下载文档原格式
1、德尔菲法有哪些特点？又有哪些优点和缺点？答:(1)德尔菲法(Delph i me t hod),是采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后做出符合市场未来发展趋势的预测结论。
(2)德尔菲法本质上是一种反馈匿名函询法。
其大致流程是：在对所要预测的问题征得专家的意见之后,进行整理、归纳、统计 ,再匿名反馈给各专家 ,再次征求意见,再集中，再反馈，直至得到一致的意见。
其过程可简单表示如下 :匿名征求专家意见 -归纳、统计 -匿名反馈-归纳、统计……若干轮后停止。
由此可见，德尔菲法是一种利用函询形式进行的集体匿名思想交流过程。
它有三个明显区别于其他专家预测方法的特点 ,即匿名性、多次反馈、小组的统计回答。
(一)匿名性因为采用这种方法时所有专家组成员不直接见面，只是通过函件交流,这样就可以消除权威的影响。
这是该方法的主要特征。
匿名是德尔菲法的极其重要的特点,从事预测的专家彼此互不知道其他有哪些人参加预测，他们是在完全匿名的情况下交流思想的。
后来改进的德尔菲法允许专家开会进行专题讨论。
(二)反馈性该方法需要经过 3~4 轮的信息反馈，在每次反馈中使调查组和专家组都可以进行深入研究,使得最终结果基本能够反映专家的基本想法和对信息的认识 ,所以结果较为客观、可信。
小组成员的交流是通过回答组织者的问题来实现的,一般要经过若干轮反馈才能完成预测。
(三)统计性最典型的小组预测结果是反映多数人的观点，少数派的观点至多概括地提及一下，但是这并没有表示出小组的不同意见的状况。
而统计回答却不是这样 ,它报告 1 个中位数和 2 个四分点,其中一半落在2个四分点之内，一半落在 2 个四分点之外。
这样，每种观点都包括在这样的统计中,避免了专家会议法只反映多数人观点的缺点。
[1]( 3 ) 优点:1、可以避免群体决策的一些可能缺点，声音最大或地位最高的人没有机会控制群体意志，因为每个人的观点都会被收集 ,另外,管理者可以保证在征集意见以便作出决策时，没有忽视重要观点。
简答题1.定量预测法用外推测法时需注意的原则？答：连贯原则（事物的发展是按一定的规律进行的，在其发展过程中，这种规律贯彻始终，不应受到破坏，它的未来发展与其过去和现在的发展没有什么根本不同）；类推原则（事物必须有某种结构，其升降欺负变动不是杂乱无章的，而是有章可循的，事物变动的这种结构性可用数学方法加以模拟，根据所测定的模型，类比现在预测未来）。
2.统计预测研究有哪些步骤？答：1.确定预测的目的；2.搜集和审核资料；3.选择预测模型和方法；4.分析预测误差，改进预测模型；5.提出预测报告。
3德尔菲法的特点？其优缺点？答：特点：反馈性；匿名性；统计性。
优点：1.可以加快预测速度，节约预测费用；2.可以获得各种不同但有价值的观点和意见；3.适用于长期预测和对新产品的预测在历史资料不足或不可测因素较多时尤为适用。
缺点：1.对于分地区的顾客群或产品的预测可能不可靠；2.责任比较分散；3.专家的意见有时可能不完整或不切合实际。
4.应用回归预测法师应注意哪些问题？答：1.用定性分析判断现象之间的依存关系；2.避免回归预测不能任意外推的问题；3.应用合适的数据资料（数据资料的准确性，可比性，独立的问题，社会经济现象基本稳定的问题）。
5.非线性回归预测法中，应如何选择合适的曲线？试举例。
答：（1）通过描散点图的分布形状确定变量间的函数类型，（2）应用最小二乘法，通过变量变换，转换为线性关系，确定相关函数中的位置参数。
6.试叙述趋势外推法的基本原理。
答：大量经济现象的发展是渐进性，相对于实际那有一定规律性的条件下，依时间变化呈某种上升或下降的趋势，并且无明显季节波动，能找到一条合适的函数曲线反映趋势变化，建立模型y=f（t），赋予t所需值，可得相应时刻的时间序列未来值，这就是趋势外推。
具体：图形识别法和分差法确定模型（多项式、指数、对数、生长曲线预测模型）实质：利用某种函数分析描述预测对象某一函数的发展趋势。
7.影响时间序列变化有哪些因素？试分别说明之。
统计预测与决策课程心得
作为一名学习统计预测与决策课程的学生，我深刻体会到这门课程对于我们日常生活以及职业发展的重要性。
以下是我的课程心得。
首先，统计预测与决策课程让我认识到了统计学在现代社会中的重要性。
从医学到金融，从政治到商业，统计学都扮演着重要的角色。
通过学习这门课程，我了解了如何收集、分析和解释数据，以及如何基于数据做出有意义的决策。
其次，课程中涉及了许多实际应用和工具，如回归分析、时间序列分析、数据挖掘等。
这些工具不仅可以应用于学术研究，也可以应用于商业决策、市场分析等实践中。
通过学习这些工具，我掌握了一些实际技能，可以更好地应对未来的职业挑战。
此外，统计预测与决策课程也注重培养我们的思维能力和解决问题的能力。
在课程中，我们需要学会如何分析问题、提取关键信息、建立模型，并基于模型做出有意义的预测和决策。
这些能力在我们日常生活以及职业发展中都是非常关键的。
总之，统计预测与决策课程是一门非常实用和有意义的课程。
通过学习这门课程，我不仅掌握了一些实际技能，也培养了一些重要的思维能力和解决问题的能力。
我相信这些能力将在未来的职业发展中发挥
重要作用。
统计预测与决策的心得体会统计预测与决策是一个涉及到数据分析和决策制定的重要过程。
在过去的学习和实践中，我积累了一些心得体会，以下是我对统计预测与决策的一些总结和思考。
首先，对于统计预测而言，数据的可靠性是至关重要的。
一开始，我往往会花费大量的时间和精力去收集和整理数据，确保数据的准确性和完整性。
只有在数据基础上，才能进行可靠的统计预测。
此外，对于时间序列数据而言，我还特别注重趋势分析和周期性的观察，以预测未来的趋势和周期。
在数据采集和预处理的过程中，我发现使用统计软件和工具是非常有效的，可以大大简化繁琐的操作和提高工作效率。
其次，对于统计预测的方法选择，我更加倾向于综合多种方法进行预测。
因为不同的预测方法可能适用于不同的数据集和场景，在实际应用中，往往没有一种单一的方法能够适用于所有情况。
比如，针对时间序列预测，我会经常尝试使用移动平均法、指数平滑法、ARIMA模型等不同的方法，然后对比它们的预测准确率和稳定性，选择最合适的方法进行预测。
在决策制定的过程中，我发现需要综合考虑多个因素。
统计预测提供了数据支持，但决策制定往往需要综合考虑到数据以外的因素，比如市场趋势、竞争对手的行动等。
因此，我会尽量收集和了解更多的信息和背景知识，以便做出更明智的决策。
此外，在制定决策时，我也会倾向于使用决策分析的方法，比如层次分析法、成本-效益分析等，以量化不同因素对决策的影响程度，从而更好地权衡各种利弊，做出最优的决策。
此外，我还学到了决策的风险管理的重要性。
在实际决策过程中，风险是不可避免的。
因此，我会尽可能地对可能出现的风险进行预测和量化，并制定相应的风险管理措施。
比如，我会进行灵敏度分析和场景分析，以评估决策在不同风险情景下的稳定性和可行性。
此外，我还会利用概率统计的方法，计算和评估决策的风险和不确定性，并制定相应的对策和预案。
最后，我认识到统计预测与决策是一个循环迭代的过程。
预测结果和决策制定并不是最终的结论，而是一个开始。
一、名词解释第一章①预测：根据过去和现在估计预测未来。
②统计预测：属于预测方法研究的范畴，即如何利用科学的统计方法对事物的未来发展进行③定量推测，并计算概率置信区间。
第二章①定性预测：是指预测者依靠熟悉业务知识、具有丰富经验和综合分析能力的人员与专家，根据已掌握的历史资料和直观材料，运用个人的经验和分析判断能力，对事物的未来发展做出性质和程度上的判断，然后再通过一定形式综合各方面的意见，作为预测未来的主要依据。
②主观概率：是人们对根据几次经验结果所做的主观判断的主观判断的量度。
③客观概率：是根据事件发展的客观性统计出来的一种概率。
④相互影响法：是从分析各个事件之间由于相互影响而引起的变化，以及变化发生的概率，来研究各个事件在未来发生的可能性的一种预测方法。
第三章①残差：预测值与真实值的离差②可绝系数：衡量自变量与因变量关系密切程度的指标，表示自变量解释因变量变动的百分百比。
③相关系数：测定拟合优度的指标，相关系数平方等于可绝系数。
④非线性回归预测法：在社会现实经济活动中，很多现象之间的关系并不是线性的，这时就要选配适当类型的曲线，即非线性回归预测。
⑤拟合优度：衡量回归直线拟合效果的指标⑥自相关系数：是衡量同一变量不同时期的数据之间相关程度的指标。
⑦D-W：检验模型是否存在自相关的一个有效方法，其计算公式为：D—W=∑(ui-ui-1)^2/∑ui^2,其中ui=yi-^yi.根据经验D-W统计量在1.5~2.5之间表示没有显著自相关问题。
第四章①不规则变动因素：又称随机变动，它是受各种偶然因素影响所形成的不规则变动。
②趋势外推法：用时间t为自变量，时序数值y为因变量，建立合适的趋势模型，并赋予时间变量t所需要的值，从而得到相应时刻的时间序列未来值。
③图形识别法：通过绘制以时间t为横轴，时序数据为y轴的散点图形，并将其与各种函数曲线模型比较，选择最为合适的模型。
④差分法：利用差分把数据修匀，使非平稳的序列达到平稳序列。
统计预测与决策引言统计预测是指利用历史和现有数据，基于统计学原理和模型来预测未来事件或数据的发展趋势。
利用统计预测方法，可以辅助决策，提供决策者制定合理决策的依据。
本文将介绍统计预测的基本原理和常用方法，并探讨其在决策过程中的应用。
统计预测的基本原理统计预测的基本原理是通过对历史数据的分析和建模，找到数据的规律和趋势，从而对未来数据进行预测。
统计预测基于以下几个假设：1.数据具有某种规律性：统计预测假设数据的变化存在一定的规律和趋势，可以通过历史数据来揭示这些规律。
2.数据是随机的：统计预测假设数据的变化是由一系列随机变量引起的，可以通过概率统计的方法来描述和分析。
3.数据的规律不变：统计预测假设数据的规律和趋势在未来一段时间内基本保持不变，可以用来预测未来数据的变化。
基于上述假设，统计预测可以分为时间序列预测和横截面预测两种方法。
时间序列预测时间序列预测是指利用时间序列数据来进行预测的方法。
时间序列数据是按照时间顺序排列的观测值序列，其中每个观测值与前后观测值之间存在一定的时间间隔。
在时间序列预测中，常用的统计模型有移动平均、指数平滑和自回归等。
移动平均移动平均是一种简单的时间序列预测方法，其基本原理是对观测值进行平均处理，以减小随机因素的影响，突出长期趋势。
移动平均方法根据之前几个时间点的观测值计算平均值，并将平均值作为预测值。
移动平均可以平滑时间序列数据，减少数据的波动性，从而揭示出数据的趋势。
指数平滑指数平滑是一种更加灵活的时间序列预测方法，其基本原理是对观测值进行加权平均处理，比较重视最近观测值的影响，相较于移动平均方法更能体现短期趋势。
指数平滑方法通过设置平滑系数来控制不同观测值的权重，根据过去观测值和预测误差来更新平滑系数，从而得到最终的预测结果。
自回归自回归模型是一种常用的时间序列预测方法，基于随机过程的自相关性。
自回归模型假设观测值与之前的观测值之间存在一定的线性关系，可以通过对过去观测值的线性组合来构建模型，并用模型来进行预测。
统计预测与决策学习要点：统计预测概念及分类、时间数列预测法和回归预测法的内容、统计决策的三要素、风险型决策与完全不确定型决策的方法。
第1节统计预测的分类一、统计预测的分类统计预测的种类很多，可以从不同的角度进行分类。
1.按预测对象的表现形式不同，统计预测可以分为定性预测和定量预测。
定性预测是指预测者以统计资料为依据，根据已知资料，凭借个人的工作经验和分析能力，对事物的未来发展情况做出判断。
定量预测则着重对事物的数量方面进行预测。
它是预测者根据预测事物的历史数据，运用统计方法进行科学的推算，以求得准确的预测结果。
大部分统计预测方法都属于定量预测。
2.按预测对象的范围大小，统计预测可以分为宏观预测和微观预测。
宏观预测是指对大系统总体的综合性预测。
微观预测是指对个别具体单位经营管理活动进行的预测。
3.按预测时距的长短，统计预测可以分为短期预测、中期预测和长期预测。
短期预测一般是指预测时距在二年以内的预测，适用于基层企业对日常业务问题进行的预测；中期预测一般是指2-5年的预测，适用于企业制定人员培训计划、银行借贷计划及编制国民经济计划等；长期预测一般是指5年以上的预测，它通常用于社会发展战略目标的预测。
4.按预测对象是否包含时间变动因素，统计预测可以分为动态预测和静态预测。
动态预测是根据预测对象随时间推移的发展变化规律而进行的预测。
静态预测是指在一定时间上，利用现象之间的因果关系，由一种现象变动去推断另一种现象的状况。
其中，动态预测是统计预测中的主要内容。
二、统计预测的程序1.明确预测的目的。
预测目的的确定，关系到统计资料的搜集与整理，也关系到预测方法的选用。
2.搜集和整理资料。
在预测时，对于搜集到的资料需要进行审核和分析，对于不完全适用的资料要进行调整，对偶然事件的数据要加以排除。
3.选用预测方法。
在初步分析资料的基础上，选择适当的预测模型。
4.进行预测。
根据选用的预测方法进行数学模型中参数值的计算，使模型成为具体化的公式，据以进行预测。
统计预测与决策知识点统计预测与决策是一门关注如何在面对不确定性和风险的情况下做出最优决策的学科。
统计预测主要关注如何通过数学和统计模型来预测未来事件的发生概率和趋势，而决策则着重于如何在不同的决策选择之间进行评估和选择。
统计预测的知识点包括概率理论、统计回归、时间序列分析等。
首先，概率理论是统计预测的基础知识，它研究随机事件的发生概率。
概率可以通过统计数据的分析来估计，从而预测未来事件的发生概率。
其次，统计回归是一种预测模型，它通过建立数学模型来描述自变量和因变量之间的关系。
通过统计回归，可以根据已有的数据来预测未来的结果。
时间序列分析是另一个重要的统计预测方法，它通过对时间序列数据的分析来预测未来的趋势和模式。
时间序列分析涉及到平稳性和平稳过程的概念，以及自相关函数和滑动平均模型等分析方法。
通过时间序列分析，可以预测未来的时间序列数据并进行决策。
决策的知识点包括决策理论、决策分析和决策树等。
首先，决策理论研究如何在面临不确定性和风险的情况下做出最优决策。
它主要包括期望效用理论、风险偏好和不确定性预测等方面的内容。
其次，决策分析是一种将决策问题形式化为数学模型的方法。
通过决策分析，可以将决策问题分解为各种因素和变量，并通过数学模型进行定量分析和评估。
最后，决策树是一种图形化的决策模型，它使用树状结构来表示各种决策路径和可能的结果。
通过决策树，可以对不同的决策路径进行比较和选择，帮助决策者做出最优决策。
在实际应用中，统计预测与决策的知识点经常被应用于各种领域，例如金融、市场营销和生产管理等。
在金融方面，通过对历史数据的统计预测和决策分析，可以帮助投资者和金融机构做出风险管理和投资决策。
在市场营销中，通过对市场需求和竞争环境的统计预测和决策分析，可以帮助企业确定最佳的市场营销策略和定价策略。
在生产管理中，通过对供应链和生产流程的统计预测和决策分析，可以帮助企业提高效率和降低成本。
总结起来，统计预测与决策是一门涉及统计学、数学和决策理论的学科，它通过对数据的分析和数学模型的建立来预测未来事件的概率和趋势，并在不确定性和风险的情况下做出最优决策。
统计预测与决策习题答案统计预测与决策习题答案统计预测与决策是统计学中的一个重要领域，它涉及了数据分析、模型建立和决策制定等多个方面。
在实际应用中，统计预测与决策能够帮助我们预测未来的趋势、评估风险和制定合理的决策方案。
下面是一些与统计预测与决策相关的习题及其答案，希望能够帮助读者更好地理解这一领域的知识。
1. 问题：某公司过去5年的销售额数据如下，请使用简单移动平均法预测下一年的销售额。
年份：2015 2016 2017 2018 2019销售额：100 120 130 140 150答案：简单移动平均法是一种常用的时间序列预测方法，它通过计算一定时间段内的观测值的平均数来进行预测。
在这个问题中，我们可以选择过去几年的销售额作为观测值，然后计算它们的平均数。
计算过程如下：(100 + 120 + 130 + 140 + 150) / 5 = 128因此，根据简单移动平均法，下一年的销售额预测值为128。
2. 问题：某电商平台的用户在一个月内的购买金额数据如下，请使用指数平滑法预测下一个月的购买金额。
月份：1 2 3 4 5 6 7购买金额：100 110 120 115 130 140 145答案：指数平滑法是一种常用的时间序列预测方法，它通过对观测值进行加权平均来进行预测。
在这个问题中，我们可以选择过去几个月的购买金额作为观测值，然后根据指数平滑法进行预测。
计算过程如下：首先，选择一个平滑系数α，一般取值在0到1之间。
假设α为0.3。
第一个预测值为第一个观测值，即100。
第二个预测值为上一个预测值与第二个观测值的加权平均，即：预测值2 = α * 观测值2 + (1 - α) * 预测值1预测值2 = 0.3 * 110 + 0.7 * 100 = 103依此类推，可以得到以下结果：预测值3 = 0.3 * 120 + 0.7 * 103 = 107.9预测值4 = 0.3 * 115 + 0.7 * 107.9 = 108.73预测值5 = 0.3 * 130 + 0.7 * 108.73 = 113.121预测值6 = 0.3 * 140 + 0.7 * 113.121 = 116.1847预测值7 = 0.3 * 145 + 0.7 * 116.1847 = 118.74929因此，根据指数平滑法，下一个月的购买金额预测值为118.74929。
统计预测与决策问题: 敏感性分析及其步骤敏感性分析：在决策过程中，分析概率值变化对最优方案选择所产生的影响大小和方向，以及概率变化引起方案变化的临界点。
敏感性分析的步骤：(1)????? 求出在保持最优方案稳定的前提下，自然状态概率所容许的变动范围；(2)????? 衡量用于预测和估算这些自然状态概率的方法，其精度是否能保证所得概率值在此允许的误差范围内变动；(3)????? 判断所做决策的可靠性；问题: 厂长（经理）评判意见法的优缺点优点：（1）预测迅速、及时和经济；（2）可发挥机体的智慧，使预测结果比较准确可靠；（3）无需大量的统计资料更适用于对不可控因素较多的产品进行预测；?（4）如果市场情况发生变化，可立即进行修正；缺点：（1）预测结果易受到主观因素影响；（2）预测结果一般化；问题: 经济时间序列的变化影响有长期趋势因素、季节变动因素、周期变动因素、不规则变动因素等。
问题: 一元线性回归模型进行检验的指标主要有标准误差、相关系数、可决系数???。
问题: 损益矩阵组一般由三部分组成：？可行方案；？自然状态及其发生的概率；？各种行动方案的可能结果。
把以上三部分内容在一个表上表现出来，该表就称为损益矩阵表。
问题: 统计决策的原则应当遵循以下基本原则：（1）可靠性原则决策必须建立在大量的准确、及时和完整的信息资料基础上。
（2）可行性原则拟定行动方案时，必须从实际出发认真进行可行性分析。
（3）效益最佳原则即通过各方案的分析比较，所选定的行动方案应具有较明显的经济性。
（4）合理性原则决策的直接目的是选出合理的方案。
上面介绍的只是统计决策的基本原则，除此之外，还有民主性原则、开拓性原则等。
问题: 统计决策具备的条件？必须具备四个基本条件：（１）决策目标必须明确；（２）存在两个以上的行动方案；（３）每个行动方案的效果必须是可以计算的；（４）能够预测出影响决策目标的但决策者无法控制的各种情况以及它们发生的概率。
问题: 回归预测与时间序列预测精度比较预测实证研究表明，各类预测方法之间并不存在明显优劣,只是不同方法具有各自不同的特点；回归预测和时间序列预测是两类不同的定量预测方法，它们根据不同的角度对经济现象进行预测，回归预测注重分析影响预测对象的各因素所造成的影响，而时间序列预测则根据预测对象本身的历史数据来预测其未来问题: 影响预测误差大小经济现象变化模式或关系的存在是进行预测的前提条件。
因此，影响预测误差的主要因素有：（1）模式或关系的识别错误；（2）模式或关系的不确定性；（3）模式或现象之间关系的变化性问题: 关于预测精度1、对某一特定经济现象的预测，系统的预测分析能提高多少预测精度?2、对于某一特定经济现象的预测,如何才能提高预测精度?3、在已知某一经济现象的预测精度存在提高可能的情况下,如何选择合适的预测方法?问题: 预警系统的作用（1）正确评价当前宏观经济的状态，恰当地反映经济形势的冷热程度，并能承担短期经济形势分析的任务。
（2）能描述宏观经济运行的轨迹，预测其发展趋势，在重大经济形势变化或发生转折前，能及时发出预警信号，提醒决策者要制定合适的政策，防止经济发生严重的衰退或发生经济过热。
（3）能及时地反映宏观经济的调控效果，判断宏观经济调控措施是否运用恰当，是否起到了平抑经济波动幅度的效果。
（4）有利于企业的经营决策。
（5）有利于改革措施出台时机的正确决策。
问题: 扩散指数的应用扩散指数（1）当0< DI t<50%时，表明上升指标数小于下降指标数，经济系统运行于不景气空间的后期。
（2）当50%<DI t <100%时，表明上升指标数多于下降指标数，经济系统运行于景气空间，随着向峰值100%逼近，经济越来越热。
（3）当100%> DI t>50%时，表明上升指标数仍然多于下降指标数，经济系统运行于景气空间后期，经济正在走下坡路，整个经济系统正处于降温阶段。
（4）当50%>DI t >0时，表明经济运行发生重大转折，上升指标数小于下降指标数，经济系统处于全面收缩阶段，经济系统进入一个新的不景气空间前期。
问题: 景气阶段分类景气含义：景气是对经济发展状况的一种综合性描述，用于说明经济的活跃程度。
经济景气是指总体经济呈上升趋势，经济不景气是指总体经济呈下滑的发展趋势。
类别：（1）古典周期（2）现代周期按长度：（1）短：基钦周期（2）中：尤格拉周期（3）中长：库兹涅茨周期（4）长：康德拉提耶夫周期问题: 干预模型建模的思路和步骤1、利用干预影响产生前的数据，建立单变量的时间序列模型。
然后利用此模型进行外推预测，得到的预测值，作为不受干预影响的数值。
2、将实际值减去预测值，得到受干预影响的具体结果，利用这些结果求估干预影响的参数。
3、利用排除干预影响后的全部数据，识别与估计出一个单变量的时间序列模型。
4、求出总的干预分析模型。
问题: 干预分析模型的基本形式干预变量的形式：干预分析模型的基本变量是干预变量，有两种常见的干预变量。
一种是持续性的干预变量，表示T 时刻发生以后, 一直有影响，这时可以用阶跃函数表示,形式是：第二种是短暂性的干预变量，表示在某时刻发生, 仅对该时刻有影响, 用单位脉冲函数表示，形式是：问题: ARMA模型的基本形式ARMA模型是描述平稳随机序列的最常用的一种模型，基本模型主要有三种：自回归模型（AR：Auto-regressive）；移动平均模型（MA：Moving-Average）；混合模型（ARMA：Auto-regressive Moving-Average）。
关于该知识点，是第四节的主要内容，望大家注意查看教材和导学。
问题: 平稳时间序列的含义时间序列{Yt}取自某一个随机过程，如果此随机过程的随机特征不随时间变化，则称过程是平稳的；如果该随机过程的随机特征随时间变化，则称过程是非平稳的。
问题: 一次移动平均法的原理一次移动平均方法是收集一组观察值，计算这组观察值的均值，利用这一均值作为下一期的预测值。
在移动平均值的计算中包括的过去观察值的实际个数，必须一开始就明确规定。
每出现一个新观察值，就要从移动平均中减去一个最早观察值，再加上一个最新观察值，计算移动平均值，这一新的移动平均值就作为下一期的预测值。
问题: 自适应过滤法的基本原理自适应过滤法的基本原理就在于通过其反复迭代以调整加权系数的过程，“过滤”掉预测误差，选择出“最佳”加权系数用于预测。
整个计算过程从选取一组初始加权系数开始，然后计算得到预测值及预测误差（预测值与实际值之差），再根据一定公式调整加权系数以减少误差，经过多次反复迭代，直至选择出“最佳”加权系数。
由于整个过程与通信工程中过滤传输噪声的过程极为接近，故被称为“自适应过滤法”。
问题: 龚珀兹曲线模型模型的适用：多用于新产品的研制、发展、成熟和衰退分析，特别适用于对处在成熟期的商品进行预测，以掌握市场需求和销售的饱和量。
是预测各种商品市场容量的一种最佳拟合线。
问题: 多项式曲线趋势外推法问题: 趋势外推法的假设条件1、假设条件：（1）假设事物发展过没有跳跃式变化，一般属于渐进变化。
（2）假设事物的发展因素也决定事物未来的发展，其条件是不变或变化不大。
2、趋势模型的种类（1）多项式曲线预测模型：一次（线性）预测模型二次（二次抛物线）模型三次（三次抛物线）模型 n次（n次抛物线）模型（2）指数曲线预测模型：指数曲线预测模型修正指数曲线预测模型（3）对数曲线预测模型：（4）生长曲线预测模型：皮尔曲线预测模型龚珀兹曲线预测模型问题: 时间序列可以分解为哪几个因素？1、长期趋势因素（T）2、季节变动因素（S）3、周期变动因素（C）（一般无法直接给出，需判断，也可忽略不计。
）4、不规则变动因素（I）（不可计量）问题: 时间序列预测的关键是什么？思想：假定时间序列存在某一种数据变化模式或某一种组合模式，并会重复发生的。
因此可以首先识别出这种模式，然后采用外推的方式就可以进行预测了。
关键：（1）假定数据的变化模式（样式）可以根据历史数据识别出来抽样；（2）决策者所采取的行动对这个时间序列的影响是很小的。
时间序列预测法主要用来对一些环境因素，或不受决策者控制的因素进行预测，如宏观经济情况，就业水平，某些产品的需求量等。
问题: 相关系数与可决系数的关系是什么？相关系数与可决系数的关系如下几点：1、可决系数是相关系数的平方, r2=R2。
2、可决系数与相关系数可以用来判断Y与X之间的关系；3、如果可决系数或相关系数的值较小，并不能说明 Y 与 X 没有关系，只能说明他们之间没有线性关系。
4、如果可决系数或相关系数的值较大，只能说明这两个量之间确实存在线性关系，但是并不一定就是因果关系，对于因果关系的认定，只能通过定性分析来解决。
注意，相关系数假设检验只能检验 r = 0的情况，而不能检验 r 等于不为0的某个数。
问题: 一元线性回归模型当具有相关关系的两个随机变量数据分布大体上呈线性趋势时，采用适当的计算方法，找到两者之间特定的经验公式，即一元线性回归模型，然后根据自变量的变化，来预测因变量的发展变化。
关于其模型，同学们可以参看本课件的第三章相关内容。
问题: 回归分析法的理解在统计学意义上，变量之间的非确定性的相关关系可以通过统计的方法给出某种函数表达式，这种处理变量间相关关系的方法就是回归分析法。
回归分析就是采用统计的方法估计随机变量Y与X之间的关系式。
回归预测法是通过大量收集统计数据，在分析变量间非确定性关系的基础上，找出变量之间的统计规律性，运用统计学中回归分析的方法，把变量之间的统计规律性较好的表现出来，运用自变量的数据来对因变量进行预测。
问题: 德尔菲法的思考德尔菲法，又称头脑风暴法,它是根据有专门知识的人的直接经验,采用背对背的通信方式征询专家小组成员的预测意见，经过几轮征询，使专家小组的预测意见趋于集中，最后做出符合市场未来发挥在那趋势的预测结论,也称专家调查法。
问题: 定性预测和定量预测的关系定性预测的优点在于：注重于事物发展在性质方面的预测，具有较大的灵活性，易于充分发挥人的主观能动作用，且简单的迅速，省时省费用。
其缺点是：易受主观因素的影响，比较注重于人的经验和主观判断能力，从而易受人的知识、经验和能力的多少大小的束缚和限制，尤其是缺乏对事物发展作数量上的精确描述。
定量预测的优点在于：注重于事物发展在数量方面的分析，重视对事物发展变化的程度作数量上的描述，更多地依据历史统计资料，较少受主观因素的影响。
其缺点在于：比较机械，不易处理有较大波动的资料，更难于事物预测的变化。
定性预测和定量预测并不是相互排斥的，而是可以相互补充的，在实际预测过程中应该把两者正确的结合起来使用。
