实验实训报告
课程名称：世界市场行情分析实验
开课学期： 2012-2013学年第一学期
开课系(部)：经济系
开课实验(训)室：数量经济分析实验室
学生姓名：段文平
专业班级：国际商务一般
学号： 20103241138 重庆工商大学融智学院教务处制
实验题目
实验概述
【实验(训)目的及要求】
熟练掌握含趋势变动的季节指数预测法原理及操作过程，并对结果能进行解释。
【实验(训)原理】
利用消除季节影响的时间序列进行趋势外推预测并结合对应的季节指数对含季节影响的趋势变动时间序列进行预测。
实验内容
【实验(训)方案设计】
一、要求完成的实验内容
长期趋势的测度：趋势方程法（重点掌握线性趋势方程法）；季节变动的测度；利用长期趋势测度的测度结果与季节变动测度结果进行预测。
二、具体操作程序
1. 长期趋势的测定：趋势方程法测定线性趋势；
2. 季节变动的测定：对于存在长期趋势的时间序列采用移动平均趋势剔除法剔除趋势变动以测算季节变动；
3. 预测：长期趋势测度结果与其相应的季节变动测度结果相结合。
【实验(训)过程】（实验(训)步骤、记录、数据、分析）
一、变量选择及数据说明
本实验选择某地区2005-2008年各季的货物贸易进出口总额（单位：万元）数据资料，并根据已有数据资料利用季节指数预测法预测该地区2009年各季度的货物贸易进出口总额。
二、长期趋势的测度
1.移动平均法消除季节因素影响
（选择“工具”菜单中的“数据分析”，在其对话框的“分析工具”列表中选择“移动平均”；其中，奇数项移动平均首尾各减少（n-1）/2；偶数项移动平
均首尾各减少n/2。）
表1 某地区货物贸易进出口总额单位：万件
2. 趋势方程法测定线性趋势
（选择数据区域，单击“工具”菜单中的“数据分析”选项，在其对话框的“分析工具”列表中选择“回归”）
图1 某地区货物贸易进出口额趋势方程
从上图中可知，采用线性趋势方程测度该地区货物贸易进出口总额长期趋
根据趋势外推结果，预测该地区2009年各季度不含季节变动的预测值。
表2 该地区2009年各季度不含季节变动的预测值
三、季节变动测度
按月（季）平均法：采用移动平均剔除法剔除趋势变动，并将剔除趋势后的数列按季度进行整理。用各月（季）的平均数除以所有月（季）的平均数得出季节指数来测定季节变动。如果季节指数之和不等于4（季度数据）或不等于12（月度数据）需要将进行调整。
表3 季节指数的计算
四、预测与分析
利用上述测度的不含季节变动的长期趋势预测值与各季度相应的季节指数相结合以进行预测，该地区2009年各季度的货物贸易进出口总额预测结果如下表所示：
表4 该地区2009年各季度的预测值
指导教师评语及成绩：
成绩：指导教师签名：
批阅日期：
数据分析实验报告 文稿归稿存档编号：[KKUY-KKIO69-OTM243-OLUI129-G00I-FDQS58-
第一次试验报告 习题1.3 1建立数据集，定义变量并输入数据并保存。 2数据的描述，包括求均值、方差、中位数等统计量。 分析—描述统计—频率，选择如下： 输出： 统计量 全国居民 农村居民 城镇居民 N 有效 22 22 22 缺失 均值 1116.82 747.86 2336.41 中值 727.50 530.50 1499.50 方差 1031026.918 399673.838 4536136.444 百分位数 25 304.25 239.75 596.25 50 727.50 530.50 1499.50 75 1893.50 1197.00 4136.75 3画直方图，茎叶图，QQ 图。（全国居民） 分析—描述统计—探索，选择如下： 输出： 全国居民 Stem-and-Leaf Plot Frequency Stem & Leaf 5.00 0 . 56788 数据分析实验报告 【最新资料，WORD 文档，可编辑修改】
2.00 1 . 03 1.00 1 . 7 1.00 2 . 3 3.00 2 . 689 1.00 3 . 1 Stem width: 1000 Each leaf: 1 case(s) 分析—描述统计—QQ图，选择如下： 输出： 习题1.1 4数据正态性的检验：K—S检验，W检验数据： 取显着性水平为0.05 分析—描述统计—探索，选择如下：（1）K—S检验
结果：p=0.735 大于0.05 接受原假设，即数据来自正太总体。 （2 ）W 检验 结果：在Shapiro-Wilk 检验结果972.00 w ，p=0.174大于0.05 接受原假设，即数据来自正太总体。 习题1.5 5 多维正态数据的统计量 数据：
《EXCEL预测与决策分析》 实验报告册 2014- 2015 学年第学期 班级： 学号： 姓名： 授课教师：实验教师： 实验学时：实验组号： 信息管理系
目录 实验一网上书店数据库的创建及其查询 (3) 实验二贸易公司销售数据的分类汇总分析 (7) 实验三餐饮公司经营数据时间序列预测 (9) 实验四住房建筑许可证数量的回归分析 (12) 实验五电信公司宽带上网资费与电缆订货决策 (15) 实验六奶制品厂生产/销售的最优化决策 (17) 实验七运动鞋公司经营投资决策 (19)
实验一网上书店数据库的创建及其查询 【实验环境】 ?Microsoft Office Access 2003； ?Microsoft Office Query 2003。 【实验目的】 1.实验1-1: ?理解数据库的概念； ?理解关系（二维表）的概念以及关系数据库中数据的组织方式； ?了解数据库创建方法。 2.实验1-2： ?理解DOBC的概念； ?掌握利用Microsoft Query进行数据查询的方法。 3.实验1-3： ?掌握复杂的数据查询方法：多表查询、计算字段和汇总查询。 【实验步骤】 实验1-1 一、表的创建和联系的建立 步骤1：创建空数据库“xddbookstore”。 步骤2：数据库中表结构的定义。 步骤3：保存数据表。 步骤4：定义“响当当”数据库的其他表。 步骤5：“响当当”数据库中表之间联系的建立。 二、付款方式表的数据输入 步骤1：选中需要输入数据的表（如付款方式表）。 步骤2：输入数据。 三、订单表的数据导入 在本书配套磁盘提供的xddbookstore.xls文件中，包含了响当当数据库所有表的数据。可以利用该文件将订单表数据导入到“xddbookstore.mdb”数据库中。 步骤1：选择要导入的文件。 步骤2：规定要导入的数据表。 步骤3：指明在要导入的数据中是否包含列标题。 步骤4：规定数据应导入到哪个表中，可以是新表或现有的表。 步骤5：完成数据导入工作。 实验1-2 一、建立odbc数据源 在利用 microsoft office query对“响当当”网上书店进行数据查询之前，必须先建立一个用于连接该数据库的odbc数据源“bookstore”，具体步骤如下： 步骤1：启动microsoft office query应用程序。 步骤2：进入“创建新数据源”对话框。
湘南学院实验报告 课程名称：统计预测和决策 专业班级：经济统计学一班 姓名：吴丽媛 学号： 201414430148 指导教师：谷玉 实验日期： 2017.3.28
实验一：多元统计分析 一、实验目的及要求 客观事物的变化往往受多种因素的影响，此时就要用到多元回归分析，借以说明多种因素之间的关系,利用EXCEL软件进行多元回归分析，建立函数模型。 二、实验设备 2007版EXCEL软件 三、实验内容 分析喜欢某种牌号牙膏的居民百分比与该地区居民的人均年收入 和教育指数的关系 四、实验步骤（包含数据及详细过程） 1.加载数据分析 第一步：打开2007excel，点击左上角的按钮，如图所示。 第二步：点击右下角的，如图所示。
第三步：点击左侧的加载项，如图所示。 第四步：点击最下面的“转到”，如图所示，然后选中“分析数据库”，点击“确定”。 2.输入数据，如下图
3.数据分析 第一步：点击excel2007中工具栏的“数据”，然后点击“数据分析”，弹出数据分析的对话框，如图所示。 第二步：选中“回归”，点击确定，弹出对话框，如图所示。 第三步：“Y值输入区域”为$B$2:$B$11，“X值输入区域”$C$2:$D$11，选择“置信度”为95%，“新工作表组”，“残差”和“标准残差”。如图所示，点击确定。 五、实验结果与解释 结果如图所示。
实验结果解释：由如上图的输出结果可知，第一部分为汇总统计，MultipleR 指复相关系数，RSquare 指判定系数，Adjusted 指调整的判定系数，标准误差指估计的标准误，观测值指样本容量；第二部分为方差分析，df 指自由度，SS 指平方和，MS 指均方，F 指 F 统计量， significance of F 指p 值；第三部分包括：Intercept 指截距，Coefficient 指系数， tstat 指t 统计量。由2 R =0.6682，可知此回归模型只能解释喜欢该品牌牙膏的百分比变差的66.82%， 该模型的方程为：218118.20168.44492.13x x y ++=∧.
一、意义 1、设计铁路能力的依据。客运量是选定铁路主要技术标准的依据，而主要技术标准又决定着运输装备的能力，它不应小于调查或预测的客运量，以满足国家要求的运输任务； 2、是评价铁路经济效益的基础。客运量决定铁路的运营收入、运输成本等经济效益指标。客运量大，则收入多、成本低； 3、是影响线路方案取舍的重要因素。铁路选线中，出现大量的线路方案比较。若运量大，则投资大的方案中选，运营支出小。 总之，若调查或预测的客运量偏大，则铁路标准偏高，技术装备能力也偏高，因而投资较大。但运营后发现实际运量偏小，则会造成铁路能力闲置，投资浪费，由于运营收入少，铁路的经济效益必然降低；若调查或预测的客运量偏小，虽初期投资省，但运营后能力很快就会饱和，从而过早的引起铁路改扩建，追加投资增大，也不经济。 二、影响客运量的因素 直通吸引范围：等距离原则划定（“哪边近走哪边”），上下行分别勾画； 地方吸引范围：运价最低（运距最低）原则确定（“哪边花钱少走哪边”）。 随着社会经济的不断发展，客运量也在不断增加，因此，只有把握住影响客运量增长的因素，才能更好地预测出客运量的大小。影响因素主要有： 1、国家的政治、经济形势，国民经济的增长速度与发展战略，运价政策和旅客对运费的承受能力，这些因素，在预测远期运量时需加以考虑； 2、设计线在路网中的地位和作用，以及邻接铁路的布局和能力，都将影响直通客运量； 3、设计线沿线的资源情况，工矿、电力等大型企业的发展规划，农林牧副渔和乡镇企业的发展情况，以及城乡人口、人均收入的增长情况，也将影响地方客运量； 4、设计线沿线的公路、水运等交通状况和发展规划，将影响设计线分担客运量的比重； 5、突发事件的影响：疾病、自然灾害等。 三、客运量预测方法 定性预测方法是主要以预测人员的经验判断为依据而进行的预测。预测者根据自己掌握的实际情况、实践经验、专业水平，对未来货运发展前景的性质、方向和程度做出判断。其特点为:需要的数据少，能考虑无法定量的因素，比较简便可行。 定性预测方法：经济调查法（直接估算法：根据规划线吸引范围内的经济、人口、人均收入等情况，比照邻接铁路每天开行的旅客列车对数，直接估计规划线运营初期每天需要开行的列车对数，远期可按每隔若干年增加一对估算）、德尔菲法（专家调查法）、类推法（时间类推和局部类推）、头脑风暴法等。但这种方法往往在很大程度上取决于参加预测的人员的经验、专业理论水平以及所掌握的实际情况，因此存在片面性，准确性不高的缺点。 定量预测方法则是以历史统计资料和有关信息为依据，运用各种数学方法来预测未来客运市场需求情况，即未来的运量。定量预测方法最大的优点就是客观性，这类方法的预测精度和可靠性在很大程度上取决于数据的准确性和预测方法的科学性。 定量预测方法：时间序列法（移动平均法、指数平滑法、季节指数法、自回归分析、趋势外推法、灰色预测法）、影响因素分析法（回归分析法、系数法：乘车系数和产值系数）、四阶段法（交通生成、交通分布、交通方式划分、交通流分配）。 时间序列分析预测法是一种依据客运量的历史变化趋势，找出其随时间变化的规律，并通过数学模型来表示，然后根据模型来进行预测的方法。这种方法的主要优点是需要数据少、简便，只要所研究的运量时间序列的趋势没有大的波动，预测效果较好。这类方法的缺点是无法反映出运量变化的原因，对于影响运量变化的外部因素变化，如调整经济政策和发展速度而引起的运输需求的变动无法反映。 影响总运输需求的主要因素有很多，但具体的预测目标类型、范围是不同的，必须细致地分析其最
相关与回归分析实验报告
学 2014106146 号： 课程论文 题目统计学实验 学院数学与统计学院 专业金融数学 班级14金融数学 学生姓名罗星蔓 指导教师胡桂华 职称教授 2016 年 6 月21 日
相关与回归分析实验报告 一、实验目的：用EXCEL进行相关分析和回归 分析. 二、实验内容： 1.用EXCEL进行相关分析. 2.用EXCEL进行回归分析. 三、实验步骤 采用下面的例子进行相关分析和回归分析. 学生数学分数（x）统计学分数 (y) 1 2 3 4 5 6 7 8 9 10 80 90 60 90 78 87 90 45 87 80 85 92 70 90 83 90 94 50 93 82
相关分析： 数学分数（x）统计学分数(y) 数学分数（x） 1 统计学分数(y) 0.986011 1 回归分析： SUMMARY OUTPUT 回归统计 Multiple R 0.98601 1 R Square 0.97221 7 Adjusted R Square 0.96874 4 标准误差2.40314 1 观测值 x 方差分 析 df SS MS F Significanc e F 回归分析1 1616.69 9 1616.69 9 279.943 8 1.65E-07 残差8 46.2006 9 5.77508 6 总计9 1662.9 Coeffici ents 标准误 差 t Stat P-valu e Lower 95% Upper 95% 下限 95.0% 上限 95.0%
Intercept 12.32018 4.2862 79 2.8743 3 0.0206 91 2.4360 05 22.204 36 2.4360 05 22.204 36 数学分数（x）0.896821 0.0536 01 16.731 52 1.65E- 07 0.7732 18 1.0204 24 0.7732 18 1.0204 24 RESIDUAL OUTPUT 观测值预测统计学分数 (y) 残差 标准残 差 1 84.06587 0.93413 3 0.41229 3 2 93.03408 -1.0340 8 -0.4564 3 66.12945 3.87055 4 1.70832 4 4 93.03408 -3.0340 8 -1.3391 3 5 82.27223 0.72777 5 0.32121 4 6 90.34361 -0.3436 1 -0.1516 6 7 93.03408 0.96592 2 0.42632 3 8 52.67713 -2.6771 3 -1.1815 9 9 90.34361 2.65638 5 1.17243 3 10 84.06587 -2.0658 7 -0.9118 PROBABILITY OUTPUT 百分比排 位统计学分数 (y) 5 50 15 70 25 82 35 83
编译原理实验报告
一、实验目的及要求 1.通过本次实验，加深对LL(1)预测分析法原理的认识和理解。 2.构造LR(1)分析程序，利用它进行语法分析，判断给出的符号 串是否为该文法识别的句子。 3.了解LR（K）分析方法是严格的从左向右扫描，和自底向上的 语法分析方法。 二、运行环境： 硬件：windows xp 软件：visual c++6.0 三、实验内容 1、分析使用LR(1)的优点： (1)LR分析器能够构造来识别所有能用上下文无关文法写的 程序设计语言的结构。 (2)LR分析方法是已知的最一般的无回溯移进-归约方法，它 能够和其他移进-归约方法一样有效地实现。 (3)LR方法能分析的文法类是预测分析法能分析的文法类的 真超集。 (4)LR分析器能及时察觉语法错误,快到自左向右扫描输入的 最大可能。
为了使一个文法是LR的，只要保证当句柄出现在栈顶时，自左向右扫描的移进-归约分析器能够及时识别它便足够了。当句柄出现在栈顶时，LR分析器必须要扫描整个栈就可以知道这一点，栈顶的状态符号包含了所需要的一切信息。如果仅知道栈内的文法符号就能确定栈顶是什么句柄。LR分析表的转移函数本质上就是这样的有限自动机。不过，这个有限自动机不需要根据每步动作读栈，因为，如果这个识别句柄的有限自动机自底向上读栈中的文法符号的话，它达到的状态正是这时栈顶的状态符号所表示的状态，所以，LR分析器可以从栈顶的状态确定它需要从栈中了解的一切。 2、LR分析器由三个部分组成： (1)总控程序，也可以称为驱动程序。对所有的LR分析器总控 程序都是相同的。 (2)分析表或分析函数，不同的文法分析表将不同，同一个文 法采用的LR分析器不同时，分析表将不同，分析表又可以分为动作表（ACTION）和状态转换（GOTO）表两个部分，它们都可用二维数组表示。 (3)分析栈，包括文法符号栈和相应的状态栈，它们均是先进 后出栈。 分析器的动作就是由栈顶状态和当前输入符号所决定。 四、程序源代码：
解题步骤分析： （1）作原始数据的散点图 data cj; input x@@; t=intnx('month','01jan2000'd,_n_-1);format t yyq12.; cards; 2080 2032 1598 2394 1880 2240 2440 2760 2264 2160 2500 2420 2180 2222 2340 2840 2500 2580 2420 2620 2700 2500 2340 2760 2376 2040 1840 2516 2440 2800 2296 2834.8 2800 2242.6 2803 2620 2420 1856 1754.8 2178 1580 2194 2416 2643.6 2882.8 1975.4 2644.8 2380 2004 1569.6 2458 2156 2408 2118 2895.9 2652 2578 2126 2798 2550.8 2920 1880 1988.3 2857.69 1454.8 2642 2395.5 2931.5 2216 2465.5 2564 2031.5 ; proc gplot;plot x*t=1;symbol1i=joint v=dot; run; 得到如下图形： （2）分析图形变动的特点，判断应该采用什么方法进行分析： 由上述散点图可以看出，该药品的用量在不同的月份其用量的波动很明显，出
现明显的旺、淡之分，但是没有明显的长期趋势，是非平稳的时间序列且应该利用季节变动分析方法中的季节指数水平法进行分析。 （3）分别计算月份均数、月份指数： data cj; input a b c d e f g h i j k l@@; m=(a+b+c+d+e+f+g+h+i+j+k+l)/12; a1=a/m;b1=b/m;c1=c/m;d1=d/m;e1=e/m;f1=f/m; g1=g/m;h1=h/m;i1=i/m;j1=j/m;k1=k/m;l1=l/m; cards; 2080 2032 1598 2394 1880 2240 2440 2760 2264 2160 2500 2420 2180 2222 2340 2840 2500 2580 2420 2620 2700 2500 2340 2760 2376 2040 1840 2516 2440 2800 2296 2834.8 2800 2242.6 2803 2620 2420 1856 1754.8 2178 1580 2194 2416 2643.6 2882.8 1975.4 2644.8 2380 2004 1569.6 2458 2156 2408 2118 2895.9 2652 2578 2126 2798 2550.8 proc means;proc print; run; 得到的结果如下： 其中各月份的指数相加正好等于12，故不需要再调整。 （4）计算预测趋势值，一般采用最近年份的平均值=(2004 1569.6 2458 2156 2408 2118 2895.9 2652 2578 2126 2798 2550.8）/12=2362.23 data cj; input a@@; cards;
《编译原理》 实验报告 姓名：余同庆 班级：软件1005班 学号： 3902100509 日期： 2012-6-7 中南大学软件学院 2012年06月
第一部分词法分析 词法分析程序设计与实现 一、实验目的 加深对词法分析器的工作过程的理解；加强对词法分析方法的掌握；能够采用一种编程语言实现简单的词法分析程序；能够使用自己编写的分析程序对简单的程序段进行词法分析。 二、实验内容 自定义一种程序设计语言，或者选择已有的一种高级语言，编制它的词法分析程序。词法分析程序的实现可以采用任何一种编程语言和编程工具。 从输入的源程序中，识别出各个具有独立意义的单词，即关键字、标识符、常数、运算符、界符。并依次输出各个单词的内部编码及单词符号自身值。（遇到错误时可显示“Error”，然后跳过错误部分继续显示） 三、实验要求 1.对单词的构词规则有明确的定义； 2.编写的分析程序能够正确识别源程序中的单词符号； 3.识别出的单词以<种别码，值>的形式保存在符号表中，正确设计和维护 符号表； 4.对于源程序中的词法错误，能够做出简单的错误处理，给出简单的错误 提示，保证顺利完成整个源程序的词法分析； 四、程序设计思路 这里以开始定义的C语言子集的源程序作为词法分析程序的输入数据。在词法分析中，自文件头开始扫描源程序字符，一旦发现符合“单词”定义的源程序字符串时，将它翻译成固定长度的单词内部表示，并查、填适当的信息表。经过词法分析后，源程序字符串（源程序的外部表示）被翻译成具有等长信息的单词串（源程序的内部表示），并产生两个表格：常数表和标识符表，它们分别包含了源程序中的所有常数和所有标识符。 1.定义部分：定义常量、变量、数据结构。 2.初始化：从文件将源程序全部输入到字符缓冲区中。 3.取单词前：去掉多余空白。 4.取单词：利用实验一的成果读出单词的每一个字符，组成单词，分析类
课内实验报告 课程名：预测与决策 任课教师：张立凡 专业：市场营销 学号：B09110530 姓名：郑荣翔 2011/2012学年第 2 学期 南京邮电大学经济与管理学院
《 预测与决策 》课程实验第 1 次实验报告 实验内容及基本要求： 实验项目名称： 一元线性回归在Excel 中的实现 实验内容及要求： 1、熟悉Excel 有关命令的使用方法 2、利用Excel 掌握有关菜单的功能 3、掌握一元线性回归在Excel 中实现的基本方法，熟悉Excel 的有关操作 实验步骤： 1、进入Excel 程序。 2、一元线性回归的输入形式： n x y 1 11.6 8.5 2 14.1 11.1 3 17.1 13.6 4 19.6 15.8 5 22.1 17. 6 6 25.6 20.5 7 33.6 27. 8 8 40.5 33.5 9 47.8 39.2 绘出散点图： 散点图 010203040 500 20 40 60 货币收入 购买力 y 线性 (y)
3、一元线性回归的计算资料： 计算2x 、2y 及xy ，分别在“D2、E2、F2”单元格通过相对引用输入计算公式并向下复制。 n x y x 2 y 2 xy 1 11.6 8.5 134.56 72.25 98.6 2 14.1 11.1 198.81 123.21 156.51 3 17.1 13.6 292.41 184.96 232.56 4 19.6 15.8 384.16 249.64 309.68 5 22.1 17.6 488.41 309.76 388.96 6 25.6 20.5 655.36 420.25 524.8 7 33.6 27.8 1128.96 772.84 934.08 8 40.5 33.5 1640.25 1122.25 1356.75 9 47.8 39.2 2284.84 1536.64 1873.76 在“A11” 单元格输入求和公式并向右复制计算∑x 、∑y 、∑2x 、∑2y 及∑xy 。 n x y x 2 y 2 xy 1 11.6 8.5 134.56 72.25 98.6 2 14.1 11.1 198.81 123.21 156.51 3 17.1 13.6 292.41 184.96 232.56 4 19.6 15.8 384.16 249.64 309.68 5 22.1 17.6 488.41 309.76 388.96 6 25.6 20.5 655.36 420.25 524.8 7 33.6 27.8 1128.96 772.84 934.08 8 40.5 33.5 1640.25 1122.25 1356.75 9 47.8 39.2 2284.84 1536.64 1873.76 合计 232 187.6 7207.76 4791.8 5875.7 4、一元线性回归系数的计算： x b y a x x n y x xy n b 22-=--= ∑∑∑∑∑)( b==(A50*F51-B51*C51)/(A50*D51-B51*B51) a=C51/A50-B52*B51/A50 b= 0.847206 a= -0.99464 按bX a Y +=?（Y=-0.99464+0.847206X ）计算估计值：
温斯特季节指数平滑预测 1、利用95年数据计算全年销售额平均值x x =44 321x x x x +++=42 .3752.4755.4232.398+++ =418.0 2、计算季节因子的指数平滑数I ，令t=5,分别计算 L t I -，L=4,3,2,1的近似值。 4-t I =1I =x x 1=0.95 3-t I =2I =x x 2=1.01 2-t I =3I =x x 3=1.14 1-t I =4I = x x 4 =0.90 3、重新令t=5,L=4,并令4S =4x ，4T =0 按公式 ）α）（（α1-t 1-t T S -1S ++=-L t t I x t 1-t 1-t t t T -1S -S T ）（）（λλ+= L -t S x t I -1I t t ）（γγ+= m L t t t i m m t I mT S F +-=++=)()(
递推得到 当1.0,1.0,3.0===γλα时得到一系列预测值 预测至于实际值拟合图如下 4、发现拟合并不完美，需要尝试修改γλα,,参数，然图形拟合度肉眼很难识别，故构造函数（表中黄色部分为构造函数数值） ∑=-=n i t t x F 1 22 )(σ 即将所有预测值与实际值的差的平方求和，求出和最小的即为拟合最好的。 5、然在实际应用中发现，无论γλα,,参数怎么取，数据预测的前5期的值与实际值偏差都较大，且之后的预测值拟合度与这
5期拟合度好坏无关，故在求和时不予考虑，即从表格的P15开始求和，求到P28。 6、反复尝试发现1.0,2.0,4.0===γλα时，拟合函数值最小。拟合图如下 7、故2001年预测值分别为 第一季度：889.8 第二季度：968.4 第三季度：1111 第四季度：896.7
第一节季节变动数据模式分析法及预测步骤 一、数据模式的分析法 1、叠加法 2、乘积法 二、预测步骤 第一步：确定在不考虑季节变化因素影响下的年度预测值，也称水平/趋势预测值。 第二步：利用按季（月）度的各年历史值（3年以上）计算各季度的季节指标（季节指数、季节变差、季节比重。 第三步：运用步骤二中得到的季节指标和步骤一中得到的年度预测值，从而估算预测期各季（月）度的预测值。 第二节季节指数预测法 一、季节指数的测算方法 1、按季平均法
例：某食品公司历年肉制品按季销售资料如表所示（单位：吨）： 表8—2 按季平均法计算表 2、全年比率平均法 分两步：
二、实际预测 1、情形一：已知年度预测值，估计各季度预测值 2、情形二：已知某季度的实际值，估计其它各季预测值。 第三节季节变差预测法 一、季节变差指标的测定方法 某季的季节变差=历年同季的季节平均值－全时期季度平均值 例题：上例中（见表8-1数据），要求利用季节变差估算各季度预测值。
二、实际预测 1、情形一：已知年度预测值，预测其它各季度值。 某季的预测值=年度预测值/4+该季的季节变差 例：数据同上，预计2006年该公司肉制品销售量比上年增加3%，估计其它各季度 预测值，即2006年度预测值为：7170 ×（1+3%）=7385 （吨），预测各季度值。 2、情形二：已知某季的实际值，估计其它各季度预测值。 某季度预测值=已知季度的实际值—已知季度的季节变差+该季的季节变差 例题：上例中，2004年一季度销售量为2400吨，要求预测其它各季销售量。 第二季度的预测值=2400-441.3+(-252.9)=1705.8（吨） 第三季度的预测值=2400-441.3+(-229.1)=1729.6 （吨） 第四季节的预测值=2400-441.3+38.9=1997.6 （吨） 全年的预测值=(2400-441.3)×4=7834.8 （吨） 第四节季节比重预测法 一、季节比重指标的测定方法 一年中各季的季节比重之和为100%，平均每季季节比重为25%， 大于25%，高于平均水平，小于25%，低于平均水平。 例题：上例中的数据，要求估算各季度季节比重，计算结果见表8-4所示。 1、情形一：已知年度预测值，预测其它各季度值。 例题：已知2006年度预测值为7385吨，要求利用季节变差预测各值 一季度预测值=7385×31.3%=2311.5（吨）二季度预测值=7385×21.4%=1580.4（吨）三季度预测值=7385×21.7%=1602.5（吨）四季度预测值=7835×25.6%=1890.6（吨）
简单季节指数法的步骤[1] 简单季节预测法的具体步骤如下： 1.收集历年按季度记录的历史统计资料； 2.计算出n年各相同季度的平均值(A)； 3.计算出n年每一个季度的平均值(月)； 4.计算季节指数，即用各季度的平均值除以所有季度的平均值： 式中 C=A/B C——季节指数。 5.利用季节指数(C),对预测值进行修正： Y t = (a + bT)C i 式中 C i——第i季度的季节指数(i=1,2,3,4)； Y t——第t季度的销售量； a——待定系数； b——待定系数； T——预测期季度数， [编辑] 简单季节指数法实例分析[1] 例如，某公司从1996年到2001年，每一年各季度的纺织品销售量见下表。预测2001年各季度纺织品的销售量。
1996 600 180 150 120 150 1997 660 210 160 130 160 1998 700 230 170 130 170 1999 750 250 180 140 180 2000 850 300 200 150 200 2001 1000 400 220 160 220 合计4560 1570 1080 830 1080 季节指数 1.38 0.95 0.73 0.95 预测过程如下： 1.六年各相同季节的平均销售量(A i) A 1=1970÷6≈262(单位) 同理A_2=180，A_3≈138.3，A_4=180(单位) 2.六年所有季度的平均销售量(B) (单位) M——6年销售量总和 3.各季节销售指数(C i) C i=262÷19≈1.38 同理C 2≈0.95，C3≈0.73，C4≈0.95 4.修正2002年各季度预测值
实验实训报告 课程名称：世界市场行情分析实验 开课学期： 2012-2013学年第一学期 开课系(部)：经济系 开课实验(训)室：数量经济分析实验室 学生姓名：段文平 专业班级：国际商务一般 学号： 20103241138 重庆工商大学融智学院教务处制
实验题目 实验概述 【实验(训)目的及要求】 熟练掌握含趋势变动的季节指数预测法原理及操作过程，并对结果能进行解释。 【实验(训)原理】 利用消除季节影响的时间序列进行趋势外推预测并结合对应的季节指数对含季节影响的趋势变动时间序列进行预测。 实验内容 【实验(训)方案设计】 一、要求完成的实验内容 长期趋势的测度：趋势方程法（重点掌握线性趋势方程法）；季节变动的测度；利用长期趋势测度的测度结果与季节变动测度结果进行预测。 二、具体操作程序 1. 长期趋势的测定：趋势方程法测定线性趋势； 2. 季节变动的测定：对于存在长期趋势的时间序列采用移动平均趋势剔除法剔除趋势变动以测算季节变动； 3. 预测：长期趋势测度结果与其相应的季节变动测度结果相结合。 【实验(训)过程】（实验(训)步骤、记录、数据、分析） 一、变量选择及数据说明 本实验选择某地区2005-2008年各季的货物贸易进出口总额（单位：万元）数据资料，并根据已有数据资料利用季节指数预测法预测该地区2009年各季度的货物贸易进出口总额。 二、长期趋势的测度 1.移动平均法消除季节因素影响 （选择“工具”菜单中的“数据分析”，在其对话框的“分析工具”列表中选择“移动平均”；其中，奇数项移动平均首尾各减少（n-1）/2；偶数项移动平
均首尾各减少n/2。） 表1 某地区货物贸易进出口总额单位：万件 2. 趋势方程法测定线性趋势 （选择数据区域，单击“工具”菜单中的“数据分析”选项，在其对话框的“分析工具”列表中选择“回归”）