亲爱的MBA智库百科用户:


过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。


MBA智库百科VIP会员,您的权益将包括: 1、无广告阅读; 2、免验证复制。


当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!



MBA智库百科项目组
2023年8月10日
百科VIP
未登录
无广告阅读
免验证复制
1年VIP
¥ 9.9
支付方式:
微信支付
支付宝
PayPal
购买数量:
1
应付金额:
9.9
汇率换算:
1.32
美元(USD)
  • 美元(USD)
  • 加元(CAD)
  • 日元(JPY)
  • 英镑(GBP)
  • 欧元(EUR)
  • 澳元(AUD)
  • 新台币(TWD)
  • 港元(HKD)
  • 新加坡(SGD)
  • 菲律宾(PHP)
  • 泰铢(THB)

按当月汇率换算,

包含手续费

打开手机微信 扫一扫继续付款
立即开通
PayPal支付后,可能会遇到VIP权益未及时开通的情况,请您耐心等待,或者联系百科微信客服:mbalib888。
温馨提示:当无法进去支付页面时,可刷新后重试或更换浏览器
开通百科会员即视为同意《MBA智库·百科会员服务规则》

支付成功

全球专业中文经管百科,由121,994位网友共同编写而成,共计436,064个条目

貝葉斯預測模型

用手机看条目

出自 MBA智库百科(https://wiki.mbalib.com/)

目錄

[隱藏]

貝葉斯預測模型的概述

  貝葉斯預測模型是運用貝葉斯統計進行的一種預測.貝葉斯統計不同於一般的統計方法,其不僅利用模型信息和數據信息,而且充分利用先驗信息。

  托馬斯·貝葉斯(Thomas Bayes)的統計預測方法是一種以動態模型為研究對象的時間序列預測方法。在做統計推斷時,一般模式是:

  先驗信息+總體分佈信息+樣本信息→後驗分佈信息

  可以看出貝葉斯模型不僅利用了前期的數據信息,還加入了決策者的經驗和判斷等信息,並將客觀因素和主觀因素結合起來,對異常情況的發生具有較多的靈活性。這裡以美國1960—2005年的出口額數據為例,探討貝葉斯統計預測方法的應用。

Bayes預測模型及其計算步驟

  此處使用常均值折扣模型, 這種模型應用廣泛而且簡單,它體現了動態現行模型的許多基本概念和分析特性。

常均值折扣模型

  對每一時刻t常均值折模型記為DLM{1,1,V,δ},折扣因數δ,O<δ<l定義如下:

  觀測方程:μt = μt − 1 + ωtωt~N [O,Wt]

  狀態方程:yt = μt + vtvt~N [0,V]

  初始信息:\mu_0\mid D_0~N [m0C0]

  其中μ是t時刻序列的水平,Vt是觀測誤差項或雜訊項,ωt是狀態誤差項。

定理:對於每一時刻t,假設μt − 1的後驗 分佈(\mu_t\mid D_{t-1})~N [mt − 1,Ct − 1],則μt的先驗分佈(\mu_t\mid D_{t-1})~N [mt − 1,Rt],其中Rt = Ct − 1 + Wt

推論1:(y_t\mid D_{t-1})~N [ft,Qt],其中ft = mt − 1,Qt = Rt + V

推論2μt的後驗分佈(\mu_t\mid D_t)~N [mtCt],其中mt = mt − 1 + Atet,Ct = ATvt,At = Rt / Qt,et = ytft

  由於Rt=Ct-1+Wt=Ct-1/δ,故有Wt = Ct − 1 − 1 − 1)

其計算步驟為:

  (1)Rt = Ct / δ; (2)Qt = Rt + V

  (3)At = Rt / Qt; (4)ft − 1 = mt − 1

  (5)etytft − 1; (6)Ct = AtV

  (7)mtmt − 1 + Atet

計算實例

  根據The SAS System for Windows 9.0所編程式,對美國出口額 (單位:十億元)變化進行了預測。選取常均值折扣模型和拋物線回歸模型。

  Image:贝叶斯预测模型1.jpg

  美國出口額的預測, 預測模型的初始信 息為m0=304,Co=72,V=0.Ol,δ=0.8得到的1960—2006年的預測結果。見表2中給出了預測的部分信息(1980—2006年的預測信息)。

  Image:贝叶斯预测模型2.jpg

  通過The SAS System for Windows 9.0軟體回歸分析得到拋物線預測方程:

  f_t=1752456-1786.85019x_1+O.45548x_t^2x_t 表示年份

見表3給出了1980-2006年的預測信息。

  Image:贝叶斯预测模型3.jpg

計算結果分析

  對預測結果的準確度採用平均絕對百分誤差(MAPE)分析。公式如下:

  MAPE=\frac{1}{n}(f_t-f_t^\prime)/f_t*100%

  根據表l和表2對1980-2005年出口額的預測結果可知,常均值折扣模型所得結果的平均絕對百分誤差MAPE=8.1745%,而由拋物線回歸模型所得結果的平均絕對百分誤差為9.5077% 。由此可見這組數據中, 使用貝葉斯模型預測的結果更為精確。

  對於隨機波動、變化相對穩定的數據,用常均值折扣模型預測是比較精確。這裡研究的貝葉斯統計預測方法,在許多領域都可能適用。在解決這類相關問題時,貝葉斯統計預測方法與傳統的預測方法相比有明顯優勢。

相關條目

本條目對我有幫助28
MBA智库APP

扫一扫,下载MBA智库APP

分享到:
  如果您認為本條目還有待完善,需要補充新內容或修改錯誤內容,請編輯條目投訴舉報

本条目由以下用户参与贡献

Lolo,Angle Roh,Zfj3000,Dan.

評論(共7條)

提示:評論內容為網友針對條目"貝葉斯預測模型"展開的討論,與本站觀點立場無關。
220.178.150.* 在 2011年5月1日 08:12 發表

看不懂,有點複雜!

回複評論
60.247.46.* 在 2013年4月12日 21:14 發表

能預測未來幾年的啊?

回複評論
60.247.46.* 在 2013年4月12日 21:14 發表

60.247.46.* 在 2013年4月12日 21:14 發表

能預測未來幾年的啊?

僅僅是一年的嗎?

回複評論
221.212.172.* 在 2013年5月10日 16:02 發表

初始值怎麼得出?

回複評論
150.7.27.* 在 2013年9月22日 13:20 發表

221.212.172.* 在 2013年5月10日 16:02 發表

初始值怎麼得出?

貝葉斯定理是給出事前分佈的(prior distribution)

回複評論
222.186.101.* 在 2014年9月4日 10:01 發表

這個和大部分能找到的資料一樣沒什麼價值,如果能有一本專門介紹貝葉斯預測的書該多好

回複評論
115.231.237.* 在 2014年10月27日 22:27 發表

222.186.101.* 在 2014年9月4日 10:01 發表

這個和大部分能找到的資料一樣沒什麼價值,如果能有一本專門介紹貝葉斯預測的書該多好

同求,現在我想找到相關資料寫篇論文,有推薦嗎。

回複評論

發表評論請文明上網,理性發言並遵守有關規定。

打开APP

以上内容根据网友推荐自动排序生成

官方社群
下载APP
告MBA智库百科用户的一封信
亲爱的MBA智库百科用户: 过去的17年,百科频道一直以免费公益的形式为大家提供知识服务,这是我们团队的荣幸和骄傲。 然而,在目前越来越严峻的经营挑战下,单纯依靠不断增加广告位来维持网站运营支出,必然会越来越影响您的使用体验,这也与我们的初衷背道而驰。 因此,经过审慎地考虑,我们决定推出VIP会员收费制度,以便为您提供更好的服务和更优质的内容。 MBA智库百科VIP会员(9.9元 / 年,点击开通),您的权益将包括: 1、无广告阅读; 2、免验证复制。 当然,更重要的是长期以来您对百科频道的支持。诚邀您加入MBA智库百科VIP会员,共渡难关,共同见证彼此的成长和进步!
MBA智库百科项目组
2023年8月10日

闽公网安备 35020302032707号

添加收藏

    新建收藏夹

    编辑收藏夹

    20