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。
+ u1 T! _  }* Q2 ?) W9 n
3 w  m! K% m! R6 A4 \) _2 H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。


% x6 ?1 H2 ]5 V4 Y1 z" w
$ h0 f3 c+ }/ z% s9 H


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
* i6 q/ z+ c! Q6 V+ G
: J) F/ b1 `% {8 g# |. S2 _

求得a = z(1) = 1.3 ，b = z(2) = 9.5。

最小。编写 Matlab 程序如下：

* U2 }! j" q3 v3 W, t y0=[11 12 13 15 16]';
% |/ {- V2 ~3 P( v9 cy=y0(3:5);x=[y0(2:4),y0(1:3),ones(3,1)];
z=x\y



% \- l, g2 \: |" r) v) `: f$ m* I4 a

5 N' F" T& J3 V# ^- h* yy0=[11 16 25 12 12 18 26 14 13 20 27 15 15 24 30 15 16 25 32 17]';
% K) S$ e/ J, Q5 _$ Ay=y0(9:20);
x=[y0(5:16),y0(1:12),ones(12,1)];
z=x\y

& r( ]2 |: Q; W" x( v. e


. {1 V) d# I1 u+ ~4 P; j1 l————————————————
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。
# |/ A4 v+ L" B: }* p4 }3 a原文链接：https://blog.csdn.net/qq_29831163/article/details/89646427


" S: q3 i: D" M9 d& e