通过R代码实现统计预测与决策方法应用案例

wanghonghong2

统计预测与决策是统计学中重要的一门课，而在当下，用R来实现该学科的各种方法也变得重要了。以下是几个简单的方法：

##一次移动平均法

1. ama<-function(data,n){
   
2.     if(n<1){return(FALSE)
   
3.     }else{
   
4.     forc=rep(NA,length(data)+1)
   
5. for(i in n:length(data)+1){
   
6.     a=i-n;b=i-1;
   
7.     forc[i]<-mean(data[a:b]);
   
8.     }
   
9.     }
   
10.       return(forc)
    
11.    }

复制代码

##一次指数平滑法

1. es<-function(data,a){
   
2. forc=rep(NA,length(data)+1)
   
3. forc[2]=data[1]
   
4.   for(i in 2:length(data)+1){
   
5.      forc[i]=a*data[i-1]+(1-a)*forc[i-1]
   
6.      }
   
7.       return(forc)
   
8. }
   
9. x=c(97,95,95,92,95,95,98,97,99,95,95,96,97,98,94,95)
   
10. es(x,0.1)
    
11. es(x,0.3)
    
12. es(x,0.9)

复制代码

##线性二次移动平均法

1. ltma<-function(data,n,T){
   
2. s1=rep(NA,length(data))
   
3. s2=rep(NA,length(data))
   
4. a=rep(NA,length(data))
   
5. b=rep(NA,length(data)+T)
   
6. proc=rep(NA,length(data))
   
7. for(i in n:length(data)){
   
8.      j=i-n+1;
   
9.      s1[i]=mean(data[j:i])
   
10.       }
    
11. for(p in (2*n-1):length(data)){
    
12.      q=p-n+1
    
13.      s2[p]=mean(s1[q:p])
    
14.      }
    
15. a=2*s1-s2 ;
    
16. b=2*(s1-s2)/(n-1) ;
    
17. for(m in (2*n-1):(length(data)+T-1)){
    
18. proc[m+T]=a[m]+b[m]*T;
    
19. }
    
20.      return(proc)
    
21. }
    
22. 
    
23. x<-c(125,135,195,197.5,186,175,155,190,220,219,226,198,260,245)
    
24. ltma(x,3,1)

复制代码

##评价指标MSE平均误差平方

1. mse<-function(x,y){
   
2.      e=NA;
   
3.      e=x-y
   
4.      mse=mean(e^2,na.rm=TRUE)
   
5.      return(mse)
   
6. }
   
7. x=c(3,10,10)
   
8. y=c(NA,20,20)
   
9. mse(x,y)

复制代码

deideal

感觉没有充分发挥R语言向量语言的特征！

wanghonghong2

deideal 发表于 2014-3-27 22:43
感觉没有充分发挥R语言向量语言的特征！

楼主刚刚开始学习R，不太很懂。请问如果要进一步优化的话，该怎么做呢？

Master

非常感谢分享

x21824182

线性二次移动平均法 中传入的n 和T代表什么

kailugaji

谢谢分享，希望有帮助

kailugaji

谢谢分享，希望有帮助

bytang

非常感谢分享