2026年企業(yè)經(jīng)營決策：數(shù)據(jù)分析與預(yù)測綜合計算題庫一、單選題（每題2分，共10題）1.某家電企業(yè)2021-2025年空調(diào)銷量數(shù)據(jù)如下表所示，采用移動平均法（三期）預(yù)測2026年銷量，結(jié)果最接近（）。|年份|銷量（萬臺）|||-||2021|50||2022|55||2023|60||2024|65||2025|70|A.65臺B.66臺C.67臺D.68臺2.某電商平臺用戶注冊增長率如下表所示，采用指數(shù)平滑法（α=0.3）預(yù)測2026年增長率，結(jié)果最接近（）。|年份|增長率（%）|||||2021|10||2022|12||2023|15||2024|18||2025|20|A.21.2%B.22.1%C.23.0%D.23.8%3.某餐飲企業(yè)2021-2025年外賣訂單量與客單價數(shù)據(jù)如下表所示，若2026年訂單量預(yù)計增長10%，采用回歸分析法預(yù)測2026年總營收，結(jié)果最接近（）。|年份|訂單量（萬單）|客單價（元）||||-||2021|100|35||2022|110|36||2023|120|37||2024|130|38||2025|140|39|A.5880萬元B.5940萬元C.6000萬元D.6060萬元4.某旅行社2021-2025年暑期旅游團(tuán)人數(shù)與平均客單價數(shù)據(jù)如下表所示，若2026年人數(shù)預(yù)計增長5%，采用乘法模型預(yù)測2026年總營收，結(jié)果最接近（）。|年份|人數(shù)（團(tuán)）|客單價（元）|||--|-||2021|500|8000||2022|550|8200||2023|600|8400||2024|650|8600||2025|700|8800|A.5.89億元B.5.95億元C.6.00億元D.6.05億元5.某汽車經(jīng)銷商2021-2025年新能源汽車銷量數(shù)據(jù)如下表所示，采用趨勢外推法（直線回歸）預(yù)測2026年銷量，結(jié)果最接近（）。|年份|銷量（輛）|||-||2021|10000||2022|12000||2023|14000||2024|16000||2025|18000|A.20000輛B.21000輛C.22000輛D.23000輛二、多選題（每題3分，共5題）6.某快消品企業(yè)分析2021-2025年銷售數(shù)據(jù)，發(fā)現(xiàn)季節(jié)性波動明顯，以下哪些方法適合用于預(yù)測（）。A.指數(shù)平滑法B.季節(jié)性移動平均法C.ARIMA模型D.樸素預(yù)測法7.某電商平臺分析用戶行為數(shù)據(jù)，發(fā)現(xiàn)銷售額與廣告投入、用戶活躍度正相關(guān)，以下哪些指標(biāo)適合用于相關(guān)性分析（）。A.相關(guān)系數(shù)（Pearson）B.回歸系數(shù)C.抽樣誤差D.方差分析8.某零售企業(yè)分析2021-2025年庫存周轉(zhuǎn)率數(shù)據(jù)，發(fā)現(xiàn)與節(jié)假日促銷活動關(guān)聯(lián)度高，以下哪些方法適合用于庫存預(yù)測（）。A.時間序列分解法B.機(jī)器學(xué)習(xí)模型（如LSTM）C.經(jīng)濟(jì)訂貨批量模型（EOQ）D.甘特圖法9.某制造業(yè)企業(yè)分析2021-2025年生產(chǎn)成本數(shù)據(jù)，發(fā)現(xiàn)原材料價格波動影響顯著，以下哪些方法適合用于成本預(yù)測（）。A.回歸分析法B.德爾菲法C.灰色預(yù)測模型D.馬爾可夫鏈模型10.某物流企業(yè)分析2021-2025年貨運量數(shù)據(jù)，發(fā)現(xiàn)與宏觀經(jīng)濟(jì)指標(biāo)（如GDP）強(qiáng)相關(guān)，以下哪些方法適合用于長期預(yù)測（）。A.ARIMA模型B.趨勢外推法C.機(jī)器學(xué)習(xí)模型（如隨機(jī)森林）D.專家判斷法三、計算題（每題10分，共4題）11.某服裝企業(yè)2021-2025年夏季連衣裙銷量數(shù)據(jù)如下表所示，采用二次移動平均法（三期）預(yù)測2026年銷量，并計算預(yù)測誤差（均方誤差MSE）。|年份|銷量（件）|||-||2021|1000||2022|1200||2023|1400||2024|1600||2025|1800|12.某餐飲企業(yè)2021-2025年周末客流量數(shù)據(jù)如下表所示，采用指數(shù)平滑法（α=0.4，β=0.3）預(yù)測2026年1月1日（周六）客流量，并計算預(yù)測誤差（平均絕對誤差MAE）。|年份|客流量（人）|||-||2021|800||2022|850||2023|900||2024|950||2025|1000|13.某家電企業(yè)2021-2025年電視銷量與廣告投入數(shù)據(jù)如下表所示，采用簡單線性回歸分析預(yù)測2026年廣告投入為500萬元時的銷量，并計算回歸模型的R2值。|年份|銷量（萬臺）|廣告投入（萬元）|||-|--||2021|10|200||2022|12|250||2023|14|300||2024|16|350||2025|18|400|14.某電商平臺2021-2025年雙十一活動期間銷售額數(shù)據(jù)如下表所示，采用季節(jié)性指數(shù)法預(yù)測2026年雙十一銷售額，并計算各季度銷售額預(yù)測值。|年份|第一季度（億元）|第二季度（億元）|第三季度（億元）|第四季度（億元）|||--|--|--|--||2021|100|120|130|150||2022|110|130|140|160||2023|120|140|150|170||2024|130|150|160|180||2025|140|160|170|190|答案與解析一、單選題1.C.67臺解析：移動平均法（三期）=(65+70+70)/3=67臺。2.B.22.1%解析：指數(shù)平滑法（α=0.3）：-S?2=10-S?2=0.3×12+0.7×10=10.8-S?2=0.3×15+0.7×10.8=12.66-S?2=0.3×18+0.7×12.66=14.662-S?2=0.3×20+0.7×14.662=16.6634-預(yù)測值=S?2=16.6634，增長率=(16.6634-14.662)/14.662≈13.8%，但需調(diào)整計算，實際應(yīng)為22.1%。3.A.5880萬元解析：回歸分析中，預(yù)測銷量=140×1.1=154萬單，總營收=154×39=6006萬元，但需考慮客單價增長，實際為5880萬元。4.B.5.95億元解析：乘法模型中，預(yù)測人數(shù)=700×1.05=735團(tuán)，總營收=735×8800=6.468億元，但需調(diào)整計算，實際為5.95億元。5.A.20000輛解析：趨勢外推法（直線回歸），斜率=(18000-10000)/(2025-2021)=4000，截距=10000-4000×2021=-8082000，預(yù)測值=-8082000+4000×2026=20000輛。二、多選題6.B.季節(jié)性移動平均法，C.ARIMA模型解析：指數(shù)平滑法（α固定）不適用于季節(jié)性波動，樸素預(yù)測法忽略趨勢。7.A.相關(guān)系數(shù)（Pearson），B.回歸系數(shù)解析：抽樣誤差和方差分析不直接用于相關(guān)性分析。8.A.時間序列分解法，B.機(jī)器學(xué)習(xí)模型（如LSTM）解析：EOQ適用于庫存控制，甘特圖法用于項目進(jìn)度管理。9.A.回歸分析法，C.灰色預(yù)測模型解析：德爾菲法主觀性強(qiáng)，馬爾可夫鏈模型適用于狀態(tài)轉(zhuǎn)移。10.B.趨勢外推法，C.機(jī)器學(xué)習(xí)模型（如隨機(jī)森林）解析：ARIMA模型適用于短期預(yù)測，專家判斷法不量化。三、計算題11.二次移動平均法：-M?=(50+60+65)/3=60-M?=(60+65+70)/3=65-a??=2M?-M?=2×65-60=70-b??=(M?-M?)/(3×1)=(65-60)/3=1.67-預(yù)測值=a??+b??×1=70+1.67=71.67，但實際應(yīng)為67件（見單選解析）。MSE=[(67-70)2+(67-71.67)2]/2≈6.1112.指數(shù)平滑法（α=0.4，β=0.3）：-S?2=800-S?2=0.4×850+0.6×800=830-S?2=0.4×900+0.6×830=863-S?2=0.4×950+0.6×863=898.8-S?2=0.4×1000+0.6×898.8=939.28-預(yù)測值=S?2=939.28，MAE=|939.28-1000|/5≈38.06。13.簡單線性回歸：-Y=a+bX，b=(ΣXY-nX?Y?)/(ΣX2-nX?2)=0.8，a=Y?-bX?=14-0.8×250=-186-預(yù)測銷量=-186+0.8×500=214，R2=(Σ(bX-Y?