統計預測與決策

前言
上篇 統計預測
第1章 統計預測概述 3
1.1 統計預測的概念 3
1.2 統計預測方法的分類 4
1.3 統計預測的原則和步驟 5
1.3.1 統計預測的原則 5
1.3.2 統計預測的步驟 6
1.4 統計預測的發展現狀 7
1.4.1 不確定性預測方法 8
1.4.2 組合預測方法 9
1.5 統計預測與決策的關係 10
習題1 11
第2章 定性統計預測方法 12
2.1 定性預測概述 12
2.2 德爾菲法 13
2.2.1 德爾菲法的實施過程 13
2.2.2 德爾菲法特點 14
2.2.3 專家意見的統計處理 15
2.2.4 德爾菲法在中國生物製藥行業技術預測分析中的應用 16
2.3 主觀概率法 17
2.3.1 主觀概率法 17
2.3.2 主觀概率預測方法的案例 18
習題2 19
第3章 統計回歸預測方法 21
3.1 一元線性回歸預測方法 21
3.1.1 回歸模型的建立 21
3.1.2 一元線性回歸模型參數的估計 22
3.1.3 一元線性回歸模型的檢驗 22
3.1.4 一元線性回歸模型的預測 24
3.2 多元線性回歸預測方法 25
3.2.1 多元線性回歸模型 26
3.2.2 參數估計 27
3.2.3 統計檢驗 27
3.2.4 多元線性回歸模型進行預測 29
3.3 非線性回歸預測方法 31
3.4 主成分回歸預測方法 32
3.4.1 主成分分析 32
3.4.2 主成分回歸預測 36
習題3 38
第4章 時間序列分解法和趨勢外推法 40
4.1 時間序列以及時間序列分解 40
4.1.1 時間序列的含義 40
4.1.2 時間序列確定性因素分解 41
4.2 趨勢外推法概述 42
4.2.1 趨勢外推概念 42
4.2.2 趨勢外推法分類 43
4.2.3 趨勢外推模型的選擇 44
4.3 多項式曲線趨勢外推法 46
4.3.1 二次多項式曲線預測 46
4.3.2 三次多項式曲線預測 48
4.4 指數曲線趨勢外推法 50
4.4.1 指數曲線預測 50
4.4.2 修正的指數曲線預測 52
4.5 生長曲線趨勢外推法 53
4.5.1 Gompertz曲線模型 53
4.5.2 Logistic曲線模型 55
4.6 曲線擬合優度分析 57
習題4 59
第5章 瑪律可夫預測方法 60
5.1 瑪律可夫鏈基本理論 60
5.2 瑪律可夫預測方法 64
5.3 市場佔有率預測 65
5.4 股票價格走勢預測 67
習題5 70
第6章 平穩時間序列預測方法 72
6.1 平穩時間序列 72
6.1.1 平穩時間序列概念 72
6.1.2 平穩性檢驗 73
6.2 平穩時間序列模型及識別 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）模型定階 82
6.3 平穩時間序列模型的參數估計 86
6.3.1 矩估計 86
6.3.2小二乘估計 88
6.4 平穩時間序列模型的預測 88
6.4.1 AR（p）序列預測 89
6.4.2 MA（q）序列預測 90
6.4.3 ARMA（p；q）序列預測 91
習題6 92
第7章 模糊時間序列預測方法 94
7.1 模糊時間序列 94
7.1.1 模糊數學基本概念與理論 94
7.1.2 模糊時間序列模型 95
7.2 一階模糊時間序列預測方法 96
7.3 高階模糊時間序列預測方法 101
7.3.1 高階模糊時間序列分析簡介 101
7.3.2 高階模糊時間序列分析模型建立 102
7.4 多因素模糊時間序列預測方法 104
7.4.1 多因素高階模糊時間序列分析 104
7.4.2 多因素高階模糊時間序列模型建立 107
習題7 110
第8章 灰色系統預測方法 112
8.1 灰色預測GM（1，1）模型 112
8.1.1 灰色系統基本概念 112
8.1.2 GM（1，1）預測模型的基本原理 112
8.2 GM（1，1）模型檢驗 115
8.2.1 GM（1，1）模型殘差檢驗 115
8.2.2 GM（1，1）模型後驗差檢驗 115
8.2.3 GM（1，1）模型關聯度檢驗 116
8.3 GM（1，1）殘差模型 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
習題8 123
第9章 神經網路預測方法 124
9.1 BP神經網路預測模型 124
9.1.1 人工神經元數學模型 124
9.1.2 BP神經網路的結構 125
9.1.3 傳遞函數（啟動函數） 126
9.1.4 BP神經網路學習演算法及流程 127
9.2 BP神經網路的MATLAB工具箱函數 128
9.2.1 資料的預處理和後處理 128
9.2.2 創建網路 129
9.2.3 設定參數 129
9.2.4 訓練網路 130
9.2.5 BP神經網路的模擬 130
9.2.6 模擬輸出 130
9.3 神經網路預測案例 130
習題9 134
第10章 組合預測方法 135
10.1 組合預測的概念及分類 135
10.2 非*優正權組合預測模型權係數的確定方法 137
10.2.1 幾種常規的非*優正權組合預測模型權係數的確定方法 137
10.2.2 非*優組合預測係數確定方法的應用舉例 139
10.3 以預測誤差平方和達到*小的線性組合預測模型 140
10.3.1 *優線性組合預測模型的建立 140
10.3.2 *優線性組合預測模型的解的討論 142
10.4 基於相關係數的*優組合預測模型 144
10.4.1 基於相關係數的*優組合預測模型 144
10.4.2 實例分析 146
10.5 基於IOWA運算元的組合預測方法 148
10.5.1 OWA運算元和IOWA運算元的概念及性質 148
10.5.2 基於IOWA運算元的組合預測模型 150
10.5.3 實例分析 152
習題10 155

下篇 統計決策
第11章 統計決策概述 159
11.1 決策問題的基本概念 159
11.1.1 決策的基本概念 159
11.1.2 統計決策的三個基本概念 159
11.2 決策的種類 160
11.3 決策的過程與決策分析的要素和原則 161
11.3.1 決策的過程 161
11.3.2 決策分析 162
11.3.3 決策的原則 162
習題11 163
第12章 不確定型決策方法 164
12.1 樂觀準則決策方法 164
12.2 悲觀準則決策方法 165
12.3 樂觀係數決策方法 165
12.4 等可能性準則決策方法 166
12.5 後悔值準則決策方法 166
12.6 資訊集成法在決策中的應用 167
12.6.1 多屬性決策方法 167
12.6.2 基於OWA運算元的多屬性決策方法 169
12.7 幾種決策方法的比較分析 170
習題12 172
第13章 風險型決策方法 175
13.1 風險型決策的基本問題175
13.2 風險型決策的期望值準則 176
13.3 決策樹分析法 178
13.4 風險決策的靈敏度分析 180
13.4.1 敏感性分析的概念和步驟 180
13.4.2 兩狀態兩行動方案的敏感性分析 180
13.4.3 三狀態三行動方案的敏感性分析 181
13.5 效用理論及風險評價 183
13.5.1 效用的含義 183
13.5.2 效用曲線 184
13.5.3 效用曲線的類型 185
13.5.4 效用曲線的應用 186
13.6 連續型變數的風險型決策方法 188
13.6.1 邊際分析法 188
13.6.2 標準正態分佈決策法 191
13.7 主觀概率決策法 193
13.7.1 主觀概率的基本概念 193
13.7.2 主觀概率的估計方法 194
13.7.3 主觀概率決策 196
13.8 貝葉斯決策法 197
13.8.1 貝葉斯決策的概念和步驟 197
13.8.2 後驗預分析 198
13.8.3 貝葉斯決策 202
習題13 204
第14章 多目標決策方法 208
14.1 多目標決策概述 208
14.1.1 多目標決策過程 208
14.1.2 多目標決策問題的要素 210
14.2 層次分析法 214
14.2.1 層次分析法的基本原理 214
14.2.2 層次分析法的基本步驟 220
14.3 字典式法 222
14.4 TOPSIS法 223
14.5 ELECTRE法 227
14.5.1 級別高於關係的性質 228
14.5.2 級別高於關係的構造 229
14.5.3 級別高於關係的應用 230
14.5.4 演算法步驟 231
14.6 LINMAP法 234
14.7 優劣係數法 239
習題14 244
第15章 序貫決策方法 247
15.1 單目標確定性序貫決策 247
15.2 單目標隨機性序貫決策 251
15.3 瑪律可夫決策 255
15.3.1 狀態轉移概率矩陣及其決策特點 255
15.3.2 瑪律可夫決策的應用步驟 256
15.4 多目標序貫決策 259
15.4.1 多目標序貫決策的理論模型 259
15.4.2 多目標序貫決策的分層解法 260
習題15 263
參考文獻 265