计算机在经济中的运用.doc

实验1一、表的创建和联系的建立步骤1：创建空数据库“xddbookstore”。在 access 中选择“文件”菜单中的“新建”命令（或单击工具栏中的“新建”按钮），屏幕右边将“新建文件”任务窗格，单击其中的“空数据库”，再在接着出现的 “文件新建数据库”对话框中为即将建立的数据库规定好文件名（xddbookstore.mdb）和存放该文件的适当的文件夹，然后单击“创建”按钮，于是一个名为“xddbookstore”的“数据库”窗口就会出现在屏幕上， 步骤2：数据库中表结构的定义。在“数据库”窗口中的“对象”下，确保选择的是“表”，再双击“使用设计器创建表”，打开“设计”视图。步骤3：保存数据表。单击工具栏上的保存按钮或文件菜单的保存命令，出现如图1-8所示的“另存为”对话框，在表名称项中输入“书”，然后单击“确定”按钮，就可以在xddbookstore数据库窗口中看到保存好的书表了，如图1-9所示。书表定义完毕，单击关闭按钮关闭其“设计”视图。步骤4：定义“响当当”数据库的其他表。方法与书表的定义相同。“响当当”数据库的七个数据表定义完毕后，数据库窗口如图1-10所示。步骤5：“响当当”数据库中表之间联系的建立。单击“工具”菜单的“关系”命令，出现如图1-11所示的“显示表”对话框，分别选择其中的每个表并按“添加”按钮，直到将所有表添加到“显示表”对话框后面的“关系”窗口中， 二、付款方式表的数据输入步骤1：选中需要输入数据的表（如付款方式表）。在图1-10所示的“xddbookstore数据库”窗口的“表”选项卡中选中付款方式表图标并单击“打开”按钮，这时一个名为“付款方式：表”的“数据表”视图窗口便显示出来， 步骤2：输入数据。在如图1-16所示的“数据表”视图中逐行输入付款方式表的各个记录，如图1-16所示。数据输入完毕，关闭该“数据表”视图，access便会将所输入的数据自动加以保存。三、 订单表的数据导入在本书配套磁盘提供的xddbookstore.xls文件中，包含了响当当数据库所有表的数据。可以利用该文件将订单表数据导入到“xddbookstore.mdb”数据库中。步骤1：选择要导入的文件。单击文件菜单的“获取外部数据/导入”命令，出现如图1-17所示的“导入”对话框。单击要导入的文件“xddbookstore.xls”，然后单击“导入”按钮，出现导入数据表向导对话框。步骤2：规定要导入的数据表。在如图1-18所示的“导入数据表向导”对话框中选择“订单表”，在该对话框的下方就会显示出“xddbookstore.xls”文件的“订单表”工作表中所包含的数据，其中的第一行是列标题；单击“下一步”按钮。步骤3：指明在要导入的数据中是否包含列标题。在如图1-19所示的“导入数据表向导”对话框中，选中“第一行包含列标题”复选框，单击“下一步”按钮。步骤4：规定数据应导入到哪个表中，可以是新表或现有的表。在如图1-20所示的“导入数据表向导”对话框的现有的表中选择“订单”表，单击“下一步”按钮，出现如图1-21所示的“导入数据表向导”对话框。步骤5：完成数据导入工作。在如图1-21所示的“导入数据表向导”对话框中单击“完成”按钮，就会出现如图1-22所示的“导入数据表向导”对话框，其中显示的文字表明向“xddbookstore”数据库导入订单表的工作已经成功了。单击其中的“确定”按钮即可。导入数据后的订单表试验1-2一、建立odbc数据源在利用 microsoft office query对“响当当”网上书店进行数据查询之前，必须先建立一个用于连接该数据库的odbc数据源“bookstore”，具体步骤如下：步骤1：启动microsoft office query应用程序。利用windows的文件查找功能，查找名为“msqry32.exe”的microsoft office query应用程序文件，并在桌面上建立指向该应用程序的快捷方式。双击该快捷方式图标，启动microsoft office query应用程序。步骤2：进入“创建新数据源”对话框。在microsoft office query应用程序窗口中，单击“文件”菜单中的“新建”命令或工具栏上的“新建查询”图标按钮，出现如图1-24所示的“选择数据源”对话框。选择“数据库”选项卡中的“新数据源”，再单击“确定”按钮，出现“创建新数据源”对话框。步骤3：输入数据源名字。在“创建新数据源”对话框的“请输入数据源名称”项中输入要定义的数据源的名称（“bookstore”），步骤4：选择数据库驱动程序。在“创建新数据源”对话框的“为您要访问的数据库类型选定一个驱动程序”下拉列表框中选择与“northwind.mdb”相匹配的驱动程序，即“microsoft access driver(*.mdb)”，如图1-26所示。步骤5：定义数据库连接信息，即选择数据源所要引用的数据库“northwind.mdb”。单击“创建新数据源”对话框的“连接”按钮，出现 “odbc microsoft access安装”对话框。单击其中的“选择”按钮，出现如图1-28所示的“选择数据库”对话框。选择“xddbookstore.mdb”数据库后单击“确定”按钮。在随后出现的对话框中连续按2次“确定”按钮后即可完成“ bookstore”数据源的定义， 二、查询设计1低库存量图书信息查询对低库存量信息的查询，如查询库存量小于10的图书的isbn、书名和库存量，需要在查询时设定对库存量的查询要求，如“库存量10”。查询步骤如下：步骤1：选择“bookstore”数据源，进入“查询设计”窗口。启动microsoft office query应用程序，单击“文件”菜单中的“新建”命令， “选择数据源”对话框，单击其中“数据库”选项卡中的“bookstore”数据源，单击 “使用查询向导创建/编辑查询（）”项前面的方框，使其处于未选中状态，再单击“确定”按钮，便可出现“查询设计”窗口及“添加表”对话框步骤2：选择查询中需要使用的表。在“添加表”对话框的“表”列表中选择查询中将使用的表“书”，单击“添加”按钮，就可以将该表添加到“查询设计”窗口的“表”窗格中，单击“添加表”对话框的“关闭”按钮，进入“查询设计”窗口。步骤3：选择要查询的字段。 在“查询设计”窗口的“表”窗格中，分别双击“书”表中需要查询的“书名”、“isbn”、“库存量”等字段，查询结果如图1-32所示。步骤4：添加“条件”窗格，设置查询条件。 单击“视图”菜单的“条件”命令，使“视图”菜单中“条件”项前面出现“?”，便可以在“查询设计”窗口中添加出“条件”窗格。三、查询设计2低库存量图书信息以及出版社信息查询这里先查询库存量小于10的图书的isbn、书名、出版社名称、电话和地址，步骤如下：步骤1：选择“bookstore”数据源，进入“查询设计”窗口。步骤2：选择查询中需要使用的表。在“添加表”对话框的“表”列表中分别选择“书”和“出版社”表，并单击“添加”按钮将它们添加至表窗格，如图1-34所示。步骤3：选择查询字段。在“查询设计”窗口的“表”窗格中，双击“书”表的“书名”和“isbn”字段以及“出版社”表的“出版社名称”、“电话”和“地址”字段，所选字段即可出现在查询结果窗格中。步骤4：设置查询条件。在“条件”窗格的“条件字段”行的第一列中选择“库存量”，并在下一行中输入“10”后回车，即可在“查询结果”窗格中显示响当当网上书店中库存量小于10的图书的isbn、书名、出版社名称、电话和地址等信息。四、查询设计3特定作者图书信息查询有时会员需要了解某个作者编写的图书的信息，例如“boddie, john”编写的图书的信息，通过下列步骤可以得到这些信息。步骤1：选择“bookstore”数据源，进入“查询设计”窗口。步骤2：选择查询中需要使用的表，如“书”，将其添加到“表”窗格中。步骤3：选择“书”表中的所有字段。 在“查询设计”窗口的“表”窗格中，双击“书”表的“*”，该表中所有的字段即可出现在查询结果窗格中，如图1-35所示。步骤4：添加“作者”表。 图1-35的查询结果中显示的是所有作者的图书信息，共有2127本书。从中想找到某个作者的图书信息很困难，因此需要添加查询条件以便将特定作者的信息显示出来。步骤5：设置查询条件，显示查询结果。在“条件”窗格的“条件字段”行的第一列中选择“作者.姓名”，并在下一行中输入“boddie, john”后回车，即可在“查询结果”窗格中仅仅显示“boddie, john”编写的图书的所有信息五、查询设计4低价图书信息查询有的会员去网上购书时，希望能了解低价图书的一些信息，如单价小于10元的图书的书名、出版年份和单价等，下面将设计一个查询，获取相关信息。步骤如下：步骤1：选择数据源并添加表。选择“bookstore”数据源，进入“查询设计”窗口。在“添加表”对话框中选择“书”表，将其添加到“表”窗格中。步骤2：选择字段。在“查询设计”窗口的“表”窗格中，双击“书”表的“书名”、“出版年份”和“单价”字段。步骤3：设置查询条件，显示查询结果。在“条件”窗格的“条件字段”行的第一列中选择“单价”，并在下一行中输入“=2005-7-1 and =2006-6-30”后回车，即可在“查询结果”窗格中显示2005上半年和2006下半年的图书总订购量和总销售金额。此时，若想了解各月份的图书总订购量和总销售金额，只要再查询设计窗口中增加一个“订购月份”分类字段即可三、查询设计3会员订购图书详细信息查询书店工作人员想了解各个会员的会员号、姓名、所在的城市、相应订单的订单号、订单上所订购的图书的书名和订购数量等信息，并要求按会员的城市、会员号和订单号的升序排列。具体查询步骤如下：步骤1：选择“bookstore”数据源并添加“会员”、“订单”、“订单明细”和“书”表。在表之间建立合适的联系。步骤2：选择字段。在“查询设计”窗口的“表”窗格中，双击“会员”表的“城市”、“会员号”、“姓名”字段，“订单”表的“订单号”字段、“书”表的“书名”字段和“订单明细”表的“订购数量”字段。步骤3：规定查询结果的排序方式。 选择“记录”菜单的“排序”命令，在随后出现的“排序”对话框中设置排序方式，如图1-48所示。步骤4：观察查询结果。查询结果如图1-49所示，共84条记录。如果查询结果中包含的记录有1680条的话，请检查一下“会员”与“订单”表之间的联系是否已建立。四、查询设计4各城市会员图书订购数量和销售金额统计书店工作人员想了解位于各个城市的会员在网上订购的图书的总订购数量和总销售金额。查询步骤如下：步骤1：选择“bookstore”数据源并添加“会员”、“订单”、“订单明细”和“书”表。在表之间建立合适的联系。步骤2：选择分类字段和汇总字段。在“查询设计”窗口的“表”窗格中，双击“会员”表的“城市”、“订单明细”表的“订购数量”字段。另外还要构造一个计算字段“销售金额”，方法是直接在某空白列的列标中输入公式“订购数量*单价”；步骤3：规定汇总方式。分别双击“订购数量”和“订购数量*单价”字段的列标，在编辑列对话框的列标项中分别输入“总订购数量”和“总销售金额”字样，并在总计项中选择“求和”。按“确定”按钮后即可查看结果。五、查询设计5被订购图书的作者和出版社信息查询书店工作人员想了解2007年会员“刘丹”所订购图书的作者以及出版社的信息。查询步骤如下：步骤1：选择“bookstore”数据源并添加“会员”、“订单”、“订单明细”、“书”、“作者”和“出版社”表。在表之间建立合适的联系。步骤2：选择查询字段。在“查询设计”窗口的“表”窗格中，双击“书”表的“书名”、“作者”表的“姓名”和“出版社”表的“出版社名称”字段。步骤3：添加查询条件。在条件窗格中添加关于订购日期和会员姓名的条件。步骤4：查看查询结果。会员“刘丹”在2007年共订购了7本图书。实验3-1指导（1）一、运用“数据分析”工具进行指数平滑预测步骤1：确定时间序列的类型。如图3-1所示在单元格a1:b21中布置好公司从1987-2006年的销售量数据。然后，绘制公司从1987年至2006年共20年的销售量折线图，结果如图3-2所示，既没有趋势成分也没有季节成分，呈现出的是围绕一个水平上下波动的时间序列，说明适合用指数平滑法或移动平均法进行预测。本实验的数据是年度数据，建议采用指数平滑预测法。步骤2：利用“数据分析”工具中的指数平滑功能进行预测。在“工具”菜单中选择“加载宏”，在随后弹出的“加载宏”对话框中选择“分析工具库”，然后单击“确定”按钮，将会在“工具”菜单下出现“数据分析”选项。在“工具”菜单中选择“数据分析”，在出现的“数据分析”对话框中选择“指数平滑”，出现如图3-3所示的对话框。在“指数平滑”对话框中，在“输入区域”输入“b2:b21”单元格，“阻尼系数”输入“0.75” （注：阻尼系数=1-平滑常数），在“输出区域”输入“c2”单元格，单击“确定”按钮，将会看到如图3-4中单元格c2:c21的输出结果。将单元格c21往下复制，便得到2007年的指数平滑预测值7.96。二、运用指数平滑公式进行预测步骤1：利用公式 计算指数平滑预测值。如图3-5，在单元格f1中输入平滑常数0.25，在单元格c2中输入公式：“=b2”，作为第一年的预测值（），在单元格c3中输入指数平滑模型预测公式：“=$f$1*b2+(1-$f$1)*c2”。将单元格c3往下复制，便得到2007年的指数平滑预测值7.96。步骤2：绘制指数平滑预测图。利用单元格a2:c22中的数据绘制如图3-6所示的公司销售量指数平滑预测图。通过以上实验能够检验，运用“数据分析”工具和指数平滑公式进行指数平滑预测的预测结果是一致的。“美食佳”公司2007年的销售量指数平滑预测值为7.96，此预测结果是基于平滑常数为0.25所获得的。对没有先期经验的人来说，怎样选择平滑常数呢？又怎么判断所选的平滑常数是最优的呢？下面的实验步骤将指导我们掌握寻找最优平滑常数的不同方法，这些方法同样也适用于寻找其他预测模型的各种参数。三、寻找最优的平滑常数步骤1：计算均方误差。如图3-5在单元格f2中输入公式：“=average(b2:b21-c2:c21)2)”，作为数组运算，需要同时按住shift、ctrl、alt三个键作为输入结束，计算均方误差mse。步骤2：利用模拟运算表及查找引用函数功能，寻找最优平滑常数。如图3-7在单元格e7:e24中给出不同的平滑常数（大于0小于1），在单元格f6中输入公式：“=f2”，选定单元格e6:f24，在“数据”菜单中选择“模拟运算表”，在弹出的对话框中做如图3-8所示的参数设置，利用一维模拟运算表功能计算不同平滑常数下的mse值，在单元格f4中输入公式：“=index(e7:e24,match(min(f7:f24),f7:f24,0)”，找到最优平滑常数为0.35。然后，根据最优平滑常数0.35（将此值代入单元格f1中），2007年的预测值为7.94。步骤3：利用规划求解功能，寻找最优平滑常数。规划求解工具是一个从函数值所要达到的目标出发，反过来确定为达到这个目标，各自变量应取什么值的工具。在“工具”菜单中选择“规划求解”，在弹出的对话框中做如图3-9所示的参数设置，然后单击“求解”按钮，得到如图3-10所示的规划求解结果，其中可变单元格f2中显示最优平滑常数为0.37。根据最优平滑常数0.37，2007年的预测值为7.93。以上两种方法所寻找到的平滑常数都是基于实际销售量与预测销售量的均方误差极小，从理论上证明了所获得的平滑常数是最优的。实验3-2指导（1）一、运用“数据分析”工具进行移动平均预测步骤1：确定时间序列的类型。如图3-11所示在单元格a1:c19中布置好公司从2006年1月至2007年6月的数据。绘制公司从2006年1月至2007年6月共18个月的管理费用折线图，结果如图3-12所示，既没有趋势成分也没有季节成分，呈现出的是围绕一个水平上下波动的时间序列，说明适合用指数平滑法或移动平均法进行预测。本实验的数据是月度数据，建议采用移动平均预测法。步骤2：利用“数据分析”工具的移动平均功能进行预测。在“工具”菜单中选择“数据分析”，在出现的“数据分析”对话框中选择“移动平均”，出现如图3-13所示的对话框。在“移动平均”对话框中，在“输入区域”输入“c2:c19”单元格，“间隔”输入“3”（注：移动平均跨度为3），在“输出区域”输入“d3”单元格，单击“确定”按钮，将会看到如图3-14中单元格d5:d20的输出结果。如单元格d20所示，2007年7月公司管理费用的移动平均预测值为20.3万元。二、运用移动平均公式进行预测步骤1：利用average()函数计算移动平均预测值。在单元格g1中输入移动平均跨度3，在单元格d5中输入移动平均模型预测公式：“=average(c2:c4)”。将单元格d5往下复制，便得到2007年7月的移动平均预测值20.3。步骤2：绘制移动平均预测图。利用单元格c2:d20中的数据绘制如图3-16所示的公司18个月的管理费用及移动平均预测图。通过以上实验能够检验，运用“数据分析”工具和移动平均公式进行移动平均预测的预测结果是一致的。“美食佳”公司2007年7月的管理费移动平均预测值为20.3，此预测结果是基于移动平均跨度为3个月所获得的。对没有先期经验的人来说，怎样选择移动平均跨度呢？又怎么判断所选的移动平均跨度是最优的呢？下面的实验步骤将指导我们掌握寻找最优移动平均跨度的不同方法。三、寻找最优的移动平均跨度步骤1：计算均方误差。此处用到两个函数：sumxmy2()函数和count()函数。sumxmy2()函数的功能是返回两数组中对应数值之差的平方和，它需要两个参数，一个参数是第一个数组或数值区域，另一个参数是第二个数组或数值区域。count()函数的功能是计算某一范围内包含数值的单元格的个数。如图3-15在单元格g2中输入公式：“=sumxmy2(c2:c19,d2:d19)/count(d2:d19)”，计算均方误差mse。步骤2：利用offset()函数辅助进行不同移动平均跨度下的预测。借助average()函数进行的移动平均计算仅对跨度3有效，若跨度改为其他值，则要修改average()函数的参数。为此引入offset()函数解决average()函数的参数范围变化问题。offset()函数的功能是以指定的范围为参照系，通过给定偏移量得到新的范围。返回（求出）的范围可以为一个单元格或单元格区域，并可以指定返回的行数或列数。它需要五个参数，第一个参数是作为参照系的基准位置；第二个参数是相对于这个基准位置向上（用负数表示）或向下（用正数表示）偏移的行数；第三个参数是相对于这个基准位置向左（用负数表示）或向右（用正数表示）偏移的列数；第四个参数是要返回数据范围的行数；第五个参数是要返回数据范围的列数。事实上前三个参数指定了要返回数据范围的起始单元格。在单元格d5中输入公式：“=if(a5=$g$1,average(offset(d5,-$g$1,-1,$g$1,1)”，拖动单元格d5的填充柄向上复制至d2，向下复制至d20，从而可在变化的移动平均跨度下计算移动平均值。将单元格g1中的移动平均跨度改为2，不必改动d列的公式，得到相应的移动平均预测值。 我们可以多次修改单元格g1中的移动平均跨度，并观察单元格g2中的mse值，从中可以发现：当移动平均跨度为5的时候，mse为3.91，达到最小。这就说明如果我们选择移动平均跨度为5进行管理费用的预测，所得到的预测结果20.2可能是最准确的，因为这个跨度下的预测值与实际值的均方误差达到极小。步骤3：利用模拟运算表及查找引用函数功能，寻找最优移动平均跨度。在单元格f7:f21给出不同的移动平均跨度，在单元格g6中给出公式：“=g2”，选定单元格f6:g21，在“数据”菜单中选择“模拟运算表”，在弹出的对话框中做参数设置，则利用一维模拟运算表功能计算出了不同移动平均跨度下的mse值， 在单元格g4中输入公式：“=index(f7:f15,match(min(g7:g15),g7:g15,0)”，找到最优移动平均跨度为5。根据最优移动平均跨度5（将此值代入单元格g1中），2007年7月的预测值为20.2。实验3-3指导（1）步骤1：确定时间序列的类型。在单元格a1:c19中布置好华东分公司从1996年至2006年的销售额数据。绘制华东分公司从1996年至2006年共11年的销售额折线图，结果如图3-21所示，具有较明显的线性趋势成分，呈上升趋势，说明适合用线性趋势法进行预测步骤2：添加线性趋势线。在图中选中数据系列，右键菜单中选择“添加趋势线”，出现“添加趋势线”对话框。在“添加趋势线”对话框的“类型”中选择“线性”。在“添加趋势线”对话框的“选项”中选择“显示公式”和“显示r平方值”， 步骤3：趋势线前推法大致预测线性趋势值。选定线性趋势线，右键菜单中选择“趋势线格式”，出现如图3-26的“趋势线格式”对话框。在“趋势线格式”对话框中选定“选项”，将趋势预测前推1周期，得到如图3-27所示的大致预测结果。由趋势线可见，公司2007年的销售额预测值约为1000万元。步骤4：用方程或函数准确预测线性趋势值。根据得到的线性趋势方程公式y=11.473x+861.98，在单元格c13中输入公式：“=11.473*a13+861.98”，即将x=12（2007年为第12个时间序列点）代入公式，计算得到2007年的预测值为999.66。利用forecast()函数，在单元格c14中输入公式：“=forecast(a13,c2:c12,a2:a12)”，计算得到2007年的预测值为999.65。利用trend()函数，在单元格c15中输入公式：“=trend(c2:c12,a2:a12,a13)”，计算得到2007年的预测值为999.65。用函数计算与用公式计算相比精度上略有一点差异。步骤5：将预测结果在图中表示。同时选中单元格b13和c13，并作为新数据点复制到图形的数据线上。趋势线前推只能在图中看到大致预测结果1000左右，而图看到准确的预测值999.66，且预测值一定在趋势线的延伸线实验4-1指导 步骤1：确定因变量与自变量并输入观测值。根据实验要求，我们确定因变量为建筑许可证的颁发数量，自变量为人口密度，并将数据合理的布置在excel工作表的单元格a1:b19中，如图4-1所示，以备建模使用。步骤2：绘制因变量与自变量关系散点图。利用图的数据，以每平方公里的人口密度为x值，建筑许可证的颁发数量为y值，绘制xy散点图。从这个散点图可以看出每平方公里的人口密度与建筑许可证的颁发数量之间存在着大体上的线性依赖关系。步骤3：求出回归系数a、b的取值，计算判定系数r2，并进行预测。excel提供了几种不同的工具，包括规划求解工具，intercept()、slope()与linest()等内建函数，在散点图中添加趋势线和趋势线方程以及生成回归分析报告等方法来确定回归系数a和b。我们这里介绍利用规划求解的方法来求解回归系数。步骤4：假定回归系数的值，建立线性回归模型。假定回归系数的值为a=1，b=1并将之放在单元格f2:f3中。用回归直线方程y=a+bx以及每平方公里的人口密度来计算建筑许可证的颁发数量预测值，放在单元格c2中，即在单元c2中输入公式“=$f$2+$f$3*a2”，并将此公式复制到c3:c19中，得到建筑许可证的颁发数量预测值。在单元格f5中计算建筑许可证的颁发数量观测值与预测值的均方误差mse，即在单元格f5中输入公式“=average(c2:c19-b2:b19)2)”。步骤5：启动规划求解工具，确定模型最优参数。在如图4-4的“规划求解参数”对话框中将目标单元格设为$f$5，使其等于最小值，将可变单元格设为$f$2:$f$3，无须设置任何约束条件即可直接求解，保存规划求解结果。根据上述回归方程，如果任意给定人口密度（7000），即可预测出建筑许可证的颁发数量（14655.287），步骤6： 计算判定系数r2，说明建筑许可证数量的预测值的可信度。excel有一个专门用来计算一元线性回归判定系数的内建函数rsq()，它需要两个参数，第一个参数是因变量各观测值所在单元格的范围，第二个参数是自变量各观测值所在单元格的范围。将r2的计算结果放在单元格f4中，即在f4中键入公式“=rsq(b2:b19,a2:a19)”，得到r2的值约为0.937。这表明，回归方程可以很好地用来描述建筑许可证的颁发数量与每平方公里的人口密度之间的关系，用此回归方程来进行预测是可信的。实验4-2指导步骤1：确定因变量与自变量。根据实验要求，我们确定因变量为建筑许可证的颁发数量，自变量为自由房屋的均值。并将数据合理的布置在excel工作表的单元格a1:b19中，以备建模使用。步骤2：选择合适的回归方程。利用步骤1中准备的数据画出散点图，如图4-7所示，通过散点图选择合适的拟合函数，建立含未知参数的方程。将建筑许可证的颁发数量（y）与自由房屋的均值（x）之间的关系表述为：y= a + blnx中的参数a与b的值待定。步骤3：假定回归系数的值，建立非线性回归模型。假定回归系数的值为a=1，b=1并将之放在单元格f2:f3中。用回归对数方程y=a+blnx以及自由房屋均值来计算建筑许可证的颁发数量预测值，放在单元格c2中，即在单元c2中输入公式“=$f$2+$f$3*ln(a2)”，并将此公式复制到c3:c19中，得到建筑许可证的颁发数量预测值。在单元格f5中计算建筑许可证的颁发数量观测值与预测值的均方误差mse，即在单元格f5中输入公式“=average(c2:c19-b2:b19)2)”。步骤4：确定参数a与b的值。对于本例的问题，我们采用规划求解的方法来确定参数a与b的值，利用规划求解工具计算出使mse极小的参数a与b。然后点击“求解”按钮， 步骤5：添加趋势线，显示值。散点图中通过添加对数趋势线，并在添加趋势线对话框中的“选项”中选择“显示r2”与“显示公式”，我们发现r2达到0.9441，表明选择对数回归模型预测是可行的。同时我们也检验了趋势线方法与规划求解法所得到的回归方程系数是一样的。步骤6：进行预测。根据对数回归方程，如果任意给定 自由房屋的均值，即可预测出建筑许可证的颁发数量。将x=300，预测出颁发的建筑许可证数量为-78874.08+16877.319*ln（300）=17390.4708 实验4-3指导（1） 步骤1：输入原始数据。首先分析案例中的自变量和因变量，并将数据合理的布置在excel工作表的a1:d19中，以备建模使用。根据实验要求，我们确定因变量为建筑许可证的颁发数量（y），因变量为每平方公里的人口密度（x1）、自由房屋的均值（x2）与平均家庭收入（x3），假设多元线性模型为：y=a+b1*x1+b2*x2+b3*x3。步骤2：分别绘制三个候选自变量与因变量之间的关系图。这个问题涉及到三个候选自变量，每平方公里的人口密度（x1）、自由房屋的均值（x2）与平均家庭收入（x3）。首先分别对每个候选自变量绘制与因变量建筑许可证的颁发数量关系的散点图步骤3：针对每一个候选变量生成回归分析报告。分别对这三个候选变量做回归分析报告，根据值，找出最优的变量。这里我们采用向前增选法，先给出建筑许可证的颁发数量与三个候选变量之间的回归分析报告，分别见图4-16和4-18。步骤4：根据调整后的值确定回归分析所要采用的两元自变量。根据图4-16-图4-18中的结果，发现平均家庭收入的最大，因此平均家庭收入一定在包含两个候选自变量的子集里，下面分别做建筑许可证的颁发数量与每平方公里人口密度x1，平均家庭收入x3及自由房屋的均值x2，平均家庭收入x3之间的回归分析报告5：根据调整后的值确定回归分析所要采用的三元自变量。我们根据上面的分析，确定保留自变量每平方公里人口密度x1，平均家庭收入x3，再加上自变量自由房屋的均值x2做三元回归分析报告。调整后的r2值（0.971956429）并没有超过图4-19中调整后的r2值（0.973825753），说明新加入的自变量（自有房屋的均值x2）与建筑许可证数量的线性相关性不强，如果将它参与回归预测，那么将会影响预测结果。步骤6：根据回归分析报告结果，确定多元自变量及回归模型。r平方，调整后的r平方值进行比较，找出最大的那个，其对应的变量就是我们最后要保留的变量。经过比较发现，最大值为0.973825753，对应的候选变量每平方公里的人口密度x1，平均家庭收入x3，因此直接利用每平方公里的人口密度与平均家庭收入建立模型。根据图4-19中的结果，可得相应的参数分别为a=-32006.239，b1=2.50556935948966，b3=309.1784424053248，回归模型为y=-32006.239 +2.50556935948966*x1+309.1784424053248*x3，将每平方公里的人口密度为7000，平均家庭收入为80代入模型，即可预测出建筑许可证的颁发数量为10267.21。实验4-4指导步骤1：确定因变量与自变量。根据实验要求，我们确定因变量为建筑许可证的颁发数量（y），因变量为平均家庭收入（x1）与人均交纳税收（x2），并将数据合理的布置在excel工作表中， 步骤2：确定模型并对模型初始化。因为是非线性模型，而且是多元的，所以我们这里假设模型为y=a+b1*x12+b2*x22。在单元格h2:h4中分别放入参数a，b1，b2初值1，并在单元格d2中输入公式“=$h$2+ $h$3 *a22+$h$4*b22”，并将其复制到公式d3:d19中，在单元格h5中输入公式“=sumxmy2(d2:d19,c2:c19)/count(d2:d19)”。步骤3：启用规划求解工具。在“工具”菜单中选择“规划求解”，打开“规划求解”对话框，并在该对话框中做如图4-23中设置，然后点击“求解”按钮，并将结果保存步骤4：根据获得的参数进行预测。利用规划求解的结果，将参数a，b1，b2的值及平均家庭收入为80千元，人均交纳的税收为7千元代入模型y=a+b1*x12+b2*x22，可得建筑许可证的颁发数量预测值为11620.26。步骤5：将非线性模型与线性模型结果比较。将模型假设为线性模型y=a+b1*x1+b2*x2，并将参数放置在单元格h8:h11中，重复步骤2与步骤3，可以看到在线性模型求得的mse为1494365.937，比在非线性模型下求得的mse的值1152611.924大，因此在该实验中，用二元非线性模型要比用线性模型求解的结果要好些。实验8-1指导 一. 输入初始参数，生成贴现率随机数，计算项目收益（净现值）。步骤1：输入项目名称和初始参数。在工作表的单元格B2中输入模型名称“项目投资风险分析模型”，在单元格B4:C9中输入模型的初始参数名称和值，如图8-1所示。骤2：生成贴现率随机数。根据实验要求中的规定，年贴现率为服从（5%，10%）区间的均匀分布，故在单元格C8中输入如下的公式：“=5%+(10%-5%)*ROUND(RAND(),2)”。步骤3：计算项目收益（净现值）。为计算项目收益，在单元格C9中输入如下的公式：“=PV(C8,C5,-C6)-C4”。二. 建立试验区，试验次数是2000。设计安排在E4:F2004为试验区。步骤1：输入模拟的次数。在单元格E5:E2004中输入试验次数,从12000 。步骤2：利用模拟运算表建立试验区。在单元格F4中输入公式：“=C9”,对项目收益进行试验。先选中单元格E4:F2004，然后选择“数据/模拟运算表”命令，在如图8-2所示的对话框中输入空白单元格地址$N$1（虚变量），单击“确定”按钮。三. 建立统计区。步骤1：将2000次试验的结果进行排序。选中2000次试验的结果,即单元格F5:F2004,将其复制到单元格H4:H2003，并对其按降序排列。步骤2：计算项目净现值超过某个值的概率。在第1个项目净现值单元格H4的右边单元格I4中输入公式：“=1/2000”；在第2个项目净现值单元格H5的右边单元格I5中输入公式：“=H4+1/2000”；并双击单元格I5的填充柄将该公式向下复制，得到每个项目净现值超过某个值的概率。四. 绘制项目净现值超过特定值的概率图。步骤1：利用单元格H4:I2003中的数据，绘制散点图。步骤2：计算项目净现值的最大值和最小值。如图8-4所示，在单元格K3:K4中输入“净现值最大值”和“净现值最小值”字样，并在单元格L3:L4中利用MAX()和MIN()函数计算项目净现值的最大值和最小值，假设计算结果分别是“15826”和“-7831”。步骤3：制作一个值范围在项目净现值最小值和最大值之间的，步长为“100”的微调项。该微调项的格式设置如图8-5所示。步骤4：布置净现值参考线计算区域，计算该参考线坐标。在单元格K7:L9中输入净现值参考线坐标的计算公式， 步骤5：在前面绘制的项目净现值超过特定值的概率图中添加净现值参考线，以及用以调节当前净现值的微调项， 骤6：实验结果分析。调节项目净现值超过特定值的概率图中的微调项，即可在图中看到净现值超过该特定值的概率，项目净现值超过100的概率是60.65% 。实验8-2指导（1）一. 建立输入区，输入初始参数步骤1：输入项目名称和输入区标题。在工作表的单元格B2中输入模型名称“项目管理的风险分析模型”，在单元格B4中输入“1. 输入区初始参数”。步骤2：输入项目的活动和时间参数。在B5:H11中内输入模型的初始参数， 二. 建立生成区步骤1：输入生成区标题和框架。在单元格B13中输入标题“2.生成区”，并在单元格B14:C23中输入生成区的框架，如图8-11所示。步骤2：输入A、B、E、F随机数。在C14:C17的各个单元格内输入公式：“=ABS(rand()”,以生成A、B、E、F随机数。步骤3：生成各活动的活动时间。由于活动C的活动时间是一个固定值“3”，活动D的活动时间是固定值“12”，所以可以直接在单元格C20和C21中输入“3”和“12”。活动A、B、E、F的活动时间请根据前面提供的公式计算，这里仅给出活动A的活动时间计算公