主题
数学建模中的误差与不确定性
误差量化已经发生的偏差
预测误差可以定义为
观测值也可能有误差。例如库存已经售罄,当天卖了 90 份,只知道需求至少为 90 份。这一条记录无法直接提供真实需求误差。应根据记录产生的过程解释误差指标。
区分影响结论的来源
| 来源 | 例子 | 可做的检查 |
|---|---|---|
| 随机波动 | 相同天气、相同星期的客流仍波动 | 比较类似日期的波动范围 |
| 参数不确定性 | 少数日期估计出的促销效应幅度 | 做合理范围的扰动或按设计重抽样 |
| 模型结构偏差 | 用固定增长模型预测遇到容量上限的系统 | 检查残差模式,和含容量机制的模型比较 |
| 测量与数值误差 | 计数漏记,或数值积分步长太大 | 双源交叉核对,缩短步长并比较结果 |
数据量增加可能提高某些参数估计的精度,但系统性漏记和遗漏关键机制仍需检查。区间估计也有不同目标。均值的置信区间描述在模型和抽样条件下对平均响应估计的精度。单个未来观测的预测区间还需要考虑未来观测的随机变化,在线性回归等常见设定下通常更宽。
把不确定性带入决策
如果按预测值 100 份备餐,可以把需求在 85、100、115 份时的缺餐和剩餐数量列出来,比较不同备餐方案。若有按时间分开的验证记录,可以报告预测区间在历史验证期覆盖了多少实际观测,并检查覆盖是否集中失败于节假日。若只有上下限情景,没有可信的概率分布,就报告各情景及结果范围,注明情景范围的来源。