第一篇：數(shù)據(jù)選擇器實驗報告

實驗三 數(shù)據(jù)選擇器 實驗人員：

班號：

學(xué)號：

一、實驗?zāi)康?(1)熟悉并掌握數(shù)據(jù)選擇器得功能.(２）

用雙 4 選 1 數(shù)據(jù)選擇器 74LS１５3 設(shè)計出一個 16 選 1 得數(shù)據(jù)選擇器。

(3)用雙 4 選 1 數(shù)據(jù)選擇器 7４LS１53 設(shè)計出一個全加法器。

二、實驗設(shè)備 數(shù)字電路實驗箱，74LS0０,7４LS153.三、實驗內(nèi)容(1）

測試雙 4 選 1 數(shù)據(jù)選擇器７4LＳ153 得邏輯功能。

７4LS153 含有兩個 4 選 1 數(shù)據(jù)選擇器,其中 與 為芯片得公共地址輸入端，與 分別為芯片得公共電源端與接地端.Figure1 為其管腳圖:

Figｕｒe 錯誤 錯誤!未定義書簽。

未定義書簽。

：路電接連圖下按? Fｉｇuｒe 錯誤 錯誤!未定義書簽。

(2)設(shè)某一導(dǎo)彈發(fā)射控制機(jī)構(gòu)有兩名司令員 A、B 與兩名操作員Ｃ、Ｄ,只有當(dāng)兩名司令員均同意發(fā)射導(dǎo)彈攻擊目標(biāo)且有操作員操作,則發(fā)射導(dǎo)彈 F．利用所給得實驗儀器設(shè)計出一個符合上述要求得１６選１數(shù)據(jù)選擇器，并用數(shù)字電路實驗箱上得小燈與開關(guān)組合表達(dá)實驗結(jié)果。

思路 :

由于本實驗需要有四個地址輸入端來選中 16 個數(shù)據(jù)輸入端得地址之中得一個,進(jìn)而實現(xiàn)選擇該數(shù)據(jù)輸入端中得數(shù)據(jù)得功能，即 1６選１。而公共得、兩

個地址輸入端與 使能端(用于片選,已達(dá)到分片工作得目得,進(jìn)而擴(kuò)展了一位輸入)一共可以提供三個地址輸入端,故需要采用降維得方法，將一個地址輸入隱藏到一個數(shù)據(jù)輸入端 中。本實驗可以降一維,也可以降兩位。由于兩位比較復(fù)雜,本實驗選擇使用降一維得方式。

做法 :

:圖諾卡得能功需所現(xiàn)實中題用應(yīng)如出畫?

00

0１

１1

1０ 0０ 01 0 0 0 ０ 0 0 １ 0 １1 ０ ０ １ ０ 10 0 0 1 0 將 D 降到數(shù)據(jù)輸入端中。對應(yīng)得卡諾圖如下:

０0

01

1 0 0 Ｄ 0 0 0 1 0 按上述卡諾圖連接電路，用開關(guān)控制送給各輸入高低電平。其中,“1”表示高電平,“0”表低電平，均由開關(guān)上下?lián)軇觼砜刂?；A、Ｂ、C、Ｄ分別為題中得兩個司令員得同意情況與兩個操作員得操作情況;F 為導(dǎo)彈發(fā)射情況,將Ｆ接到小燈上即可。電路如 Figuｒｅ 1 所示(圖中 即，后面得圖均為如此）:

Ｆｉgure 3

AB CD C AB

(3)用 74LS００與 74LＳ153 設(shè)計一位全加器，并用數(shù)字電路實驗箱上得小燈與開關(guān)組合表達(dá)實驗結(jié)果。

一位全加器得功能如下面兩個卡諾圖所示。其中 A、B 分別表示被加數(shù)與加數(shù)，CI 表示低位向本位得進(jìn)位，S 表示運(yùn)算結(jié)果，CO 表示向高位得進(jìn)位。

CＯ: S:

00

經(jīng)分析,此全加器有三個輸入，而公共得、兩個地址輸入端與 使能端(用于片選，已達(dá)到分片工作得目得，進(jìn)而擴(kuò)展了一位輸入）剛好一共可以提供三個地址輸入端。故按上面得卡諾圖,分析后應(yīng)采用下面得端口解法:

按上面得接法連接電路。用開關(guān)控制送給各輸入高低電平,“1“表示高電平,“0”表低電平,均由開關(guān)上下?lián)軇觼砜刂疲?表示低位送進(jìn)來得進(jìn)位信號,A、B分別表示被加數(shù)與加數(shù);S 與 分別表示加法結(jié)果與向高位得進(jìn)位信號。電路如Ｆｉgure 4 所示：

Figｕre 4 四、實驗結(jié)果(１）

測試雙 4 選 1 數(shù)據(jù)選擇器７４ＬＳ153 得邏輯功能:

：下如錄記果結(jié)將,)亮燈小或(平電高示表”１“,)滅燈小或(平電低示表”0“用?

0

0 1 0

１ B A A B

1Ｑ ０ 0 ０

0 0 1

0 1 0

0 1 1０ 0 ０ 1 0 1 0 1 1 0 0 1 1 1 ０

2Q ０ 0 0

０ ０ 1

0 1 0

0 １ 1

１ 0 ０ 0 1 0 1 0 1 1 0 ０ 1 1 １ ０(2）

設(shè)計出一個符合題目要求得 16 選 1 數(shù)據(jù)選擇器

:下如錄記果結(jié)將,）亮燈小或(平電高示表”1“，)滅燈小或(平電低示表”0“用?A B C D Ｆ 0 0 0 0 0 0 0 0 1 0 0 0 １ ０ 0 0 0 1 1 0 0 １ 0 0 0 ０ 1 ０ 1 1 0 1 1 0 1 ０ 1 1 1 1 1 0 0 ０ ０ 1 0 0 1 1

１ 0 １ 0 1 1 0 １ 1 1 1 1 0 ０ 0 1 １ 0 1 1 1 １ １ 0 1 １ 1 １ 1 1

。能功輯邏得出計設(shè)求要所足滿以可路電此，得可表值真得面上由?(3）

設(shè)計一位全加器

:下如錄記果結(jié)將,)亮燈小或(平電高示表“1“，）滅燈小或(平電低示表＂0“用?A B CI S CO ０ 0 0 0 ０ 0 0 1 1 ０ 0 1 0 1 ０ ０ 1 1 0 1 １ ０ 0 1 ０ 1 0 1 0 1 1 1 0 0 １ 1 1 1 １ 1

由上面得真值表可得,此電路可以滿足所要求設(shè)計出得邏輯功能。

五、故障排除

在實驗(１)中，發(fā)現(xiàn)所連接電路與預(yù)期得邏輯功能不一致.在檢驗了導(dǎo)線與小燈都正常后,發(fā)現(xiàn)將芯片得管腳接錯了，誤將 Q 與 接錯地方。分析原因，就是由于芯片管腳設(shè)置得位置與管腳圖上面不一致,兩側(cè)均有兩個管腳接口.六、心得體會

連了道知中除排得障故在且并，計設(shè)得路電輯邏了握掌地好更我,驗實次這過通?接時要瞧引腳上面得標(biāo)號而不能一味地只認(rèn)準(zhǔn)位置。

我還學(xué)會了降維得方法．本來以為只能用使能端擴(kuò)展出一位輸入,結(jié)果卻可以通過降維擴(kuò)展出更多。我感覺非常做電路實驗。

第二篇：數(shù)據(jù)結(jié)構(gòu)圖的遍歷實驗報告

實驗報告

課程名：數(shù)據(jù)結(jié)構(gòu)（實驗名：圖的遍歷姓

名：班

級：學(xué)

號：時

間：

C語言版）

2014.11.15

一 實驗?zāi)康呐c要求

1.掌握圖的遍歷的方法

2.利用 C 語言實現(xiàn)圖的遍歷

二 實驗內(nèi)容

? 將一個圖存儲起來

? 對該圖分別進(jìn)行先深和先廣遍歷

三 實驗結(jié)果與分析

程序：

#include #include #define INFINITY 32767 #define MAX_VEX 20 //最大頂點(diǎn)個數(shù)

#define QUEUE_SIZE(MAX_VEX+1)//隊列長度 //using namespace std;bool *visited;//訪問標(biāo)志數(shù)組,避免同一頂點(diǎn)多次訪問 /****圖的鄰接矩陣存儲結(jié)構(gòu)******/ typedef struct{ char *vexs;//頂點(diǎn)向量

int arcs[MAX_VEX][MAX_VEX];//鄰接矩陣

int vexnum,arcnum;//圖的當(dāng)前頂點(diǎn)數(shù)和弧數(shù) }Graph;/*********隊列類************/ class Queue{ public: void InitQueue(){ base=(int *)malloc(QUEUE_SIZE*sizeof(int));front=rear=0;} void EnQueue(int e){ base[rear]=e;rear=(rear+1)%QUEUE_SIZE;} void DeQueue(int &e){ e=base[front];front=(front+1)%QUEUE_SIZE;} public: int *base;int front;int rear;};/*圖G中查找元素c的位置*/ int Locate(Graph G,char c){ for(int i=0;i

G.vexs=(char *)malloc(G.vexnum*sizeof(char));//分配頂點(diǎn)數(shù)目

printf(“輸入%d個頂點(diǎn).n”,G.vexnum);for(i=0;i

printf(“輸入頂點(diǎn)%d:”,i);scanf(“%c”,&G.vexs[i]);temp=getchar();//接收回車

} for(i=0;i

for(j=0;j

printf(“輸入弧%d:”,i);scanf(“%c %c %d”,&a,&b,&w);//輸入一條邊依附的頂點(diǎn)和權(quán)值

temp=getchar();//接收回車

s1=Locate(G,a);s2=Locate(G,b);G.arcs[s1][s2]=G.arcs[s2][s1]=w;} } /*****圖G中頂點(diǎn)k的第一個鄰接頂點(diǎn)***********/ int FirstVex(Graph G,int k){ if(k>=0 && k

for(int i=0;i=0 && i=0 && j

for(int k=j+1;k

visited[k]=true;printf(“%c ”,G.vexs[k]);//訪問第k個頂點(diǎn)

for(i=FirstVex(G,k);i>=0;i=NextVex(G,k,i))if(!visited[i])DFS(G,i);//對k的尚未訪問的鄰接頂點(diǎn)i遞歸調(diào)用DFS } } /****************廣度優(yōu)先遍歷***************/ void BFS(Graph G){ int k;Queue Q;//輔助隊列Q Q.InitQueue();for(int i=0;i

visited[i]=true;printf(“%c ”,G.vexs[i]);Q.EnQueue(i);//i入列

while(Q.front!=Q.rear){ Q.DeQueue(k);//隊頭元素出列并置為k for(int w=FirstVex(G,k);w>=0;w=NextVex(G,k,w))if(!visited[w]){ //w為k的尚未訪問的鄰接頂點(diǎn)

visited[w]=true;printf(“%c ”,G.vexs[w]);Q.EnQueue(w);} } } }

/***********主函數(shù)***************/ void main(){ int i;Graph G;CreateUDN(G);visited=(bool *)malloc(G.vexnum*sizeof(bool));

printf(“n廣度優(yōu)先遍歷: ”);for(i=0;i

圖1.圖的遍歷程序運(yùn)行結(jié)果

第三篇：無線數(shù)據(jù)采集模塊實驗報告

無線數(shù)據(jù)采集模塊

實驗報告

姓名：張兆偉

班級：13 班

學(xué)號：2015042130 日期：2016年8月25日

無線數(shù)據(jù)采集模塊實驗報告

一、實驗背景

數(shù)據(jù)是指用來描述客觀事物的數(shù)字、字母和符號等等。數(shù)據(jù)傳輸在人類活動中的重要性是不言而喻的。它是計算機(jī)與外部物理世界連接的橋梁。數(shù)據(jù)采集，或稱數(shù)據(jù)獲取，既利用一種裝置，從系統(tǒng)外部采集數(shù)據(jù)輸入到系統(tǒng)內(nèi)部。

隨著計算機(jī)、通信和網(wǎng)絡(luò)技術(shù)的飛速發(fā)展，無線傳感器網(wǎng)絡(luò)應(yīng)運(yùn)而生。傳感測試技術(shù)正朝著多功能化、微型化、智能化、網(wǎng)絡(luò)化、無線化的方向發(fā)展。工業(yè)無線網(wǎng)絡(luò)是從新興的無線傳感器網(wǎng)絡(luò)發(fā)展而來的，具有低成本、低能耗、高度靈活性、擴(kuò)展性強(qiáng)等特點(diǎn)，已經(jīng)成為繼現(xiàn)場總線技術(shù)后的又一個研究熱點(diǎn)。無線數(shù)據(jù)采集既要在復(fù)雜，惡劣的現(xiàn)場環(huán)境下將物理量完整的進(jìn)行采集，更要將采集到的數(shù)據(jù)傳給遠(yuǎn)端的主控室。其主要應(yīng)用領(lǐng)域包括：工業(yè)遙控、遙測；石油鉆井張力無線監(jiān)測；短距離無線數(shù)據(jù)傳輸；安防設(shè)備無線監(jiān)控；無線RS485、無線PLC；城市管網(wǎng)壓力、溫度監(jiān)測；電力線無線報警等。

二、實驗過程

無線數(shù)據(jù)采集既要在復(fù)雜，惡劣的現(xiàn)場環(huán)境下將物理量完整的進(jìn)行采集，更要講采集到的數(shù)據(jù)傳給遠(yuǎn)端的主控室。DTD110系列無線數(shù)傳模組廣泛應(yīng)用于無線數(shù)傳領(lǐng)域，典型應(yīng)用包括遙控、遙感、遙測系統(tǒng)中的數(shù)據(jù)采集、檢測、報警、過程控制等環(huán)節(jié)。

DTD110系列無線PLC有4路開關(guān)量的傳輸，4路模擬量的傳輸，距離100米~3000米均可。即可以實現(xiàn)點(diǎn)對點(diǎn)通信，也可以實現(xiàn)點(diǎn)對多點(diǎn)通信，不需要編寫程序，不需要布線，一般電工就可以調(diào)試使用。對于工業(yè)現(xiàn)場的遙測遙控實施簡單、方便、便宜。

1、適用范圍

無線數(shù)據(jù)采集模塊具有數(shù)據(jù)采集、控制、GPRS無線遠(yuǎn)程通信等功能。采用低功耗設(shè)計。該產(chǎn)品可接入各種串口儀表、各種模擬信號輸出的變送器、各種脈沖信號輸出的雨量計、水表等。廣泛用于水務(wù)、環(huán)保、氣象、市政、環(huán)境、地質(zhì)、農(nóng)業(yè)、公安等行業(yè)遠(yuǎn)程監(jiān)控系統(tǒng)。特別適用于太陽能供電方式的現(xiàn)場應(yīng)用，可大大降低太陽能供電成本。

2、無線數(shù)據(jù)采集的特征：

多種配置應(yīng)用方案，可以滿足用戶不同的需要；4個開關(guān)輸入通道，4個開關(guān)OC門輸出通道；4個模擬量輸入通道，4個模擬量輸出通道；可以直接代替有線的PLC設(shè)備；一體化設(shè)計，結(jié)構(gòu)緊湊；多種產(chǎn)品規(guī)格適應(yīng)于不同的傳輸距離；射頻輸出功率10mW、500mW、1000mW；GFSK調(diào)制，高效前向糾錯信道編碼技術(shù)；軟件無線電技術(shù)保證高抗干擾能力和低誤碼率；ISM 頻段433MHz，無需申請頻點(diǎn)；工業(yè)標(biāo)準(zhǔn)設(shè)計，能工作于各種惡劣環(huán)境；直流9~24V供電，電流小于800mA。

3、主要功能

1）遠(yuǎn)程通信：GPRS網(wǎng)絡(luò)和短消息雙通道傳輸數(shù)據(jù)，支持專線、VPN專網(wǎng)多種組網(wǎng)方式。

2）通訊協(xié)議：支持UDP、TCP 協(xié)議，支持多中心數(shù)據(jù)通信。

3）模擬量輸入：可采集4-20mA、0-5V等多種電流、電壓信號輸出模擬量。

4）開關(guān)量輸入：可采集干接點(diǎn)、有源接點(diǎn)開關(guān)量輸出信號，可定時采集以降低能耗。

5）脈沖量輸入：可采集干接點(diǎn)脈沖信號，用于采集脈沖發(fā)訊水表。6）智能儀表接入：提供2路RS232/485串口，可以采集各種智能儀表，如流量計、照相機(jī)等。

7）開關(guān)量輸出：提供三極管集電極信號輸出。

8）電源輸出：可定時為變送器供電，輸出電壓：同輸入電源電壓。9）遠(yuǎn)程控制：接受遠(yuǎn)程指令，實現(xiàn)控制。

10）數(shù)據(jù)顯示：可支持2×8中文漢字液晶顯示，配有4個數(shù)字鍵盤。

11）數(shù)據(jù)查詢：可本機(jī)按鍵查詢，同時支持就地串口查詢，遠(yuǎn)程查詢。

12）遠(yuǎn)程通信：支持RS232/485總線、GPRS、SMS等多種通信。

13）配套軟件：配套提供參數(shù)設(shè)置軟件。

4、主要特點(diǎn)

1）工作電流低：GPRS實時在線，平均工作電流<10mA。

2）數(shù)據(jù)存儲容量大：本機(jī)循環(huán)存儲監(jiān)測數(shù)據(jù)，掉電不丟失，存儲容量：4M。

3）維護(hù)方便：支持遠(yuǎn)程參數(shù)設(shè)置，遠(yuǎn)程軟件升級。

4）體積?。和庑统叽?45×100×65mm

5、技術(shù)指標(biāo)

1）硬件配置：GPRS/GSM無線通信接口、4路AI、4路DI、6路PI、3路DO、2路串口、中文液晶顯示和無顯示可選、1個4按鍵鍵盤可選。

2）采集精度：模擬量采集精度：0.5%，脈沖計數(shù)誤差：0.01%

3）通信協(xié)議：支持標(biāo)準(zhǔn)MODBUS協(xié)議，可嵌入其它通信協(xié)議。

4）通信接口：GPRS/GSM無線通信接口，1路串口用于維護(hù)，2路串口采集儀表，232/485可選。

5）通信速率：300～19200 bit/s

6）工作環(huán)境：溫度：-25~+70℃、濕度：≤95%、無腐蝕氣體、無導(dǎo)電塵埃、無爆炸環(huán)境。

7）安裝方式：一般采用導(dǎo)軌式安裝，特殊場合，可將控制器固定在安裝底板上。

8）供電電源：10～28VDC

6、系統(tǒng)功能

系統(tǒng)主要分三層，第一層為服務(wù)器，第二層為過渡層，由 Zigbee 協(xié)調(diào)器和 Zigbee節(jié)點(diǎn)構(gòu)成，第三層為任務(wù)層，由 54 個監(jiān)測單元和 1 個顯示單元構(gòu)成。系統(tǒng)的主要功能為：服務(wù)器有選擇地查詢 54 個監(jiān)測單元的數(shù)據(jù)，然后根據(jù)需要將某個監(jiān)測單元的數(shù)據(jù)發(fā)送到顯示單元上，讓其顯示，中間的傳輸全部由 Zigbee 組網(wǎng)無線通訊。

其服務(wù)器主要功能：

1）開辟多個線程，每個線程主動輪詢各個節(jié)點(diǎn)；與每個節(jié)點(diǎn)的通訊必須“有問 必答”，具有超時控制機(jī)制； 2）具有廣播，組播配置參數(shù)功能；

3）對每個節(jié)點(diǎn)可以實時監(jiān)測重量，溫度，濕度參數(shù)。并且以曲線形式顯示； 4）實時采集每個節(jié)點(diǎn)的參數(shù)并顯示；

5）服務(wù)器采用 Windows 7 操作系統(tǒng)，開發(fā)工具為 C#和 SQL 數(shù)據(jù)庫，最終生成安裝文件。

三、實驗結(jié)果

直觀看到顯示單元上面顯示的值，什么都不選時，數(shù)碼管上顯示 0000，當(dāng)輸入節(jié)點(diǎn)編號，并雙擊鼠標(biāo)選中溫度、濕度或者重量時，點(diǎn)擊確定后，數(shù)碼管

會立即顯示具體數(shù)值，并且給顯示單元發(fā)送顯示命令。

四、認(rèn)識與體會

數(shù)據(jù)采集是整個工廠自動化的最前端，測試精度、速度與實現(xiàn)該功能的成本是幾個重要因素，數(shù)據(jù)采集也正朝著這幾個方向發(fā)展。高速、實時數(shù)據(jù)采集在運(yùn)動控制、醫(yī)療設(shè)備、快速生產(chǎn)過程和變電站自動化等領(lǐng)域都有非常重要的應(yīng)用。這些行業(yè)中，對高速數(shù)據(jù)采集的需求遠(yuǎn)遠(yuǎn)超過目前實際可以實現(xiàn)的程度。用戶的需求促進(jìn)了技術(shù)的發(fā)展和新產(chǎn)品的出現(xiàn)，隨著工業(yè)發(fā)達(dá)國家和新興崛起國家為提高其產(chǎn)品在全球市場的競爭力，他們更進(jìn)一步希望降低包括能源消耗、原材料消耗和勞務(wù)成本。對于發(fā)達(dá)國家來講，其勞務(wù)成本遠(yuǎn)遠(yuǎn)高于新興崛起國家，因此特別重視促進(jìn)創(chuàng)新和技術(shù)進(jìn)步，采用新的技術(shù)手段。正是在這樣競爭日益激烈的大背景下，無線數(shù)據(jù)采集技術(shù)在工業(yè)中的推廣應(yīng)用則受到了特殊的重視。

第四篇：SPSS數(shù)據(jù)統(tǒng)計軟件實驗報告

SPSS數(shù)據(jù)統(tǒng)計軟件實驗報告

專業(yè)

信息與計算科學(xué)

班級

級班

組別

指導(dǎo)教師

姓名

同組人

實驗時間

2018

****年**月**日

實驗地點(diǎn)

實驗名稱

方差分析

實驗?zāi)康耐ㄟ^對數(shù)據(jù)的分析，使其掌握用方差分析的方法來比較數(shù)據(jù)。

實驗儀器：

1、支持Intel

Pentium

Ⅲ及其以上CPU，內(nèi)存256MB以上、硬盤1GB以上容量的微機(jī)；

軟件配有Windows98/2000/XP操作系統(tǒng)及SPSS軟件。

2、了解SPSS軟件的特點(diǎn)及系統(tǒng)組成，在電腦上操作SPSS軟件。

實驗內(nèi)容、步驟及程序：

一、1.實例內(nèi)容：

下表給出銷售方式對銷售量的對比試驗數(shù)據(jù)，利用單因素方差分析來分析不同的銷售方式對銷售量的影響。

2.實例操作：

Step

01

打開對話框。

打開數(shù)據(jù)文件,選擇菜單欄中的【分析】|【比較均值】|【單因素?ANOVA】命令,彈出【單因素ANOVA檢驗】對話框。

Step

02

選擇因變量。

在候選變量列表框中選擇【銷售量】變量作為因變量,將其添加至【因變量列表】列表框中。

Step

03

選擇因變量。

在候選變量列表框中選擇【銷售方式】變量,將其添加至【因子】文本框中。

Step

04

定義相關(guān)統(tǒng)計選項以及缺失值處理方法。

單擊【單因素ANOVA檢驗】對話框【選項】，在彈出的對話框選中【方差同質(zhì)性檢驗】、【平均值圖】復(fù)選框，然后單擊【繼續(xù)】。

Step

05

事后多重比較。

單擊【單因素ANOVA檢驗】對話框【事后比較】，在彈出圖中選中Bonferroni復(fù)選框，然后單擊【繼續(xù)】。

Step

06

對組間平方和進(jìn)行線性分解并檢驗。

單擊【單因素ANOVA檢驗】對話框【對比】，彈出圖的對話框選中【多項式】，將【等級】設(shè)為【線性】，單擊【繼續(xù)】返回【單因素ANOVA檢驗】的對話框。

Step

07

單擊【確定】，輸出分析結(jié)果。

3.實例結(jié)果及分析

變異數(shù)同質(zhì)性測試

銷售量

Levene

統(tǒng)計資料

df1

df2

顯著性

.346

.793

給出了方差齊性檢驗的結(jié)果。從該表可以得到

Levene方差齊性檢驗的P值為0.793,與顯著性水平0.05相差大,因此基本可以認(rèn)為樣本數(shù)據(jù)之間的方差是非齊次的。

變異數(shù)分析

銷售量

平方和

df

平均值平方

F

顯著性

群組之間

（合併）

685.000

228.333

7.336

.003

線性項

比對

196.000

196.000

6.297

.023

偏差

489.000

244.500

7.855

.004

在群組內(nèi)

498.000

31.125

總計

1183.000

給出了單因素方差分析的結(jié)果。從表中可以看出,組間平方和是685、組內(nèi)平方

和是196,其中組間平方和的的F值為7.336,相應(yīng)的概率值是0.003,小于顯著性水平0.05,因此認(rèn)為不同的銷售方式對銷售量有顯著的影響。另外,這個表中也給出了線性形式的趨勢檢驗結(jié)果,組間變異被銷售方式所能解釋的部分是196,被其他因素解釋的有244.5,并且組間變異被銷售方式所能解釋的部分是非常顯著的4.事后檢驗

多重比較

因變數(shù):

銷售量

Bonferroni

法

(I)

銷售方式

(J)

銷售方式

平均差異

(I-J)

標(biāo)準(zhǔn)錯誤

顯著性

95%

信賴區(qū)間

下限

上限

1.0

2.0

-7.0000

3.5285

.388

-17.615

3.615

3.0

9.0000

3.5285

.128

-1.615

19.615

4.0

4.0000

3.5285

1.000

-6.615

14.615

2.0

1.0

7.0000

3.5285

.388

-3.615

17.615

3.0

16.0000*

3.5285

.002

5.385

26.615

4.0

11.0000*

3.5285

.040

.385

21.615

3.0

1.0

-9.0000

3.5285

.128

-19.615

1.615

2.0

-16.0000*

3.5285

.002

-26.615

-5.385

4.0

-5.0000

3.5285

1.000

-15.615

5.615

4.0

1.0

-4.0000

3.5285

1.000

-14.615

6.615

2.0

-11.0000*

3.5285

.040

-21.615

-.385

3.0

5.0000

3.5285

1.000

-5.615

15.615

*.平均值差異在0.05

層級顯著。

給出了多重比較的結(jié)果,*表示該組均值差是是顯著的。因此,從表中可以看出,第二組和第三組、第四組的銷售量均值差是非常明顯的,但是第三組與第四組的銷售量均值差話相卻不是很明顯。另外,還可以得到每組之間均值差的標(biāo)準(zhǔn)誤差、置信區(qū)間等信息。

平均值圖形

給出了各組的均值圖。從圖可以清楚地看到不同的施肥類型對應(yīng)不同的銷售量均

值?？梢?第三組的銷售量最低,且與其他兩組的銷售量均值相差較大,而第二組和和第三組之間的銷售量均值差異不大,這個結(jié)果和多重比較的結(jié)果非常一致

二、1.實例內(nèi)容：

某研究機(jī)構(gòu)研究了3種動物飼料對4種品系小鼠體重增加的影響,數(shù)據(jù)如圖下所示,變量a為飼料種類,變量b為鼠的品系,變量x為增重克數(shù)。

2.實例操作：

Step

01

打開對話框。

打開數(shù)據(jù)文件,選擇菜單欄中的【分析】|【一般線性模型】|【單變量】命令,彈出【單變量】對話框,如圖所示。

Step

02

選擇觀測變量。

在候選變量列表框中選擇【體重】變量作為因變量,將其添加至【因變量】列表框中。

Step

03

選擇因素變量。

選擇【飼料類型】和和【小鼠品系】變量作為因素變量,將它們添加至【固固定因子】列表框中,如圖所示。

Step

04選擇多重比較。

單擊【模型】按按鈕,彈彈出【單變量:模型】對話框,如圖5.23所示。選中【定制】單選按鈕,在左側(cè)列表框中選擇“因因素a”和“因因素b”變量并移至【模型】列表框中。選擇【構(gòu)建項】選項組中【類型】下拉列表框中的【主效應(yīng)】選項,再單擊【繼繼續(xù)】按鈕,返回主對話框。

Step

05其他選項選擇。

單擊【圖】按鈕,彈出圖5.24所示【單變量:輪廓圖】對話框。將因素b放入【單獨(dú)的線條】框,將因素a放入【水平軸)】文本框,單擊【添加】按鈕,再單擊【繼續(xù)續(xù)】按鈕,返回主對話框。

單擊【事后比較】按鈕,彈出圖所示對話框。將因素a和因素b放入【下列各項的事后檢驗】列表框,比較方法選擇LSD法。

單擊【選項】按鈕,彈出圖5.26所示【單變量:選項】對話框。將因素a和因素b放入【顯示下列各項的平均值】列表框,選中【比較主效應(yīng)】復(fù)選框。選中【描述統(tǒng)計】復(fù)選框表示輸出描述性統(tǒng)計量;選中【齊性檢驗】復(fù)選框表示輸出方差齊性檢驗表。再單擊【繼續(xù)】按鈕,返回主對話框。

Step

06

完成操作。

最后,單擊【確確定】按鈕,操作作完成。

3.實例結(jié)果及分析

(1)主體間效應(yīng)檢驗表

表所示為主效應(yīng)模型檢驗,結(jié)果可見校正模型統(tǒng)計量F=6.772、P=0.000,說明模型有統(tǒng)計學(xué)意義。因素a和因素b均有統(tǒng)計學(xué)意義,P=0.000、P=0.037,均小于0.05。

主旨間效果檢定

因變數(shù):

體重

來源

第III

類平方和

df

平均值平方

F

顯著性

修正的模型

8929.625a

1785.925

6.772

.000

截距

167796.750

167796.750

636.304

.000

a

6487.875

3243.938

12.301

.000

b

2441.750

813.917

3.086

.037

錯誤

11075.625

263.705

總計

187802.000

校正後總數(shù)

20005.250

a.R

平方

=

.446（調(diào)整的R

平方

=

.380）

(2)成對比較表。

表所示為不同飼料類型兩兩比較結(jié)果,從Sig值(即P值)可見,飼料B與飼料C沒有差異（p=0.117），其余均有差異，p<0.05。

成對比較

因變數(shù):

體重

(I)

飼料類型

(J)

飼料類型

平均差異

(I-J)

標(biāo)準(zhǔn)錯誤

顯著性b

95%

差異的信賴區(qū)間b

下限

上限

A飼料

B飼料

18.750*

5.741

.002

7.163

30.337

C飼料

27.938*

5.741

.000

16.351

39.524

B飼料

A飼料

-18.750*

5.741

.002

-30.337

-7.163

C飼料

9.188

5.741

.117

-2.399

20.774

C飼料

A飼料

-27.938*

5.741

.000

-39.524

-16.351

B飼料

-9.188

5.741

.117

-20.774

2.399

根據(jù)估計的邊際平均值

*.平均值差異在.05

層級顯著。

b.調(diào)整多重比較：最小顯著差異（等同於未調(diào)整）。

（3）均值圖

圖所示為不同品系小鼠喂養(yǎng)不同飼料的體重增重的均值圖。可見A飼料較好,B飼料和C飼料差異不大。

實驗小結(jié)：

通過該實驗，讓我懂得了利用數(shù)學(xué)思想解決實際問題，很好的把數(shù)學(xué)運(yùn)用到實際生活中，在今后的學(xué)習(xí)中我會再接再厲的。

教師評語：

1.實驗結(jié)果及解釋：（準(zhǔn)確合理、較準(zhǔn)確、不合理）；占30%

2.實驗步驟的完整度：（完整、中等、不完整）；占30%

3.實驗程序的正確性：（很好、較好、中等、較差、很差）；占30%

4.卷面整潔度：（很好、較好、中等、較差、很差）；占10%

評定等級：（）

教師簽名：

日期：

第五篇：數(shù)據(jù)分析實驗報告冊

《數(shù)據(jù)分析》

實驗報告冊

15-20 16 學(xué)年

目錄

實驗一 網(wǎng)上書店的數(shù)據(jù)庫創(chuàng)建及其查詢

實驗 1-1 “響當(dāng)當(dāng)”網(wǎng)上書店的數(shù)據(jù)庫創(chuàng)建

實驗1-2 “響當(dāng)當(dāng)”網(wǎng)上書店庫存、圖書和會員信息查詢

實驗1-3 “響當(dāng)當(dāng)”網(wǎng)上書店會員分布和圖書銷售查詢

實驗二 企業(yè)銷售數(shù)據(jù)的分類匯總分析

實驗2-1 Northwind公司客戶特征分析

實驗2-2 “北風(fēng)”貿(mào)易公司銷售業(yè)績觀測板

實驗三 餐飲公司經(jīng)營數(shù)據(jù)時間序列預(yù)測

實驗3-1 “美食佳”公司半成品年銷售量預(yù)測

實驗3-2 “美食佳”公司月管理費(fèi)預(yù)測

實驗3-3 “美食佳”華東分公司銷售額趨勢預(yù)測

實驗3-4 “美食佳”公司會員卡發(fā)行量趨勢預(yù)測

實驗3-5 “美食佳”火鍋連鎖店原料采購成本預(yù)測

實驗四 住房建筑許可證數(shù)量的回歸分析

實驗4-1 “家家有房”公司建筑許可證一元線性回歸分析

實驗4-2 “家家有房”公司建筑許可證一元非線性回歸分析

實驗4-3 “家家有房”公司建筑許可證多元線性回歸分析

實驗4-4 “家家有房”公司建筑許可證多元非線性回歸分析

實驗五 手機(jī)用戶消費(fèi)習(xí)慣聚類分析

實驗六 新產(chǎn)品價格敏感度測試模型分析

實驗一 網(wǎng)上書店的數(shù)據(jù)庫創(chuàng)建及其查詢

實驗 1-1 “響當(dāng)當(dāng)”網(wǎng)上書店的數(shù)據(jù)庫創(chuàng)建

實驗類型：驗證性

實驗學(xué)時：2 實驗?zāi)康模?/p>

? 理解數(shù)據(jù)庫的概念；

? 理解關(guān)系（二維表）的概念以及關(guān)系數(shù)據(jù)庫中數(shù)據(jù)的組織方式； ? 了解數(shù)據(jù)庫創(chuàng)建方法。

實驗步驟：

這個實驗我們沒有直接做，只是了解了一下數(shù)據(jù)庫的概念。

實驗1-2 “響當(dāng)當(dāng)”網(wǎng)上書店庫存、圖書和會員信息查詢

實驗?zāi)康?/p>

? 理解odbc的概念；

? 掌握利用microsoft query進(jìn)行數(shù)據(jù)查詢的方法。

實驗步驟：

1..建立odbc數(shù)據(jù)源：啟動microsoft office query應(yīng)用程序，在microsoft office query應(yīng)用程序窗口中，執(zhí)行“文件/新建”命令，出現(xiàn) “選擇數(shù)據(jù)源”對話框，單擊“確定”按鈕，出現(xiàn)“創(chuàng)建新數(shù)據(jù)源”對話框，按照要求做相應(yīng)的操作。

選擇數(shù)據(jù)源對話框

創(chuàng)建新數(shù)據(jù)源窗口

做圖上所示的選擇

odbc microsoft access安裝對話框

選擇數(shù)據(jù)庫對話框

選擇數(shù)據(jù)源對話框

2.查詢設(shè)計1—低庫存量圖書信息查詢：選擇“bookstore”數(shù)據(jù)源，點(diǎn)擊“確定”，進(jìn)入“添加表”窗口，添加書表后，在“查詢設(shè)計”窗口的“表”窗格中，分別雙擊“書”表中需要查詢的“書名”、“isbn”、“庫存量”等字段，執(zhí)行“視圖/條件”命令，在“條件”窗格的“條件字段”行的 實驗小結(jié)：

因為我們沒有嘗試建立數(shù)據(jù)庫，直接開始數(shù)據(jù)查詢，所以實驗時遇到了很多問題。比如我們在選擇數(shù)據(jù)源時就遇到了麻煩，弄了半天才開始查詢設(shè)計，而且不是很熟練，一直做了四五個查詢設(shè)計才慢慢熟練起來。

實驗思考：

1、在數(shù)據(jù)查詢過程中，如果所選的某個表與其他表之間沒有聯(lián)系的話，會 產(chǎn)生什么問題？

答：所選的查詢數(shù)據(jù)將會全部顯示在查詢窗口，與其它表的數(shù)據(jù)沒有直接聯(lián)系。這樣就不能表現(xiàn)出表與表數(shù)據(jù)之間的關(guān)聯(lián)性，數(shù)據(jù)也就失去賦予的意義。

2、若“響當(dāng)當(dāng)個”網(wǎng)上書店的某個會員了解自己最近2年的圖書訂購情況，請為他設(shè)計一個查詢。

答：分別添加“書”、“會員”、“訂單明細(xì)”和“訂單”表，雙擊“書”表的“書名”、“會員”表的“姓名”和“訂單明細(xì)”表的“訂購數(shù)量”以及“訂單”表的“訂購日期”字段，在向查詢條件窗口中輸入某一會員姓名以及相應(yīng)的訂購日期.實驗1-3 “響當(dāng)當(dāng)”網(wǎng)上書店會員分布和圖書銷售查詢

實驗?zāi)康?/p>

?掌握復(fù)雜的數(shù)據(jù)查詢方法：多表查詢、計算字段和匯總查詢

實驗步驟: 1.查詢設(shè)計1—會員分布信息查詢：添加“會員”表到查詢設(shè)計窗口，在“查詢設(shè)計”窗口的“表”窗格中，雙擊“會員”表的“城市”和“會員號”字段。然后雙擊“會員號”字段的列標(biāo)，在“編輯列”對話框中輸入列標(biāo)“會員人數(shù)”，并選擇匯總方式：“計數(shù)”，單擊“確定”按鈕后即可看到查詢結(jié)果，其中顯示了各城市的會員人數(shù)，再設(shè)置相應(yīng)的條件，進(jìn)行相應(yīng)的查詢。

選擇匯總方式

查詢結(jié)果

2.查詢設(shè)計2—圖書總訂購量和總銷售金額查詢：添加“訂單”、“訂單明細(xì)”和“書”表。在“查詢設(shè)計”窗口的“表”窗格中，雙擊“訂單”表的“訂購日期”、“訂單明細(xì)”表的“訂購數(shù)量”字段。另外還要構(gòu)造一個計算字段“銷售金額”，方法是直接在某空白列的列標(biāo)中輸入公式；在上面的字段中，“訂購數(shù)量”和“銷售金額”是匯總字段，分類字段是“訂購年份”，雙擊“訂購日期”列的列標(biāo)，在編輯列對話框的字段項中輸入公式“year(訂購日期)”，在其中的列標(biāo)項中輸入“訂購年份”然后分別雙擊“訂購數(shù)量”和“訂購數(shù)量*單價”字段的列標(biāo)，在編輯列對話框的列標(biāo)項中分別輸入“總訂購數(shù)量”和“總銷售金額”字樣，并在總計項中選擇“求和”。

在“條件”窗格的“條件字段”行的

5.查詢設(shè)計5—被訂購圖書的作者和出版社信息查詢：添加“會員”、“訂單”、“訂單明細(xì)”、“書”、“作者”和“出版社”表。在表之間建立合適的聯(lián)系。在“查詢設(shè)計”窗口的“表”窗格中，雙擊“書”表的“書名”、“作者”表的“姓名”和“出版社”表的“出版社名稱”字段。在條件窗格中添加關(guān)于訂購日期和會員姓名的條件。可以查看到結(jié)果為會員“劉丹”在2007年共訂購了7本圖書。

實驗小結(jié)：

實驗1-3的實驗比較難，但是經(jīng)過前面的練習(xí)還是比之前快一點(diǎn)，不過還是遇到一些困難，比如查看到結(jié)果為會員“劉丹”在2007年共訂購了幾本書的查詢設(shè)計就在輸入指令時卡住了，經(jīng)過幾個同學(xué)討論還是做出來了。一直到晚上天黑了才把一共十個實驗做完。

實驗思考:

1、在進(jìn)行匯總查詢的過程中，如果被選擇的字段除了分類字段以外還包含了其他字段。

查詢結(jié)果是否正確？為什么?請舉例說明。

答：不正確，如果被選擇的字段除了分類字段以外還包含了其他字段,那么query將把多余的字段自動作為分類字段。

2、“響當(dāng)當(dāng)”網(wǎng)上書店的管理人員想了解最近2年中那位作者的書是最暢銷，請你設(shè)計一個查詢找到相關(guān)作者。

答：查詢近兩年的總訂購量。

實驗二 企業(yè)銷售數(shù)據(jù)的分類匯總分析

實驗2-1 North wind公司客戶特征分析

實驗類型：驗證性

實驗學(xué)時：2 實驗?zāi)康模?/p>

? 理解數(shù)據(jù)分類匯總在企業(yè)中的作用與意義； ? 掌握數(shù)據(jù)透視表工具的基本分類匯總功能；

? 掌握建立分類匯總數(shù)據(jù)排行榜、生成時間序列、繪制praetor曲線圖、計算各地區(qū)客戶分布、統(tǒng)計各地區(qū)客戶的平均銷售額和大宗銷售時間序列的方法和步驟。

實驗步驟：

一、匯總客戶銷售額排行榜 為了匯總客戶銷售額的排行榜，首先要獲得客戶每筆銷售的銷售額、所購買產(chǎn)品的類別以及銷售發(fā)生的時間，然后再利用數(shù)據(jù)透視表工具將銷售額按照客戶名稱、產(chǎn)品類別和銷售時間加以匯總。

步驟1：獲取各客戶每筆銷售的銷售額、銷售產(chǎn)品的類別和時間。

在一張空白的工作表中，選擇菜單“數(shù)據(jù)”→“數(shù)據(jù)透視表和數(shù)據(jù)透視圖” →“外部數(shù)據(jù)源”，單擊“獲取數(shù)據(jù)按鈕”，隨后啟動了Microsoft Query，選擇所建立的連接到Northwind.mdb數(shù)據(jù)庫的ODBC數(shù)據(jù)源——“NW”，并選擇“確定”，選擇“客戶”表中的的“公司名稱”、“訂單”表中的“訂購日期”、以及“類別”表中“類別名稱”，隨后Query彈出窗口“?查詢向?qū)?無法繼續(xù)，因為該表格無法鏈接到您的查詢中。您必須在Microsoft Query 中的表格之間拖動字段，人工鏈接。”這是因為類別表無法同訂單表建立聯(lián)系。單擊“確定”。

要查詢銷售額，需要在Query中首先增加“訂單明細(xì)”表，利用其中的“單價”、“數(shù)量”與“折扣”字段中的數(shù)據(jù)，才能計算銷售額。在數(shù)據(jù)窗格中，在一個空白字段的名稱處輸入公式：“訂單明細(xì).單價*數(shù)量*(1-折扣)”。鍵入回車后就可以計算出銷售額。見圖2-7。

隨后，將“產(chǎn)品”表也添加到查詢中，雖然查詢結(jié)果中并不包括任何“產(chǎn)品”表中的字段，但是該表的能夠建立“類別”表與“訂單明細(xì)”表之間的聯(lián)系（“訂單明細(xì)”表指明所訂購產(chǎn)品的ID，“產(chǎn)品”表指明該產(chǎn)品屬于哪一個類別）。此時，查詢中的表都建立了正確的聯(lián)系，并在查詢結(jié)果中包括了匯總所需要的數(shù)據(jù)。如圖2-7。

圖2-7 查詢各客戶每筆銷售的銷售額、銷售產(chǎn)品的類別和時間

將計算銷售額的字段的列標(biāo)命名為“銷售額”。選擇Query菜單中的“文件”→“將數(shù)據(jù)返回Microsoft Office Excel”，此時Query已經(jīng)關(guān)閉，我們的操作對象回到了Excel，單擊“下一步”，指定位置在“現(xiàn)有工作表”，單元格A3，單擊完成。

步驟2：匯總客戶銷售額排行榜，并排序。

此時，在工作表的區(qū)域A1:G16的位置，出現(xiàn)了數(shù)據(jù)透視表的框架，數(shù)據(jù)透視表的浮動工具欄和數(shù)據(jù)透視表的字段列表。

為了能對銷售的時間——“訂購日期”進(jìn)行組合以獲得各年的銷售額，首先將“訂購日期”拖至行域，將“銷售額”拖至數(shù)據(jù)域，“類別名稱”拖至列域，得到如圖2-8所示的數(shù)據(jù)透視表。

圖2-8 按訂購日期與類別匯總銷售額

為了能將銷售額按照匯總，將光標(biāo)停留在“訂購日期”下方的任何單元格，右擊鼠標(biāo)，選擇“組合及顯示明細(xì)數(shù)據(jù)”→“組合”，選擇組合的步長為年。

然后將單元格A4當(dāng)中的字段名稱“訂購日期”改為“訂購年”，將它推至頁域，將字段列表中的“公司名稱”拖到行域，讓透視表按照列總計，從大到小排列，就得到了如圖2-9所示的數(shù)據(jù)透視表。它能夠反映了三年或者各，各個客戶的銷售額的大小，以及排列名詞的先后，還能夠觀察到各客戶訂購的產(chǎn)品類別和該類別的銷售額。

圖2-9 按照訂購年、客戶公司名稱、類別名稱匯總的銷售額排行榜

二、匯總前三大客戶各月銷售額，并繪制圖形

在前一部分實驗的基礎(chǔ)上，選擇前三個最重要的客戶，進(jìn)一步觀察購買情況，他們購買情況的變化將對公司整體銷售業(yè)績產(chǎn)生很大影響。所以，將前三大客戶的銷售數(shù)據(jù)加以展開，按月顯示其銷售的變化。

步驟1：將實驗要求1所匯總的數(shù)據(jù)透視表復(fù)制到新的工作表。步驟2：利用數(shù)據(jù)透視表，匯總前三大客戶的銷售額時間序列。

按照實驗要求1匯總的數(shù)據(jù)透視表，反映出“高上補(bǔ)習(xí)班、正人資源、大鈺貿(mào)易”是公司的前三大客戶。點(diǎn)開“公司名稱”字段，選中這三個公司名稱，并拖到列域。

將列域的字段“類別名稱”拖出數(shù)據(jù)透視表。將頁域的字段“訂購年”旋轉(zhuǎn)到行域，將其重新組合。選擇組合的步長為“月”和“年”，把字段名稱修改為“訂購年”與“訂購月”。光標(biāo)停留在數(shù)據(jù)表中任何單元格，右擊鼠標(biāo)，選擇“表格選項”，將“對于空數(shù)據(jù)項顯示”設(shè)置為“0”，即當(dāng)該單元格匯總出的數(shù)據(jù)值為空時，在數(shù)據(jù)透視表中將其顯示為0。此時得到的前三大客戶銷售額時間序列見圖2-10。

圖2-10 Northwind公司前三大客戶銷售額時間序列

步驟3：繪制前三大客戶銷售額時間序列圖。

光標(biāo)停留在數(shù)據(jù)透視表中，選擇菜單“插入”→“圖表”，在當(dāng)前工作簿自動插入一張圖表。選擇菜單“圖表”→“位置”，將該圖表調(diào)整到與數(shù)據(jù)透視表位于同一張工作表。選擇菜單“圖表”→“圖表類型”，選擇“折線圖”→“數(shù)據(jù)點(diǎn)折線圖”。隨后，再對該圖的大小、外觀以及數(shù)據(jù)系列的格式加以調(diào)整，就能得到Northwind公司前三大客戶銷售額時間序列圖，如圖2-1所示。

三、繪制按照客戶匯總的客戶數(shù)與銷售額帕累托曲線

步驟1：查詢“訂購日期”、客戶的“公司名稱”與“銷售額”等數(shù)據(jù)。

在Excel的空白工作表中，選擇菜單“數(shù)據(jù)”→“數(shù)據(jù)透視表與數(shù)據(jù)透視圖” →“外部數(shù)據(jù)源”→“獲取數(shù)據(jù)”，利用Microsoft Query，從“訂單”表、“訂單明細(xì)”表與“客戶”表中查詢 “訂購日期”、客戶的“公司名稱”與“銷售額”（銷售額=訂單明細(xì).單價*數(shù)量*(1-折扣)）等字段，將所查詢數(shù)據(jù)返回Excel。

步驟2：利用查詢的數(shù)據(jù)，制作數(shù)據(jù)透視表。

從數(shù)據(jù)透視表的字段列表中，選擇“訂購日期”，拖至行域，將“銷售額”拖至數(shù)據(jù)域。將“訂購日期”字段按年組合，然后拖至頁域，將“公司名稱”拖至行域，按照銷售額從大到小的順序排列，得到按照和客戶公司名稱匯總的數(shù)據(jù)透視表，如圖2-11。

圖2-11 Northwind公司按照匯總的各客戶銷售額

步驟3：利用數(shù)據(jù)透視表的數(shù)據(jù)，計算客戶數(shù)累計百分比與客戶銷售額累計百分比，繪制帕累托曲線。

在區(qū)域D4:G4依次輸入說明文字，“公司名稱”、“ 客戶百分比”、“ 客戶數(shù)累計百分比 ”、“銷售額累積百分比”。按照圖2-12輸入公式，得到如圖2-13所示的匯總數(shù)據(jù)。

圖2-12 Northwind公司按照匯總客戶數(shù)累計百分比和銷售額累計百分比公式

圖2-13 Northwind公司按照匯總客戶數(shù)累計百分比和銷售額累計百分比

區(qū)域F5:F93匯總累計的客戶數(shù)，即到該客戶為止，已有客戶數(shù)占到總客戶數(shù)的百分比。區(qū)域G5:G93匯總了到該客戶為止，已有客戶實現(xiàn)的銷售額占總銷售額的百分比。

選中區(qū)域F4:G93的數(shù)據(jù)，繪制無數(shù)據(jù)點(diǎn)散點(diǎn)圖，得到如圖2-14所示圖形。

圖2-14 客戶數(shù)與銷售額的帕累托初步曲線

步驟4：在曲線上添加代表20%客戶數(shù)的垂直參考線。在I5:I7單元格輸入“20%”，在J5與J7單元格輸入“0”和“120%”，在J6單元格輸入公式：“=INDEX(G5:G93,MATCH(I5,F5:F93,1),1)”，即從客戶數(shù)累計百分比中，查找到20%的客戶數(shù)在

圖2-15 Northwind公司客戶數(shù)與銷售額帕累托曲線垂直參考線數(shù)據(jù)

最后公司客戶銷售額與客戶數(shù)parato曲線呈現(xiàn)如圖所示:

圖2-2 公司客戶銷售額與客戶數(shù)parato曲線

四、繪制按照訂單匯總的銷售額與銷售次數(shù)帕累托曲線 步驟1：查詢“訂購日期”、“訂單ID”與“銷售額”等數(shù)據(jù)。

在Excel的空白工作表中，選擇菜單“數(shù)據(jù)”→“數(shù)據(jù)透視表與數(shù)據(jù)透視圖” →“外部數(shù)據(jù)源”→“獲取數(shù)據(jù)”，利用Microsoft Query，從“訂單”表和“訂單明細(xì)”表中查詢 “訂購日期”、“訂單ID”與“銷售額”（銷售額=訂單明細(xì).單價*數(shù)量*(1-折扣)）等字段，將查詢數(shù)據(jù)返回Excel。

步驟2：利用查詢的數(shù)據(jù)，制作數(shù)據(jù)透視表。

從數(shù)據(jù)透視表的字段列表中，選擇“訂購日期”，拖至行域，將“銷售額”拖至數(shù)據(jù)域。將“訂購日期”字段按年組合，拖至頁域，將“訂單ID”拖至行域，按照銷售額從大到小的順序排列，得到按照和訂單ID匯總的數(shù)據(jù)透視表，如圖2-16。

圖2-16 Northwind公司按照匯總各訂單銷售額

步驟3：利用數(shù)據(jù)透視表的數(shù)據(jù)，計算客戶數(shù)累計百分比與銷售額累計百分比，繪制帕累托曲線。

在區(qū)域D4:G4依次輸入說明文字，“銷售次數(shù)百分比”、“ 銷售次數(shù)累計百分比”、“ 銷售額累計百分比 ”。按照圖2-17輸入公式，得到如圖2-18所示的匯總數(shù)據(jù)。

圖2-17 Northwind公司按照匯總客戶數(shù)累計百分比和銷售額累計百分比公式

圖2-18 Northwind公司按照匯總客戶數(shù)累計百分比和銷售額累計百分比

區(qū)域E5:E834計算單次銷售占總銷售次數(shù)（即訂單數(shù)）的百分比，區(qū)域F5:F834匯總累計銷售次數(shù)占總銷售次數(shù)的百分比，即到該訂單為止，已有訂單數(shù)占到總訂單數(shù)的百分比。區(qū)域G5:G834匯總到該訂單為止，已有訂單實現(xiàn)的銷售額占總銷售額的百分比。

選中區(qū)域F4:G834的數(shù)據(jù)，繪制無數(shù)據(jù)點(diǎn)散點(diǎn)圖，得到如圖2-19圖形。

圖2-19 銷售次數(shù)與銷售額的帕累托初步曲線

步驟4：在曲線上添加代表20%客戶數(shù)的垂直參考線。

在I5:I7單元格輸入“20%”，在J5與J7單元格輸入“0”和“120%”，在J6單元格輸入公式：“=INDEX(G5:G834,MATCH(I5,F5:F G834,1),1)”，即從銷售次數(shù)累計百分比中，查找20%的銷售次數(shù)在

圖2-3 norwthwind公司銷售次數(shù)與銷售額parato曲線

五、匯總各地區(qū)客戶分布

步驟1：查詢“公司名稱”與“地區(qū)”字段等數(shù)據(jù)。

將Excel一張空白工作表命名為“5.各地區(qū)客戶分布”。選擇菜單“數(shù)據(jù)”→“數(shù)據(jù)透視表與數(shù)據(jù)透視圖” →“外部數(shù)據(jù)源”→“獲取數(shù)據(jù)”，利用Microsoft Query，從“客戶”表中查詢 “公司名稱”與“地區(qū)”字段，然后將所查詢的數(shù)據(jù)返回Excel。

步驟2：利用查詢的數(shù)據(jù)，制作數(shù)據(jù)透視表。

從數(shù)據(jù)透視表的字段列表中，選擇“地區(qū)”，拖至行域，選擇“公司名稱”，拖至數(shù)據(jù)域，得到按照地區(qū)匯總的客戶數(shù)的數(shù)據(jù)透視表，如圖2-20。

圖2-20 按照地區(qū)匯總客戶數(shù)的數(shù)據(jù)透視表

步驟3：利用數(shù)據(jù)透視表的數(shù)據(jù)，制作數(shù)據(jù)透視圖。光標(biāo)停留在數(shù)據(jù)透視表中，選擇菜單“插入”→“圖表”，在新建工作表中建立數(shù)據(jù)透視圖，改變該圖表位置，將其調(diào)整到“5.各地區(qū)客戶分布”工作表中，得到了如圖2-4所示的圖形。

圖2-4 公司各地區(qū)客戶的分布

六、繪制各地區(qū)平均銷售額及銷售額占總銷售額百分比 步驟1：查詢“地區(qū)”與“銷售額”等數(shù)據(jù)。

在Excel的空白工作表中，選擇菜單“數(shù)據(jù)”→“數(shù)據(jù)透視表與數(shù)據(jù)透視圖” →“外部數(shù)據(jù)源”→“獲取數(shù)據(jù)”，利用Microsoft Query，選擇數(shù)據(jù)源，從“客戶”、和“訂單明細(xì)”表中，查詢客戶的“地區(qū)”與“銷售額”（銷售額=訂單明細(xì).單價*數(shù)量*(1-折扣)）等字段，將查詢數(shù)據(jù)返回Excel。查詢時應(yīng)包括“訂單”表，該表能建立 “客戶”表和“訂單明細(xì)”表之間的聯(lián)系。

步驟2：利用查詢的數(shù)據(jù)，制作數(shù)據(jù)透視表。

從數(shù)據(jù)透視表的字段列表中，選擇“地區(qū)”，拖至行域，將“銷售額”拖至數(shù)據(jù)域，得到按照地區(qū)匯總的銷售額的數(shù)據(jù)透視表，如圖2-21。

圖2-21 Northwind公司按照地區(qū)匯總的銷售額

步驟3：利用數(shù)據(jù)透視表的數(shù)據(jù)，計算各地區(qū)平均銷售額與銷售額占總銷售額的百分比。在區(qū)域D4:G4依次輸入說明文字：“地區(qū)”、“ 客戶數(shù) ”、“平均銷售額”與“ 銷售額占總額百分比”。按照圖2-22輸入公式，得到如圖2-23所示的匯總數(shù)據(jù)。

圖2-22 Northwind公司按照地區(qū)匯總平均銷售額、銷售額占總銷售額百分比公式

圖2-23 Northwind公司按照地區(qū)匯總平均銷售額、銷售額占總銷售額百分比

區(qū)域E5:E10存放各地區(qū)的客戶數(shù)，區(qū)域F5:F10計算各地區(qū)平均銷售額，區(qū)域G5:G10計算各地區(qū)銷售額占總銷售額的百分比。利用區(qū)域D5：D10與區(qū)域F5：G10中的數(shù)據(jù)，繪制柱型圖。由于一個數(shù)據(jù)系列是平均銷售額，一個數(shù)據(jù)系列是百分比，兩個系列數(shù)值相差懸殊，所以在圖2-24中，只能觀察到一個數(shù)據(jù)系列的柱型，另一個系列的柱型貼近“0”，無法觀察到。選中代表百分比的系列（選中平均銷售額的系列，移動上下箭頭，直到選中代表百分比的系列），選擇菜單“格式”→“數(shù)據(jù)系列格式” →“坐標(biāo)軸”→“次坐標(biāo)軸”，將代表百分比的系列對應(yīng)到次坐標(biāo)軸。

圖2-24 Northwind公司按照地區(qū)匯總平均銷售額、銷售額占總銷售額百分比圖

觀察該圖形，可以發(fā)現(xiàn) “華東”與“西南”地區(qū)，客戶的平均銷售額比其他地區(qū)高，說明這兩個地區(qū)大客戶的銷售情況比較好。華北地區(qū)雖然銷售額占總銷售額的百分比最高，是Northwind公司最重要的市場，但該地區(qū)大客戶的銷售情況并不理想，平均銷售額并不高。今后該地區(qū)應(yīng)更注重改善大客戶銷售情況。

七、繪制大宗銷售的銷售額時間序列。

步驟1：查詢“公司名稱 ”、“訂單ID”、“ 訂購日期”與“ 銷售額”等數(shù)據(jù)。

將Excel的空白工作表命名為“7.大宗銷售數(shù)據(jù)”，選擇菜單“數(shù)據(jù)”→“獲取外部數(shù)據(jù)” →“外部數(shù)據(jù)源”→“獲取數(shù)據(jù)”，利用Microsoft Query，從“客戶”表、“訂單”表和“訂單明細(xì)”表中，查詢“公司名稱 ”、“訂單ID”、“ 訂購日期”與“ 銷售額”（銷售額=訂單明細(xì).單價*數(shù)量*(1-折扣)）等字段，將查詢數(shù)據(jù)返回Excel，存放在區(qū)域A1:D831。

步驟2：挑選出銷售額超過2000元的訂單。

在區(qū)域F1：F2，按照圖2-25，輸入篩選的條件。利用Excel高級篩選功能，挑選出滿足條件的記錄，存放在區(qū)域H1：K186中。

圖2-25 Northwind公司2000元以上銷售額的訂單的銷售情況

步驟3：利用挑選出的訂單，制作數(shù)據(jù)透視表。利用區(qū)域H1：K186中的數(shù)據(jù)，制作數(shù)據(jù)透視表。從數(shù)據(jù)透視表的字段列表中，選擇“訂購日期”，拖至行域，將“銷售額”拖至數(shù)據(jù)域，將“訂購日期”字段按年組合，然后拖至頁域，將“公司名稱”拖至頁域，規(guī)定行域字段必須“顯示空數(shù)據(jù)項”，得到如圖2-26所示的數(shù)據(jù)透視表。

圖2-26 Northwind公司大宗銷售的時間序列數(shù)據(jù)透視表

步驟4：繪制大宗銷售的時間序列圖形。

為了讓圖形能夠正確反映銷售情況，去掉沒有發(fā)生銷售的時間點(diǎn)，如96年1月到96年6月，我們在數(shù)據(jù)透視表外面，另準(zhǔn)備作圖數(shù)據(jù)。按照圖2-27，在區(qū)域E12:E33輸入從96年7月到98年4月的時間（98年5月數(shù)據(jù)不完整，故不包括在時間序列內(nèi)），在單元格F12輸入公式：“=C12”，并復(fù)制到區(qū)域F13：F33。

圖2-27 Northwind公司大宗銷售的時間序列作圖數(shù)據(jù)

利用區(qū)域E11:F33中的數(shù)據(jù)，制作折線圖，將圖表X軸的類型改為分類軸?！肮久Q”選擇“全部”，在圖形上嘗試添加恰當(dāng)?shù)内厔菥€，顯示趨勢線的方程與R2，并前推兩個周期，得到的時間序列圖形如圖2-28。從該圖形上，可以大致了解大宗銷售的變化趨勢，對未來的情況做初步估計。

圖2-28 Northwind公司大宗銷售的時間序列圖

實驗小結(jié)：

數(shù)據(jù)透視表分類匯總的兩種方法：

1、先將數(shù)據(jù)導(dǎo)入Excel成為數(shù)據(jù)清單，利用數(shù)據(jù)透視表匯總對數(shù)據(jù)清單進(jìn)行匯總

2、利用數(shù)據(jù)透視表直接從數(shù)據(jù)庫中查詢、并匯總數(shù)據(jù)。數(shù)據(jù)透視表功能，使用最方便，可以把匯總表“旋轉(zhuǎn)”，從不同的“角度”查看數(shù)據(jù)，還可以篩選數(shù)據(jù)、合并數(shù)據(jù)、展開詳細(xì)數(shù)據(jù)、或者選擇部分?jǐn)?shù)據(jù)加以查看。

實驗思考：

1、你還能從哪些方面對客戶的銷售數(shù)據(jù)進(jìn)行分析，幫助該公司促進(jìn)銷售或者為客戶提供更好的服務(wù)？

答:使用Northwind公司的銷售數(shù)據(jù)，生成凈銷售額時間序列，創(chuàng)建可以調(diào)節(jié)的產(chǎn)品列表框，并繪制特定產(chǎn)品銷售金額時間序列的圖形。觀測每種產(chǎn)品在不同年份不同月份的銷售情況，對下階段的銷售做出預(yù)測。

2、帕累托曲線可以幫助分析投入與產(chǎn)出之間的關(guān)系，它還能幫助該公司進(jìn)哪些方面的分析？

答：①帶來80%利潤的20%的顧客在哪里，并且留住他們。②銷售量達(dá)80%的20%產(chǎn)品是哪些，找出來好好包裝開發(fā)。③銷售量達(dá)80%的20%城市在哪里，并且維護(hù)好。

實驗三 餐飲公司經(jīng)營數(shù)據(jù)時間序列預(yù)測

實驗3-1 “美食佳”公司半成品年銷售量預(yù)測

實驗類型：驗證性

實驗學(xué)時：2 實驗?zāi)康? ? 理解數(shù)平滑預(yù)測法的概念；

? 掌握在excel中建立指數(shù)平滑預(yù)測模型的方法； ? 掌握尋找最優(yōu)平滑常數(shù)的各種方法。

實驗步驟:

一、運(yùn)用“數(shù)據(jù)分析”工具進(jìn)行指數(shù)平滑預(yù)測 步驟1：確定時間序列的類型。

如圖3-1所示在單元格a1:b21中布置好公司從1987-2006年的銷售量數(shù)據(jù)。然后，繪制公司從1987年至2006年共20年的銷售量折線圖，結(jié)果如圖3-2所示，既沒有趨勢成分也沒有季節(jié)成分，呈現(xiàn)出的是圍繞一個水平上下波動的時間序列，說明適合用指數(shù)平滑法或移動平均法進(jìn)行預(yù)測。本實驗的數(shù)據(jù)是數(shù)據(jù)，建議采用指數(shù)平滑預(yù)測法。

圖3-1 公司從1987-2006年的銷售量數(shù)據(jù)

圖3-2 公司從1987-2006年的銷售量折線圖

步驟2：利用“數(shù)據(jù)分析”工具中的指數(shù)平滑功能進(jìn)行預(yù)測。

在“工具”菜單中選擇“加載宏”，在隨后彈出的“加載宏”對話框中選擇“分析工具庫”，然后單擊“確定”按鈕，將會在“工具”菜單下出現(xiàn)“數(shù)據(jù)分析”選項。在“工具”菜單中選擇“數(shù)據(jù)分析”，在出現(xiàn)的“數(shù)據(jù)分析”對話框中選擇“指數(shù)平滑”，出現(xiàn)如圖3-3所示的對話框。

圖3-3 指數(shù)平滑分析的參數(shù)設(shè)置

在“指數(shù)平滑”對話框中，在“輸入?yún)^(qū)域”輸入“b2:b21”單元格，“阻尼系數(shù)”輸入“0.75”（注：阻尼系數(shù)=1-平滑常數(shù)），在“輸出區(qū)域”輸入“c2”單元格，單擊“確定”按鈕，將會看到如圖3-4中單元格c2:c21的輸出結(jié)果。

將單元格c21往下復(fù)制，便得到2007年的指數(shù)平滑預(yù)測值7.96。

圖3-4 指數(shù)平滑預(yù)測結(jié)果

二、運(yùn)用指數(shù)平滑公式進(jìn)行預(yù)測 步驟1：利用公式

計算指數(shù)平滑預(yù)測值。

如圖3-5，在單元格f1中輸入平滑常數(shù)0.25，在單元格c2中輸入公式：“=b2”，作為

三、尋找最優(yōu)的平滑常數(shù) 步驟1：計算均方誤差。

如圖3-5在單元格f2中輸入公式：“=average((b2:b21-c2:c21)^2)”，作為數(shù)組運(yùn)算，需要同時按Ctrl+Shift+Enter三個鍵作為輸入結(jié)束，計算均方誤差MSE。步驟2：利用模擬運(yùn)算表及查找引用函數(shù)功能，尋找最優(yōu)平滑常數(shù)。

如圖3-7在單元格e7:e24中給出不同的平滑常數(shù)（大于0小于1），在單元格f6中輸入公式：“=f2”，選定單元格e6:f24，在“數(shù)據(jù)”菜單中選擇“模擬運(yùn)算表”，在彈出的對話框中做如圖3-8所示的參數(shù)設(shè)置，利用一維模擬運(yùn)算表功能計算不同平滑常數(shù)下的mse值，見圖3-7結(jié)果。

圖3-7 模擬運(yùn)算表輔助查找最優(yōu)平滑常數(shù)

圖3-8 模擬運(yùn)算表對話框參數(shù)設(shè)置

在單元格f4中輸入公式：“=index(e7:e24,match(min(f7:f24),f7:f24,0))”，找到最優(yōu)平滑常數(shù)為0.35。然后，根據(jù)最優(yōu)平滑常數(shù)0.35（將此值代入單元格f1中），2007年的預(yù)測值為7.94。

步驟3：利用規(guī)劃求解功能，尋找最優(yōu)平滑常數(shù)。規(guī)劃求解工具是一個從函數(shù)值所要達(dá)到的目標(biāo)出發(fā)，反過來確定為達(dá)到這個目標(biāo)，各自變量應(yīng)取什么值的工具。

在“工具”菜單中選擇“規(guī)劃求解”，在彈出的對話框中做如圖3-9所示的參數(shù)設(shè)置，然后單擊“求解”按鈕，得到如圖3-10所示的規(guī)劃求解結(jié)果，其中可變單元格f2中顯示最優(yōu)平滑常數(shù)為0.37。根據(jù)最優(yōu)平滑常數(shù)0.37，2007年的預(yù)測值為7.93。

圖3-9 規(guī)劃求解參數(shù)設(shè)置

圖3-10 規(guī)劃求解的結(jié)果

以上兩種方法所尋找到的平滑常數(shù)都是基于實際銷售量與預(yù)測銷售量的均方誤差極小，從理論上證明了所獲得的平滑常數(shù)是最優(yōu)的。

實驗思考：

1.為什么用模擬運(yùn)算表加查找引用函數(shù)功能，得到的最優(yōu)平滑常數(shù)（0.35），與用規(guī)劃求解功能得到的結(jié)果（0.37）不一樣？

答：用模擬運(yùn)算表加查找引用函數(shù)功能得到的最優(yōu)平滑常數(shù)（0.35）是根據(jù)設(shè)定的間隔求解，結(jié)果不是很準(zhǔn)確。而規(guī)劃求解功能得到的結(jié)果（0.37）是精確結(jié)果。

2.可否調(diào)整模擬運(yùn)算表的輸入數(shù)據(jù)間隔，再試一試，結(jié)果會如何？

答：在實驗3-1中，調(diào)整模擬運(yùn)算表的輸入數(shù)據(jù)間隔，其結(jié)果不變。因為模擬運(yùn)算表只是將數(shù)據(jù)代入變量中來求得對應(yīng)的值，所得到的值與數(shù)據(jù)的間隔無關(guān)。

實驗3-2 “美食佳”公司月管理費(fèi)預(yù)測

實驗?zāi)康模?/p>

? 理解移動平均預(yù)測法的概念；

? 掌握在excel中建立移動平均模型的方法； ? 掌握尋找最優(yōu)移動平均跨度的各種方法。

實驗步驟：

一、運(yùn)用“數(shù)據(jù)分析”工具進(jìn)行移動平均預(yù)測 步驟1：確定時間序列的類型。

如圖3-11所示在單元格a1:c19中布置好公司從2006年1月至2007年6月的數(shù)據(jù)。

繪制公司從2006年1月至2007年6月共18個月的管理費(fèi)用折線圖，結(jié)果如圖3-12所示，既沒有趨勢成分也沒有季節(jié)成分，呈現(xiàn)出的是圍繞一個水平上下波動的時間序列，說明適合用指數(shù)平滑法或移動平均法進(jìn)行預(yù)測。本實驗的數(shù)據(jù)是月度數(shù)據(jù)，建議采用移動平均預(yù)測法。

圖3-11 公司從2006年1月至2007年6月的管理費(fèi)數(shù)據(jù)

圖3-12 公司從2006年1月至2007年6月的管理費(fèi)用折線圖

步驟2：利用“數(shù)據(jù)分析”工具的移動平均功能進(jìn)行預(yù)測。在“工具”菜單中選擇“數(shù)據(jù)分析”，在出現(xiàn)的“數(shù)據(jù)分析”對話框中選擇“移動平均”，出現(xiàn)如圖3-13所示的對話框。

在“移動平均”對話框中，在“輸入?yún)^(qū)域”輸入“c2:c19”單元格，“間隔”輸入“3”（注：移動平均跨度為3），在“輸出區(qū)域”輸入“d3”單元格，單擊“確定”按鈕，將會看到如圖3-14中單元格d5:d20的輸出結(jié)果。

如單元格d20所示，2007年7月公司管理費(fèi)用的移動平均預(yù)測值為20.3萬元。

圖3-13 移動平均對話框參數(shù)設(shè)置

圖3-14 移動平均預(yù)測結(jié)果

二、運(yùn)用移動平均公式進(jìn)行預(yù)測

步驟1：利用average()函數(shù)計算移動平均預(yù)測值。

如圖3-15，在單元格g1中輸入移動平均跨度3，在單元格d5中輸入移動平均模型預(yù)測公式：“=average(c2:c4)”。

將單元格d5往下復(fù)制，便得到2007年7月的移動平均預(yù)測值20.3。

圖3-15平均值函數(shù)的計算結(jié)果

步驟2：繪制移動平均預(yù)測圖。

利用單元格c2:d20中的數(shù)據(jù)繪制如圖3-16所示的公司18個月的管理費(fèi)用及移動平均預(yù)測圖。

圖3-16 公司18個月的管理費(fèi)用及移動平均預(yù)測圖

通過以上實驗?zāi)軌驒z驗，運(yùn)用“數(shù)據(jù)分析”工具和移動平均公式進(jìn)行移動平均預(yù)測的預(yù)測結(jié)果是一致的?！懊朗臣选惫?007年7月的管理費(fèi)移動平均預(yù)測值為20.3，此預(yù)測結(jié)果是基于移動平均跨度為3個月所獲得的。對沒有先期經(jīng)驗的人來說，怎樣選擇移動平均跨度呢？又怎么判斷所選的移動平均跨度是最優(yōu)的呢？下面的實驗步驟將指導(dǎo)我們掌握尋找最優(yōu)移動平均跨度的不同方法。

三、尋找最優(yōu)的移動平均跨度 步驟1：計算均方誤差。

此處用到兩個函數(shù)：sumxmy2()函數(shù)和count()函數(shù)。sumxmy2()函數(shù)的功能是返回兩數(shù)組中對應(yīng)數(shù)值之差的平方和，它需要兩個參數(shù)，一個參數(shù)是 圖3-18結(jié)果。

圖3-18模擬運(yùn)算表輔助查找最優(yōu)移動平均跨度

圖3-19 模擬運(yùn)算表參數(shù)設(shè)置

在單元格g4中輸入公式：“=index(f7:f15,match(min(g7:g15),g7:g15,0))”，找到最優(yōu)移動平均跨度為5。根據(jù)最優(yōu)移動平均跨度5（將此值代入單元格g1中），2007年7月的預(yù)測值為20.2。

實驗思考

1.可否利用規(guī)劃求解功能，尋找最優(yōu)的移動平均跨度？

答：在實驗3-2中，無法利用規(guī)劃求解功能尋找最優(yōu)的移動平均刻度。因為求MSE所用的公式為“=SUMXMY2(C2:C19,D2:D19)/COUNT(D2:D19)”與移動平均刻度值所在的G1單元格無直接聯(lián)系。

2.excel提供的移動平均趨勢線功能也可進(jìn)行移動平均預(yù)測，但趨勢線方法與本實驗所介紹的方法有何不同？

答：Excel提供的移動平均趨勢線方法與本實驗所介紹的方法與本實驗所介紹方法的區(qū)別在于趨勢線的作用是對已知的一堆數(shù)據(jù)作回歸分析，以找到一個可以直接計算的方程式并對其他任意未經(jīng)測量的數(shù)值進(jìn)行計算。趨勢線方法考慮了大量可能的結(jié)果。

實驗3-3 “美食佳”華東分公司銷售額趨勢預(yù)測 實驗類型：驗證性

實驗學(xué)時：2 實驗?zāi)康模?/p>

? 理解趨勢預(yù)測法的概念；

? 掌握在excel中建立線性趨勢預(yù)測模型的方法； ? 掌握尋找線性趨勢模型參數(shù)的各種方法； ? 掌握線性趨勢值預(yù)測的不同方法。

實驗步驟：

步驟1：確定時間序列的類型。

如圖3-20所示在單元格a1:c12中布置好華東分公司從1996年至2006年的銷售額數(shù)據(jù)。繪制華東分公司從1996年至2006年共11年的銷售額折線圖，結(jié)果如圖3-21所示，具有較明顯的線性趨勢成分，呈上升趨勢，說明適合用線性趨勢法進(jìn)行預(yù)測。

圖3-20 華東分公司從1996年至2006年的銷售額數(shù)據(jù)

圖3-21 華東分公司從1996年至2006年的銷售額折線圖

步驟2：添加線性趨勢線。

如圖3-22所示，在圖中選中數(shù)據(jù)系列，右鍵菜單中選擇“添加趨勢線”，出現(xiàn)“添加趨勢線”對話框。

如圖3-23所示，在“添加趨勢線”對話框的“類型”中選擇“線性”。

如圖3-24所示，在“添加趨勢線”對話框的“選項”中選擇“顯示公式”和“顯示r平方值”，得到如圖3-25的結(jié)果。

圖3-22 選用添加趨勢線功能

圖3-23 添加趨勢線對話框

圖3-24 添加趨勢線的選項對話框

圖3-25 華東分公司銷售額與和線性趨勢線

步驟3：用趨勢線前推法大致預(yù)測線性趨勢值。

選定線性趨勢線，右鍵菜單中選擇“趨勢線格式”，出現(xiàn)如圖3-26的“趨勢線格式”對話框。

如圖3-26所示，在“趨勢線格式”對話框中選定“選項”，將趨勢預(yù)測前推1周期，得到如圖3-27所示的大致預(yù)測結(jié)果。

由圖3-27中的趨勢線可見，公司2007年的銷售額預(yù)測值約為1000萬元。

圖3-26 趨勢預(yù)測前推1周期設(shè)置

圖3-27 趨勢預(yù)測前推1周期的大致預(yù)測結(jié)果

步驟4：用方程或函數(shù)準(zhǔn)確預(yù)測線性趨勢值。

根據(jù)得到的線性趨勢方程公式y(tǒng)=11.473x+861.98，如圖3-28所示，在單元格c13中輸入公式：“=11.473*a13+861.98”，即將x=12（2007年為

圖3-29 帶預(yù)測點(diǎn)的銷售額線性趨勢預(yù)測圖

實驗思考

1．本實驗的幾張圖中，x軸是“分類”還是“自動”？ 答：本實驗（實驗3-3）中，X軸是自動。

2．預(yù)測點(diǎn)數(shù)據(jù)如果作為新數(shù)據(jù)系列添加到圖形中，結(jié)果與圖3-29有何不同？

答：實驗3-3中，預(yù)測點(diǎn)數(shù)據(jù)如果作為新數(shù)據(jù)系列添加到圖形中，結(jié)果與圖3-29相比，預(yù)測部分的值將是一條直線。

3．為什么預(yù)測值一定在趨勢線的延伸線上？

答：預(yù)測值一定在趨勢線上的原因是預(yù)測值是依據(jù)趨勢線作出來的。4．若要預(yù)測公司2008年的全國銷售額，可以怎么做？若要預(yù)測公司2009年、2010年、甚至更遠(yuǎn)年份的銷售額，會有什么問題？

答：若要預(yù)測2008年的全國銷售額，可依據(jù)2007年的預(yù)測值來作。但若要預(yù)測更遠(yuǎn)年份的銷售額，則不能以之為基礎(chǔ)由趨勢線函數(shù)進(jìn)行預(yù)測，因為彼時銷售額呈線性增長，與客觀事實不符。

5．除了本實驗中介紹的添加趨勢線方法可以找到線性趨勢預(yù)測模型的參數(shù)外，還可以用哪些方法找到線性趨勢預(yù)測模型y=a+bx中的參數(shù) a和b。

答：還可用回歸方法找到Y(jié)=a+bX中參數(shù)a,b的值。

實驗3-4 “美食佳”公司會員卡發(fā)行量趨勢預(yù)測

實驗類型：驗證性

實驗學(xué)時：2 實驗?zāi)康模?/p>

? 理解非線性趨勢預(yù)測法的概念；

? 掌握在excel中建立非線性趨勢預(yù)測模型的方法； ? 掌握非線性趨勢值預(yù)測的方法。

預(yù)測公司2007年7月會員卡的發(fā)行量。

實驗步驟：

步驟1：確定時間序列的類型。

如圖3-30所示在單元格a1:c15中布置好公司從2006年5月至2007年6月的會員卡發(fā)行數(shù)據(jù)。

繪制公司從2006年5月至2007年6月共14個月的會員卡發(fā)行量的折線圖，結(jié)果如圖3-31所示，具有較明顯的非線性趨勢成分，說明適合用非線性趨勢法進(jìn)行預(yù)測。從曲線的形狀看，它先上升較快后上升較慢，符合對數(shù)曲線的特征，因此我們可以選用對數(shù)趨勢模型進(jìn)行預(yù)測。

圖3-30 2006年5月至2007年6月會員卡發(fā)行量數(shù)據(jù)

圖3-31 2006年5月至2007年6月會員卡發(fā)行量的折線圖

步驟2：添加非線性趨勢線。

如圖3-32所示，在圖中選中數(shù)據(jù)系列，右鍵菜單中選擇“添加趨勢線”，出現(xiàn)“添加趨勢線”對話框。

如圖3-33所示，在“添加趨勢線”對話框的“類型”中選擇“對數(shù)”。

如圖3-34所示，在“添加趨勢線”對話框的“選項”中選中“顯示公式”和“顯示r平方值”，得到如圖3-35的結(jié)果。

圖3-32 選擇添加趨勢線功能

圖3-33 添加趨勢線對話框

圖3-34 添加趨勢線選項對話框

圖3-35 2006年5月至2007年6月會員卡發(fā)行量和對數(shù)趨勢線

步驟3：趨勢線前推法大致預(yù)測非線性趨勢值。

選定對數(shù)趨勢線，右鍵菜單中選擇“趨勢線格式”，出現(xiàn)如圖3-36的“趨勢線格式”對話框。

如圖3-36所示，在“趨勢線格式”對話框中選定“選項”，將趨勢預(yù)測前推1周期，得到如圖3-37所示的大致預(yù)測結(jié)果。

由圖3-37中的趨勢線可見，公司2007年7月的會員卡發(fā)行量預(yù)測值約為25萬張。

圖3-36 趨勢預(yù)測前推1周期設(shè)置

圖3-37 趨勢預(yù)測前推1周期的大致預(yù)測結(jié)果

步驟4：用方程或函數(shù)準(zhǔn)確預(yù)測非線性趨勢值。根據(jù)得到的方程公式y(tǒng)=7.7785ln(x)+3.7651，如圖3-38所示，在單元格c16中輸入公式：“=7.7785*ln(a16)+3.7651”，即將x=15（2007年7月為 規(guī)劃求解法找到對數(shù)趨勢預(yù)測模型y=a+bln(x)中的參數(shù)a和b？

答：還可用回歸方法找到Y(jié)=a+bX中參數(shù)a,b的值。

實驗3-5 “美食佳”火鍋連鎖店原料采購成本預(yù)測 實驗?zāi)康模?/p>

? 理解季節(jié)指數(shù)的概念； ? 掌握季節(jié)指數(shù)預(yù)測方法。

實驗步驟：

步驟1：確定時間序列的類型。

如圖3-40所示在單元格a1:c17中布置好公司從2003年

圖3-42 4年同期的原材料采購成本折線圖

步驟2：計算季節(jié)指數(shù)。

一年有4個季度，所以以4為移動平均跨度，計算移動平均數(shù)，其結(jié)果應(yīng)該對應(yīng)放在每4個季度的中間位置。但當(dāng)移動平均跨度為4時，沒有中間季度位置可放，因此只能放在

圖3-44 中心化后的原材料采購成本移動平均數(shù)

平均季節(jié)指數(shù)應(yīng)等于1，因此4個季度的季節(jié)指數(shù)總和必須等于4。如果不滿足這一點(diǎn)，則應(yīng)對季節(jié)指數(shù)進(jìn)行調(diào)整。方法是用每一個季節(jié)指數(shù)除以未調(diào)整的季節(jié)指數(shù)之

和再乘以季度指數(shù)總和4。如圖3-43中單元格i6所示，未調(diào)整前的季節(jié)指數(shù)之和為3.9852，所以需要調(diào)整。在單元格j2中輸入公式：“=i2/$i$6*4”，往下復(fù)制到j(luò)3:j5，得到調(diào)整后的季節(jié)指數(shù)。

步驟3： 消除季節(jié)影響。

如圖3-45所示，將調(diào)整后的季節(jié)指數(shù)復(fù)制到E列，分別對應(yīng)2003-2007年的4個季度。

圖3-45 消除季節(jié)影響后的原材料采購成本

在單元格F2中輸入公式：“=D2/E2”，將公式復(fù)制到單元格F3:F17中，得到消除季節(jié)影響后的結(jié)果。

利用單元格F2:F17中的數(shù)據(jù)繪制公司從2003年 圖3-46 消除季節(jié)影響后的原材料采購成本及趨勢線

步驟4：計算預(yù)測值。

如圖3-47中G列所示，利用FORECAST()函數(shù)計算線性趨勢預(yù)測值。

圖3-47 趨勢預(yù)測值和季節(jié)預(yù)測值的計算

在單元格H2中輸入公式：“=G2*E2”，將公式復(fù)制到單元格H3:H21中，即在線性趨勢預(yù)測值的基礎(chǔ)上乘以調(diào)整后的季節(jié)指數(shù)得到最終的季節(jié)預(yù)測值。公司2007年1至4季度的采購成本預(yù)測值分別為73.0、20.9、13.8、154.9。

根據(jù)D列的原始采購成本數(shù)據(jù)和H列的季度預(yù)測值數(shù)據(jù)，作折線圖，結(jié)果如圖3-48所示。

圖3-48 2003-2004年原材料采購成本及2007年4個季度的原材料采購成本預(yù)測值

實驗思考

1．圖3-47中的“序號”一列有什么用？

答：圖3-47中“序號”一列的作用是為趨勢線公式的獲得提供依據(jù)（作為自變量X）。2．計算趨勢預(yù)測值時，若不用forcast()函數(shù)，還可以有什么方法？請至少用兩種方法試試看。

答：計算趨勢預(yù)測值還可用移動平均預(yù)測法、指數(shù)平滑預(yù)測法、一元線性回歸分析模型等。

3．季節(jié)指數(shù)模型是否只能用于季節(jié)數(shù)據(jù)的預(yù)測？若是、月度、甚至周數(shù)據(jù)，可以用季節(jié)指數(shù)模型嗎？

答：季節(jié)指數(shù)模型不是只能用于季節(jié)數(shù)據(jù)的預(yù)測，、月度、周數(shù)據(jù)等在某些情況下均能用季節(jié)指數(shù)模型。

實驗總結(jié): 此次實驗中學(xué)習(xí)了指數(shù)平滑預(yù)測法、移動平均預(yù)測法、趨勢預(yù)測法、非線性趨勢預(yù)測法、季節(jié)指數(shù)的概念，計算趨勢預(yù)測值還可用移動平均預(yù)測法、指數(shù)平滑預(yù)測法、一元線性回歸分析模型等。實驗不難，關(guān)鍵要會分析和辨別使用何種分析方法。

實驗四 住房建筑許可證數(shù)量的回歸分析

實驗4-1 “家家有房”公司建筑許可證一元線性回歸分析

實驗?zāi)康?/p>

? 理解一元線性回歸分析的概念；

? 針對不同的問題，能夠建立適當(dāng)?shù)囊辉€性回歸模型； ? 掌握內(nèi)建函數(shù)slope()、intercept()與linest()的用法；

? 掌握用規(guī)劃求解法、添加線性趨勢線法、回歸分析報告法確定線性回歸方程的系數(shù)； ? 給定自變量的情況下，根據(jù)線性回歸模型預(yù)測因變量的值。

實驗步驟：

步驟1：確定因變量與自變量并輸入觀測值。

根據(jù)實驗要求，我們確定因變量為建筑許可證的頒發(fā)數(shù)量，自變量為人口密度，并將數(shù)據(jù)合理的布置在excel工作表的單元格a1:b19中，以備建模使用。

步驟2：繪制因變量與自變量關(guān)系散點(diǎn)圖。

利用工作表的數(shù)據(jù)，以每平方公里的人口密度為x值，建筑許可證的頒發(fā)數(shù)量為y值，繪制xy散點(diǎn)圖，如圖4-1所示。從這個散點(diǎn)圖可以看出每平方公里的人口密度與建筑許可證的頒發(fā)數(shù)量之間存在著大體上的線性依賴關(guān)系。

圖4-1建筑許可證的頒發(fā)數(shù)量與每平方公里的人口密度散點(diǎn)圖

步驟3：求出回歸系數(shù)a、b的取值，計算判定系數(shù)R2，并進(jìn)行預(yù)測。

excel提供了幾種不同的工具，包括規(guī)劃求解工具，intercept()、slope()與linest()等內(nèi)建函數(shù)，在散點(diǎn)圖中添加趨勢線和趨勢線方程以及生成回歸分析報告等方法來確定回歸系數(shù)a和b。我們這里介紹利用規(guī)劃求解的方法來求解回歸系數(shù)。

步驟4：假定回歸系數(shù)的值，建立線性回歸模型。

假定回歸系數(shù)的值為a=1，b=1并將之放在單元格f2:f3中。用回歸直線方程y=a+bx以及每平方公里的人口密度來計算建筑許可證的頒發(fā)數(shù)量預(yù)測值，放在單元格c2中，即在單元c2中輸入公式“=$f$2+$f$3*a2”，并將此公式復(fù)制到c3:c19中，得到建筑許可證的頒發(fā)

數(shù)量預(yù)測值。在單元格f5中計算建筑許可證的頒發(fā)數(shù)量觀測值與預(yù)測值的均方誤差mse，即在單元格f5中輸入公式“{=average((c2:c19-b2:b19)^2)}”(注：其中的花括號不是直接輸入，是將所有內(nèi)容輸入完后按住ctrl+shift鍵后再按回車鍵生成的)。如圖4-2所示：

圖4-2 回歸參數(shù)求解前的模型

步驟5：啟動規(guī)劃求解工具，確定模型最優(yōu)參數(shù)。

在如圖4-3的“規(guī)劃求解參數(shù)”對話框中將目標(biāo)單元格設(shè)為$f$5，使其等于最小值，將可變單元格設(shè)為$f$2:$f$3，無須設(shè)置任何約束條件即可直接求解，保存規(guī)劃求解結(jié)果。注意規(guī)劃求解受到迭代次數(shù)和精度的限制，本例需啟用8次規(guī)劃求解工具進(jìn)行重復(fù)運(yùn)算才能得到滿意的精度，即

圖4-4 回歸參數(shù)求解后的模型

根據(jù)上述回歸方程，如果任意給定人口密度（7000），即可預(yù)測出建筑許可證的頒發(fā)數(shù)量（14655.287），如圖4-5所示。

實驗思考

1.除了用規(guī)劃求解的方法外，還可以哪些其它方法求出建筑許可證數(shù)量與每平方里人口密度之間關(guān)系的回歸方程y=a+bx的系數(shù)，請用其它方法求得系數(shù)，并檢驗與實驗4-1所獲得的系數(shù)是否一致。

答：除用規(guī)劃求解額方法外，還可以利用添加趨勢線的方法獲得回歸方程Y=a+bX的系數(shù)。用規(guī)劃求解方法獲得的回歸方程Y=a+bX的系數(shù)中a的值為-23900.10788，b的值為5.500026742；而用添加趨勢線的方法獲得的a的值為-23901,，b的值為5.5001，在誤差允許的范圍內(nèi)，可認(rèn)為他們的系數(shù)一致。

2.如果每平方公里的人口密度與建筑許可證數(shù)量之間是非線性關(guān)系，該如何選擇非線性模型，并針對任意給定每平方公里的人口密度，預(yù)測建筑許可證的頒發(fā)數(shù)量。

答：若每平方公里的人口密度與建筑許可證數(shù)量之間是非線性關(guān)系，可利用添加趨勢線的方法來進(jìn)行檢驗，找出每一種可能的非線性模型的均方誤差MSE，選擇其中最小的一項作為最佳的非線性模型。然后根據(jù)非線性模型的公式，帶入相應(yīng)參數(shù)后即可預(yù)測建筑許可證的頒發(fā)數(shù)量。

3.根據(jù)擬合優(yōu)度，進(jìn)一步分析是否有其他非線性回歸模型，更適合人口密度與建筑許可證數(shù)量的相關(guān)關(guān)系。

答：根據(jù)擬合優(yōu)度對其他非線性回歸模型進(jìn)行分析，暫未找到更適合人口密度與建筑許可證數(shù)量的相關(guān)關(guān)系。

實驗4-2 “家家有房”公司建筑許可證一元非線性回歸分析

實驗?zāi)康?/p>

? 理解一元非線性回歸分析的概念；

? 針對不同的問題，能夠建立適當(dāng)?shù)囊辉蔷€性回歸模型；

? 掌握用規(guī)劃求解法、添加非線性趨勢線法、變換法確定非線性回歸方程的系數(shù)； ? 在給定自變量的情況下，根據(jù)非線性回歸模型預(yù)測因變量的值。

實驗步驟：

步驟1：確定因變量與自變量。

根據(jù)實驗要求，我們確定因變量為建筑許可證的頒發(fā)數(shù)量，自變量為自由房屋的均值。并將數(shù)據(jù)合理的布置在excel工作表的單元格a1:b19中，以備建模使用。

步驟2：選擇合適的回歸方程。

利用步驟1中準(zhǔn)備的數(shù)據(jù)畫出散點(diǎn)圖，如圖4-5所示，通過散點(diǎn)圖選擇合適的擬合函數(shù)，建立含未知參數(shù)的方程。

圖4-5 建筑許可證的頒發(fā)數(shù)量與自由房屋的均值散點(diǎn)圖

仔細(xì)觀察散點(diǎn)圖，發(fā)現(xiàn)建筑許可證的頒發(fā)數(shù)量隨著自由房屋的均值增大而增大，且隨著自由房屋均值的增加建筑許可證的頒發(fā)數(shù)量增加的速度而放緩，這是對數(shù)曲線的特征，因此可以采用對數(shù)函數(shù)來進(jìn)行擬合。即將建筑許可證的頒發(fā)數(shù)量（y）與自由房屋的均值（x）之間的關(guān)系表述為：

y= a + blnx 其中的參數(shù)a與b的值待定。

步驟3：假定回歸系數(shù)的值，建立非線性回歸模型。

假定回歸系數(shù)的值為a=1，b=1并將之放在單元格f2:f3中。用回歸對數(shù)方程y=a+blnx以及自由房屋均值來計算建筑許可證的頒發(fā)數(shù)量預(yù)測值，放在單元格c2中，即在單元c2中輸入公式“=$f$2+$f$3*ln(a2)”，并將此公式復(fù)制到c3:c19中，得到建筑許可證的頒發(fā)數(shù)量預(yù)測值。在單元格f5中計算建筑許可證的頒發(fā)數(shù)量觀測值與預(yù)測值的均方誤差mse，即在單元格f5中輸入公式“{=average((c2:c19-b2:b19)^2)}”（用ctrl+shift+enter組合鍵添加花括號）。如圖4-6所示：

圖4-6 回歸參數(shù)求解前的模型 步驟4：確定參數(shù)a與b的值。

對于本例的問題，我們采用規(guī)劃求解的方法來確定參數(shù)a與b的值，利用規(guī)劃求解工具計算出使mse極小的參數(shù)a與b，規(guī)劃求解對話框的設(shè)置如圖4-7所示。

圖4-7 規(guī)劃求解對話框

然后點(diǎn)擊“求解”按鈕，可得如圖4-8所示的結(jié)果。

圖4-8 規(guī)劃求解后的模型結(jié)果

步驟5：添加趨勢線，顯示R2值。

在圖4-7的散點(diǎn)圖中通過添加對數(shù)趨勢線，并在添加趨勢線對話框中的“選項”中選擇“顯示R2”與“顯示公式”，如圖4-9所示。我們發(fā)現(xiàn)R2達(dá)到0.9441，表明選擇對數(shù)回歸模型預(yù)測是可行的。同時我們也檢驗了趨勢線方法與規(guī)劃求解法所得到的回歸方程系數(shù)是一樣的。

圖4-9 添加了對數(shù)趨勢線

步驟6：進(jìn)行預(yù)測。

根據(jù)對數(shù)回歸方程，如果任意給定 自由房屋的均值，即可預(yù)測出建筑許可證的頒發(fā)數(shù)量。將x=300，預(yù)測出頒發(fā)的建筑許可證數(shù)量為-78874.08+16877.319*ln（300）=17390.4708，如圖 4-8所示。

實驗思考：

1、請將此問題轉(zhuǎn)換為線性回歸模型，求解模型的參數(shù)和R2值，并與規(guī)劃求解法的結(jié)果進(jìn)行比較。

答：若將此模型轉(zhuǎn)換為線性回歸模型，得到的模型為y=16877.34701Ln(X)-

79003.9859, MSE=2023817.464，與原模型中y=16878Ln(X)-78877,R2=0.9441，MSE=2006982.816相比，基本無差別。

實驗4-3 “家家有房”公司建筑許可證多元線性回歸分析 實驗?zāi)康?/p>

? 理解多元線性回歸分析的概念；

? 針對不同的問題，能夠建立適當(dāng)?shù)亩嘣€性回歸模型； ? 掌握運(yùn)用向前增選法確定回歸自變量；

? 在給定自變量的情況下，根據(jù)多元線性回歸模型預(yù)測因變量的值。

實驗步驟：

步驟1：輸入原始數(shù)據(jù)。

首先分析案例中的自變量和因變量，并將數(shù)據(jù)合理的布置在excel工作表的a1:d19中，如圖4-10所示，以備建模使用。

根據(jù)實驗要求，我們確定因變量為建筑許可證的頒發(fā)數(shù)量（y），自變量為每平方公里的人口密度（x1）、自由房屋的均值（x2）與平均家庭收入（x3），假設(shè)多元線性模型為：y=a+b1*x1+b2*x2+b3*x3。

圖4-10 人口密度、自由房屋均值、平均家庭收入與建筑許可證數(shù)量數(shù)據(jù) 步驟2：分別繪制三個候選自變量與因變量之間的關(guān)系圖。

圖4-11 建筑許可證數(shù)量與每平方公里人口密度的散點(diǎn)圖

這個問題涉及到三個候選自變量，每平方公里的人口密度（x1）、自由房屋的均值（x2）與平均家庭收入（x3）。首先分別對每個候選自變量繪制與因變量建筑許可證的頒發(fā)數(shù)量關(guān)系的散點(diǎn)圖，見圖4-11—圖4-13。

圖4-12 建筑許可證數(shù)量與自由房屋的均值的散點(diǎn)圖

圖4-13建筑許可證數(shù)量與平均家庭收入的散點(diǎn)圖

步驟3：針對每一個候選變量生成回歸分析報告。

分別對這三個候選變量做回歸分析報告，根據(jù)值，找出最優(yōu)的變量。這里我們采用向前增選法，先給出建筑許可證的頒發(fā)數(shù)量與三個候選變量之間的回歸分析報告，分別見圖4-14和4-16。

圖4-14 許可證數(shù)量與人口密度的回歸分析報告

圖4-15 許可證數(shù)量與自由房屋均值的回歸分析報告

圖4-16 許可證數(shù)量與平均家庭收入的回歸分析報告

圖4-17 建筑許可證數(shù)量與人口密度及平均家庭收入的回歸分析報告

圖4-18 建筑許可證數(shù)量與自由房屋均值及平均家庭收入回歸分析報告

實驗思考

1.在用回歸分析報告求解參數(shù)時，自變量與因變量之間應(yīng)該滿足什么關(guān)系？ 答：在用回歸分析報告求解參數(shù)時，自變量與因變量之間應(yīng)滿足一個或多個自變量值對應(yīng)一個應(yīng)變量。

2.為什么實驗結(jié)果只選用兩元線性回歸模型而不用三元線性回歸模型進(jìn)行建筑許可證數(shù)量的預(yù)測？

答：實驗結(jié)果只選用兩元線性回歸模型二不用三元線性回歸模型既高興建筑許可證數(shù)量預(yù)測的原因是三元回歸分析報告中自有房屋的均值X2的調(diào)整后的R2的值并未超過一元回歸分析報告中對自有房屋的均值X2的調(diào)整后的R2的值，說明自有房屋的均值X2與建筑許可證數(shù)量的線性相關(guān)性不強(qiáng)，若它參與回歸預(yù)測，將會影響預(yù)測結(jié)果。

3.在用多元線性回歸時，如何確定候選變量，確定的依據(jù)是什么？

答：用多元線性回歸時，可依據(jù)對某一自變量在組合前得到的調(diào)整后的R2的值與組合后得到的調(diào)整后的R2的值之間的大大小進(jìn)行候選變量的確定。若組合后得到的調(diào)整后的R2的值超過組合前得到的調(diào)整后的R2的值，則確定其為候選變量

4.從實驗4-2我們了解自有房屋的均值（x2）與建筑許可證數(shù)量是對數(shù)相關(guān)，如果我們用回歸方程y=a+b1*x1+b2*lnx2+b3*x3來進(jìn)行預(yù)測是否更精確？那么我們又怎樣確定此方程的各項系數(shù)呢？

答：若用回歸方程Y=a+b1*X1+b2*lnX2+b3*X3來進(jìn)行預(yù)測，結(jié)果不一定會更精確。因為Y是受3個自變量的共同影響?？捎枚嘣蔷€性回歸確定次方程的各項系數(shù)，因為線性回歸是特殊的非線性回歸。

實驗4-4 “家家有房”公司建筑許可證多元非線性回歸分析

實驗?zāi)康?/p>

? 理解多元非線性回歸分析的概念；

? 針對不同的問題，能夠建立適當(dāng)?shù)亩嘣蔷€性回歸模型；

? 掌握用規(guī)劃求解法、變換技術(shù)加回歸分析報告法確定多元非線性回歸方程的系數(shù)； ? 在給定自變量的情況下，根據(jù)多元非線性回歸模型預(yù)測因變量的值。

實驗步驟：

步驟1：確定因變量與自變量。

根據(jù)實驗要求，我們確定因變量為建筑許可證的頒發(fā)數(shù)量（y），因變量為平均家庭收入（x1）與人均交納稅收（x2），并將數(shù)據(jù)合理的布置在excel工作表中。

步驟2：確定模型并對模型初始化。

因為是非線性模型，而且是多元的，所以我們這里假設(shè)模型為y=a+b1*x1^2+b2*x2^2。在單元格h2:h4中分別放入?yún)?shù)a，b1，b2初值1，并在單元格d2中輸入公式“=$h$2+ $h$3 *a2^2+$h$4*b2^2”，并將其復(fù)制到公式d3:d19中，在單元格h5中輸入公式“=sumxmy2(d2:d19,c2:c19)/count(d2:d19)”。

步驟3：啟用規(guī)劃求解工具。

在“工具”菜單中選擇“規(guī)劃求解”，打開“規(guī)劃求解”對話框，并在該對話框中做如

圖4-19中設(shè)置，然后點(diǎn)擊“求解”按鈕，并將結(jié)果保存在圖4-20中。

圖4-19規(guī)劃求解參數(shù)的設(shè)置

圖4-20 規(guī)劃求解后的模型結(jié)果

步驟4：根據(jù)獲得的參數(shù)進(jìn)行預(yù)測。

利用規(guī)劃求解的結(jié)果，將參數(shù)a，b1，b2的值及平均家庭收入為80千元，人均交納的稅收為7千元代入模型y=a+b1*x1^2+b2*x2^2，可得建筑許可證的頒發(fā)數(shù)量預(yù)測值為11464.4。

步驟5：將非線性模型與線性模型結(jié)果比較。

將模型假設(shè)為線性模型y=a+b1*x1+b2*x2，并將參數(shù)放置在單元格h8:h11中，重復(fù)步驟2與步驟3，可以看到在線性模型求得的mse為1500179.183，比在非線性模型下求得的mse的值1158258.3大，因此在該實驗中，用二元非線性模型要比用線性模型求解的結(jié)果要好些。

實驗思考

1.如果要用回歸分析報告求解多元非線性模型的參數(shù)，首先要做的工作是什么？怎么做？

答：若要用回歸分析報告求解多元非線性模型的參數(shù)，首先要做的是確定因變量與自變量。并將數(shù)據(jù)合理地布置在Excel表中。

2.現(xiàn)王經(jīng)理經(jīng)過深入調(diào)查研究發(fā)現(xiàn)：建筑許可證的頒發(fā)數(shù)量既與每平方公里的人口密度有著密切的關(guān)系，也與自由房屋的均值有著密切的關(guān)系，此外還與平均家庭收入、人口增長百分比、失業(yè)率、人均交納的稅收等有著相關(guān)關(guān)系，并給出相關(guān)數(shù)據(jù)如表4-5，根據(jù)表4-5中所給的數(shù)據(jù)，想想用什么方法能夠較快的找出合適的自變量建立多元回歸分析模型，并以此預(yù)測建筑許可證的頒發(fā)數(shù)量。

答：可分別求出每一因素調(diào)整前的R2的值與調(diào)整后的R2作比較，再確定其是否影響顯著，以此進(jìn)行選擇細(xì)分。

實驗總結(jié):

本次實驗主要目的是理解數(shù)平滑預(yù)測法、移動平均預(yù)測法、趨勢預(yù)測法、非線性趨勢預(yù)測法、季節(jié)指數(shù)的概念；掌握在excel中建立指數(shù)平滑預(yù)測模型、移動平均模型、線性趨勢預(yù)測模型、非線性趨勢預(yù)測模型、季節(jié)指數(shù)預(yù)測的方法，掌握尋找最優(yōu)平滑常數(shù)、最優(yōu)移動平均跨度、線性趨勢模型參數(shù)、線性趨勢值預(yù)測的各種方法。

實驗五 手機(jī)用戶消費(fèi)習(xí)慣聚類分析

實驗?zāi)康?/p>

? 理解聚類分析的概念； ? 理解聚類分析的原理；

? 掌握在SPSS中進(jìn)行聚類分析的方法。

實驗步驟: 為研究移動用戶的手機(jī)消費(fèi)習(xí)慣，現(xiàn)收集了反映移動用戶手機(jī)使用情況的數(shù)據(jù)，該數(shù)據(jù)中包含7個變量：客戶編號(Customer_ID)、工作日上班時期電話時長(Peak_mins)、工作日下班時期電話時長(OffPeak_mins)、周末電話時長(Weekend_mins)、國際電話時長(International_mins)、總通話時長(Total_mins)和平均每次通話時長(average_mins)。請用SPSS軟件按除客戶編號外的6個變量維度對移動用戶進(jìn)行細(xì)分。部分?jǐn)?shù)據(jù)如圖所示。

移動電話用戶手機(jī)使用情況部分?jǐn)?shù)據(jù)

本次實驗采用迭代聚類方法進(jìn)行數(shù)據(jù)分析。

1.數(shù)據(jù)的初步分析

選擇菜單 打開SPSS文件 telco.sav→分析(Analyze)→描述統(tǒng)計(Descriptive Statistics)→描述(Descriptives…)選入變量 將除“Customer_ID”外的其余6個變量選入變量框(Variables)中

設(shè)置選項 打開Options按鈕，勾選均值(Mean)、標(biāo)準(zhǔn)差(Std.deviation)、最小值(Minimum)、最大值(Maximum)四項

結(jié)果輸出見下圖。

上圖顯示6個變量數(shù)值差異較大，其中均值最大值為1064.3，最小值為4.1267，標(biāo)準(zhǔn)差的取值也從最小的3.804變化到最大的560.801。這種差異會影響聚類分析的結(jié)果。而要消除這種影響，需在聚類前對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

2.標(biāo)準(zhǔn)化處理

在上一步彈出的“Descriptive”對話框中選擇“Save standardized values as variables”，即將標(biāo)準(zhǔn)化值另存為變量，輸出如下圖。

標(biāo)準(zhǔn)化的目的是消除量綱和變異的影響。消除量綱影響，要扣減平均值；消除變異影響，要除以標(biāo)準(zhǔn)差。因此標(biāo)準(zhǔn)化數(shù)據(jù)等于某變量的觀察值減去該變量的平均數(shù)，然后除以該變量的標(biāo)準(zhǔn)差。標(biāo)準(zhǔn)化后各變量的平均數(shù)為0，標(biāo)準(zhǔn)差為1，消除了量綱和變異的影響。如ID為K1000050的用戶工作日上班時間通話時長(Peak_mins)標(biāo)準(zhǔn)化后的值，Peak_mins標(biāo)準(zhǔn)化=（觀察值-均值）/標(biāo)準(zhǔn)差=（40.61-708.347）/515.258=-1.296。

3.聚類分析

選擇菜單 打開SPSS文件 telco.sav→分析(Analyze)→分類(Classify)→K均值聚類(K-Means Cluster…)選擇變量 選入上圖中紅框內(nèi)的6個標(biāo)準(zhǔn)化數(shù)據(jù)變量

設(shè)置選項 主窗口設(shè)置選項如下圖中的