
如何使用Excel规划求解求出最优生长曲线
Excel支持线性近似、多项式近似等六种近似曲线,但是不支持生长曲线。
生长曲线的特征与Product Life cycle(PLc)十分相似,首先缓慢增长,然后急速增长,随后又缓慢增长,最终达到饱和状态,是一种s型曲线。经常用于表示商品销量、广告效果等。
使用规划求解求出最优生长曲线,进行预测。
例题:用最优生长曲线预测
表1是某商店新产品累计销量的数据。根据这些数据,预测从第16周到第24周的累计销量。
表1
成长曲线包括逻辑曲线、龚培子曲线等许多类型。本节使用经常用于预测销量等的逻辑曲线。
逻辑曲线的方程如下:
y=a/(1+6P")
假设商品的累计销量是y,周是z(1,2,3,…,l 5),abc是决定逻辑曲线形状的参数(未知参数)。a表示最终累计销量,b大约是a的1/10,c是0<c<1。
求解参数d.b.c,就是求当实际值和运算结果(用逻辑曲线方程求出的数值)的误差平方的总和最小时的a,b,c的数值。
首先,制作如图1所示的工作表。规划求解可以求出参数a,b,c的数值,但是需要首先设定适当的数值。因为累计销量是190,因此假设a是250,b是25,c是0.5。
图1
接着,输入运算公式。在单元格C8中输入逻辑斯蒂曲线方程。=$B$2/(1+$B$3*EXP(-$B$4*A8))”。EXP是Excel的指数函数。因为参数a,b,c的单元格固定,所以作为绝对引用(添加$)。然后把C8的公式一直复制到C31。
为了求实际销量(实际值)和用公式求出的数值(运算结果)之间的差的平方,即(实际值-运算结果)2,在单元格D8中输入“=(B8一c8)^2”,然后把D8的公式一直复制到D22。
最后,为了求误差平方的总和,在单元格D23中输入公式“=SUMM(D8:D22)”。上述数学公式的设定一览表,如图2所示。
图2
接下来,运行规划求解。单击“工具”-“规划求解”,弹出“规划求解参数”对话框。在“设置目的单元格”中指定显示误差平方总和的单元格D23。在“等于”中选择“最小值”。在“可变单元格”中指定表示参数a,b,c的单元格B2——B4。单击“选项”按钮,在“规划求解选项”对话框中选中“假定非负”。
最后,在“规划求解参数”对话框中单击。求解”按钮,显示如图3所示的结果。
图3
参数a,b,c的值是:a=320.89,b=58.45,c=0.29。因此,最优逻辑曲线方程是:
累计销量=32l/(1十58/5e-0.29*周)
用这个方程计算出第16周到第24周的累计销量的预测值(运算结果)。显示在单元格c23——c31中。将运算结果图表化后如图3所示,从中可以看出。实际值和用规划求解求出的最优逻辑曲线非常稳合。
图4
作为参考,把上述数据用Excel支持的近似曲线中的线性近似和对数近似表示出来,分别如图4和5所示。关于指数近似、幂近似、多项式近似,请读者自己尝试操作。
图5
图6
使用Excel规划求解求出最优生长曲线,还是比较简单的,根据图表我们也可以清楚的看到数据分析预测的情况。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11