差分方程模型(三）： 预测商品销售量

浅夏110

在利用差分方程建模研究实际问题时，常常需要根据统计数据并用最小二乘法来拟合出差分方程的系数。其系统稳定性讨论要用到代数方程的求根。对问题的进一步研究又常需考虑到随机因素的影响，从而用到相应的概率统计知识。
) D/ {9 S% o' n* L) a' \
例 4 某商品前 5 年的销售量见表。现希望根据前 5 年的统计数据预测第 6 年起该 商品在各季度中的销售量。





! ~; G8 G; |- o
2 z9 V' e+ F3 O# s" [从表中可以看出，该商品在前 5 年相同季节里的销售量呈增长趋势，而在同一年中 销售量先增后减，第一季度的销售量最小而第三季度的销售量最大。预测该商品以后的 销售情况，根据本例中数据的特征，可以用回归分析方法按季度建立四个经验公式，分 别用来预测以后各年同一季度的销售量。例如，如认为第一季度的销售量大体按线性增 长，可设销售量 ，由

x=[[1:5]',ones(5,1)];y=[11 12 13 15 16]';z=x\y

求得a = z(1) = 1.3 ，b = z(2) = 9.5。

最小。编写 Matlab 程序如下：

- K2 V( ~$ z6 J( U* R/ R( V y0=[11 12 13 15 16]';
+ P+ @$ {# n, c- E4 c# }) Y5 Py=y0(3:5);x=[y0(2:4),y0(1:3),ones(3,1)];
# P, t6 Y' J) [1 Iz=x\y
6 ?/ ?" F( ^: `' q6 p5 r. q




y0=[11 16 25 12 12 18 26 14 13 20 27 15 15 24 30 15 16 25 32 17]';
5 K4 M% s) u  F% Fy=y0(9:20);
' a5 t: j/ c9 U- w: hx=[y0(5:16),y0(1:12),ones(12,1)];
# ^7 C  A: f! h7 j$ y. tz=x\y
' N/ s4 x9 s6 m- w

6 V9 U0 W9 W' ~) s. S+ `) U
* i! ^1 S/ H; j3 r: N# q, P1 W2 N" A9 L
5 w' S* R; e8 d2 D2 q9 p/ x————————————————
版权声明：本文为CSDN博主「wamg潇潇」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_29831163/article/details/89646427

9 B3 u& O  C3 D% o1 o
6 O9 c4 b9 w( p* u9 v* z3 p