logonew chat icon top
  • icon-chaticon-chat-active搜题/提问
    new chat icon
    新建会话
  • icon-calculatoricon-calculator-active计算器
  • icon-subjecticon-subject-active学科题目
  • icon-pluginicon-plugin-active浏览器插件
  • icon-uploadicon-upload-active上传题库
  • icon-appicon-app-active手机APP
recent chat icon
历史记录
首页
/
统计
题目

已知某类产品以前15 个月的销售额如下表所示。时间序号123456789101112131415销售额/万元10158201016182022242026272929(1) 分别取N=3, N=5,计算一次移动平均数,并利用一次移动平均法对下个月的产品销售额进行预测。(2) 取N=3,计算二次移动平均数,并建立预测模型,求第16、17 个月的产品销售额预测值。(3) 用一次指数平滑法预测下一个月的产品销售量,并对第14、15 个月的产品销售额进行事后预测。分别取α=0.1,0.3,0.5,S(1)为最早的三个数据的平均值。

已知某类产品以前15 个月的销售额如下表所示。

时间序号

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

销售额/万元

10

15

8

20

10

16

18

20

22

24

20

26

27

29

29

(1) 分别取N=3, N=5,计算一次移动平均数,并利用一次移动平均法对下个月的产品销售额进行预测。

(2) 取N=3,计算二次移动平均数,并建立预测模型,求第16、17 个月的产品销售额预测值。

(3) 用一次指数平滑法预测下一个月的产品销售量,并对第14、15 个月的产品销售额进行事后预测。分别取α=0.1,0.3,0.5,S(1)为最早的三个数据的平均值。

题目解答

答案

解:

表:销售额的移动平均法预测

N=3

N=5

时间序号

销售额、万元

一次移动平均数

二次移动平均数

一次移动平均数

二次移动平均数

1

10

2

15

3

8

11.00

4

20

14.33

5

10

12.67

12.67

12.60

6

16

15.33

14.11

13.80

7

18

14.67

14.22

14.40

8

20

18.00

16.00

16.80

9

22

20.00

17.56

17.20

14.96

10

24

22.00

20.00

20.00

16.44

11

20

22.00

21.33

20.80

17.84

12

26

23.33

22.44

22.40

19.44

13

27

24.33

23.22

23.80

20.84

14

29

27.33

25.00

25.20

22.44

15

29

28.33

26.67

26.20

23.68

表:销售额的一次指数平滑法预测

a=0.1

a=0.3

a=0.5

时间序号

销售额、万元

销售额的预测值

S(1)

11

1

10

11.00

11.00

11.00

2

15

10.90

10.70

10.50

3

8

11.31

11.99

12.75

4

20

10.98

10.79

10.38

5

10

11.88

13.56

15.19

6

16

11.69

12.49

12.59

7

18

12.12

13.54

14.30

8

20

12.71

14.88

16.15

9

22

13.44

16.42

18.07

10

24

14.30

18.09

20.04

11

20

15.27

19.86

22.02

12

26

15.74

19.90

21.01

13

27

16.77

21.73

23.50

14

29

17.79

23.31

25.25

15

29

18.91

25.02

27.13

16期的预测值

19.92

26.21

28.06

(1)一次移动平均数如图:

N=3:

N=5:

(2)N=3时二次移动平均数属如图,第16、17期的销售预测值:

(3)

解析

步骤 1:计算一次移动平均数
对于N=3,一次移动平均数是通过取连续3个月的销售额的平均值来计算的。对于N=5,一次移动平均数是通过取连续5个月的销售额的平均值来计算的。
步骤 2:利用一次移动平均法预测下个月的销售额
利用一次移动平均法,下个月的销售额预测值等于当前时间序号的移动平均数。
步骤 3:计算二次移动平均数
二次移动平均数是通过取连续3个月的一次移动平均数的平均值来计算的。
步骤 4:建立预测模型并求第16、17个月的销售额预测值
利用二次移动平均数,可以建立预测模型,预测第16、17个月的销售额。
步骤 5:用一次指数平滑法预测下一个月的产品销售量
一次指数平滑法是通过加权平均来预测下一个月的销售额,其中权重α用于调整当前值和预测值之间的权重。
步骤 6:对第14、15个月的产品销售额进行事后预测
利用一次指数平滑法,可以对第14、15个月的产品销售额进行事后预测。

相关问题

  • 聚类分析的常见应用领域不包括( )A. 数据分析B. 图像处理C. 客户分割D. 发现关联购买行为

  • 下列说法正确的是() A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差和方差的计算方式完全一致C. 协方差衡量了多个变量的分布D. 方差描述了样本数据的波动程度

  • 请你从下表中找出1~100中所有质数.并数一数一共多少个. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100

  • 决策树算法常用的划分准则包括: A. 信息增益B. 基尼指数C. 误差平方和D. 均方差

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 最大池化C. 方差池化D. 协方差池化

  • 下列哪项属于常见的池化方式。()A. 协方差池化B. 方差池化C. 反向传播D. 最大池化

  • 关于样本中某一变量的综合描述叫( )A. 统计值B. 平均值C. 估计值D. 参数值

  • 可以从最小化每个类簇的方差这一视角来解释K均值聚类的结果,下面对这一视角描述正确的A. 每个样本数据分别归属于与其距离最远的聚类质心所在聚类集合B. 每个簇类的质心累加起来最小C. 最终聚类结果中每个聚类集合中所包含数据呈现出来差异性最大D. 每个簇类的方差累加起来最小

  • 48皮尔逊相关系数的取值范围为0到正无穷。()A. 错误B. 正确

  • 5.聚类分析可以看作是一种非监督的分类。()

  • 皮尔逊相关系数的取值范围为0到正无穷。()A. 正确B. 错误

  • 以下几种数据挖掘功能中,〔〕被广泛的用于购物篮分析.A. 关联分析B. 分类和预测C. 聚类分析D. 演变分析

  • 区群谬误是用个体调查(分析)单位做资料收集与分析,却用集群乃至总体调查(分析)单位做结论。()A. 正确B. 错误

  • 下列哪项属于常见的池化方式。()A. 反向传播B. 方差池化C. 协方差池化D. 最大池化

  • 下列说法正确的是() A. 方差数值上等于各个数据与样本方差之差的平方和之平均数B. 协方差衡量了多个变量的分布C. 协方差和方差的计算方式完全一致D. 方差描述了样本数据的波动程度

  • 假定用于分析的数据包含属性age.数据元组[1]中age的值如下(按递增序):13,15,16,16,19,20,20,21,22,22,25,25,25,30,33,33,35,35,36,40,45,46,52,70, 问题:使用按箱平均值平滑方法对上述数据进行平滑,箱的深度为3。第二个箱子值为:A. 18.3B. 22。6C. 26。8D. 27。9

  • 下列关于回归分析的描述不正确的是()A. 回归分析研究单个变量的变化情况B. 刻画不同变量之间关系的模型统称为线性回归模型C. 回归分析研究不同变量之间存在的关系D. 回归分析模型可分为线性回归模型和非线性回归模型

  • 1. 名词解释 假设检验 (请在答题纸上手写并拍照上传)

  • 下列关于回归分析的描述不正确的是()A. 回归分析模型可分为线性回归模型和非线性回归模型B. 回归分析研究不同变量之间存在的关系()C. 刻画不同变量之间关系的模型统称为线性回归模型D. 回归分析研究单个变量的变化情况

  • 从总体中抽取的、对总体有一定代表性的一部分个体称为()A. 总体B. 部分C. 样本D. 取样

上一页下一页
logo
广州极目未来文化科技有限公司
注册地址:广州市天河区黄村大观公园路10号3N2
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号