思维模型

简单平均预测法

将多个独立预测取简单平均,合成一个预测,以提高预测准确性。

探索一下

两位水平相当的分析师正在预测下个月的销量。分析师A预测会卖出100件,分析师B预测会卖出150件。要得出一个最可靠的估计,你最好怎么做?

选出最有效的做法:

来看看,为什么把预测结合起来会这么有效。

理解概念

理解概念

简单平均预测法,就是把两个或更多独立预测取算术平均,合成一个预测。开场情境中的正确做法,是将两个预测取平均,得到125件;这个新数值往往比任何一个单独的估计都更准确。这是因为每个预测通常都有各自的误差:有的可能偏高,有的可能偏低,取平均有助于抵消这些干扰,得到更可靠的预测信号。

试试这样:下次你听到对同一件事的两种不同预测,比如一场比赛的比分或一个项目的完成时间,就算出它们的简单平均值,作为第三个、往往更好的选择。

详细讲解

详细讲解

简单平均预测法是一种简单却有效的预测改进方法。它包含三个关键步骤:收集输入、处理数据、解读输出。

**输入:**先收集两个或更多针对同一个未知量的独立预测。这里的关键是独立性:这些预测应基于不同的信息、方法或假设。如果所有预测者都使用同一份有问题的数据,平均结果也会有问题。

**处理:**计算方法很简单。把所有预测值加起来,再除以预测的数量。例如,三个模型分别预测某公司的季度营收为120万美元、140万美元和130万美元,你就把它们相加,得到390万美元,再除以三。

**输出:**你会得到一个合并后的预测值,在上面的例子中是130万美元。这个平均预测往往更稳健,因为它能平抑各个模型特有的误差。一个模型过于乐观,可能正好被另一个模型的悲观估计所抵消。

项目经理可以在制订计划时使用这个方法。如果一位开发者估计某项功能需要8天,另一位估计需要12天,那么取平均得到的10天就成了更可靠的工期估计,既考虑到尚未发现的复杂情况,又不至于过分保守。

这个方法在日常生活中也很有用。如果你在考虑什么时候出发去机场,可以查看两个不同的导航应用。如果一个说路上需要40分钟,另一个说需要50分钟,那么按45分钟的路程来安排,就是预测平均法的一种实际应用。

研究依据

研究依据

结合多个预测的效果好得出人意料,这通常被称为“群体智慧”效应,几十年来一直是研究课题。研究持续表明,对多个质量尚可、彼此独立的预测取简单平均,得到的结果极难被超越,即使用更复杂的加权模型也不例外。核心发现是,汇总预测能降低方差,也就是结果的波动程度,从而有效抵消任何单一预测模型中固有的随机误差。

  • Bates和Granger(1969)提供了较早的一批正式证据,表明将不同模型的预测结合起来,与只选用一个“最佳”模型相比,可以显著提高准确性。[1]
  • Armstrong(2001)进行了广泛的综述,发现简单、不加权的平均法是一种稳健的策略,在多个领域都表现良好,效果往往能达到甚至超过更复杂的预测组合方法。[2]
  • Clemen(1989)综合回顾了200多项研究,得出结论:结合预测是预测者可以采用的最有价值、最实用的策略之一,而简单平均法则是一个效果强、又容易实现的比较基准。[3]

适用局限

适用局限

简单平均法并不是万能的。在以下情况下,它的效果会减弱:

  • **预测彼此不独立。**如果所有预测者都受到相同信息或群体思维的影响,他们预测的平均值只会反映这种共同的偏差。
  • **专业水平相差很大。**将真正专家的预测与几位新手的猜测取平均,会冲淡专家的宝贵见解。
  • **系统是非线性的,或容易出现极端情况。**在预测市场崩盘等“黑天鹅”事件时,历史规律很难提供可靠的指引,简单平均法可能会让你产生虚假的安全感。

参考来源

参考来源

试一试

检验你的理解

一个团队正在筹备产品发布。营销负责人预测首周下载量为5,000次,而数据科学家的模型预测为7,000次。使用简单平均预测法,最实用的合并估计是多少?

查看文章解释

答案: 6,000次下载,也就是平均值。

简单平均预测法就是对独立预测取算术平均。(5,000 + 7,000)/ 2 = 6,000。这样能平衡双方的看法,得到一个更稳健的综合估计。

在哪种情况下,简单平均预测法的效果最差?

查看文章解释

答案: 一位天文学教授和一位一年级学生分别估计到某颗恒星的距离。

当预测者的专业水平相差很大时,取平均的效果会减弱。新手依据不足的猜测会冲淡教授的专业判断,很可能让结果变得不那么准确。

为什么将两个独立预测取平均,往往能提高准确性?最主要的原因是什么?

查看文章解释

答案: 它能抵消各个预测中随机、特有的误差。

核心机制是,各个预测的误差,比如一个偏高、另一个偏低,在取平均时往往会相互抵消,让合并后的预测信号更接近真实值。

继续探索

为眼前的选择,再找一个有用的想法。

Reframo 的全部已发布文章均可免费阅读。准备好后,随时继续探索。