物流系统需求预测课件1.ppt

1、16-1 系统预测概述v一、系统预测的概念及实质v二、预测的主要理论基础v三、系统预测方法的分类v四、系统预测的一般程序 26-1 系统预测概述v一、系统预测的概念及实质v预测就是对未来一些不确定的或未知事件的判断或描述。v 就是要从变化中，找出使事物发生变化的固有规律，寻找和研究各种变化的背景及其演变的逻辑关系，去揭示事物未来的面貌，对事物的未来做出判断。v预测的实质掌握变化的原因；了解变化的状态；从量的变化中找出因果关系；从变化中找出规律性的东西对未来进行判断。36-1 系统预测概述v二、预测的主要理论基础v1.惯性原理（连续性原理）v惯性:指事物发展变化主要受内因的作用，事物的过去，现在

2、的状态会持续到将来。事物的发展变化具有某种程度的持续性、连贯性。利用这一原则掌握事物变化的内在原因，就能根据已知推测未知，根据过去、现在推测未来。v惯性原理:事物在其发展变化过程中，总有维持或延续原状态的趋向，事物的某些基本特征和性质将随时间的延续而维持下去。v 事物惯性的大小，取决于事物本身的动力和外界因素的作用。(生产资料、消费资料)4v2类推原理（因果关系原则）v根据事物发展变化的因果关系，推测事物未来的发展变化规律。事物的存在、发展和变化都受有关因素的影响和制约，事物的存在和变化都有定的模式。特性相近的事物，在其变化发展过程中，常常有相似之处。于是可以假设在有些情况下、事物之间的发展变

3、化具有类似的地方，依此进行类比，可以由先发事物的变化进程与状况，推测后发类似事物的发展变化。6-1 系统预测概述56-1 系统预测概述v三、系统预测方法的分类v1.按预测的范围或层次不同分类宏观预测微观预测v2.按预测的时间长短分类长期预测：指预测期在 5 年或 5 年以上的预测中期预测：指预测期在 1 年以上 5 年以下的的预测短期预测：指预测期在 3 个月以上 1 年以下的预测近期预测：指预测期在 3 个月以下的预测v3.按预测方法的性质分类v预测技术的种类繁多，据统计有150多种。所有的预测技术可以分为三类：判断预测技术(定性预测)时间序列预测技术（定量预测）因果预测技术（定量预测）66

4、-1 系统预测概述v常用的预测技术分类图预测方法预测方法定性定性预测预测头脑风暴法头脑风暴法 调查预测法调查预测法 集合意见法集合意见法 德尔菲（德尔菲（DelphiDelphi）法）法定量定量预测预测时间序列分析时间序列分析因果关系分析因果关系分析移动平均法移动平均法指数平滑法指数平滑法博克斯博克斯-詹金斯法詹金斯法线线性回归分析性回归分析投入投入-产出分析产出分析马尔科夫模型马尔科夫模型状态空间分析状态空间分析灰色系统模型灰色系统模型系统动力学仿真系统动力学仿真76-1 系统预测概述v四、系统预测的一般程序确定预测目的确定预测目的资料收集和数据分析资料收集和数据分析选定预测方法选定预测方法

5、建立预测模型建立预测模型误差太大误差太大预测实施与结果分析预测实施与结果分析模型检验模型检验与修正与修正误差较大误差较大预测目的、对象和预测期间。预测目的、对象和预测期间。v预测目的：明确为什么要预测；预测目的：明确为什么要预测；v预测对象：对什么事物进行预测；预测对象：对什么事物进行预测；v预测期间：对哪个时期进行预测；预测期间：对哪个时期进行预测；预测必须占有大量的、系统的、适用于预测目标预测必须占有大量的、系统的、适用于预测目标的资料；预测资料可以分为两类：的资料；预测资料可以分为两类：v纵向资料纵向资料:预测对象的历史数据资料预测对象的历史数据资料v横向资料横向资料:作用于预测对象的各

6、种影响因素的数作用于预测对象的各种影响因素的数据资料据资料86-1 系统预测概述v四、系统预测的一般程序确定预测目的确定预测目的资料收集和数据分析资料收集和数据分析选定预测方法选定预测方法建立预测模型建立预测模型误差太大误差太大预测实施与结果分析预测实施与结果分析模型检验模型检验与修正与修正误差较大误差较大选择预测方法要考虑的因素：选择预测方法要考虑的因素：v预测对象的特点；预测对象的特点；v预测范围；预测范围；v预测期限的长短；预测期限的长短；v预测要求精度；预测要求精度；v占有数据资料的多寡、适应性；占有数据资料的多寡、适应性；v企业愿为预测支付的费用的大小；企业愿为预测支付的费用的大小；

7、v企业要求得到预测结果所花时间的长短等。企业要求得到预测结果所花时间的长短等。在误差计算的基础上，通过定性、定量分在误差计算的基础上，通过定性、定量分析，以及预测人员的知识和经验对结果进析，以及预测人员的知识和经验对结果进行修正，使之更加适用于实际情况。行修正，使之更加适用于实际情况。提交预测报告，内容包括：提交预测报告，内容包括：v预测的主要过程；预测的主要过程；v预测目标、预测对象及预测要求；预测目标、预测对象及预测要求；v预测资料的收集方式、方法及其分析结果；预测资料的收集方式、方法及其分析结果；v阐述选择预测方法的原因及建立模型的过程；阐述选择预测方法的原因及建立模型的过程；v对预测结

8、果进行评价与修正的过程及结论；对预测结果进行评价与修正的过程及结论；v预测结论。预测结论。9v物流预测是根据客观事物过去和现在的发展规律，借助科学的方法和手段，对物流管理发展趋势和状况进行分析、描述，形成科学的假设和判断的一种科学理论。v在物流系统规划和控制过程中，最常见的是对物流需求的预测。v本节针对物流需求特征，概括介绍物流计划和控制中可能直接使用的预测技术。6-2 物流系统需求预测的特征原材料市场生产厂家配送中心用户需求预测市场预测供应预测订购预测订单预测需求信息物流领域中的预测物流领域中的预测106-2 物流系统需求预测的特征v一、物流系统需求的特征v1.需求的时间特性和空间特性v时间

9、特性：需求是随时间而变化的。这种预测一般属于短期预测，常用时间序列预测法。v空间特性：选择的预测技术必须能反映影响需求模式的地理性差异。两种处理方式：先进行总需求预测，再按地理位置分解；先对每个地点的需求单独进行预测，再根据需要汇总。v2.需求的不规则性与规则性v不同产品的物流需求随时间而变化的模式是不同的。需求的变动可能是规则的，也可能是不规则的。导致需求模式规则性变动的因素有长期趋势、季节性因素和随机因素。v三种典型的规则性需求变化模式见下图：销销售售量量时间时间实际销售额实际销售额平均销售额平均销售额图图1 随机性或水平性发展的需求，无趋势或季节性因素随机性或水平性发展的需求，无趋势或季

10、节性因素销销售售量量时间时间图图2 随机性需求，呈上升趋势，无季节性因素随机性需求，呈上升趋势，无季节性因素实际销售额实际销售额平均销售额平均销售额销销售售量量时间时间图图3 随机性需求，有趋势和季节性因素随机性需求，有趋势和季节性因素实际销售额实际销售额平均销售额平均销售额三种典型的规则性需求变化模式三种典型的规则性需求变化模式126-2 物流系统需求预测的特征v3.需求的派生性与独立性v需求的独立性:物流需求来自一个个独立的客户。适合用统计预测方法。v需求的派生性:物流需求是由某一特定的生产计划要求派生出来的，是一种从属需求。这种需求有很强的倾向性，且不是随机的，通过判断系统随时间发展而呈

11、现出的趋势和规律，就能较好地改进预测结果。136-2 物流系统需求预测的特征v二、物流系统需求预测的特殊问题v1.新需求预测v对新产品或新服务的预测，存在历史数据缺乏或不够多的问题。v预测可以采用的方法有：一：最初的预测任务由营销人员来做，积累一定的需求历史数据，再用现有预测方法。二：利用生产线中类似产品的需求模式估计新产品的销售情况。三：使用指数平滑法进行预测，但在最初预测阶段要将指数平滑系数定的很高。v2.不规则需求预测如果某种产品的需求由于总体需求量偏低，需求时间和需求水平非常不确定，那么需求就是间歇式的，这样的时间序列就是不规则的。这类需求的时间序列波动幅度较大，很难用数学方法进行准确

12、预测。v3.地区性预测v4.预测的误差问题 一般将几种预测模型的结果进行综合，才会使预测值更稳定、更可靠。146-3 物流系统需求预测的方法v时间序列预测的理论分析v预测依据v 事物发展变化主要受内因的作用，事物过去、现在的状态会持续到将来。（惯性原理、连续性原理）v历史数据的特征历史数据中隐含着事物发展的基本规律。历史数据同时又受多种随机因素的影响而呈现出一定程度的波动性和不规则性；（不能直接从历史数据得到未来的趋势）v预测的基本思想从历史数据中揭示发展规律v 通过对历史数据进行平均或平滑，消除历史数据中的部分随机波动因素的影响，指示出隐含在事物中的某种基本规律，并以此预测未来。156-3

13、物流系统需求预测的方法v基本概念：v时间序列，指观测或记录到的一组按时间顺序排列的历史数据（又叫时间数列）。v时间序列预测，根据预测对象的历史数据资料，按时间进程组成动态数列，进行分析，预测的方法。v时间序列预测应注意的问题：准确、完整的历史数据资料时间序列所代表的时间周期必须一致时间序列中的各项数字的计算方法、计量单位、数据内容必须一致。v主要介绍常用的：移动平均法、指数平滑法、回归分析预测法、马尔柯夫预测模型166-3 物流系统需求预测的方法v一、移动平均法v以预测对象最近一组历史数据的平均值直接或间接地作为预测值。v“平均”是取预测对象的时间序列中由远而近，按一定跨期的数据进行平均；v“

14、移动”是指参与平均值计算的实际数据随预测期的推进而不断更新。增加一个新值，同时剔除掉已参与平均计算的最陈旧的一个实际值，保证每次参与计算的实际值个数相同。某公司某年某公司某年18月的货物运输量月的货物运输量171.一次移动平均预测法 以本期（t期）移动平均值作为下期（t+1期）的预测值。(1)12ttt ntxxxMn式中：式中：Mt(1)t时刻的移动平均值时刻的移动平均值，上标上标（1）代表一次移动平均；）代表一次移动平均；xi 时间序列代表的实际值；时间序列代表的实际值；n 参与平均值计算的实际值个数参与平均值计算的实际值个数(跨期跨期)6-3 物流系统需求预测的方法物流系统需求预测的方法

15、18 例例6-1 某物资企业某物资企业统计了某年度统计了某年度1月月至至11月的钢材实际月的钢材实际销售量，统计结果销售量，统计结果见表见表42，请用移，请用移动平均预测法预测动平均预测法预测其其12月的钢材销售月的钢材销售量。量。2443324800122404924133254001123416243002520010232162406723800922967239672340082241722533257007223672310062196723100522300214004226003219002224001n=6n=3移动平均数移动平均数Mt(1)实际销量实际销量(吨吨)月份月份6-

16、3 物流系统需求预测的方法物流系统需求预测的方法移动平均法移动平均法19计算结果图表显示计算结果图表显示从图上可以看出从图上可以看出：（1）用移动平均法计算出的新数列的变化趋势与实际变化情况基本）用移动平均法计算出的新数列的变化趋势与实际变化情况基本一致；一致；（2）新数列数据波动的范围变小了，并且随参与平均值计算的）新数列数据波动的范围变小了，并且随参与平均值计算的n值的值的增加，平均值的波动范围越小。增加，平均值的波动范围越小。(修匀能力、抗干扰能力修匀能力、抗干扰能力)（3）当）当n值增大，移动平均值对时间序列变化的敏感性降低。值增大，移动平均值对时间序列变化的敏感性降低。20v移动平均

17、法对时间序列数据变化的抗干扰能力叫修匀能力。v移动平均法对时间序列数据变化的反应速度叫敏感性。v移动平均法的修匀能力与敏感性相互矛盾。当n值增大，移动平均值的修匀能力增加，但同时移动平均值对时间序列变化的敏感性降低。要根据时间序列的特点来确定n值的大小。vn值的一般选择原则是：v（1）由时间序列的数据点的多少而定。数据点多，n可以取得大一些；v（2）由时间序列的趋势而定。趋势平稳并基本保持水平状态的，n可以取得大一些；v（3）趋势平稳并保持阶梯性或周期性增长的n应该取得小一些；6-3 物流系统需求预测的方法物流系统需求预测的方法移动平均法移动平均法主要优点主要优点：（：（1）简便易于使用；）简

18、便易于使用；（2）一次移动平均法能较好地适应）一次移动平均法能较好地适应水平型水平型历史数据历史数据的预测，但不适应带有明显上升或下降的斜坡型的预测，但不适应带有明显上升或下降的斜坡型历史数据的预测。历史数据的预测。主要缺点：主要缺点：由于对分段内部的各数据同等对待，而由于对分段内部的各数据同等对待，而没有强调近期数据对预没有强调近期数据对预测值的影响测值的影响，如果近期内情况变化发展较快，利用一次移动平均预测会导，如果近期内情况变化发展较快，利用一次移动平均预测会导致较大的误差。致较大的误差。实际上，近期数据对预测值的影响一般更大，为了减少这种误差，可以采实际上，近期数据对预测值的影响一般更

19、大，为了减少这种误差，可以采取取二次移动平均方法二次移动平均方法。一次移动平均预测法优缺点一次移动平均预测法优缺点从图上可以看出，一次移动平均值滞后于历从图上可以看出，一次移动平均值滞后于历史数据，而二次移动平均值又落后于一次移史数据，而二次移动平均值又落后于一次移动平均值。动平均值。启示启示：根据历史数据、一次移动平均值、二次移动平均值三者间的滞后关：根据历史数据、一次移动平均值、二次移动平均值三者间的滞后关系，可以先求出一次移动平均值与二次移动平均值之间的系，可以先求出一次移动平均值与二次移动平均值之间的差值差值，然后将此，然后将此差值差值加到一次移动平均值上加到一次移动平均值上，再考虑其

20、，再考虑其趋势变动值趋势变动值，得到接近实际情况的，得到接近实际情况的预测值。预测值。（二次移动平均预测法的基本思想）（二次移动平均预测法的基本思想）23v2.二次移动平均预测法v二次移动平均预测法是在求得一次移动平均数、二次移动平均数的基础上，对有线性趋势的时间序列所作的预测。步骤如下：v （1）计算一次移动平均值v （2）计算二次移动平均值(1)(1)(1)(2)12ttt ntMMMMn其中：其中：Mt(1)t时刻的一次移动平均值时刻的一次移动平均值 Mt(2)t时刻的二次移动平均值；时刻的二次移动平均值；n：参与二次平均计算的一次移动平均值的个数参与二次平均计算的一次移动平均值的个数（

21、3）对有线性趋势的时间序列做预测）对有线性趋势的时间序列做预测t TttyabT其中：6-3 物流系统需求预测的方法物流系统需求预测的方法)54(12)44(2:)2()1()2()1(:ttttttTtMMnbMMaTy预测期与本期的间距；预测期的预测值；v例6-2 某物资企业某年度1月至11月的钢材实际销售量，用二次移动平均预测法预测其12月的钢材销售量。26066633254336332416724800122417722241552224111241332540011258567782507877823522243002520010262891111251781111229562406

22、7238009273221678256451678222892396723400823178322228563222221122533257007223672310062196723100522300214004226003219002224001(8)=(6)+(7)*T(7)=(5)(6)=(3)+(5)(5)=(3)-(4)(4)(3)(2)(1)预测值预测值yt+T取取T=1btat Mt(1)-Mt(2)二次平均数二次平均数Mt(2)一次平均数一次平均数Mt(1)实际实际销售量销售量月月份份 1221ttbMMn25v移动平均预测小结v （1）在外界环境变化较少的情况下，移动平均法是

23、一种有效的预测方法；v （2）短期预测效果很好。适用于需求、销售预测、库存管理预测等；v （3）需要较多的历史数据，并且计算量较大。6-3 物流系统需求预测的方法物流系统需求预测的方法移动平均法移动平均法266-3 物流系统需求预测的方法v 二、指数平滑法v指数平滑预测法：是在移动平均预测法的基础上发展起来的一种特殊的加权平均预测法。v包括一次指数平滑预测法，二次指数平滑预测法和高次指数平滑法。v一次指数平滑预测法适用于水平型变动的时间序列预测，v二次指数平滑预测法适用于线性趋势型变动的时间序列预测，v多次指数平滑预测法适用于非线性趋势型变动的时间序列预测。v特点：计算简单，需要的历史数据较少

24、v思路：对离预测期较近的历史数据给予较大的权数，离预测期较远的历史数据给予较小的权数。276-3 物流系统需求预测的方法指数平滑法 1.一次指数平滑法计算公式式中：Ft+1(1)在t+1时刻的一次指数平滑值(t时刻的下期预测值)；Ft(1)在t时刻的一次指数平滑值(t时刻预测值)；xt 在t时刻的实际值；平滑常数，规定01；(1)初始值F1(1)的确定方法:由历史数据得到（算术平均值、加权平均等）；适用于时间序列数据较多的情况定性预测估计（如专家评估法）。适用于历史数据较少或数据的可靠性较差)1()1(11tttFxF6-3 物流系统需求预测的方法指数平滑法v(2)合理选取平滑系数v 取值大小

25、体现了不同时期数据在预测中所占的比例；由上图可知：由上图可知：值越大，值越大，近期数据对预测值的影响越大，模型灵敏度越高；近期数据对预测值的影响越大，模型灵敏度越高；值越小，值越小，近期数据对预测值的影响越小，消除了随机波动性，只反近期数据对预测值的影响越小，消除了随机波动性，只反映长期的大致发展趋势。映长期的大致发展趋势。合理确定合理确定值，是用指数平滑模型的进行预测的关键。值，是用指数平滑模型的进行预测的关键。29v平滑系数的大小则表明了新、老数据在下期预测计算中的比重。v越大，现实测定值在预测中占的比重就越大，这就越能体现预测对象当前的变化趋势而忽视它的历史趋势。v越小，历史数据在预测中

26、占的比重就越大，这就越能反映预测对象的历史演变趋势而忽视了当前的变化。v的一般取值原则：v (1)初始值的准确性小时，宜取大些，以强调重视现实状态；v (2)初始数据中，只有一部分与预测值拟合较好而大部分不好时，说明历史状况不能较好地反映现实，宜取较大的数值。v (3)时间序列虽有不规则摆动，但其长期趋势较为平稳时，宜取小些，以强调重视总的演变趋势；v (4)时间序列摆动的频率和振幅都较大，取值要大一些，以强调重视近期实际的变化状态；v (5)时间序列摆动的频率相振幅较小，取值要小一些，以强调用历史发展趋势预测。v在物流需求预测方面，的范围一般为0.01-0.36-3 物流系统需求预测的方法指

27、数平滑法306-3 物流系统需求预测的方法指数平滑法v例6-3 下表中 的季节数据代表某产品需求的时间序列。不考虑趋势因素，试用一次指数平滑法对第三季度的需求进行预测。v解：1.根据经验选定=0.2v2.计算F0，将去年4个季度的需求平均值作为最初预测值v3.具体预测：季度年份01200700900 11009754F1002113220.21 0.20.2 11001 0.297510000.21 0.20.2 14001 0.2100010800.21 0.20.2 10001 0.210801064FxFFxFFxF)1()1(11tttFxF316-3 物流系统需求预测的方法指数平滑法

28、v上例基本模型适用于下图所示的无趋势和季节性变化或者变化不很明显的时间序列。v当数据表现出明显长期趋势和季节特征，基本模型的滞后性会造成很大的预测误差，必须对模型加以分析修正。销销售售量量时间时间实际销售额实际销售额平均销售额平均销售额图图 随机性或水平性发展的需求，无趋势或季节性因素随机性或水平性发展的需求，无趋势或季节性因素326-3 物流系统需求预测的方法指数平滑法v当时间序列只存在下图所示的长期趋势时，对预测模型进行如下校正：v式中：Ft+1第t+1期校正趋势后的预测值；v St第t期最初预测值；v Tt 第t期的趋势；v 趋势平滑系数。销销售售量量时间时间图图 随机性需求，呈上升趋势

29、，无季节性因素随机性需求，呈上升趋势，无季节性因素实际销售额实际销售额平均销售额平均销售额 11111111tttttttttttSxSTTSSTFST336-3 物流系统需求预测的方法指数平滑法v例6-4，利用上例的历史数据，考虑趋势因素预测今年1、2、3季度的需求。v解：预测初始值的确定，S0=(1200+700+900+1100)4=975v基本平滑系数=0.2，趋势平滑系数=0.3，初始趋势T0=0v第一季度预测值：v第二季度预测值：v第三季度预测值：1110.2 11000.8975010000.310009751 0.307.510007.51008STF 2220.2 14000

30、.810007.510860.31086 10001 0.37.531.05108631.051117STF 3110.2 10000.8108631.051093.640.31093.64 10861 0.331.0524.031093.6424.031118STF346-3 物流系统需求预测的方法指数平滑法v当时间序列的趋势和季节性波动都很明显时，需要在预测模型中对这两种因素进行校正。v校正有两个假设条件：v1、促使需求模式出现季节性峰值和谷值的原因已知，且峰值和谷值在每年的同一时间出现。v2、季节性变化幅度要比随机性波动的幅度明显大。v对趋势和季节性变化进行校正的模型及求解步骤与上一模型

31、相似，但计算量更加庞大，一般要借助计算机应用软件来完成。销销售售量量时间时间图图 随机性需求，有趋势和季节性因素随机性需求，有趋势和季节性因素实际销售额实际销售额平均销售额平均销售额356-3 物流系统需求预测的方法指数平滑法v2.二次指数平滑法v二次指数平滑法是在一次指数平滑值基础上再做一次指数平滑，然后利用两次指数平滑值，建立预测模型确定预测值的方法。v二次指数平滑法解决了一次指数平滑法存在的两个问题：解决了一次指数平滑法不能用于有明显趋势变动的市场现象的预测；解决了一次指数平滑法只能向未来预测一期的局限性。366-3 物流系统需求预测的方法指数平滑法v二次指数平滑法计算步骤：v1.计算时

32、间序列的一次指数平滑值v2.计算时间序列的二次指数平滑值v式中：St+1(1)第t+1期的一次指数平滑值；v St+1(2)第t+1期的二次指数平滑值；v 平滑系数。v3.建立二次指数平滑预测模型v式中：Yt+T第t+T期的预测值；v T由t期向后推移期数。(1)(1)11tttSxS 1(2)(2)111tttSSS 121221tTttttttttYabTaSSbSSv例6-5，某公司今年产品销售量见下表，用二次指数平滑法预测2005年和2006年的销售量。v解：=0.8，本例n10，取时间序列前3个数据平均值作为初始值，117.72006108.92005101.88.8100.12.2

33、95.797.9104200486.41091.82.586.889.3100200378.56.4801.676.878.4922002565.273.31.370.772802001-6.462.4-1.665.66474200007272621999(8)=(6)+(7)*T(7)=4(5)(6)=(3)+(5)(5)=(3)-(4)(4)(3)(2)(1)预测值预测值yt+Tbtat St(1)-St(2)St(2)St(1)实际实际销售量销售量月月份份2(1)116 27 48 07 23SS(1)(1)11tttSxS 1(2)(2)111tttSSS 121tttbSS100.1

34、+8.82386-3 物流系统需求预测的方法指数平滑法v时间序列预测法小结v主要学习了两种时间序列预测方法：移动平均方法和指数平滑法。这两种方法都采用“平滑”的方式来进行预测。v其基本思想都是通过对历史数据的“平均”或“平滑”处理，“平滑掉”短期的不规则性，消除影响事物的随机因素，揭示事物发展的规律。v平滑的数据能够反映事物的变化趋势，在物流系统预测中是极其有用的预测方法。v这两类预测法所用的数据量不多，对时间序列有较好的适用性，被广泛应用于市场资源量、采购量、需求量、销售量及价格的预测中。396-3 物流系统需求预测的方法v回归分析预测法v基本概念：v相关指的是一种因素的变化引起另外一种因素

35、变化。v如果把事物或事物的各因素用最能反映其本质特征的变量来表示，那么这些变量之间也只能存在两种状态：有关系或无关系。比如，物资的需求与价格，物资的采购量与需求量，物资的采购成本与销售利润等，都可以用变量来表示。事物及其因素变量有关系无关系确定性关系非确定性关系特征提取406-3 物流系统需求预测的方法v确定性关系：指一个变量可以被一个或若干个其他变量按一定规律唯一确定，也就是说变量之间的关系能用确定的数学公式来反映，即函数关系。v非确定性关系：变量之间存在着某种关系，但这种关系具有不确定性，这种关系叫做非确定性关系，即相关关系。（大多数事物之间是这种关系）v变量间非确定性的相关关系不能用精确

36、的函数关系式唯一地表达，但在统计学意义上，它们之间的相关关系可以通过统计的方法给出某种函数表达方式，这种用统计方法处理变量间相关关系的方法就是回归分析方法。416-3 物流系统需求预测的方法v回归分析预测法是通过收集统计数据，在分析变量间非确定性关系的基础上，找出变量间的统计规律性，并用数学方法把变量间的统计规律表现出来，并在此基础上进行预测。v分类：v根据所涉及自变量的多少，可分为v 一元回归分析预测v 二元回归分析预测v 多元回归分析预测v根据变量之间数量关系的不同，可分为v 线性回归分析预测v 非线性回归分析预测 426-3 物流系统需求预测的方法回归分析预测法的基本步骤：根据预测的目的

37、，选择确定自变量和因变量收集历史统计资料,分析，计算并建立回归预测模型进行相关分析检验回归预测模型,计算预测误差1.计算并确定预测值436-3 物流系统需求预测的方法v（1）一元线性回归分析法变量间是线性相关关系。只有一个自变量（影响因素），一个因变量。v例6-6：为了预测汽车薄钢板的年需求量，有关物资企业研究并收集了汽车制造业近几年间的汽车产量与薄钢板消耗量的数据，见下表，假设2002年的汽车产量约为34万辆，试估计2002年的薄钢板消耗量。446-3 物流系统需求预测的方法一元线性回归分析法v解：1.数据的直观分析及散点图描述v2.建立一元线性回归方程v薄钢板消耗量y与汽车产量x是正相关的

38、，假设其是线性相关的，相关方程为：yabxv按照最小二乘法求出回归系数：v根据公式和表格中数据计算出参数，得到方程：vb=1.176，a=6.249vy=6.249+1.176xiiiiiynyxnxxnxyxnyxbxbya1122466-3 物流系统需求预测的方法一元线性回归分析法v可以用Excel计算回归系数v常用函数：vIntercept：求线性回归拟合线方程的截距，利用现有的 x 值与 y 值计算直线与 y 轴的截距。vSlope：返回经过给定数据点的拟合线性回归直线的斜率。vLinest：使用最小二乘法计算对已知数据进行最佳直线拟合，并返回描述此直线的数组。vLogest：在回归分

39、析中，计算最符合观测数据组的指数回归拟合曲线，并返回描述该曲线的数组。v上例计算演示回归分析.xls476-3 物流系统需求预测的方法v（2）多元线性回归预测法v是一元线性回归预测法的延伸，研究一个因变量和两个或两个以上的自变量间的关系。v因变量和每一个自变量之间为线性关系。v回归方程v回归系数的计算可以编程求解、可以应用Excel、SPSS等软件求解。vP127算例演示回归分析.xlsmmxbxbxbby 22110486-3 物流系统需求预测的方法多元线性回归v（3）回归模型的检验和预测值的显著性检验v完整的回归模型检验包括：v理论意义检验：主要检验参数估计值的符号和取值区间是否与有关学科

40、理论或实践经验相符合。v一级检验：统计学检验，利用统计学中的抽样理论检验回归方程的可靠性，包括拟合程度评价和显著性检验。v二级检验：经济计量学检验，对标准线性回归模型的假定条件能否得到满足进行检验，具体包括序列相关检验、异方差性检验。v本节主要介绍统计学检验496-3 物流系统需求预测的方法多元线性回归v1.回归模型拟合程度的评价v取决于因变量和自变量的相关程度，可用相关系数反映。v只有一个自变量时相关系数计算公式：vr的变化范围：-1，1vr=0，表示零相关（不相关）；r=+1或r=-1表示完全相关vr越接近于正负1表示相关程度越强：22()()()()iiiixxyyrxxyy，x、y:均

41、值00.3:0 30.5:0.50.8:0.81:rrrr.y y与与x x微弱线性相关；微弱线性相关；y y与与x x低度线性相关；低度线性相关；y y与与x x显著线性相关；显著线性相关；y y与与x x高度线性相关；高度线性相关；506-3 物流系统需求预测的方法多元线性回归v2.预测值的显著性检验用显著性检验来考察回归方程能否揭示变量间的数量规律。v回归方程的显著性检验用F检验检验。v回归系数的显著性检验用t检验检验。通过对预测值的置信区间估计来说明预测值的波动范围，检验预测值的显著性。预测区间公式：式中:yf0由回归方程计算的预测值；显著性水平；显著性水平+置信度=1；202nfyt

42、S2222()()()()2()iiiiixxyyxxyySnxx51平滑预测与回归预测的比较v平滑预测与回归预测都是常用的预测技术，其区别如下：适用范围不同v平滑预测模型适用于时间序列；平滑预测模型适用于时间序列；v回归模型既适用于时间序列，也适用于具有因果关系回归模型既适用于时间序列，也适用于具有因果关系的非时间序列。的非时间序列。预测期间不同v平滑预测是一种对现有资料的外推，只适用于短期预平滑预测是一种对现有资料的外推，只适用于短期预测；测；v回归模型反映变量间的因果关系，适用于中短期预测。回归模型反映变量间的因果关系，适用于中短期预测。功能不同v平滑模型通常只用于进行预测；平滑模型通常

43、只用于进行预测；v回归模型既用于预测，也可以用于结构分析、政策评回归模型既用于预测，也可以用于结构分析、政策评价等价等数学基础不同v回归模型是根据统计学原理推导得出的，具有严谨的回归模型是根据统计学原理推导得出的，具有严谨的数学基础，并且可以对预测模型进行统计检验分析。数学基础，并且可以对预测模型进行统计检验分析。而平滑模型则不能进行检验。而平滑模型则不能进行检验。52马尔柯夫预测模型v马尔柯夫决策法的基本概念v对于有些事物的发展,需要综合考察其过去与现在的状态，才能预测未来。但有些事物的发展，只要知道现在状态,就可以预测将来的状态而不需要知道事物的过去状态。例如，在下中国象棋时，一个棋子下一

44、步应该怎样走，只与它当前的位置有关，而不需要知道它以前处于什么位置，也不需要知道它是怎么走到当前位置的。这种无后效性的事物的发展过程，就称为马尔可夫过程。马尔可夫是俄国著名的数学家，马尔可夫过程是以马尔可夫名字命名的一种特殊的描述事物发展过程的方法。v通过考察统计资料，对变量状态依时间而演变的过程作统计分析，总结出变化规律用以推断和决策的技术。v马尔柯夫决策法在经济管理上主要应用在市场销售领域，也可用于维修、更新策略的选择，决定最优工作分配，分析排队系统及库存管理分析的辅助手段等方面。53v马尔柯夫链的一个重要特性是无后效性。v 所谓无后效性，简单来说，就是已知系统的“现在”，那么“将来”与“

45、过去”无关，仅与“现在”有关。v 如青蛙跳荷叶，可以认为一只青蛙现在在哪张荷叶上，仅取决于前一次它在哪张荷叶上，而与它前二次，前三次及前更多次在哪张荷叶上没有关系。换句话说，如果要推测这只青蛙下一次会跳到（转移到）哪张荷叶上，只需考虑现在青蛙在哪张荷叶上，而不必考虑它前若干次在哪张荷叶上。54v一阶马尔柯夫链v 某些事件从一种结果(状态)转移到另一种结果(状态)，其后一次的结果仅取决于前一次的结果，而与更前各次的结果是无关的，这样的一种转移过程称为一阶马尔柯夫链。v对于一阶马尔柯夫链可这样理解：首先，一阶马尔柯夫链是指后一事件的概率仅取决于前一次事件，而与前二次，前三次，乃至更前若干次事件无关

46、；其次，一阶马尔柯夫链是指事件或时间参数为离散变量。v高阶马尔柯夫链v 有些现象后一事件的概率不仅与前一次事件有关，而且与前二次、前三次乃至与前n次事件有关，而与更前各次事件无关，这样的马尔柯夫链则分别称为二阶、三阶和n阶马尔柯夫链。55v马尔柯夫过程v 若事件或时间参数为连续变量时，则称为马尔柯夫过程。从这个意义上讲，马尔柯夫链可称为离散型马尔柯夫过程，习惯上称为马尔柯夫链，以示与连续变量的马尔柯夫过程相区别。v状态及初始状态v 状态：指在一系列随机实验中，每一次实验的结果是出现有限个或可数无穷个两两互斥的事件S1，S2，中的一个而且仅出现一个，则称这些事件为状态。v 初始状态：如果以Sik

47、表示第k次实验的结果是处于i状态，则实验开始(或从研究时刻)时所处的状态叫做初始状态，记为Si0。v 吸收性就是指系统将逐渐达到一个稳定状态，它与系统的原来状态无关。56v初始概率与转移概率1 1初始概率初始概率 各初始概率发生的概率，可记为各初始概率发生的概率，可记为p(sp(s0 0i i)(i=1,2,3)(i=1,2,3)或简记为或简记为p p0 0i i 在实际应用中，初始概率可用统计资料计算的频率近似代替。在实际应用中，初始概率可用统计资料计算的频率近似代替。如市场占有率预测中，从研究时刻（实验开始），顾客到如市场占有率预测中，从研究时刻（实验开始），顾客到A A，B B，C C三

48、家（初始状态）去购买某种商品的可能性根据统计资料计算的百三家（初始状态）去购买某种商品的可能性根据统计资料计算的百分比（频率）分别为分比（频率）分别为50%50%，30%30%，20%20%，则可认为初始概率分别为，则可认为初始概率分别为p(sp(s0 01 1)=50%=p)=50%=p0 01 1,p(s,p(s0 02 2)=30%=p)=30%=p0 02 2,p(s,p(s0 03 3)=20%=p)=20%=p0 03 3,这个概率表明，这个概率表明，研究时刻开始研究时刻开始A A家有占市场家有占市场50%50%顾客，顾客，B B家占有家占有30%30%顾客，顾客，C C家有占市家

49、有占市场场20%20%顾客。顾客。这个概率也表明：随机挑选一个顾客，他愿意到这个概率也表明：随机挑选一个顾客，他愿意到A A家购家购买的意愿为买的意愿为50%50%，到，到B B家购买的意愿为家购买的意愿为30%30%，到，到C C家购买的意愿为家购买的意愿为20%20%。572转移概率v初始概率与转移概率585960616263v 市场占有率的概念v 市场占有率是指一段时间内企业某种产品的销售量占该产品全部销售量的百分比.v 如全国某年洗衣机的销售量为100万台，某厂生产的洗衣机该年销售量为35 万台，则该厂洗衣机的市场占有率为35%.v 分析和预测市场占有率的方法有很多，马尔柯夫法是最常用

50、的方法之一。通过现有的市场占有率和转移概率去预测企业在其后时期的占有率。马尔柯夫法预测市场占有率马尔柯夫法预测市场占有率64v马尔柯夫预测决策法作为一种数学模型，在运用这种模型时均有一定的假设条件。实际问题对这些假设条件的满足程度越高，则预测的效果越好。不同的实际问题，某些假设条件也有所不同。v 下面的假设条件是以市场占有率预测为对象的。对于其他领域的应用，这些假设条件也是基本适用的。v 1仅以一阶马尔柯夫过程为研究对象；v 2转移概率矩阵逐期保持不变；v 3顾客按固定的时间间隔购货，且每次购货的数量相等；v 4广大顾客相对地均一，使转移概率矩阵适用于所有顾客；v 5销售总额的大小逐期保持不变