
学习各种预测数据的方法
除了根据平均值预测数值以外,还有其他方法。本文介绍其中三种,大家来一起学习各种预测数据的方法。
问题:预测参加研究班的10人中昨天饮酒的人数。
1、根据平均值预测
通过统计“认为偏多的人数”和“认为偏少的人数”来预測实际人数。这是根据两种数据的“几何平均值”预测数值的方法。
首先进行问卷调查。针对昨晚饮酒的人数,请研究班的出席者选择“认为偏多的人数”或“认为偏少的人数”。统计回答结果,计算总体的简单算术平均值,并分别计算认为偏多、认为偏少的几何平均值。结果如下图所示。预测值是9.6人,即10人。
2、随机回答法(根据概率计算的方法)
接下来介绍根据概率预测的方法.当难以直接询问实际情况时,可以掺杂着询问其他问题,然后根据回答的概率进行判断,得出真实的答案.以匿名的方式请回答者按照指示回答问题,然后从结果(O)的个数中算出需要预测的数值。山于数据越多概率精确度越搞,因此要求每人回答两次。
由于总共有18人,所以可以预测饮酒者足10人。
3、德尔菲法(应用中位数)
德尔菲法是征询每位成员的预测值,相互参照后再次征询各位的预测值,征询几轮之后,使预测值趋于一致的方法。
首先以匿名方式征询每位成员的预测值,经过几轮之后,将预测值的分布情况和预测结果反馈给全体人员,井统计征询的结果。把具有代表性的中位数作为最终预测值。
(1)第一次直接让每位成员分别把预测人数写在纸上。
把分布结果中占总体l/4和3/4的预测人数公布给参加者。此处的第1/4(从少数派算起站总体的25%)是10人,第3/4(从少数派算起占总体的75%)是l2人。
(2)得知(1)的公布结果后,第二次调查时在此范围内进行回答。如果需要写出选择理由,问答可以超出(1)的范围。回收问卷,公布所有统计结果。若有超出范围的原因(意见),也要公布。此次结果如下所示,超出范围的回答有3人。
超出范围的原因
A、参加研究班不允许迟到,所以没饮酒:预测7人;
B、总体的1/3可能没饮洒,剩下的12人中假设有一半人饮洒:预测6人;
C、业务繁忙没时间饮酒:预测8人。
(3)获得第二次结果并仔细研究后进行第三次预测。由于这次的问答结过逐渐集中,所以把此次作为最终回答,那么判断统计结果的中位数就是预测人数。最终结果如下所示.
由于第二次询问了几个超出范围的理由,所以这次的回答分布比上次分散。统计结果的中位数是2/18,即总体中第9个值=10人。德尔菲法没有限制回答次数,它的目的是集中总体意见,判断总体中位数。
本文介绍了三种预测方法。得出的结果分别是(1)10人(2)10人(3)10人,属于Excel数据分析中优秀的案例。接下来,为了向参加者验证正确答案,请昨晚的饮酒者举手示意。在一片喧哗中,有l0人举手。这说明三种预测方法都是正确的,学习各种预测数据的方法后,实践验证成功应该鼓掌喝彩!请大家尝试运用各种方法进行预测吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21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