京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08