京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23