Name: 统计预测与决策
Author: 陈华友
ISBN: 9787030569943

统计预测与决策

《统计预测与决策》主要介绍常用的统计预测与决策方法。统计预测方法主要包括定性统计预测、统计回归预测、时间序列分解法和趋势外推法、马尔可夫预测、平稳时间序列预测、模糊时间序列预测、灰色系统预测、神经网络预测和组合预测方法；决策方法主要包括不确定型决策、风险型决策、多目标决策和序贯决策等。《统计预测与决策》注重阐述统计预测与决策模型的基本原理和方法，使之具有一定的系统性和新颖性；同时也介绍了各类模型的特点和适用范围，并给出应用案例，突出学以致用。另外，每章都配有适量的习题，部分习题具有一定的拓展性。

微信读书推荐值

评分不足

2人点评

统计预测与决策

陈华友

目录
前言
上篇统计预测
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
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
2.3 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
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
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
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
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
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
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
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
组合预测方法 135
10.1 组合预测的概念及分类 135
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
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
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
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
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
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

微信读书

统计预测与决策

简介

版权

统计预测与决策