李華和胡奇英主編的《預測與決策教程》內容介紹：預測是憑借過去與現在而對未來的預計，決策則是根據對未來的預測而在若干種未來中選擇一種。在我們的生活與工作中，隨處可見預測與決策。比如，我們需要預計我們在大學期間努力學習與不努力學習對我們自己未來的影響會是怎樣的，依此，我們需要選擇在大學期間是努力學習，還是不努力學習。

李華和胡奇英主編的《預測與決策教程》采取工科學生和管理人員易於 接受的敘述方式，較全面地介紹了預測與決策的主要內容與方法。預測部分 的內容包括預測概述、非模型預測方法、回歸預測方法、確定型時間序列預 測方法、隨機型時間序列預測方法、馬爾可夫預測方法以及預測精確性與預 測評價。決策部分的內容包括決策概述、期望效用理論與前景理論、單目標 決策分析、多目標決策分析、動態決策分析以及決策方法拓展、選擇與評價 。為方便學生學習，書中附有大量案例及習題。閱讀本書僅需具備高等數學 、線性代數與概率統計等基礎知識。 《預測與決策教程》可作為管理、經濟類各專業本科生教材，也可用於 研究生教學；同時，還可作為其他相關專業本科生、研究生的教材和教學參 考書，也可供具有大學數學基礎，從事管理工作的相關人員參考。

序一
序二
前言
教學建議
第1章 預測概述
1.1 預測的基本概念
1.1.1 預測科學的產生
1.1.2 預測的定義
1.1.3 預測的可能性
1.1.4 預測的不準確性
1.1.5 預測的基本功能
1.2 預測的基本原理與步驟
1.2.1 預測的基本原理
1.2.2 預測的一般步驟
1.3 預測資料的收集與預處理
1.3.1 確定數據收集的目的
1.3.2 設計數據收集方案
1.3.3 數據的收集與整理
1.3.4 對數據進行分析與預處理
1.4 預測方法的分類
1.4.1 預測方法的分類體繫與常用方法
1.4.2 預測方法選擇的影響因素
本章小結
思考與練習
第2章 非模型預測方法
2.1 專家預測法概述
2.1.1 個人判斷法
2.1.2 專家會議法
2.1.3 專家意見彙總預測法
2.1.4 頭腦風暴法
2.1.5 德爾菲法
2.2 指標預測法與類比法
2.2.1 指標預測法
2.2.2 類比法
2.3 概率預測法
2.3.1 主觀概率法
2.3.2 交叉影響分析法
本章小結
思考與練習
第3章 回歸預測方法
3.1 引言
3.1.1 相關分析
3.1.2 回歸分析
3.2 一元線性回歸預測方法
3.2.1 一元線性回歸模型
3.2.2 一元線性回歸模型的顯著性檢驗
3.2.3 一元線性回歸預測
3.3 多元線性回歸預測法
3.3.1 多元線性回歸模型
3.3.2 多元線性回歸模型的顯著性檢驗
3.3.3 多元線性回歸預測
3.3.4 多元線性回歸分析中的多重共線性
3.3.5 多元線性回歸分析中的序列相關
3.4 非線性回歸預測
本章小結
思考與練習
第4章 確定型時間序列預測方法
4.1 時間序列與時間序列分析概述
4.1.1 時間序列的含義
4.1.2 時間序列分析
4.1.3 時間序列分析方法的分類
4.1.4 確定型時間序列預測方法概述
4.2 移動平均法
4.2.1 一次移動平均法
4.2.2 二次移動平均法
4.3 指數平滑法
4.3.1 一次指數平滑法
4.3.2 二次指數平滑法
4.3.3 討論
4.4 季節指數法
4.5 時間序列分解法
4.5.1 各因素的確定
4.5.2 根據分解法進行預測
4.5.3 對分解法的進一步說明
4.6 基於SPSS軟件的確定型時間序列分析與預測
本章小結
思考與練習
第5章 隨機型時間序列預測方法
5.1 隨機型時間序列模型
5.1.1 時間序列
5.1.2 自回歸(AR)模型
5.1.3 移動平均（MA）模型
5.1.4 自回歸移動平均（ARMA）模型
5.1.5 求和自回歸移動平均(ARIMA)模型
5.1.6 季節性模型
5.2 ARMA模型的相關分析
5.2.1 AR(p)序列的自相關函數
5.2.2 MA(q)序列的自相關函數
5.2.3 ARMA(p，q)序列的自相關函數
5.2.4 偏相關函數
5.3 模型的識別
5.3.1 樣本自相關函數與樣本偏相關函數
5.3.2 模型識別
5.4 ARMA模型的參數估計
5.4.1 矩估計方法
5.4.2 *小二乘估計
5.4.3 極大似然估計法
5.4.4 方法的比較
5.5 模型的檢驗與預報
5.5.1 模型檢驗
5.5.2 模型的改進
5.5.3 模型預報
5.6 案例5.1分析
本章小結
思考與練習
第6章 馬爾可夫預測方法
6.1 馬爾可夫分析的基本原理
6.1.1 馬爾可夫鏈
6.1.2 狀態轉移矩陣
6.1.3 穩態概率矩陣
6.2 馬爾可夫預測的應用
6.2.1 市場占有率的預測
6.2.2 期望報酬預測
本章小結
思考與練習
第7章 預測**性與預測評價
7.1 預測方法的選擇
7.1.1 預測方法*適合的時間範圍
7.1.2 數據模式
7.1.3 費用
7.1.4 準確性
7.1.5 適用性
7.2 預測的**性
7.2.1 準確的預測
7.2.2 預測的誤差
7.2.3 預測**性的衡量指標
7.2.4 預測監控
7.3 預測結果的分析與評價
7.3.1 預測模型的評價
7.3.2 預測結果的分析與反思
本章小結
思考與練習
第8章 決策概述
8.1 決策的概念
8.2 決策過程與決策分析
8.2.1 決策過程
8.2.2 決策分析
8.3 決策的基本類型
8.4 決策分析的內容、特點及歷史
8.4.1 決策分析的內容
8.4.2 決策分析的特點
8.4.3 決策分析的歷史
本章小結
思考與練習
第9章 期望效用理論與前景理論
9.1 期望收益值
9.1.1 期望收益值準則
9.1.2 應用期望收益值作為決策準則存在的一些問題
9.2 行為假設與偏好關繫
9.3 效用函數及其確定
9.3.1 效用函數的定義
9.3.2 效用函數的確定
9.3.3 LA模擬法
9.4 主觀期望效用值理論
9.4.1 主觀概率與客觀概率
9.4.2 主觀概率的判斷
9.5 前景理論
9.5.1 期望理論與實際決策的不一致
9.5.2 前景理論框架
本章小結
思考與練習
**0章 單目標決策分析
10.1 風險型決策分析
10.1.1 風險型決策分析的基本思想
10.1.2 風險型決策問題的數學模型
10.1.3 風險型決策問題的分析方法
10.1.4 多級決策問題的分析方法
10.2 非確定型決策
10.2.1 悲觀準則
10.2.2 樂觀準則
10.2.3 赫威茲準則
10.2.4 後悔值準則
10.2.5 等概率準則
10.2.6 五種決策準則的比較
10.3 概率排序型決策
10.3.1 期望後果值的極值
10.3.2 利用期望值極值進行決策
10.3.3 優勢條件
本章小結
思考與練習
**1章 多目標決策分析
11.1 基本概念
11.2 決策方法
11.2.1 化多目標為單目標的方法
11.2.2 重排次序法
11.2.3 分層序列法
11.3 多目標風險決策分析模型
11.4 有限個方案多目標決策問題的分析方法
11.4.1 基本結構
11.4.2 決策矩陣的規範化
11.4.3 確定權的方法
11.5 層次分析法（AHP）
11.5.1 多級遞階結構
11.5.2 判斷矩陣
11.5.3 相對重要度及判斷矩陣的*大特征值λmax的計算
11.5.4 相容性判斷
11.5.5 綜合重要度的計算
11.5.6 算例
11.6 網絡分析法（ANP）
11.6.1 網絡結構
11.6.2 無權重超矩陣與加權超矩陣
11.6.3 極限超矩陣
11.6.4 ANP應用軟件-**決策軟件（SD）
11.6.5 算例
本章小結
思考與練習
**2章 動態決策分析
12.1 單階段決策的表述
12.2 確定型動態決策
12.3 馬氏型動態決策
12.3.1 馬氏決策過程模型
12.3.2 *優方程與*優策略
12.4 應用
12.4.1 產品定價
12.4.2 體育比賽
12.4.3 *優選擇
12.4.4 一個期權執行問題
本章小結
思考與練習
**3章 決策方法拓展、選擇與評價
13.1 決策方法的拓展
13.1.1 模糊決策法
13.1.2 群決策方法
13.1.3 決策支持繫統
13.2 決策方法的選擇
13.2.1 決策方法選擇影響因素
13.2.2 決策方法的比較評價
13.3 決策方案的評價與實施
13.3.1 決策方案的評價
13.3.2 決策方案的實施
本章小結
思考與練習
附錄
附表A 標準正態分布函數值表
附表B t分布表
附表C F分布表
附表D DW檢驗臨界值表
參考文獻