
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04