2020/4/28 R O 216 R-O 2020/4/28 R L 320 R-L 2020/4/28 R G 110 R-G 2020/4/28 R D 96 R-D 2020/4/28 P D 144 P-D 2020/4/28 O R 216 O-R 2020/4/28 N G 72 N-G 2020/4/28 N V 156 N-V 2020/4/28 N M 163 N-M 2020/4/28 M V 101 M-V 2020/4/28 M U 101 M-U 2020/4/28 M G 62 M-G 2020/4/28 U A 87 U-A 2020/4/28 O G 235 O-G 2020/4/28 U G 49 U-G 2020/4/28 M C 42 M-C 2020/4/28 U V 98 U-V 2020/4/28 V A 117 V-A 2020/4/28 V C 42 V-C 2020/4/28 V G 496 V-G 2020/4/28 V M 91 V-M 2020/4/28 V N 137 V-N通常情况下,快递需求由两部分组成,一部分为固定需求,这部分需求来源于日常必要的网购消费(一般不能简单的认定为快递需求历史数据的最小值,通常小于需求的最小值);另一部分为非固定需求,这部分需求通常有较大波动,受时间等因素的影响较大。假设在同一季度中,同一“发货-收货”站点城市对的固定需求为一确定常数(以下简称为固定需求常数);同一“发货-收货”站点城市对的非固定需求服从某概率分布(该分布的均值和标准差分别称为非固定需求均值、非固定需求标准差)。请利用附件2中的数据,不考虑已剔除数据、无发货需求数据、无法正常发货数据,解决以下问题。 (1) 建立数学模型,按季度估计固定需求常数,并验证其准确性。求不同季度的“发货-收货”站点城市对的固定需求常数,以及当季度所有“发货-收货”城市对的固定需求常数总和
时间: 2023-09-16 13:16:07 浏览: 36
这是一道数据分析问题。我们可以利用附件2中的数据,对同一季度中的每个“发货-收货”站点城市对的发货需求进行求和,得到该季度所有“发货-收货”城市对的总发货需求。然后,我们可以将总发货需求减去该季度所有“发货-收货”城市对的非固定需求均值的总和,得到该季度所有“发货-收货”城市对的固定需求常数的总和。最后,将该总和除以该季度所有“发货-收货”城市对的数量,即可得到每个“发货-收货”站点城市对的固定需求常数的估计值。
具体地,我们可以按照以下步骤来进行计算:
1. 对于每个季度,计算该季度所有“发货-收货”城市对的总发货需求。
2. 对于每个季度,计算该季度所有“发货-收货”城市对的非固定需求均值的总和。
3. 将步骤1得到的总发货需求减去步骤2得到的非固定需求均值的总和,得到该季度所有“发货-收货”城市对的固定需求常数的总和。
4. 将步骤3得到的总和除以该季度所有“发货-收货”城市对的数量,即可得到每个“发货-收货”站点城市对的固定需求常数的估计值。
需要注意的是,我们需要对非固定需求进行概率分布的建模,以便计算非固定需求均值的总和。具体来说,我们可以选择正态分布、泊松分布等常见概率分布进行建模,并利用样本数据进行参数估计。
另外,为了验证模型的准确性,我们可以利用附件2中的数据进行模型的拟合和验证。具体来说,我们可以将数据集分成训练集和测试集,利用训练集对模型进行拟合,然后利用测试集对模型进行验证。如果模型在测试集上的表现良好,则说明该模型具有较高的准确性。