统计预测与决策实验报告
统计预测与决策 1
54页5.某公司选取了12位调查人员利用主主观概率法预测该公司华北地区2010年的产品需求量，调查汇总数据如表所示。
试对该公司2010年的需求量进行预测分析。
(1)综合考虑每个调查人员的预测,在每个累计概率上取平均值,得到在此累计概率下的预测需求量.由表可以得出该公司在华北地区2010年需求量预测最低可到1109.42,小于这个数值的可能性只有1%.(2)该公司在华北地区2010年需求量最高可到1624.67，大于这个数值的可能性只有1%.(3)可以用1367.17作为该公司在华北地区2010年需求量的预测值.这是最大值与最小值之间的中间值.其累积概率为50%,是需求量期望值的估计数.(4)取预测误差为200,则预测区间为（1367.17-200）～(1367.17+200）,即商品销售额的预测值为1167.17～1567.17(5)当预测需求量为1167.17～1567.17,在第(2)列到第(9)列的范围之内,其发生概率相当于0.99-0.125=0.865.也就是说,需求量为1167.17～1567.17的可能性为86.5%6.已知某品牌产品在7个经济发达城市的销售及各城市人口情况，见下表。
经过对A城市消费者的抽样调查，预测今年A城市对该产品的人均需求为1.2件/人，假设今年这7个城市人口数及居民消费习惯基本保持不变，请运用对比类推预测法，根据A城市情况预测其他6个城市今年对该产品的需求量。
(1)计算人均数码产品需求人均数码产品需求=区域销售总量/区域人口数(2)以A区域为类基准，计算其他各区域的相对人均数某区域的相对人均数=该区域上年的人均数/A区域上年预测的人均数(3)计算各区域今年人均数的预测值某区域的今年人均数预测值=该区域相对人均数*A区域今年人均数的预测值(4)计算各区域今年数码产品的预测值某区域的今年数码产品的预测值=该区域今年人均数预测值*人口数类似计算其他区域今年数码产品的预测值，结果如下：69页1.已知B公司2000-2009年销售利润，见下表。
企业预测与决策实训报告
企业预测与决策实训报告一、引言随着市场竞争的日益激烈，企业面临着各种各样的挑战与风险。
为了在这个竞争激烈的环境中保持竞争优势，企业需要准确地预测未来的趋势，并做出相应的决策。
本次实训旨在通过对企业数据的分析和模型建立，为企业提供科学的决策依据。
二、数据分析在实训中，我们首先对企业的历史数据进行了分析。
我们通过统计分析的方法，了解了企业销售额、利润、成本等指标的变化趋势，并进行了可视化展示。
通过对数据的分析，我们了解到企业销售额在过去几个季度逐渐下降，但利润仍有保持稳定的趋势。
这意味着企业在管理成本方面还存在一定的问题。
三、预测模型建立为了进一步预测未来的趋势并做出合理的决策，我们建立了一套预测模型。
我们选择了时间序列分析中的ARIMA模型作为预测模型。
通过对历史数据进行拟合，并使用相关统计指标对模型的拟合效果进行评估，我们得到了一个较为准确的预测模型。
四、未来趋势预测基于我们建立的模型，我们对未来的销售额进行了预测。
根据预测结果，我们发现未来几个季度的销售额仍有下降的趋势。
这表明企业需要采取措施来提升销售额，以保持竞争力和利润。
五、决策建议基于我们对数据的分析和预测结果，我们给出了以下几点决策建议：1. 加大市场推广力度：通过增加市场推广投入，扩大企业知名度，提高产品销售额。
2. 优化产品定价策略：根据市场需求和竞争情况，合理定价以提高销售额和利润。
3. 优化供应链管理：通过优化供应链管理，减少成本，提高盈利能力。
4. 加强人力资源培养：提高员工的专业素质和服务水平，为企业发展提供人才支持。
六、总结通过本次实训，我们充分认识到企业预测与决策的重要性。
通过对历史数据的分析和模型的建立，我们能够更加准确地预测未来的趋势，并做出科学合理的决策。
我们的决策建议将帮助企业更好地应对竞争和风险，保持竞争优势，并实现可持续发展。
《预测及决策技术应用》课程实验报告
实验报告实验名称：预测与决策技术应用课程实验指导教师：实验日期：实验地点：班级：学号：姓名：实验成绩：实验1 德尔菲预测法【实验题目】某公司为实现某个目标，初步选定了a,b,c,d,e,f 六个工程，由于实际情况的限制，需要从六项中选三项。
为慎重起见，公司共聘请了100位公司内外的专家，请他们选出他们认为最重要的三项工程，并对这三项工程进行排序，专家的意见统计结果如下表。
如果你是最后的决策者，请根据专家给出的意见，做出最合理的决定。
专家意见表排序 1 2 3 a 30 10 20 b 10 10 40 c 16 10 20 d 10 15 0 e 14 46 10 f 20 9 10【实验环境】• Excel【实验目的】• 掌握利用德尔菲法进行定性预测的方法 【实验步骤及结果】本实验中，要求选择3个项目进行排序，则可以按每位专家是同等的预测能力来看待，并规定其专家评选的排在第1位的项目给3分，第2位的项目给2分，第3位的项目给1分，没选上的其余项目给0分。
在本实验中，1T =3分，2T =2分，3T =1分。
上表中，对征询表作出回答的专家人数N=100人：赞成a 项排第1位的专家有30人（即a,1N =30），赞成a 项排第2位的专家有10人（a,2N =10），赞成a 排第3位的有20人（a,3N =20）。
所以，a 项目的总得分为：3*30+2*10+1*20=130分。
同理可以分别计算出：b 项目的总得分为：3*10+2*10+1*40=90分；c 项目的总得分为：3*16+2*10+1*20=88分；d 项目的总得分为：3*10+2*15+1*0=60分；e 项目的总得分为：3*14+2*46+1*10=144分；f 项目的总得分为：3*20+2*9+1*10=88分。
由此，绘制下表。
并从总分按高到低排序，得到前三个项目是e、a、b。
专家意见表排序第1位第2位第3位得分\分排序分值\分 3 2 1工程a 30 10 20 130 2b 10 10 40 90 3c 16 10 20 88 4d 10 15 0 60 6e 14 46 10 144 1f 20 9 10 88 4该方法用统计方法综合专家们的意见，定量表示预测结果。
excel预测与决策分析实验报告
《EXCEL预测与决策分析》实验报告册2014- 2015 学年第学期班级:学号:姓名:授课教师: 实验教师:实验学时: 实验组号:信息管理系目录实验一网上书店数据库的创建及其查询 (3)实验二贸易公司销售数据的分类汇总分析 (7)实验三餐饮公司经营数据时间序列预测 (9)实验四住房建筑许可证数量的回归分析 (12)实验五电信公司宽带上网资费与电缆订货决策 (15)实验六奶制品厂生产/销售的最优化决策 (17)实验七运动鞋公司经营投资决策 (18)实验一网上书店数据库的创建及其查询【实验环境】•Microsoft Office Access 2003；•Microsoft Office Query 2003。
【实验目的】1.实验1-1:•理解数据库的概念；•理解关系（二维表）的概念以及关系数据库中数据的组织方式；•了解数据库创建方法。
实验1-2:•理解DOBC的概念；•掌握利用Microsoft Query进行数据查询的方法。
实验1-3:•掌握复杂的数据查询方法: 多表查询、计算字段和汇总查询。
【实验步骤】实验1-1一、表的创建和联系的建立步骤1: 创建空数据库“xddbookstore”。
步骤2: 数据库中表结构的定义。
步骤3: 保存数据表。
步骤4: 定义“响当当”数据库的其他表。
步骤5: “响当当”数据库中表之间联系的建立。
二、付款方式表的数据输入步骤1: 选中需要输入数据的表（如付款方式表）。
步骤2: 输入数据。
三、订单表的数据导入在本书配套磁盘提供的xddbookstore.xls文件中, 包含了响当当数据库所有表的数据。
可以利用该文件将订单表数据导入到“xddbookstore.mdb”数据库中。
步骤1: 选择要导入的文件。
步骤2: 规定要导入的数据表。
步骤3: 指明在要导入的数据中是否包含列标题。
步骤4：规定数据应导入到哪个表中, 可以是新表或现有的表。
步骤5: 完成数据导入工作。
实验1-2一、建立odbc数据源在利用 microsoft office query对“响当当”网上书店进行数据查询之前, 必须先建立一个用于连接该数据库的odbc数据源“bookstore”, 具体步骤如下:步骤1: 启动microsoft office query应用程序。
统计决策与预测实验报告
湘南学院实验报告课程名称：统计预测和决策专业班级：经济统计学一班姓名：吴丽媛学号： 201414430148 指导教师：谷玉实验日期： 2017.3.28实验一：多元统计分析一、实验目的及要求客观事物的变化往往受多种因素的影响，此时就要用到多元回归分析，借以说明多种因素之间的关系,利用EXCEL软件进行多元回归分析，建立函数模型。
二、实验设备2007版EXCEL软件三、实验内容分析喜欢某种牌号牙膏的居民百分比与该地区居民的人均年收入和教育指数的关系四、实验步骤（包含数据及详细过程）1.加载数据分析第一步：打开2007excel，点击左上角的按钮，如图所示。
第二步：点击右下角的，如图所示。
第三步：点击左侧的加载项，如图所示。
第四步：点击最下面的“转到”，如图所示，然后选中“分析数据库”，点击“确定”。
2.输入数据，如下图3.数据分析第一步：点击excel2007中工具栏的“数据”，然后点击“数据分析”，弹出数据分析的对话框，如图所示。
第二步：选中“回归”，点击确定，弹出对话框，如图所示。
第三步：“Y值输入区域”为$B$2:$B$11，“X值输入区域”$C$2:$D$11，选择“置信度”为95%，“新工作表组”，“残差”和“标准残差”。
如图所示，点击确定。
五、实验结果与解释结果如图所示。
实验结果解释：由如上图的输出结果可知，第一部分为汇总统计，MultipleR 指复相关系数，RSquare 指判定系数，Adjusted 指调整的判定系数，标准误差指估计的标准误，观测值指样本容量；第二部分为方差分析，df 指自由度，SS 指平方和，MS 指均方，F 指 F 统计量， significance of F 指p 值；第三部分包括：Intercept 指截距，Coefficient 指系数， tstat 指t 统计量。
由2R =0.6682，可知此回归模型只能解释喜欢该品牌牙膏的百分比变差的66.82%， 该模型的方程为：218118.20168.44492.13x x y ++=∧.。
预测与决策实验报告
246.5
成绩评定：
该生对待本次实验的态度□认真□良好□一般□比较差。
本次实验的过程情况□很好□较好□一般□比较差
对实验结果的分析□很好□良好□一般□比较差
文档书写符合规范程度□很好□良好□一般□比较差
综合意见：
成绩
指导教师签名
张立凡
日期
2012-3-28
按 （Y=-0.99464+0.847206X）计算估计值：
n
x
y
x²
y²
xy
估计值y
1
11.6
8.5
134.56
72.25
98.6
8.832949
2
14.1
11.1
198.81
123.21
156.51
10.95096
3
17.1
13.6
292.41
184.96
232.56
13.49258
4
19.6
15.8
203.4
分别输入求4项移动平均公式和误差平方公式并向下复制。
月份
销售额
3个月移动平均
5个月移动平均
3个月加权平均
1
200
2
135
3
195
4
198
176.6666667
175.8333333
5
310
176
186.5
6
175
234.3333333
207.6
253.5
7
155
227.6666667
202.6
6
25.6
20.5
7
33.6
27.8
统计预测和决策期末总结
统计预测和决策期末总结一、引言统计预测与决策是现代社会中经济、政治、科学等领域中不可或缺的重要工具。
通过收集、整理、分析和解释数据，可以帮助我们预测未来发展趋势和变化，以及做出合理的决策。
本文将对统计预测与决策的应用进行总结和回顾，分析其优势和不足，并提出一些建议以进一步提高其应用效果。
二、统计预测的应用1. 经济领域：统计预测在经济领域中应用广泛，可以用于预测GDP增长率、通货膨胀率、失业率等宏观经济指标，以及市场需求、销售预测等微观经济现象。
通过对历史数据的分析和建模，可以帮助经济学家和企业家制定合理的经济政策和商业策略。
2. 政治领域：统计预测在选举预测、民意调查等政治领域中得到广泛应用。
通过对选民调查数据的统计分析，可以预测候选人的胜选概率，为政治家和选民提供决策参考。
此外，统计预测还可以帮助政府决策者预测社会问题的发展趋势，如犯罪率、环境污染等，以制定相关政策。
3. 科学研究：统计预测在科学研究中也发挥着重要作用。
研究者可以通过统计分析数据，建立模型并预测实验结果。
此外，在生物学、地球科学、物理学等领域，统计预测还可以帮助发现新的规律和关联性，为进一步的研究提供指导。
三、统计预测的优势1. 提供客观准确的信息：统计预测通过对数据的分析和处理，可以提供客观准确的信息，避免主观臆断和主观判断的错误。
2. 预测未来趋势：通过对历史数据的分析和建模，统计预测可以帮助我们预测未来的趋势和变化，为决策者提供决策依据。
3. 降低决策风险：统计预测可以提供不同决策方案的可能结果及其概率，帮助决策者更好地评估决策的风险和收益，减少决策的不确定性。
4. 优化资源分配：通过对数据的分析和建模，统计预测可以帮助企业和政府合理分配资源，提高资源利用效率，实现经济增长和社会发展。
四、统计预测的不足1. 数据质量不佳：统计预测的准确性很大程度上依赖于数据质量的好坏。
如果数据采集不准确或者缺失，那么预测的结果也会受到影响。
统计预测与决策实验报告
0.997763
S.D. dependent var
50421.31
S.E. of regression
2385.035
Akaike info criterion
18.54859
Sum squared resid
1.08E+08
Schwarz criterion
18.74606
Prob.
AR(1)
1.104638
0.065318
16.91163
0.0000
R-squared
0.833247
Mean dependent var
8495.296
Adjusted R-squared
0.833247
S.D. dependent var
6989.062
S.E. of regression
0.999706
S.D. dependent var
50096.16
S.E. of regression
858.5201
Akaike info criterion
16.54501
Sum squared resid
12529964
Schwarz criterion
16.79298
Log likelihood
0.000
. |*** |
. |* . |
3
0.420
0.193
26.611
0.000
. |*** |
. | . |
4
0.369
0.020
30.614
0.000
. |* . |
***| . |
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
总成绩：江苏师范大学科文学院实验报告课程：统计预测与决策班级：姓名：学号：教师：实验一：多元线性回归模型实验目的与要求：熟练掌握建立多元线性回归模型的方法。
实验内容：问题：国际旅游外汇收入是国民经济发展的重要组成部分，影响一个国家或地区旅游收入的因素包括自然、文化、社会、经济、交通等多方面的因素，本例研究第三产业对旅游外汇收入的影响。
《中国统计年鉴》把第三产业划分为12个组成部分，分别为1x 农林牧渔服务业，2x 地质勘查水利管理业，3x 交通运输仓储和邮电通信业，4x 批发零售贸易和餐饮业，5x 金融保险业，6x 房地产业，7x 社会服务业，8x 卫生体育和社会福利业，9x 教育文化艺术和广播，10x 科学研究和综合艺术，11x 党政机关，12x 其他行业。
选取1998年我国31个省、市、自治区的数据（见实验一数据.xls ）。
自变量单位为亿元人民币，以国际旅游外汇收入为因变量y （百万美元）。
试建立线性回归模型。
（要求用MATLAB 的stepwise 函数解决问题。
取05.0=进α,1.0=出α。
）解：实验步骤：1.File —Import Data —将data 重命名为A （建立数组A ）—Finish2.File-Save workspace as -shiyan1_1_1.mat ；3.File —New —M-File —输入代码—Debug —Save As —文件名（Untitled ）—保存； 程序代码：load shiyan1_1_1.mat [n,m]=size(A);X=A(:,1:m-1);Y=A(:,m);stepwise(X,Y,[1 2 3 4 5 6 7 8 9 10 11 12],0.05,0.1)运行结果:由图可以看出所得的线性回归方程为：3891011184.763 4.3212120.20217.365311.618313.0049y x x x x x =-+-++-实验二：时间序列分解法建模实验目的与要求：熟练掌握运用时间序列分解法建模。
实验内容：问题：当将时间序列分解成长期趋势、季节变动、周期变动和不规则变动四个因素后，可以认为时间序列{}t Y 是这四个因素的函数，即：),,,(t t t t t I C S T f Y =时间序列分解方法有很多，相对而言，乘法模型（t t t t t I C S T Y ⋅⋅⋅=）应用得比较广泛。
试就文件（实验二数据.xls ）提供的数据，将实际销售额（Y ）分解为T 、S 、C 和I 的乘积。
（只需给出T 、S 和C 即可） 解：实验步骤：1、统计—时间序列—时间序列图—简单—确定—序列（C3：销售额Y ）—数据增量（1）—确定；2、统计—时间序列—移动平均—变量（C3：销售额Y ）—移动平均长度（4）—移动平均居中—时间（指数）—存储（移动平均）—确定；3、计算—计算器—将结果存储在变量中（C5）—表达式（C3/C5）；4、数据—拆分列—拆分的数据在（C6）—使用的下标在（C1）—在最后使用的一列之后—确定；5、数据—转置列—转置以下列（C10-C13）—确定；6、计算—行统计量—均值—输入变量（C15-C26）—将结果存储在（C28）—确定—得到C28：同季平均；7、计算—计算器—将结果存储在变量中（C29）—表达式（C28 /SUM(C28) * 4）—得到C29：季节指数（%）；8、在C2列依次输入1,2…48；9、统计—时间序列—趋势分析—变量（C3）—模型类型（线性）—时间（标记：t:C2）—确定—存储—拟合值—确定—得到拟合一：Tt ；10、计算—计算器—将结果存储在变量中（C9）—表达式（C5 / C8）—得到C （周期变动） 实验结果与分析： 销售额时序图为：由时序图可以看出销售额Y 有长期趋势，且周期的长度为4。
（1）季节指数S 的计算季节指数的计算是先用移动平均法剔除长期趋势和周期变动，然后按月(季)平均法求出季节指数45403530252015105155005000450040003500300025002000指数销售额Y （3）长度4移动平均平均百分误差 (MAPE)14平均绝对误差 (MAD)485平均偏差平方和309627准确度度量实际拟合值变量销售额Y （3） 的移动平均图（2）长期趋势T 的计算45403530252015105155005000450040003500300025002000指数销售额Y （3）平均百分误差 (MAPE)14平均绝对误差 (MAD)478平均偏差平方和316945准确度度量实际拟合值变量销售额Y （3） 的趋势分析图线性趋势模型Yt = 2736 + 39.0*t销售额Y 具有比较明显的上升趋势，可以用直线趋势拟合，以时间t 为自变量，销售额Y 为因变量，回归方程:(3)周期变动的因素C 的计算将序列TC 除以T ，即可得到周期变动因素C 。
Tt C 2775.06 * 2814.01 * 2852.96 0.97214 2891.92 0.97534 2930.87 0.96833 2969.83 0.96551 3008.78 0.96412 3047.74 0.96750 3086.69 0.98185 3125.64 1.00128 3164.601.02149实验三：皮尔曲线模型实验目的与要求：熟练掌握皮尔曲线模型。
实验内容：问题：已知某地区1992~2012年的人口资料（见实验三数据.xls），试用皮尔曲线模型预测该地区2013~2017年的人口总量。
解：实验步骤：1.将数据录入在c1,c2中2.统计-时间序列—时间序列图-简单-确定-序列（人口总量yt）-确定3.计算-计算器-将结果存储在变量中（c4）-表达式（1/yt）-确定4.统计-时间序列-差分-系列（1./yt）-将差分存储在c5(zt)中-滞后（1）-确定5. 统计-时间序列-差分-系列（zt）-将差分存储在c6(zt-1)中-滞后（1）-确定6. 计算-计算器-将结果存储在变量中（c7）-表达式（zt/zt-1）-确定7. 统计-时间序列-趋势分析-变量（人口总量yt）-模型类型(s曲线)-生成预测（5）-存储（拟合值）实验结果：1. 模型的识别由时序图可以看出人口总量基本符合皮尔曲线模型。
2.计算yt的倒数及其一阶差分的差比率尔曲线作为预测模型。
3. 求模型的参数由图得皮尔曲线方程为：51022.640517.6926*0.924807 t t y=+4. 模型的预测用所求曲线方程对22—26期人口总量作预测：实验四：修正指数曲线模型实验目的与要求：熟练掌握修正指数曲线模型。
实验内容：问题：根据实验四数据.xls 中的数据资料，用修正指数曲线模型预测2013年取暖器的销售量，并说明其最高限度。
解：修正指数曲线预测模型为: t t y a bc =+ (0<c<1)将修正指数曲线化为皮尔曲线模型：1111ttt a b a bc y c a==++ 实验步骤：1.将数据录入在c1,c2中2.统计-时间序列—时间序列图-简单-确定-序列（销售量yt ）-确定3.计算-计算器-将结果存储在变量中（c3）-表达式（1/yt ）-确定4.统计-时间序列-差分-系列（1./yt ）-将差分存储在c4(zt)中-滞后（1）-确定5. 统计-时间序列-差分-系列（zt ）-将差分存储在c5(zt-1)中-滞后（1）-确定6. 计算-计算器-将结果存储在变量中（c6）-表达式（zt/zt-1）-确定7. 统计-时间序列-趋势分析-变量（人口总量1/yt ）-模型类型(s 曲线)-生成预测（1）-存储（拟合值）8. 计算——计算器——将结果存储在变量中：c8，表达式：1/0.0000169——确定 实验结果：由时序图可以看出取暖器销售量基本符合修正指数曲线模型。
2. 计算一阶差的一阶比率由表可以看出该时间序列yt的一阶差分的差比率大致相等。
3. 计算yt的倒数及一阶差分的差比率。
由表可得1/yt的一阶差分的差比率大致相等，选用皮尔曲线作为预测模型。
4. 求模型的参数将修正指数曲线化为皮尔曲线模型的结果为：拟合趋势方程1/yt = (10**-4) / (6.12068 - 1.88831*(0.804211**t))则皮尔曲线模型为：4110/6.121 1.89*0.804/6.12tty-=-5．模型的预测周期预测10 0.0000169即2013年取暖器的销售量的预测值为：1/0.0000169=59171（台）其最高限度L=1/( 410-/6.12)=61200 (台)实验五：时间序列平滑预测法建模实验目的与要求：熟练掌握运用二次曲线指数平滑法建模。
实验内容：问题：某地区统计了从1989年到2012年每年的消费品销售额（见实验五数据.xls ），请用二次曲线指数平滑法预测2013年的消费品销售额。
（取平滑常数5.0=α）解：实验步骤 1)将数据录入工作表中，c1为年度，c2为销售额（2）统计-时间序列-单指数平滑-变量（c2）-使用（0.5）-存储（修匀数据）-选项（K=1）-将C3命名为St(1)(3) 统计-时间序列-单指数平滑-变量（c3）-使用（0.5）-存储（修匀数据）-选项（K=1）-将C4命名为St(2)(4) 统计-时间序列-单指数平滑-变量（c4）-使用（0.5）-存储（修匀数据）-选项（K=1）-将C5命名为St(3)(5) 计算-计算器-将结果存储在变量中（c6）-表达式（3*c3-3*c4+c5）-确定-将C6命名为At（6）计算-计算器-将结果存储在变量中（c7）-表达式（3.5*c3-6*c4+2.5*c5）-确定-将C7命名为Bt(7) 计算-计算器-将结果存储在变量中（c8）-表达式（c3-2*c4+ c5）- 确定-将C8命名为Ct(8) 计算-计算器-将结果存储在变量中（c9）-表达式（c6+c7+ 1/2*c8）- 确定-将C9命名为Ft+m实验结果：（1）计算t 时期的单指数平滑值(1)t S(1)1(1)t t t S x S αα-=+-销售总额(亿元) 的单指数平滑数据 销售总额(亿元) 长度 24 平滑常量Alpha 0.5准确度度量平均百分误差 (MAPE) 10.0449 平均绝对误差 (MAD) 2.9602 平均偏差平方和 19.2161平滑图为：（2）计算t 时期的双指数平滑值(2)tS(2)(1)(2)1(1)t t t S S S αα-=+-修匀数据1 的单指数平滑数据 修匀数据1 长度 24 平滑常量Alpha 0.5准确度度量平均百分误差 (MAPE) 8.9837 平均绝对误差 (MAD) 2.4715 平均偏差平方和 12.9108（3）计算t 时期的三重指数平滑值(3)t S(3)(3)(3)1(1)t t t S S S αα-=+-修匀数据2 的单指数平滑数据 修匀数据2 长度 24 平滑常量Alpha 0.5准确度度量平均百分误差 (MAPE) 8.26700 平均绝对误差 (MAD) 2.11037 平均偏差平方和 8.85952（4）计算t 时期的水平值t A(1)(2)(3)33t t t t A S S S =-+（5）计算t 时期的线性增量t B2(1)(2)(3)2(65)(108)(43)(1)t t t t B S S S ααααα⎡⎤=---+-⎣⎦- （6） 计算t 时期的抛物线增量t C2(1)(2)(3)2(2)(1)t t t t C S S S αα=-+-(7)预测m 时期以后，即(t+m)时期的数值t m F +212t m t t t F A B m C m +=++当0.5α=，m=1时，2012161.7675F +=，即2013年消费品的销售额的预测值为61.77亿元实验六：自适应过滤法建模实验目的与要求：熟练掌握运用自适应过滤法建模。