统计预测与决策PDF电子书下载

上篇 统计预测 3

第1章 统计预测概述 3

1.1统计预测的概念 3

1.2统计预测方法的分类 4

1.3统计预测的原则和步骤 5

1.3.1统计预测的原则 5

1.3.2统计预测的步骤 6

1.4统计预测的发展现状 7

1.4.1不确定性预测方法 8

1.4.2组合预测方法 9

1.5统计预测与决策的关系 10

习题1 11

第2章 定性统计预测方法 12

2.1定性预测概述 12

2.2德尔菲法 13

2.2.1德尔菲法的实施过程 13

2.2.2德尔菲法特点 14

2.2.3专家意见的统计处理 15

2.2.4德尔菲法在中国生物制药行业技术预测分析中的应用 16

2.3主观概率法 17

2.3.1主观概率法 17

2.3.2主观概率预测方法的案例 18

习题2 19

第3章 统计回归预测方法 21

3.1一元线性回归预测方法 21

3.1.1回归模型的建立 21

3.1.2一元线性回归模型参数的估计 22

3.1.3一元线性回归模型的检验 22

3.1.4一元线性回归模型的预测 24

3.2多元线性回归预测方法 25

3.2.1多元线性回归模型 26

3.2.2参数估计 27

3.2.3统计检验 27

3.2.4多元线性回归模型进行预测 29

3.3非线性回归预测方法 31

3.4主成分回归预测方法 32

3.4.1主成分分析 32

3.4.2主成分回归预测 36

习题3 38

第4章 时间序列分解法和趋势外推法 40

4.1时间序列以及时间序列分解 40

4.1.1时间序列的含义 40

4.1.2时间序列确定性因素分解 41

4.2趋势外推法概述 42

4.2.1趋势外推概念 42

4.2.2趋势外推法分类 43

4.2.3趋势外推模型的选择 44

4.3多项式曲线趋势外推法 46

4.3.1二次多项式曲线预测 46

4.3.2三次多项式曲线预测 48

4.4指数曲线趋势外推法 50

4.4.1指数曲线预测 50

4.4.2修正的指数曲线预测 52

4.5生长曲线趋势外推法 53

4.5.1 Gompertz曲线模型 53

4.5.2 Logistic曲线模型 55

4.6曲线拟合优度分析 57

习题4 59

第5章 马尔可夫预测方法 60

5.1马尔可夫链基本理论 60

5.2马尔可夫预测方法 64

5.3市场占有率预测 65

5.4股票价格走势预测 67

习题5 70

第6章 平稳时间序列预测方法 72

6.1平稳时间序列 72

6.1.1平稳时间序列概念 72

6.1.2平稳性检验 73

6.2平稳时间序列模型及识别 78

6.2.1 AR（p）模型 78

6.2.2 MA（q）模型 79

6.2.3 ARMA（p，q）模型 81

6.2.4 ARMA（p，q）模型定阶 82

6.3平稳时间序列模型的参数估计 86

6.3.1矩估计 86

6.3.2 最小二乘估计 88

6.4平稳时间序列模型的预测 88

6.4.1 AR（p）序列预测 89

6.4.2 MA（q）序列预测 90

6.4.3 ARMA（p，q）序列预测 91

习题6 92

第7章 模糊时间序列预测方法 94

7.1模糊时间序列 94

7.1.1模糊数学基本概念与理论 94

7.1.2模糊时间序列模型 95

7.2一阶模糊时间序列预测方法 96

7.3高阶模糊时间序列预测方法 101

7.3.1高阶模糊时间序列分析简介 101

7.3.2高阶模糊时间序列分析模型建立 102

7.4多因素模糊时间序列预测方法 104

7.4.1多因素高阶模糊时间序列分析 104

7.4.2多因素高阶模糊时间序列模型建立 107

习题7 110

第8章 灰色系统预测方法 112

8.1灰色预测GM（1，1）模型 112

8.1.1灰色系统基本概念 112

8.1.2 GM（1，1）预测模型的基本原理 112

8.2 GM（1，1）模型检验 115

8.2.1 GM（1，1）模型残差检验 115

8.2.2 GM（1，1）模型后验差检验 115

8.2.3 GM（1，1）模型关联度检验 116

8.3 GM（1，1）残差模型 116

8.4 GM（n，h）模型 118

8.4.1 GM（1，h）模型 118

8.4.2 GM（n，h）模型 121

习题8 123

第9章 神经网络预测方法 124

9.1 BP神经网络预测模型 124

9.1.1人工神经元数学模型 124

9.1.2 BP神经网络的结构 125

9.1.3传递函数（激活函数） 126

9.1.4 BP神经网络学习算法及流程 127

9.2 BP神经网络的MATLAB工具箱函数 128

9.2.1数据的预处理和后处理 128

9.2.2创建网络 129

9.2.3设定参数 129

9.2.4训练网络 130

9.2.5 BP神经网络的仿真 130

9.2.6模拟输出 130

9.3神经网络预测案例 130

习题9 134

第10章 组合预测方法 135

10.1组合预测的概念及分类 135

10.2非最优正权组合预测模型权系数的确定方法 137

10.2.1几种常规的非最优正权组合预测模型权系数的确定方法 137

10.2.2非最优组合预测系数确定方法的应用举例 139

10.3以预测误差平方和达到最小的线性组合预测模型 140

10.3.1最优线性组合预测模型的建立 140

10.3.2最优线性组合预测模型的解的讨论 142

10.4基于相关系数的最优组合预测模型 144

10.4.1基于相关系数的最优组合预测模型 144

10.4.2实例分析 146

10.5基于IOWA算子的组合预测方法 148

10.5.1 OWA算子和IOWA算子的概念及性质 148

10.5.2基于IOWA算子的组合预测模型 150

10.5.3实例分析 152

习题10 155

下篇 统计决策 159

第11章 统计决策概述 159

11.1决策问题的基本概念 159

11.1.1决策的基本概念 159

11.1.2 统计决策的三个基本概念 159

11.2决策的种类 160

11.3决策的过程与决策分析的要素和原则 161

11.3.1决策的过程 161

11.3.2决策分析 162

11.3.3决策的原则 162

习题11 163

第12章 不确定型决策方法 164

12.1乐观准则决策方法 164

12.2悲观准则决策方法 165

12.3乐观系数决策方法 165

12.4等可能性准则决策方法 166

12.5后悔值准则决策方法 166

12.6信息集成法在决策中的应用 167

12.6.1多属性决策方法 167

12.6.2 基于OWA算子的多属性决策方法 169

12.7几种决策方法的比较分析 170

习题12 172

第13章 风险型决策方法 175

13.1风险型决策的基本问题 175

13.2风险型决策的期望值准则 176

13.3决策树分析法 178

13.4风险决策的灵敏度分析 180

13.4.1敏感性分析的概念和步骤 180

13.4.2两状态两行动方案的敏感性分析 180

13.4.3三状态三行动方案的敏感性分析 181

13.5效用理论及风险评价 183

13.5.1效用的含义 183

13.5.2效用曲线 184

13.5.3效用曲线的类型 185

13.5.4效用曲线的应用 186

13.6连续型变量的风险型决策方法 188

13.6.1边际分析法 188

13.6.2标准正态分布决策法 191

13.7主观概率决策法 193

13.7.1主观概率的基本概念 193

13.7.2主观概率的估计方法 194

13.7.3主观概率决策 196

13.8 贝叶斯决策法 197

13.8.1贝叶斯决策的概念和步骤 197

13.8.2后验预分析 198

13.8.3贝叶斯决策 202

习题13 204

第14章 多目标决策方法 208

14.1多目标决策概述 208

14.1.1多目标决策过程 208

14.1.2多目标决策问题的要素 210

14.2层次分析法 214

14.2.1层次分析法的基本原理 214

14.2.2层次分析法的基本步骤 220

14.3字典式法 222

14.4 TOPSIS法 223

14.5 ELECTRE法 227

14.5.1级别高于关系的性质 228

14.5.2级别高于关系的构造 229

14.5.3级别高于关系的应用 230

14.5.4算法步骤 231

14.6 LINMAP法 234

14.7优劣系数法 239

习题14 244

第15章 序贯决策方法 247

15.1单目标确定性序贯决策 247

15.2单目标随机性序贯决策 251

15.3马尔可夫决策 255

15.3.1状态转移概率矩阵及其决策特点 255

15.3.2 马尔可夫决策的应用步骤 256

15.4多目标序贯决策 259

15.4.1多目标序贯决策的理论模型 259

15.4.2多目标序贯决策的分层解法 260

习题15 263

参考文献 265