2)在国外,对于复数变量不打点,其模要加绝对值符号;在国内,对于复数变 量,在S、V、I上要打点，Y、Z上不打点，其模不加绝对值符号。 3）错误!未找到引用源。式2—5 对于发电机Pi、Qi为正，对负荷来说Pi、Qi为负 4）展开YV=I得错误!未找到引用源。 上式代入式2—5得n维的非线性复数电压方程组 错误!未找到引用源。式2—6 该式为潮流计算的基本方程 ［3］高斯—赛德尔法潮流计算 1)高斯法潮流计算 ①将式2—6展开成电压方程错误!未找到引用源。式2—7 假设系统节点数是n，PQ节点数为m，m+1及之后的节点是PV节点，第n个
移动加权平均法：移动加权平均法下库存商品的成本价 格根据每次收入类单据自动加权平均；其计算方法是以各次收入数量和金额与各次收入前的数量和金额为基础，计算出移动加权平均单价。 其计算公式如下： 移动加权平均单价=（本次收入前结存商品金额+本次收入商品金额）/（本次收入 前结存商品数量+本次收入商品数量） 移动加权平均法计算出来的商品成本比较 均衡和准确，但计算起来的工作量大，一般适用于经营品种不多、或者前后购进商品的单价相差幅度较大的商品流通类企业。 以下以一个简单的例子来说明：例1:货品A,期初结存数量10,加权价10,金额为100,发生业务如下：销售11；采购 10,采购价格11; 成本计算过程如下：销售时，成本金额为11*10=110 ;销售后结存数量：-1 ;加权价：10;结存金额：-10 ;
采购后，结存单价位：（-10+10*11 ）/（- 1+10 ）=11.111111 一、月末一次加权平均法 加权平均法也叫全月一次加权平均法， 指以本月收入全部存货数量加月初存货数 量作为权数，去除本月收入全部存货成本加月初存货成本的和，计算出存货的加权平均单位成本，从而确定存货的发出成本和库存成本的方法。计算公式如下： 加权平均单价=（本月收入全部存货成本+月初存货成本）/ （本月收入全部存货数量加 +月初存货数量） 本月发出存货成本=本月发出存货数量X加 权平均单价 月末结存存货成本=月末库存存货数量X加 权平均单价 二、移动加权平均法。 移动平均法亦称移动加权平均法，指本次收货的成本加原有库存的成本，除以本次收货数量加原有存货数量，据以计算加权平均单价，并对发出存货进行计价的一种方法。移动平均法与加权平均法的计算原理基
《时间序列分析》案例 案例名称：时间序列分析在经济预测中的应用内容要求：确定性与随机性时间序列之比较设计作者：许启发，王艳明 设计时间：2003年8月
案例四：时间序列分析在经济预测中的应用 一、案例简介 为了配合《统计学》课程时间序列分析部分的课堂教学，提高学生运用统计分析方法解决实际问题的能力，我们组织了一次案例教学，其内容是：对烟台市的未来经济发展状况作一预测分析，数据取烟台市1949—1998年国内生产总值（GDP）的年度数据，并以此为依据建立预测模型，对1999年和2000年的国内生产总值作出预测并检验其预测效果。国内生产总值是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果，是反映国民经济活动最重要的经济指标之一，科学地预测该指标，对制定经济发展目标以及与之相配套的方针政策具有重要的理论与实际意义。在组织实施时，我们首先将数据资料印发给学生，并讲清本案例的教学目的与要求，明确案例所涉及的教学内容；然后给学生一段时间，由学生根据资料，运用不同的方法进行预测分析，并确定具体的讨论日期；在课堂讨论时让学生自由发言，阐述自己的观点；最后，由主持教师作点评发言，取得了良好的教学效果。 经济预测是研究客观经济过程未来一定时期的发展变化趋势，其目的在于通过对客观经济现象历史规律的探讨和现状的研究，求得对未来经济活动的了解，以确定社会经济活动的发展水平，为决策提供依据。 时间序列分析预测法，首先将预测目标的历史数据按照时间的先后顺序排列，然后分析它随时间的变化趋势及自身的统计规律，外推得到预测目标的未来取值。它与回归分析预测法的最大区别在于：该方法可以根据单个变量的取值对其自身的变动进行预测，无须添加任何的辅助信息。 本案例的最大特色在于：它汇集了统计学原理中的时间序列分析这一章节的所有知识点，通过本案例的教学，可以把不同的时间序列分析方法进行综合的比较，便于学生更好地掌握本章的内容。 二、案例的目的与要求 （一）教学目的 1．通过本案例的教学，使学生认识到时间序列分析方法在实际工作中应用的必要性和可能性； 2．本案例将时间序列分析中的水平指标、速度指标、长期趋势的测定等内容有机的结合在一起，以巩固学生所学的课本知识，深化学生对课本知识的理解； 3．本案例是对烟台市的国内生产总值数据进行预测，通过对实证结果的比较和分析，使学生认识到对同一问题的解决，可以采取不同的方法，根据约束条件，从中选择一种合适的预测方法； 4．通过本案例的教学，让学生掌握EXCEL软件在时间序列分析中的应用，对统计、计量分析软件SPSS或Eviews等有一个初步的了解； 5．通过本案例的教学，有助于提高学生运用所学知识和方法分析解决问题的能力、合作共事的能力和沟通交流的能力。 （二）教学要求 1．学生必须具备相应的时间序列分析的基本理论知识； 2．学生必须熟悉相应的预测方法和具备一定的数据处理能力； 3．学生以主角身份积极地参与到案例分析中来，主动地分析和解决案例中的问题； 4．在提出解决问题的方案之前，学生可以根据提供的样本数据，自己选择不同的统计分析方法，对这一案例进行预测，比较不同预测方法的异同，提出若干可供选择的方案； 5．学生必须提交完整的分析报告。分析报告的内容应包括：选题的目的及意义、使用数据的特征及其说明、采用的预测方法及其优劣、预测结果及其评价、有待于进一步改进的思路或需要进一步研究的问题。