內容大鋼
本書主要介紹常用的統計預測與決策方法。統計預測方法主要包括定性統計預測、統計回歸預測、時間序列分解法和趨勢外推法、馬爾可夫預測、平穩時間序列預測、模糊時間序列預測、灰色系統預測、神經網路預測和組合預測方法；決策方法主要包括不確定型決策、風險型決策、多目標決策和序貫決策等。本書注重闡述統計預測與決策模型的基本原理和方法，使之具有一定的系統性和新穎性；同時也介紹了各類模型的特點和適用範圍，並給出應用案例，突出學以致用。另外，每章都配有適量的習題，部分習題具有一定的拓展性；並且提供習題詳解，掃描二維碼可以核對習題答案。
本書可作為高等院校統計和應用統計專業的教材，也可以作為數學與應用數學專業、系統工程專業、工商管理等專業的本科生或研究生的教材，或者可作為工程技術人員、管理人員的參考讀物。
目錄
前言
上篇 統計預測
第1章 統計預測概述
1.1 統計預測的概念
1.2 統計預測方法的分類
1.3 統計預測的原則和步驟
1.3.1 統計預測的原則
1.3.2 統計預測的步驟
1.4 統計預測的發展現狀
1.4.1 不確定性預測方法
1.4.2 組合預測方法
1.5 統計預測與決策的關係
習題
第2章 定性統計預測方法
2.1 定性預測概述
2.2 德爾菲法
2.2.1 德爾菲法的實施過程
2.2.2 德爾菲法特點
2.2.3 專家意見的統計處理
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
2.3 主觀概率法
2.3.1 主觀概率法
2.3.2 主觀概率預測方法的案例
習題
第3章 統計回歸預測方法
3.1 一元線性回歸預測方法
3.1.1 回歸模型的建立
3.1.2 一元線性回歸模型參數的估計
3.1.3 一元線性回歸模型的檢驗
3.1.4 一元線性回歸模型的預測
3.2 多元線性回歸預測方法
3.2.1 多元線性回歸模型
3.2.2 參數估計
3.2.3 統計檢驗
3.2.4 多元線性回歸模型進行預測
3.3 非線性回歸預測方法
3.4 主成分回歸預測方法
3.4.1 主成分分析
3.4.2 主成分回歸預測
習題
第4章 時間序列分解法和趨勢外推法
4.1 時間序列以及時間序列分解
4.1.1 時間序列的含義
4.1.2 時間序列確定性因素分解
4.2 趨勢外推法概述
4.2.1 趨勢外推概念
4.2.2 趨勢外推法分類
4.2.3 趨勢外推模型的選擇
4.3 多項式曲線趨勢外推法
4.3.1 二次多項式曲線預測
4.3.2 三次多項式曲線預測
4.4 指數曲線趨勢外推法
4.4.1 指數曲線預測
4.4.2 修正的指數曲線預測
4.5 生長曲線趨勢外推法
4.5.1 Gompertz曲線模型
4.5.2 Logistic曲線模型
4.6 曲線擬合優度分析
4.7 時間序列分解的案例研究
4.7.1 背景介紹
4.7.2 數據說明
4.7.3 描述性統計分析
4.7.4 時間序列分解及趨勢外推
4.7.5 總結
習題
第5章 馬爾可夫預測方法
5.1 馬爾可夫鏈基本理論
5.2 馬爾可夫預測方法
5.3 市場佔有率預測
5.4 股票價格走勢預測
習題
第6章 平穩時間序列預測方法
6.1 平穩時間序列
6.1.1 平穩時間序列概念
6.1.2 平穩性檢驗
6.2 平穩時間序列模型及識別
6.2.1 AR(p)模型
6.2.2 MA(q)模型
6.2.3 ARMA(p, q)模型
6.2.4 ARMA(p, q)模型定階
6.3 平穩時間序列模型的參數估計
6.3.1 矩估計
6.3.2 最小二乘估計
6.4 平穩時間序列模型的預測
6.4.1 AR(p)序列預測
6.4.2 MA(q)序列預測
6.4.3 ARMA(p, q)序列預測
6.5 平穩時間序列案例分析
6.5.1 背景介紹
6.5.2 數據說明
6.5.3 隨機時間序列預測過程
習題
第7章 模糊時間序列預測方法
7.1 模糊時間序列
7.1.1 模糊數學基本概念與理論
7.1.2 模糊時間序列模型
7.2 一階模糊時間序列預測方法
7.3 高階模糊時間序列預測方法
7.3.1 高階模糊時間序列分析簡介
7.3.2 高階模糊時間序列分析模型建立
7.4 多因素模糊時間序列預測方法
7.4.1 多因素高階模糊時間序列分析
7.4.2 多因素高階模糊時間序列模型建立
7.5 模糊時間序列應用案例分析
7.5.1 模糊時間序列預測
7.5.2 高階模糊時間序列預測
習題
第8章 灰色系統預測方法
8.1 灰色預測GM(1, 1)模型
8.1.1 灰色系統基本概念
8.1.2 GM(1, 1)預測模型的基本原理
8.2 GM(1, 1)模型檢驗
8.2.1 GM(1, 1)模型殘差檢驗
8.2.2 GM(1, 1)模型后驗差檢驗
8.2.3 GM(1, 1)模型關聯度檢驗
8.3 GM(1, 1)殘差模型
8.4 GM(n, h)模型
8.4.1 GM(1, h)模型
8.4.2 GM(n, h)模型
8.5 案例分析：生活垃圾清運量預測
8.5.1 研究背景
8.5.2 數據來源
8.5.3 模型建立
習題
第9章 神經網路預測方法
9.1 BP 神經網路預測模型
9.1.1 人工神經元數學模型
9.1.2 BP神經網路的結構
9.1.3 傳遞函數(激活函數)
9.1.4 BP神經網路學習演算法及流程
9.2 BP神經網路的MATLAB工具箱函數
9.2.1 數據的預處理和后處理
9.2.2 創建網路
9.2.3 設定參數
9.2.4 訓練網路
9.2.5 BP神經網路的模擬
9.2.6 模擬輸出
9.3 神經網路預測案例
習題
第10章 組合預測方法
10.1 組合預測的概念及分類
10.2 非最優正權組合預測模型權係數的確定方法
10.2.1 幾種常規的非最優正權組合預測模型權係數的確定方法
10.2.2 非最優組合預測係數確定方法的應用舉例
10.3 以預測誤差平方和達到最小的線性組合預測模型
10.3.1 最優線性組合預測模型的建立
10.3.2 最優線性組合預測模型的解的討論
10.4 基於相關係數的最優組合預測模型
10.4.1 基於相關係數的最優組合預測模型
10.4.2 實例分析
10.5 基於IOWA運算元的組合預測方法
10.5.1 OWA運算元和IOWA運算元的概念及性質
10.5.2 基於IOWA運算元的組合預測模型
10.5.3 實例分析
習題
下篇 統計決策
第11章 統計決策概述
11.1 決策問題的基本概念
11.1.1 決策的基本概念
11.1.2 統計決策的三個基本概念
11.2 決策的種類
11.3 決策的過程與決策分析的要素和原則
11.3.1 決策的過程
11.3.2 決策分析
11.3.3 決策的原則
習題
第12章 不確定型決策方法
12.1 樂觀準則決策方法
12.2 悲觀準則決策方法
12.3 樂觀係數決策方法
12.4 等可能性準則決策方法
12.5 後悔值準則決策方法
12.6 信息集成法在決策中的應用
12.6.1 多屬性決策方法
12.6.2 基於OWA運算元的多屬性決策方法
12.7 幾種決策方法的比較分析
習題
第13章 風險型決策方法
13.1 風險型決策的基本問題
13.2 風險型決策的期望值準則
13.3 決策樹分析法
13.4 風險決策的靈敏度分析
13.4.1 敏感性分析的概念和步驟
13.4.2 兩狀態兩行動方案的敏感性分析
13.4.3 三狀態三行動方案的敏感性分析
13.5 效用理論及風險評價
13.5.1 效用的含義
13.5.2 效用曲線
13.5.3 效用曲線的類型
13.5.4 效用曲線的應用
13.6 連續型變數的風險型決策方法
13.6.1 邊際分析法
13.6.2 標準正態分佈決策法
13.7 主觀概率決策法
13.7.1 主觀概率的基本概念
13.7.2 主觀概率的估計方法
13.7.3 主觀概率決策
13.8 貝葉斯決策法
13.8.1 貝葉斯決策的概念和步驟
13.8.2 后驗預分析
13.8.3 貝葉斯決策
習題
第14章 多目標決策方法
14.1 多目標決策概述
14.1.1 多目標決策過程
14.1.2 多目標決策問題的要素
14.2 層次分析法
14.2.1 層次分析法的基本原理
14.2.2 層次分析法的基本步驟
14.3 字典式法
14.4 TOPSIS法
14.5 ELECTRE法
14.5.1 級別高於關係的性質
14.5.2 級別高於關係的構造
14.5.3 級別高於關係的應用
14.5.4 演算法步驟
14.6 LINMAP法
14.7 優劣係數法
習題
第15章 序貫決策方法
15.1 單目標確定性序貫決策
15.2 單目標隨機性序貫決策
15.3 馬爾可夫決策
15.3.1 狀態轉移概率矩陣及其決策特點
15.3.2 馬爾可夫決策的應用步驟
15.4 多目標序貫決策
15.4.1 多目標序貫決策的理論模型
15.4.2 多目標序貫決策的分層解法
習題
參考文獻
[