贝叶斯预测模型

1、贝叶斯预测模型贝叶斯预测模型的概述贝叶斯预测模型是运用 贝叶斯统计 进行的一种预测.贝叶斯统计 不同于一般的 统计方法，其 不仅利用模型信息和数据信息，而且充分利用先验信息。托马斯贝叶斯(Thomas Bayes)的统计预测方法是一种以动态模型为研究对象的时间序列预测方法。在做统计推断时，一般模式是：先验信息+总体分布信息+样本信息 r 后验分布信息可以看出贝叶斯模型不仅利用了前期的数据信息，还参加了决策者的经验和判断等信息，并将客观因素和主观因素结合起来，对异常情况的发生具有较多的灵活性。这里以美国1960 2005年的出口额数据为例，探讨贝叶斯统计预测方法的应用。编辑Bayes预测模型及其

2、计算步骤此处使用常均值折扣模型，这种模型应用广泛而且简单，它表达了动态现行模型的许多基本概念和分析特性。常均值折扣模型对每一时刻t常均值折模型记为DLMI, 1, V,阻折扣因子a,O a98 J061D10SH114J4S。眼142 075序号21Z223Z425262728数据数据飒252VD4421U57202199219.92621391522334425OJMHD73序号3132333435抚打3d39敷据敷据414g456.9435WZH59575汹612,113M&36667Q.416序号414243444546ftffi171.W718.7U687.4227J3.415

3、颂3】6睥631财4如40表2常均值折扣模型计算结果敬据序号_预测分布f序号L预测分布_211B3. 9966131438.99822223.9%835455-豹86423236.998963650k 99632242U.0020837574. 9S4162520L00083861L 9970426218, 9985639677,9947227215.0003240670,0006128222. 9993641682, 9989629249. 9978442770. 992963031瓦994443718- 00423931358. 99688中1682. 0028S32366.9977645

4、712.9915233411 997S44fi湘&99248通过The SAS System for Windows 9. 0软件回归分析得到抛物线预测方程：&= 1752456 1786.85019心 +0.4554岫叫表示年份见表3给出了1980-2006年的预测信息表3抛物线回归模型计算结果数据Xt预测值L _预测值1980156,41581993452, 44981981【73.7219199448、5984198291,93891995511.6579J 98321h 06691996542.6284198423L 10591997574.50991985252.05

5、581998607. 30231986273. 91671999641.00571987296. 68862000675. 621988320. 3714200171 L H531989344. 96522002747.58151990370. 46992003784.92871991396.88562004823,21222005862. 356编辑计算结果分析对预测结果的准确度采用平均绝对百分误差MAPE分析。公式如下：MAPE =为*100%根据表l和表2对1980-2005年出口额的预测结果可知， 常均值折扣模型所得结果的平均 绝对百分误差MAPE=8.1745%，而由抛物线回归模型所得结果的平均绝对百分误差为9.5077% 。由此可见这组数据中，使用贝叶斯模型预测的结果更为精确。对于随机波动、变化相对稳定的数