物流系統與物流工程-資料下載頁

　　

【正文】 k YYXXl ))((0 得： ????????????????????? 3 6 0 4 0 4 9 0 L；???????????????0L 正規方程組為： 415 . 231?b+ 251 . 082?b 37 2 . 623?b 2904?b= 775 . 96 251 . 081?b+ 2905 . 692?b 166 . 543?b 304 1 . 004?b= 229 2 . 95 372 . 621?b 166 . 542?b+ 492 . 313?b+ 38 . 004?b= 618 . 23 290 . 001?b 3041 . 002?b+ 38 . 003?b+ 336 2 . 004?b= 24 81 . 70 53 53 解答： 2 . 求解正規方程組和求0?b 求解結果為： 5 5 1 ?b，5 1 0 2 ?b，1 0 1 ?b，1 4 4 4 ??b； 根據???kkk XbYb ?? 0，求得0?b為： 4 0 6 0 ?b 3 . 建立預測模型 預測模型為： Y = 62 . 4052 + 1 . 551 1X 1 + 0 . 51 01X 2 + 0 . 1019 X 3 0 . 1441 X 4 4 . 回歸顯著性檢驗 ? ???iiYY YYL 7 1 5)(2 ? ??kkk lbU 0 全相關系數YYLUR ?2為： R2= 0 . 9824 ， R = 0 . 991 1 ， 采用 F 檢驗，求臨界值?F和 F 。 )8,4()1,( ????? FmnmF ? 1 111 22?????? RRmmnF， F ?F，故回歸顯著。 54 54 解答： 5 . 各回歸系數檢驗 剩余平方和 Q 和剩余標準差 S r 為： ??? ULQ YY， ???? mn QS r。 L 1矩陣對角線上元素 C kk 為： C 11 = 0 . 09276 ， C 22 = 0 . 08761 ， C 33 = 0 . 09526 ， C 44 = 0 . 084 08 。 將上述數據代入 9 51 式： 0 8 ?1111 ???ySCbt，?2222 ???ySCbt ?3333 ???ySCbt，2 0 3 ?4444 ????ySCbt 查 t 分布表，當 ?? 時)1( ??? mnt，只有 b 1 顯著不為零。 55 55 解答： 6 . 剔除因素 因it中， t 3 = 0 . 1349 最小，故將 X 3 剔除。按 9 52 式： ????????????????????kjjjXbYbbCCbbbCCbbbCCbb6 4 8 ??2 3 6 ???4 1 6 ???4 5 1 ???0333434433323223331311 故新回歸方程 ( 預測模型 ) 為： 421 2 3 6 1 6 5 1 4 8 XXXY ???? 偏回歸平方和 U 3 為：1 0 9 ?33233 ?? CbU 新預測模型的回歸平方和3UUU ???為： 6 6 71 0 9 6 6 7 ????U 可見 X 3 的影響很小。如此可一直進行到所有因素均顯著為止。但需注意的是每剔除一個因素之后，都要重新進行回歸系數的檢驗。 56 56 內容概要 第 9章 物流系統預測 預測系統的定性預測技術 回歸分析 物流系統的時間序列預測技術 預測概念 57 57 ? (1)長期趨勢的變化 Xt，序列隨時間呈現的傾向性變化； (2)季節性周期變化 St，序列在一年中隨季節呈現有規律性的周期性變化； (3)循環變化 Ct，序列以不固定的周期呈現出的波動性變化； (4)隨機變化 εt，各種不確定因素作用下的無規則變化。 58 58 ? (1)加法模型 (2)比例模型 59 59 ? 內容 方法類別 方法 移動平均法 簡易移動平均法 加權平均法 趨勢修正移動性系數法 二次移動平均數法 趨勢分析 指數平滑法 指數平滑法 二次指數平滑法 三次指數平滑法 季節性變化分析 季節性分析法 簡易季節性分析法 周期圖分析法 隨機變化分析 ( 周期分析、隨機分析 ) 平衡隨機序列分析法 自回歸分析 ( AR ) 移動平均分析 ( MA ) 自回歸移動平均分析 ( A R M A ) 60 60 （ 1）簡單移動平均預測法 二次移動平均 一次移動平均值 Mt（ 1 ）二次移動平均值 Mt（ 2 ）n = 3 n = 31 22,4 002 21,9 003 22,6 004 21,4 00 22,3 005 23,1 00 21,9 676 23,1 00 22,3 677 25,7 00 22,5 33 22,2 118 23,4 00 23,9 67 22,2 899 23,8 00 24,0 67 22,9 5610 25,2 00 24,3 00 23,5 2211 25,4 00 24,1 33 24,1 1112 24,8 00 24,1 67月份實際銷售額（萬元）M t （ 2 ） = M t － 1 （ 1 ） + M t － 2 （ 1 ） + ? + M t － n （ 1 ） / n 61 61 ? 111011110 ???????? ????????ntntttNtNttt xxxNxaxaxax ??? ?? 式 中i?為加權因子，應滿足 ????111Ni i?。 以tx作為下一期預測值，即tt xy ?1 ?? 則預測模型為：111101 ????? ???? NtNttt xxxy ??? ? 62 62 ? ttt bNxy21??? ttkt kbyy ??? 其中：ty—— 第 t 期預測值，tx—— 第 t 期移動平均數 tb—— 第 t 期平均增長量，應取移動平均數計算期內的平均增長量。 tb的計算按線性回歸公式? ?? ? ????22 )(iiiiiixxnyxyxnb 計算，為使其計算簡化，可使 ? ?i it 0，而使用簡化公式???iiiitytb 2。 63 63 基本思路： 實際上也是一種加權平均法。 把下一期的預測值 yt+1看作等于上一期實際值 Xt的 α 倍加上上一期預測值 yt的（ 1－ α ） 倍之和 公式： 其中： α 為指數平滑指數， 0≤ α ≤ 1 ttt yxy )1(1 ?? ???? 64 64 指數平滑法 公式： ttt yxy )1(1 ?? ????實際值 X t時間 t配送車次X T (α ＝ 1)指數平滑預測 (α ＝ )指數平滑預測 (α＝ )1 月 10 2 月 12 3 月 11 4 月 10 5 月 8 6 月 9 7 月 10 8 月 12 9 月 預測值 Y t ＋ 11011 ??Xy1010*)(*102 ????y*)(*123 ????y65 65 指數平滑法 公式： ttt yxy )1(1 ?? ????024681012141 2 3 4 5 6 7 8a A實際值 X t時間 t配送車次X T (α ＝ 1)指數平滑預測 (α ＝ )指數平滑預測 (α＝ )1 月 10 2 月 12 3 月 11 4 月 10 5 月 8 6 月 9 7 月 10 8 月 12 9 月 預測值 Y t ＋ 1α=1 α= α=