第三步，显示的对话框为“图表向导—4步骤之2”，填写图表源数据之数据区域对话框，在“数据区域”中输入A1：B31，选择图表系列产生在“列” 第四步，单击“下一步”，出现“图表向导—4步骤之3”页面，在图表标题中输入“重庆市1985-2014年粮食产量时间序列图” 第五步，单击下一步，选择图表输出的位置，然后单击完成按钮，结果如下图 重庆市1985-2014年粮食产量时间序列图14001200100080060040020001980粮食产量（万吨）19851990199520002005201020152020 分析：由时间序列图可以知道，重庆市的粮食产量具有较强的长期趋势，呈逐年上升趋势。 （2）先绘制表格数据的散点图，发现大致拟合线性曲线。 重庆市1985-2014年粮食产量直线趋势拟合图14001200100080060040020001980y = 4.0659x +1032.291粮食产量（万吨）线性 (粮食产量（万吨）)19851990199520002005201020152020 方法一： <1>设粮食产量为Y，年份序数为X <2>设函数为Y=aX+b <3>使用公式slope和intercept分别算出a和b（a=4.065943582，b=1032.290788） <4>将X=31代入公式，得到2015年的预测结果。 方法二： <1>选定任意一个散点，单击右键，在菜单中选择“添加趋势线”，选择“线性” <2>在“选项”选项卡中选择“显示公式”得出线性方程：Y=4.0659X+1032.291 则2015年预测产量=4.0659*31+1032.291=1158.33万吨 6.(1)该时间数列受长期趋势的影响 啤酒生产企业2007-2012年各季度的啤酒销售量数据散点图6050403020100051015202530销售量线性 (销售量) （2） 第一步，由散点图可知数据受长期趋势的影响，所以采用移动平均趋势剔除法 第二步，单击“工具”菜单中的“数据分析”选项，在其对话框“分析工具”列表中选择“移动平均”，单击“确定”，进入移动平均对话框。 第三步，设定数据，间隔为4，粘贴在第二格上 第四步，由于是偶数移动平均，所以需要进行二次平均（T） 第五步，计算Y/T，得到如下表格 第一次移动平时间 序号 销售量 均 2007年第一季1 度 第二季度 2 32 30 25 均 第二次移动平Y/T 第三季度 第四季度 2008年第一季3 4 37 26 31.25 32.75 30.625 32 1.208163265 0.8125 5 度 第二季度 第三季度 第四季度 2009年第一季9 度 第二季度 第三季度 第四季度 2010年第一季13 度 第二季度 第三季度 第四季度 2011年第一季17 度 第二季度 第三季度 第四季度 2012年第一季21 度 18 19 20 14 15 16 10 11 12 6 7 8 30 34 33.375 0.898876404 38 42 30 35 34.75 35 34.5 34.875 34.875 1.101449275 1.204301075 0.860215054 29 37 36 0.805555556 39 50 35 38.25 38.5 38.5 37.625 38.375 38.5 1.03654485 1.302931596 0.909090909 30 38.75 38.625 0.776699029 39 51 37 39.25 39 39.75 39 39.125 39.375 1 1.303514377 0.93968254 29 40.75 40.25 0.720496894 42 55 38 41 41.5 41.75 40.875 41.25 41.625 1.027522936 1.333333333 0.912912913 31 41.5 41.625 0.744744745 第二季度 第三季度 第四季度 22 23 24 43 54 41 42.25 41.875 1.026865672 第一步，将所求出的数据分别列在空白单元格内，分别计算月平均数，总平均数，和季节指数。 第二步，季节指数=平均数/总平均数 第三步，验算可知季节指数之和=4，结果正确。得到如下图的表格 季度 2007 2008 2009 2010 2011 2012 平均数 总平均数 季节指数 季节指数合计 一 0.898876404 0.805555556 0.776699029 0.720496894 0.744744745 0.789274526 0.996270021 0.792229525 4 二 1.101449275 1.03654485 1 1.027522936 1.026865672 1.038476547 1.042364544 三 1.208163265 1.204301075 1.302931596 1.303514377 1.333333333 1.270448729 1.275205218 四 0.8125 0.860215054 0.909090909 0.93968254 0.912912913 0.886880283 0.890200713
相关推荐：
loading