经济预测与决策课程实验报告参考解答

fcheck <­ function(n){ iter=0 if (n<=0 | n!=trunc(n))
list(out="要求输入一个正整数",iter=iter) else{
repeat { if (n==1) break else if (n%%2==0) n=n/2 else n=3*n+1 iter=iter+1
)
%
%%%%%%%%
1 100
103 106
108 110
112 114
116 118
2
98
100 103
105 108
112 115
117 118
3 102
106 107
109 112
115 116
118 120
4
96
100 104
106 107
110 112
116 119
5 104
108 109
age=c(14, 15, 16, 14, 15),
height=c(156, 165, 157, 162, 159),
weight=c(42, 49, 41.5, 52, 45.5)); df
4 外部数据文件读取 1〉将 3 中数据表的数据写成一个纯文本文件（空格分隔），用函数 read.table() 读该文件，然后再用函数 wriite.csv()写成一个能用 Excel 表能打开的文件，并用 Excel 表打开. 解：
m+c(‐6,6)
rt <­ read.table("I:/r1_4.txt", header=T);rt
write.csv(rt,"I:/r1_4.csv")
5 流程控制与自编函数 1〉编写一个 R 程序(函数).输入一个整数 n.如果 n<=0，则中止运算，并输出一句 话:"要求输入一个正整数";否则，如果是偶数，则将 n 除 2,并赋给 n;否则将 3n + 1 赋给 n.不断循环，只到 n=1,才停止计算，并输出一句话: "运算成功".这个例子是 为了检验数论中的一个简单的定理.（进一步修改，若 n 非整数也同 n<=0 一样中 止运算并输出）
1 500 750 900 600 750 900 550 750 900
2 200 450 600 300 500 650 400 500 650 3 400 600 800 500 700 800 500 700 800 4 750 900 1500 600 750 1500 500 600 1250 5 100 200 350 220 400 500 300 500 600
经济预测与决策课程实验参考解答
R 基础实验报告
1 数据向量的建立与运算 1〉建立一个 R 文件，在文件中输入变量 x=(1,2,3)T,y=(4,5,6)T, 并作以下运算： （1）计算 z=2x+y+e,其中 e=(1,1,1)T; （2）计算 x 与 y 的内积 （3）计算 x 与 y 的外积 2〉构造一个向量 x，向量是由 5 个 1, 3 个 2，4 个 3 和 2 个 4 构成，注意用到 rep() 函数 解: 1> 文件‐>新建程序脚本,在打开的窗口中输入下面程序: x=c(1,2,3) y=c(4,5,6) e=rep(1,3) z=2*x+y+e;z x%*%y x%o%y 完成输入后保存文件. 2> x=rep(c(1,2,3,4),c(5,3,4,2));x
mean(zg[2:10])
m=median(mean(zg[2:10]));m
2、估计误差不超过 6 万元的预测区间及置信度 用中间值 109.375 作为期望的估计值 ，设定预测误差为 6，则预测区间为 （109.375‐6，109.375+6）=( 103.375,115.375)位于第（p3）栏到第（p8）栏，置 信度约为 0.875‐0.25=0.625。R 指令如下：
据可以获得。公司需要对可能的销售量做出预测，以决定产量。于是该公司成立
专家小组，并聘请业务经理、市场专家和销售人员等 8 位专家，预测全年可能的 销售量。8 位专家提出个人判断，经过三次反馈得到结果如下表所示。
专家 编号
第一次判断
第二次判断
第三次判断
最低 最可能 最高 最低 最可能 最高 最低 最可能 最高 销售量 销售量 销售量 销售量 销售量 销售量 销售量 销售量 销售量
G=B[,‐3];G
2>
nH=matrix(rep(1:5,5)+rep(0:4,rep(5,5)),ncol=5,byrow=T);nH
H=1/nH;H det(H) #行列式 solve(H) #逆矩阵 eigen(H) #特征值特征向量
3 列表、数据框的建立 1〉己知有 5 名学生的数据，如表所示.用数据框的形式读入数据. 序号 id 姓 名 性 别 年 龄 身 高 体 重
（1）计算 HiLbert 矩阵 H 的行列式；（2）求 H 的逆矩阵;（3）求 H 的特征值和 特征向量。 解: 1> A=matrix(1:20,ncol=5);A B=matrix(1:20,ncol=5,byrow=T);B C=A+B ;C D=A%*%t(B) ;D E=A*B ;E
F=A[1:3,1:3];F
6 300 500 750 300 500 750 300 600 750
7 250 300 400 250 400 500 400 500 600
8 260 300 500 350 400 600 370 410 610 平均数 具体预测要求： 平均值预测 加权平均预测（按 0.20、0.50 和 0.30 的概率加权） 中位数预测
1 2 3 4 5 解：
name 张三 李四 王五 赵六 丁一
sex
age
height
weight
女
14
156
42
男
15
165
495
男
14
162
52
女
15
159
45.5
df<­data.frame(id=1:5, name=c("张三", "李四", "王五", "赵六", "丁一"), sex=c("女", "男", "女", "男", "女"),
50%预测区间 解： 0、数据准备： R 指令如下： Id=as.character(1:8) #生成序号序列 #生成各列调查反馈数据 MinQ1=c(500,200,400,750,100,300,250,260) Q1=c(750,450,600,900,200,500,300,300) MaxQ1=c(900,600,800,1500,350,750,400,500) MinQ2=c(600,300,500,600,220,300,250,350) Q2=c(750,500,700,750,400,500,400,400) MaxQ2=c(900,650,800,1500,500,750,500,600) MinQ3=c(550,400,500,500,300,300,400,370) Q3=c(750,500,700,600,500,600,500,410) MaxQ3=c(900,650,800,1250,600,750,600,610) #下面将上述各列合成数据框（表格） dlf=data.frame(Id,MinQ1,Q1,MaxQ1,MinQ2,Q2,MaxQ2,MinQ3,Q3,MaxQ3);dlf #计算表格中 2~10 列的平均值、标准差 avg=mean(dlf[2:10]);avg sd(dlf[2:10]) #从标准差的逐渐变小可见预测呈收敛趋势 1、平均值预测 用第三轮的平均最低销售量、平均最可能销售量、平均最大销售量的平均来预测 新产品的平均销售量，得到新产品销售量预测值为 585。R 指令如下： mean(avg[7:9])
p9=c(118,118,120,119,120,117,119,116) #下面将上述各列合成数据框（表格）
zg=data.frame(Id,p1,p2,p3,p4,p5,p6,p7,p8,p9);zg 1、用中位数估计 05 年的销售额 用各主观概率预测数平均值的中位数估计 05 年的销售额为：109.375。R 指令如 下：
p4=c(108,105,109,106,112,106,108,104)
p5=c(110,108,112,107,114,108,110,106)
p6=c(112,112,115,110,116,112,113,110)
p7=c(114,115,116,112,117,114,115,112)
p8=c(116,117,118,116,118,116,117,114)
4、50%预测区间 用第三轮数据的上（下）四分位点的加权平均构造预测区间（50%置信区间）得： [502.75，660.00]。R 指令如下：
m8du=quantile(dlf[,8], probs = c(0.25,0.75)) #计算 25%和 75%分位数 m9du=quantile(dlf[,9], probs = c(0.25,0.75)) m10du=quantile(dlf[,10], probs = c(0.25,0.75)) mdu=data.frame(m8du,m9du,m10du);mdu as.matrix(mdu)%*%c(0.2,0.5,0.3) #用矩阵乘法将 50%预测区间加权平均
2 主观概率应用
某企业欲采用主观概率法预测 2005 年的产品销售额，并要求误差不超过 6 万元，