《统计预测和决策第五版》python实现
七玄桐
身在井隅,心向璀璨
展开
-
python实现时间序列平滑预测法
一个数值实验,实现了《统计预测和决策》第五章时间序列平滑预测法前四节的方法,包括一次移动平均法,一次指数平滑法,线性二次移动平均法,线性二次指数平滑法,分别用四个函数实现了给定的方法,关键步骤有代码注释,下面是代码import numpy as npimport pandas as pdnp.set_printoptions(suppress=True)x1=pd.Series([46,50,59,57,55,64,55,61,45,49,46])#一次平均移动法数据x2=pd.Series([原创 2021-06-29 23:27:09 · 859 阅读 · 0 评论 -
python实现GM(1,1)模型
一个数值实验,实现了《统计预测和决策》第十章灰色预测法第二节的的GM(1,1)模型,题目是给定一个时间序列,试建立GM(1,1)模型预测模型,并预测第八期的预测值。关键步骤有代码注释,下面是代码import numpy as npimport pandas as pdimport mathnp.set_printoptions(suppress=True)x=pd.Series([26.7,31.5,32.8,34.1,35.8,37.5])def multisum(df):#第一步,计算累加原创 2021-06-28 22:43:31 · 2939 阅读 · 4 评论 -
pandas实现层次分析法
层次分析法作为最常见的决策方法,已经有了很多研究,我认为我的创新点在于将多张表格合并读取分析,用特征向量的和积法求出了数值解,避免了使用numpy自带函数产生复数解的缺点。因为在大部分情况下,决策者得到的判断矩阵都不是对称的,必然会运行出复数解。算例使用的是《决策理论和方法》的例5-2,因为没有电子版,下面贴出运行结果还原原书的计算过程首先是计算总矩阵的特征向量,最大特征值和一致性检验。然后是五个子方案的特征向量,最大特征值和一致性检验。子方案矩阵为1 2 30 1.0 1.0原创 2021-03-16 13:34:40 · 368 阅读 · 0 评论 -
风险型决策分析及其python实现
风险型决策的基本方法是将状态变量看成随机变量,用先验分布表示状态变量的概率分布,用期望值准则计算方案的满意程度。但是在日常生活中,先验分布往往存在误差,为了提高决策质量,需要通过市场调查来收集补充信息,对先验分布进行修正,然后用后验分布来决策,这就是贝叶斯决策。贝叶斯理论是决策领域的一个重要分支,关于风险型决策和贝叶斯决策的理论知识,大家可以查阅相关书籍,我手边有三本不同的决策课本,内容基本相当基本大同小异,因此我找了另一本《决策理论与方法》的算例来做贝叶斯决策的代码实现。没有电子版,原题如照片所示原创 2021-03-15 17:29:12 · 1145 阅读 · 1 评论 -
不确定性决策方法及其python实现
首先是是题外话,这个专栏的名字就叫《统计预测和决策》的算例实现,也是我专业课的指导用书,我想把这本书全部用python实现,一是是为决策方向代码学习提供一份力量,二是总结梳理我的基础知识。现在统计决策的发展已经远远超过了课本的研究,提出了十几个首字母命名的算子,改进了几乎所有简单算法的步骤,拓展了越来越多的学科领域。千里之行始于足下,我作为刚入坑的新人,希望和读者一起进步,为将来的更深入层次的研究做好充分的准备。《统计预测和决策第五版》,先从比较简单的第十六章开始。不确定性决策方法是人为指定的原则,带有原创 2021-03-15 14:04:02 · 1820 阅读 · 0 评论