《市场调查与预测(第2版)》计算题答案
第四章 抽样技术
10.解:已知 平均数=620.5,标准差=108.2,置信度=95%,相对误差=5% 可求得:
=1.96,绝对误差Δ=620.5×5%=31.025(元)
若采用重复抽样,
简单随机抽样的(初始)样本量2
2
20025312108961...n ?==46.724≈47
分层抽样的样本量1n =47?0.7≈33
若采用不重复抽样(总体单位数即全校在校大学生人数为N ),
简单随机抽样的(初始)样本量22222
22σσαα//Z N Z n +?= 可简化为:N
n n n 001+= 。 可见N 很大时,不重复抽样与重复抽样所需的初始样本量相差甚微,如N=10000时则不重复的简单随机抽样的初始样本量为:
514610000
724461724
462108961025311000010000210896122222./.......n =+=?+???=≈47
11.解: (1)已知样本优质品率p =55/60,置信度=95%,则
=1.96,可求得:
总体优质品率的抽样极限误差%..7069935060605
6055961≈=??
=? (2)若Δ=3%,重复的简单随机抽样下的初始样本量为
2
20306056055961..n ?
?=
=326.06≈327
12. 高 中 低 合计
总体(万户) 12 83 25 120 样本量(户) 1000 6916.666667 2083.333 10000 取整数后
1000 6917 2083
10000
样本量(户)
13.解: 已知n=400,x =320,S =45,样本成数p =48/400=12%,置信度=95.45%,
=2。可求得:
(1)平均支出额的抽样平均误差400
45
=
x μ=2.25(元) 平均支出额的抽样极限误差Δ=2?2.25=4.5(元)
总体平均支出额的区间为(320±4.5)即(315.5,324.5)元。 (2)所求比重(成数)的抽样平均误差400
88
.012.0?=
p μ=1.625%
所求比重的抽样极限误差Δ=2?1.625%=3.25%
总体比重的置信区间为(12%±3.25%)即(8.75% , 15.25%)。
第七章 市场预测原理
8.解:
表7-1 预测误差计算表
其中,i e 为各预测值与实际值之间的离差
平均误差 3333.312
40
11==
=∑=n i i i e n e 平均绝对误差 6667.1612200
11==
=∑=n i i e n MAE 均方误差 3333.48312
5800
112==
=∑=n i i e n MSE 标准误差 9848.2112
5800
112===∑=n i i e n RMSE 第八章 经验判断预测法
据A 市的抽样调查,推断A 市2014年的商品需求率为0.12台/百户,据此可预计A 市商品需求量为: 15000*0.12=1800台
现根据A 市的调查数据和各城市与A 市之间销售比例关系,来预计明年五个城市的市场需求总量,计算如表8-8所示。
第一步,计算各城市销售率Q=Y/F ;
第二步,计算销售率比。以A 城市为基准,用各城市销售率与A 市销售率相比,即
A i Q Q /,如
B 市销售率比为0.0950/0.0100=0.9500,说明若A 市销售量为100台,B 市的
销售量可达到95台。
第三步,计算各城市需求率。以A 市需求率调查预计数为基础,A 市明年需求率为
%12=A G ,其他城市的需求率为A A i G Q Q *)/(。
第四步,根据各城市的需求率和家庭数,对需求量进行预测,需求量=F*G,预测结果,2014年五个城市对该商品的需求总量为11 496万台。
6.解:
表8-9 营业员明年销售预测值
第二步,根据4名营业员的预测值及其权数资料,可计算出公司明年销售额预测值为
9091.9825
.52
*9755.1*9601*10511*965=+++=
=
∑∑f
xf x (万元)
7.解: 表8-10 各轮专家预测结果
(1) 结果见表8-10所示。
(2) 在第四轮预测中,各专家已不再修改自己的预测数据,表明各专家的预测结果已趋于一致。通过对专家意见的汇总,预计该公司产品2014年市场需求率为285万台。 (3) 极差较大,有必要进一步分析原因。
第九章 时间序列预测法
7.解:(1)2020年生产量=100? (1+10%)6=177.1561(万双)
(2)年平均增长速度=100%-%10026?=11.22%
月平均增长速度=100%-%10011220112?+.=0.967%
8. 第17周的移动平均预测值=(72.5 +71.7+72.1+72.8+73.0)/5=72.42
指数平滑预测=0.4?73+0.6?72.573=72.744
9.(1)根据2005-2014年的数据计算:
年平均增长量1
10150
315--=
=18.333(万吨标准煤)
年平均增长速度=9
150
315
=×100%-100%=8.593% (2)按(1)计算的年平均增长量预测,2015年能源消费总量=315+18.333=333.333(万吨标准煤);2016年能源消费总量=315+18.333×2=351.666(万吨标准煤)
按(1)计算的年平均增速预测,2015年能源消费总量=315×108.593%=342.068(万吨标准煤);2011年能源消费总量=315×108.593%^2=371.462(万吨标准煤)。
(3
=-?=-=2425362902M M 222014120142014..a )
()
(327.96 )..()(b )
()(2425362901
52M M 1-N 222014120142014--=-=
=14.944 1201420142015?+=b a y ?
=327.96+14.944×1=342.904(万吨标准煤) 2201420142016?+=b a y ?
=327.96+14.944×2=357.848(万吨标准煤)
指数平滑预测:
0352527172812222014120142014..E E a )
()
(-?=-==311.398 )E E (..b )
()(2201412014201430130--=
)..(..0352527172813
0130--==12.721
1201420142015?+=b a y ?
=311.398+12.721×1=324.119(万吨标准煤) 2201420142016?+=b a y ?
=311.398+12.721×2=336.840(万吨标准煤)
(5)利用表中全部数据绘制时序图,用EXCEL 数据分析中的“添加趋势线”可判断,二次曲线预测模型较为适合【注:二次曲线的判定系数高于指数曲线,三次曲线与二次曲线相比,判定系数略高一点但模型参数过多,所以可认为二次曲线预测模型较为适合,见下图】。
491160083687702.t .t .y ?+-= 判定系数R 2=0.9762
2015年(t=21)预测值:
4911621008321687702...y ?
+?-?==356.5977(万吨标准煤) 2016年(t=22)预测值:
4911622008322687702...y ?+?-?==383.1608(万吨标准煤)
数80.958为基数,分别乘以各月的季节指数即得2015年各月的预测值(实际上也就等
于各月的同期平均数),将12个月的预测值加总即是全年的预测值971.5(单位:万千瓦小时)。
11.解:将时间序列平均分为两段,m=6,分别求和得:
1t y ∑=186,2t y ∑=407,由公式1m -1
()(-1)t b b a y mk b b ?=??
??=∑-??
可得:
若设K=90(%),则b=0.84946,a=-100.4925,所估计模型为:
t t y
84946.04925.10090??-= 未来两年(t=13、14)的普及率(%)的预测值分别为:77.95和79.76。
若设K=100(%),则b= 0.88056,a=-105.1949,所估计模型为:
t t y
88056.01949.105100??-= 未来两年(t=13、14)的普及率(%)的预测值分别为:79.87和82.27。
12. 解:(1)估计逻辑斯蒂曲线
将时间序列平均分为三段,m=4,对原始序列(拥有量X )的各项数据求倒数(记为
Y ,y=1/x ),分段求和分别得:1t y ∑=0.0612,2t y ∑=0.0127,3t y ∑=0.0062,可得:
b =21m 2
-1
()(-1)t t b a y y b b =∑-∑= 0.0423
11-1
()-1m t b k y ab
m b =∑-=0.0013 于是可得拥有量倒数序列
Y 的修正指数曲线趋势模型为:
t t y
60448.00423.00013.0??+=,由此可得拥有量序列X 的逻辑斯蒂曲线为: t
t x 60448
.00423.00013.01
??+= 按上述逻辑斯蒂曲线模型求第13、14年(t=13、14)的拥有量预测值,分别为732.63、745.78万辆。
(2)估计龚泊兹曲线
将时间序列平均分为三段,m=4,对原始序列(拥有量X )的各项数据求对数(记为Y ,y=lgx ),分段求和分别得:1t y ∑=7.4886,2t y ∑=10.1069,3t y ∑=11.2364,可得:
b =0.810416,
21m 2
-1
()(-1)
t t b a y y b b =∑-∑=-1.89427 11-1
()-1m t b k y ab
m b =∑-=3.02328 于是可得拥有量对数序列
Y 的修正指数曲线趋势模型为:
t t y
810416.089427.102328.3??-=,还原为逻辑斯蒂曲线的参数估计值: ,0739.10551002328.3= 012757.010
89427
.1=- 由此可得拥有量序列X 的逻辑斯蒂曲线为:t
t x
810416.0012757.00739.1055??= 按上述逻辑斯蒂曲线模型求第13、14年(t=13、14)的拥有量预测值,分别为794.46、838.36万辆。
【注第11~12题的计算量较大,可作为选做练习题。】
第十章 回归预测法
8.解:EXCEL 回归输出结果(工龄为自变量X,销售额为因变量Y ):
回归统计
Multiple R 0.964565 R Square
0.930385 Adjusted R Square 0.921683 标准误差 4.609772
观测值 10
方差分析
df
SS MS F Significance F
回归分析 1 2272 2272 106.9176
6.61E-06
残差 8 170 21.25
总计
9
2442
Coefficients
标准误差 t Stat P-value
Intercept 80 3.075345 26.01334 5.12E-09 工龄(X )
4
0.386843
10.3401 6.61E-06
(1)回归方程为:x y
480?+= (2)显著性水平“Significance F”为 6.61?10-6,表明回归方程方程显著。
该回归方程的回归标准误差为4.61,R 2(即R Square )高达0.93,拟合效
果很好。
(3)若x=12,销售额的点预测值为12480??+=y
=128(万元) x =7,2)(x x -∑=142,置信度95%,)8()2(025.02/t n t =-α=2.306,
2
2
2/)()
(112)-n x x x x n S t f e -∑-++
??=?(α
142
)712(101161.4306.22
-+
+??=?=12.008 销售额的预测区间为(128-12.008,128+12.008)即(115.992,140.008)
9.解:(1)从相关表和散点图来判断,平均加工速度与产品优质品率呈现负相关关系。
(2)可建立一元线性回归方程:x y
667.035.95?-= 判定系数R 2=0.741
回归估计标准误差Se= 4.367
回归方程的显著性检验的F=17.173,观察的显著性水平为0.00605,远远小于给
定的显著性水平0.05。所以在给定的显著性水平下,所求的回归方程是显著的。
(3)x=50、65(件/时),可预测产品优质品率分别为61.998%和55.327%。 (4)x= 45.5(件/时),点预测值=65,
x =45.5,2)(x x -∑=736,置信度90%,)6()2(05.02/t n t =-α=1.943,
22
2/)()
(112)-n x x x x n S t f e -∑-++
??=?(α
736
)5.455.45(811367.4943.12
-+
+??=?=9.00 产品优质品率的预测区间为(65-9.00,65+9.00)即(56%,74%)。
10.解:(1)EXCEL 回归输出结果如下:
回归统计
Multiple R 0.994122 R Square
0.98828 Adjusted R Square 0.986901 标准误差 36.13109
观测值 20
方差分析
df
SS
MS F Significance F
回归分析
2
935655.6
716.7274
3.86E-17
残差 17 22192.74
1305.455
总计 19
Coefficients
标准误差 t Stat P-value
Intercept 83.55786 43.84128 1.905918 0.073713 X Variable 1 0.038075 0.010854 3.507942 0.002697 X Variable 2
0.732149
0.105887
6.914419
2.5E-06
回归方程为:17320038055883-++=t t t y .x ..y ?
由回归输出结果可见,回归方程及回归系数都能够通过显著性检验(对应的各
个检验P 值都很小)。
(2)x=15000,17421=-t y ,所求预测值=t y
?1930.081
11.解:
(1)样本量=30,复相关系数=0.942,判定系数=0.887,修正的判定系数=0.874,回归估计标准误差=3.125.
(2)所估计的回归方程为321224.1165.0714.0827.29?x x x y
+-+=,检验统计量F=68.28,显著性水平几乎为0,回归方程非常显著。
(3)当X 1=128、X 2=40、X 3=55时,点预测值为=y
? 181.939 根据大样本情况下的近似预测公式,置信度95.45%,2/αZ =2。因变量Y 的预测误差Δ=/2e Z S α=23?.125=6.25。因变量Y 的预测区间为:(181.939-6.25,181.939+6.25),即(175.689,188.189)。