课题4预测采购计划资料.ppt

139 解析： 绝对平均法： 下一年度某种型号笔记本电脑的销售量预测值为： 根据各部门负责人对市场情况的熟悉程度以及他们在以往的预测判断中的准确程度，分别给予不同部门负责人不同的评定等级，在综合处理时，采用不同的加权系数。如定销售部门负责人的加权系数为2，其他两个部门负责人的加权系数为1，从而下一年度笔记本电脑的销售预测值为： 加权平均法： 第三节 定量预测 简单平均法 简单移动平均法 加权平均法 加权移动平均法 指数平滑法 季节性预测 简单平均法 算术平均法 加权平均法 几何平均法 移动平均法 选定一个长度为n的时期，计算n个观测值的均值来预测未来的值。 移动平均的计算公式： Yt为第t时期的观测值，n为跨越的时期数， Mt为t时期的移动平均值。 指数平滑 Ft= α ×Dt-1+（1-α）×Ft-1 Ft：时期t 的销售量预测值 Ft-1 ：时期t-1的预测值 Dt-1 ：时期t-1的实际需求 α：平滑常数（0≤α≤1） 使用指数平滑时的主要决策是选择阿尔发系数。 指数平滑 α 0 α 1 ： ： 指数平滑 练习： 某销售点4月份某款MODEM的预测销售量为10块，而实际共销售了12块，假定阿尔发系数为0.2，则请预测5月份该点该款MODEM的销售量为多少？ 参考公式： Ft= α×Dt-1+（1-α）×Ft-1 移动平均和指数平滑相比较 移动平均 指数平滑 优点 易于计算 无需大量的历史数据和更新资料即可快速计算出新的预测结果 缺点 对变化反应迟钝 必须维持和更新大量的历史数据来计算预测 不易确定阿尔法系数 季节性预测 例：已知某产品前3年的需求数据，见下表。从数据中可以看出该产品的需求呈季节性，试预测其下一年每一季度的需求量。 时段 第1年 第2年 第3年 3年总和 占总量% 第1季度 125 140 183 448 21.43 第2季度 270 245 295 810 38.76 第3季度 186 174 190 550 26.32 第4季度 84 96 102 282 13.49 总计 665 655 770 2090 100.00 解析： 方法：根据前述的任一方法预测下一年度的需求量，再按比例算出各季度的需求量。 一元线性回归 一元线性回归变量间的关系（函数关系） 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完全依赖于 x ，当变量 x 取某个数值时， y 依确定的关系取相应的值，则称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量。各观测点落在一条线上 。 ? ? ? ? ? ? ? ? ? x y 函数关系 ? 函数关系的例子 某种商品的销售额y与销售量x之间的关系可表示为 y = px (p 为单价) 相关关系(correlation) 变量间关系不能用函数关系精确表达 一个变量的取值不能由另一个变量唯一确定，即当一个或若干个变量X取一定值时，与之相对应的另一个变量Y的值虽然不确定，但却按某种规律在一定范围内变化。 当变量 x 取某个值时，变量 y 的取值可能有几个 各观测点分布在直线周围 ? ? ? ? ? ? ? ? ? x y 计算方法 相关关系 ? 相关关系的例子 父亲身高y与子女身高x之间的关系 收入水平y与受教育程度x之间的关系 商品的消费量y与居民收入x之间的关系 商品销售额y与广告费支出x之间的关系 相关关系的描述与测度(散点图) 散点图(scatter diagram) ? ? ? ? ? ? ? ? ? ? ? ? 不相关 ? ? ? ? ? ? ? ? ? 负线性相关 ? ? ? ? ? ? ? ? ? 正线性相关 ? ? ? ? ? ? ? ? ? ? ? ? 非线性相关 ? ? ? ? ? ? ? 完全负线性相关 完全正线性相关 ? ? ? ? ? ? ? ? ? 相关系数(计算公式) ? 样本相关系数的计算公式 或化简为 相关系数(取值及其意义) r 的取值范围是 [-1,1] |r|=1，为完全相关 r =1，为完全正相关 r =-1，为完全负正相关 r = 0，不存在线性 相关关系 -1?r0，为负相关 0r?1，为正相关 |r|越趋于1表示关系越密切；|r|越趋于0表示关系越不密切 图形证明上述关系 相关系数(取值及其意义) -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 练习 为了预测某物品（薄钢板）