栖息地选择的理论与模型
收稿日期：2007-06-07；修回日期：2007-09-07
基金项目：国家自然科学基金资助项目（30470252）；中国科学院成都生物研究所知识创新工程领域前沿项目（CIB-2007-LYQY-Q02） *通讯作者：王跃招，E-mail ：arcib@https://www.wendangku.net/doc/2c13226167.html, 第一作者简介：戴强（1973-），硕士，主要从事两栖爬行动物生态学研究
动 物 学 研 究 2007，Dec. 28(6)：681－688 CN 53-1040/Q ISSN 0254-5853 Zoological Research
栖息地选择的理论与模型
戴 强1,2，顾海军1,2,3，王跃招1,*
（1. 中国科学院成都生物研究所，四川 成都 610041；2. 中国科学院研究生院，北京 100049; 3. 四川省林业厅，四川 成都 610081）
摘要：栖息地选择理论和模型的发展经历了两个主要阶段：理想自由分布模型和空间直观的栖息地选择模型。
随着对理论模型假设的放宽，近年来产生了越来越多的新模型。通过对栖息地选择过程的分析，提出了栖息地选择的几个关键环节：栖息地偏好、信息获取、行为决策及选择行为。在建立栖息地选择模型的各个关键环节上均存在大量有待解决的问题。目前对栖息地偏好的研究主要为相关分析，栖息地信息获取的过程仍然是一黑箱；对动物在栖息地选择过程中的行为决策以及对其生理状态的影响尚不了解，而解决这些问题需要生态学、生态学及认知学等多个领域的研究结果支持，也有待新的理论及方法加以充实，甚至还需要其他学科的介入。
关键词： 栖息地选择；栖息地选择过程；理论；模型
中图分类号：Q954.3 文献标识码：A 文章编号：0254-5853（2007）06-0681-08
Theories and Models for Habitat Selection
DAI Qiang 1,2, GU Hai-jun 1,2,3，WANG Yue-zhao 1,*
（1. Chengdu Institute of Biology, the Chinese Academy of Sciences, Chengdu 610041; 2. Graduate School of the Chinese Academy of
Sciences, Beijing 100049, China; 3. Sichuan Forestry Bureau, Chengdu 610081）
Abstract ： The theories and models of habitat selection have been developed through two important stages, i.e. ideal-free distribution models and spatially explicit habitat selection models. Various new theories and models were developed with a relaxed hypothesis of, free moving, and negative density-dependency. Key processes of habitat selection were identified as habitat preference, environmental information apperceiving, decision-making and choice behavior. There are still many questions concerning these four key links that require solutions. Habitat preference requires more controlled experimental studies rather than correlation analysis. Environmental information apperceiving needs to be further investigated by looking at behavior and cognitive scientific methods. Understanding decision-making is limited and needs to incorporate other methods of science, such as artificial intelligence. Understanding effects of choice behavior on the physiological condition of animals requires more physiological and ecological research.
Key words ： Habitat selection; Process; Theory; Model
栖息地选择（habitat selection ）是生态学研究中经常涉及的问题。根据Hutto （1985）和Block & Brennan （1993）的定义，栖息地选择是指导个体对栖息地的非随机利用，进而影响个体生存力和适合度等一系列行为反应。栖息地选择是动物生态学的一个传统研究领域，也是动物生态学众多分支的基础（Johnson, 1980）。它与种群生态学（Jonzen et al, 2004）、群落生态学（Morris, 1988）等生态学分支有着密切的关系。同时，栖息地选择研究可为动物保护措施的制定提供重要的直接依据（Caughley, 1994）。有关栖息地选择的研究很多（Grinnell, 1917; Sexton, 1958; Zhang et al, 1994; Arthur et al, 1996; Bellis et al, 2006），近年来，其理论也有一定的发展（Fretwell & Lucas, 1969; Fretwell, 1972; Morris, 1988, 1990; Arthur et al, 1996; Rhodes et al, 2005）。但长期以来，有关栖息地选择的理论一直不够系统，由此招致一些批评（Boyce & McDonald, 1999）。国内有关栖息地选择，尤其是鸟类栖息地选择的研究甚多（Zhang et al, 1994; Gao et al, 1995; Wei et al, 1996; Dai et al, 2005a; Wang et al, 2007），但对栖息
682 动 物 学 研 究 28卷
地选择理论的研究却非常缺乏。虽有少量模型研究，但均为相关性的经验模型（Li & Wang, 2000; Jia et al, 2005），而缺少探讨因果机制的理论模型。本文拟介绍栖息地选择理论的主要发展过程以及其中一些重要的模型，通过分析栖息地选择过程中的关键环节，指出栖息地选择理论及其模型所存在的问题。
1 栖息地选择理论与模型发展
栖息地选择的理论经历了两个主要的发展阶段，第一阶段建立了以Isodar 为代表的经典理论，即理想自由分布模型（ideal-free distribution models ， IFD ）。这些理论以最优化理论为基础，提出了动物栖息地选择的机制。第二阶段则是对经典模型假设条件的放宽，使其更符合自然界的真实过程，其代表理论为空间直观的栖息地选择模型（spatially explicit habitat selection model ）。 1.1 理想自由分布模型
在早期栖息地选择研究中，均通过动物个体丰度与栖息地环境因子之间的关系建立相关性模型（MacArthur & Pianka, 1966）。在此基础上，基于最优化理论综合密度效应，建立了理想自由分布模型（Fretwell & Lucas, 1969），即假设个体总是选择能使其适合度达到最大的栖息地；当动物密度较低时，所有个体都会选择环境质量最高的栖息地；然而当动物密度增加时，优质栖息地的实际质量会降低，该栖息地中个体的适合度也随之下降，于是部分个体会转向利用质量较差的栖息地，以保持被利用栖息地的实际适合度较大。这一现象可通过Isodar 方法（Morris, 1987, 1988, 1990）进行分析（图1）：栖息地A 和栖息地B 中个体的适合度均随种群大小增大而降低，但是栖息地B 优于栖息地A ，其中的个体适合度也更高，因此个体会首先选择B ；但是随着B 中种群的增大，其中的个体适合度会逐渐降低，直至低于A 中个体能实现的适合度，于是个体又会转而选择栖息地A ，由此栖息地A 和B 的个体适合度总是保持相等，但栖息地B 中种群大小总是大于栖息地A 。
继Isodar 之后，Fretwell （1972）又将个体的等级序位与领域行为加入模型假设，重建了理想等级分布模型（ideal-despotic distribution models ）。理想等级分布模型认为，由于等级序位和领域行为，个
体在不同栖息地中实现的适合度不再相等：优势个
图1 Isodar model （simulate Morris, 1987） Fig. 1 Isodar 模型示意图（仿Morris, 1987）
体占据优质（或者更大面积）栖息地获得更高的适合度，而低等级个体则占据劣质（或者较小面积）栖息地，其实现的适合度较低（Fretwell, 1972）。
在栖息地适合度与动物密度的关系上，Isodar 假设栖息地所能提供的适合度会随着其中动物个体的密度上升而降低，即负密度依赖的适合度分布（negative density-dependent fitness distribution ）（Greene & Stamps, 2001）。但大量证据表明这一假设在有些时候并不适用（Kenward, 1978; Highsmith, 1982; Buckley, 1997; Kuussaari et al, 1998），当动物种群密度太低时，动物的存活率和繁殖率反而有可能会随着种群密度降低而降低，这就是正密度依赖的Allee 效应（Kokko & Sutherland, 2001）。Allee 效应在动物中是普遍存在的，比如捕食稀释效应（Highsmith, 1982）、协同警戒（Kenward, 1978）、取食易化（Buckley, 1997）以及低密度下配偶寻找的困难（Kuussaari et al, 1998）。Greene & Stamps （2001）依此假设建立了正密度依赖的栖息地选择模型。此模型适用于种群密度较低的情况，比如：种群衰退、集合种群及种群分布区扩张等。
理想自由分布模型和理想专制模型有2个关键假设：1）动物个体具有全知（omniscient ）本能，能准确地判断各个栖息地斑块的实际质量以及位置；2）动物可自由地对栖息地进行选择而不需要额外的付出（Fretwell & Lucas, 1969）。因此，栖息地的位置与栖息地选择是无关的，无论栖息地在何处，动物的选择活动都不受限制，也不需付出额外代价。正是由这2个假设招致了后来的大量质疑（Morris, 2006）。针对这些质疑，更多的理论则在理想自由分布模型的基础上得以发展（Arthur et al, 1996; Hjermann, 2000; Stamps et al, 2005; Wajnberg
6期戴强等：栖息地选择的理论与模型 683
et al, 2006）。
1.2 空间直观的栖息地选择模型（spatially explicit
habitat selection model）
大量研究表明，在栖息地选择过程中，动物既难以获得完全的信息（Wajnberg et al, 2006），到达某一栖息地一般也需要付出一定的代价（Morris, 1987）。空间直观的栖息地选择模型正是对这两个假设的放宽，使其更接近实际状况。空间直观的栖息地选择模型认为：动物个体存在于一个异质性景观中，个体的栖息地选择过程不但与栖息地类型有关，还取决于栖息地斑块的位置、活动区、竞争者、捕食者位置以及其他景观特征（如景观边界、廊道等）之间的空间关系（Rhodes et al, 2005）。基于这一假设，动物个体不可能获得有关栖息地斑块的质量和位置的所有信息（即不完全信息，imperfect information），而移动到目标斑块也需要根据其相对位置而付出一定的迁移代价。下面就假设的放宽及相应的理论模型进行阐述。
1.2.1 不完全信息假设根据不完全信息假设，现已发展出4类有关信息获得模型：圆窗模型、连续可获得性模型和学习分析模型。
1）圆窗模型（availability circular window model）或者半径模型（availability radius model是假设以动物个体当前所处的位置为圆心，以一定距离为半径而得到的一个圆形窗口。该窗口内的所有栖息地的可获得性（信息及可到达性）都是相同的，而窗口以外的栖息地则是不可获得的。动物个体依据可获得窗口中的各个栖息地决定其当前的栖息地选择行为（Arthur et al, 1996）。Railsback & Harvey （2002）所提出的基于个体的模型（agent-based model，ABM）也是基于圆窗假设：假设鱼的选择窗口为鱼体长的200倍。圆窗模型相当于一个局部的理想自由分布模型，即个体在圆窗之内是全知的、可无代价移动。当个体的“判断视野”相对于栖息地斑块较大时，使用这种模型可达到较好的近似效果。圆窗半径的确定是本模型的关键，也是最难以确定的一个参数。
2）连续可获得性模型（continuous availability）认为：栖息地的可获得性是连续的，其值是目标栖息地与当前动物个体所处位置的距离以及周围栖息地的一个随机函数，即连续可获得性函数（continuous availability function， CAF）；在相同栖息地类型中，距离近的斑块具有更高的可获得性（Hjermann，2000）。而Rhodes et al （2005）则建立了有家域性动物的栖息地选择模型，其中栖息地的可获得性依赖于个体当前家域的位置。与圆窗模型一样，连续可获得性函数也是本模型最关键且难以确定的一个参数。
3）学习分析模型（learning algorithm）。在有限资源的摄食者模型中，学习分析模型得到了较多的应用（Charnov, 1976; Wajnberg et al, 2006）。摄食者模型是栖息地选择理论的一个特殊分支，探讨的主要问题是在栖息地斑块中资源是有限且可消耗的条件下，动物如何最大化其边际价值（Charnov, 1976）。学习分析模型假设：在拜访多个栖息地斑块的过程中，动物能够根据自已拜访斑块的质量和距离来评估栖息地斑块的平均质量和平均斑块间距离，由此决定其行为策略（Krebs et al, 1978; Ollason, 1980; Wajnberg et al, 2006）。这意味着，动物个体的栖息地选择行为不仅仅依赖于栖息地中各种栖息地类型的分布和关系，还依赖于个体在选择栖息地过程中所经历的栖息地。银勺效应（silver spoon effect，即：与来自劣质栖息地的扩散个体相比，来自优质栖息地的扩散个体更倾向于选择质量更高的栖息地）可能也是基于这一机制（Stamps, 2006）。而Wajnberg et al （2006）的学习分析模型是假设个体为一个“有经验的盲人”，即：个体虽然能够根据已有的经验估计栖息地斑块的平均质量和平均斑块间距离，但是它并不能直接获得周围未经历栖息地的信息，即使该栖息地就在身边，利用这种模型可很好地模拟小“视野”动物的栖息地选择。将学习分析模型和连续可获得性模型结合将有望建立更多栖息地选择模型。
1.2.2 有代价迁移假设圆窗模型和连续可获得性模型都有一个隐含的假设：即动物的感知范围等于栖息地可获得范围。这就导致在模型模拟中出现一个不符合实际的现象：即能看到的就能得到。实际上，动物从当前位置迁移到另一栖息地是需要付出适合度代价的（McPeek & Holt, 1992; Belichon et al, 1996; Baker & Rao, 2004）。这种代价来自于两个方面，一方面是迁徙过程中的死亡，另一方面则是到达新栖息地后表现出的后滞性效应（Stamps et al, 2005）。后滞性效应为一种将时间花费在迁移上而导致的机会成本，包括存活力、繁殖力和其他导致适合度降低的因素。实际研究中，迁移的代价是一个难以估计的参数，尽管也有一些研究探讨了迁移
684动物学研究28卷
代价对动物迁移决策的影响（Baker & Rao, 2004; Stamps et al, 2005），但对不完全信息假设和有代价迁移假设的综合模型目前尚未出现。
这些扩展的模型使得理想自由分布模型成为一种“特例”。但是，2004年对英国一个湖泊中白斑狗鱼（Esox lucius）的研究发现，白斑狗鱼在两个栖息地之间有着近似自由的长距离迁移选择（Haugen et al, 2006），并且未表现出明显的迁移代价。这一研究被作为理想自由模型仍然有效的证据（Morris, 2006）。但是在对白斑狗鱼信息获得途径（记忆、遗传及可长距离传播的指导性信息等）进行细致研究之前，我们认为将其作为有力证据仍然欠妥。
1.2.3 分层栖息地选择（hierarchical habitat selection）分层栖息地选择认为：动物的栖息地选择是有空间层次性的（Johnson, 1980; Schaefer & Messier, 1995）。对于家域性动物而言，其家域的选择往往是基于较大尺度的景观模式和地形，而巢区、取食点等日常利用的栖息地斑块则是在家域内部，他们根据食物、隐蔽所分布等特征进行选择的（Rolstad et al, 2000）。这一栖息地选择机制的适应性意义在于：当景观模式、地形、巢区及取食点等日常利用的栖息地斑块的分布存在相关性，甚至在一定层度上可以指示日常利用栖息地斑块的存在时，动物个体可以通过选择更高层次的家域而高效率地完成栖息地选择。
分层栖息地选择模型是假设栖息地选择是发生在家域和日常利用的栖息地斑块两个层次上的。但这两个层次之间的关系尚不明确。如，当日常利用的栖息地斑块不能满足需要时，是否会影响的到家域层次的选择？此外，这种选择机制虽有一些相关性研究的证据（Schaefer & Messier, 1995; Rolstad et al, 2000），但实践数据仍不充分，特别是未能得到行为学研究的确实证明。
2 栖息地选择过程和现存问题
虽然栖息地选择已有较多的理论，但是包括栖息地选择在内的栖息地生态学（habitat ecology）仍然被批评为一个缺乏理论的领域（Boyce & McDonald, 1999）。为了更好地探讨栖息地选择理论，有必要对动物栖息地选择的过程进行分析。据Hutto （1985）和Block & Brennan （1993）的定义，栖息地选择本质上是一系列的行为反应。因此探讨栖息地选择，我们需明白这“一系列行为反应”究竟包含哪些行为；必须了解导致这些行为反应的动物个体的内在原因。可将动物个体的栖息地选择过程划分为5个关键环节（图2）。首先，假设动物个体对栖息地有内在的偏好，即动物会偏好某一类型的栖息地。这一偏好既可能由遗传决定的（Jaenike & Holt, 1991），也可能受后天经历的影响（比如学习）（Davis & Stamps, 2004; Parejo et al, 2006），还可能受所处生活史阶段等生理状况的影响。动物个体会根据其栖息地偏好来选择栖息地。但是，在选择之前，动物个体还需获取周围环境的信息，以此作为选择决策的依据。最后动物个体基于自身的栖息地偏好，根据获得的环境信息及当前的生理状况，做出行为决策并采取选择行动。而选择行动会改变动物个体的生理状况（比如消耗能量），同时也将有可能导致个体空间位置的移动使得个体周围的环境改变，从而迫使个体进入下一轮的选择过程。对栖息地选择过程各环节详述如下：2.1 栖息地偏好（habitat preference）
为了理论模型构建的便利，可将栖息地偏好定义为：在同等可获得性条件下，动物个体表现出的对某种类型栖息地的非随机利用（Block & Brennan, 1993；Heithaus et al, 2006）。为了使模型简化，现有的行为学和生态学往往假设栖息地偏好程度与栖息地质量存在正相关，进而与个体可以在其中获得的适合度存在正相关（Morris, 1988），但事实上动物个体偏好的栖息地未必为高质量栖息地，也未必能使占据该栖息地的个体获得更高的适合度（Martin, 1998; Tyre et al, 2001; Railsback et al, 2003）。因为动物个体不可能利用所有的栖息地信息建立其“栖息地偏好属性集”。相反，动物个体可能仅仅依靠少数几个栖息地特征“信号”来确定其偏好的栖息地。比如：初生的锦龟（Chrysemys picta）在自然界中偏好某些种类的植物作为微栖息地，但是Sexton （1958）却以巧妙的实验证明，其偏好的特征“信号”并不是某种特定的植物，而是这些植物特有的T型物理结构，人工用铁丝和罐头皮搭建的T型结构对初生锦龟也能有近乎相同的吸引力。
某一动物个体的栖息地偏好虽然很大程度上由遗传控制（Jaenike & Holt, 1991），但是后天的经历对实际选择行为也可能产生影响。例如：出生地偏好诱导（natal habitat preference induction）（Da-
6期 戴 强等：栖息地选择的理论与模型 685
图2 栖息地选择过程示意图 Fig. 2 Habitat selection process
vis & Stamps, 2004））和栖息地复制（habitat copy ）
（Parejo et al, 2006）。这两种效应实际上是一种经验学习的过程。出生地诱导意味着，既然自己的亲代曾在这里成功的繁殖（有了自己），因此，这种栖息地就是一可靠的繁殖栖息地。而栖息地复制则意味着，既然其他成年个体选择了这种栖息地，并成功地生存到现在甚至繁殖成功，因此，这也是一种可靠的栖息地。这种后天的经历会导致同一物种的不同个体之间的栖息地偏好存在差异，使得动物个体的行为有了更大的可塑性，在一定程度上能根据变化的环境作出迅速的行为调整。这种行为决策并不一定会导致个体选择最优栖息地，但可减少误选劣质栖息地的风险。此外，动物个体所处的生活史阶段也会影响栖息地偏好（Dai et al, 2005b ），成体和亚成体对繁殖、生长的投入的差异可能是导致栖息地偏好不同的原因之一。
目前大量关于栖息地选择的研究都集中于对“栖息地特征”（habitat characters ）的研究，而多数研究均建立在对自然条件下的调查数据的相关性分析（Wei et al, 1996; Dai et al, 2005a; Bellis et al, 2006）。这些研究积累了很多动物栖息地特征的信息，但是，由于自然条件下各种栖息地特征的非独立性，我们难以从中判断动物个体栖息地偏好实际所依据的“信号”，甚至不能区分动物的栖息地偏好究竟是“选择优质栖息地”还是“躲避劣质栖息地”（Haila et al, 1996）或兼而有之。对这些相关性分析结果的直接应用，将导致对栖息地偏好正确性和复杂性的高估。事实上，当环境发生突然改变时，动物未必能适应这一变化，其固有的栖息地偏好甚至会导致它们作出错误的选择从而进入“生态陷阱”（Kokko & Sutherland, 2001; Schlaepfer et al, 2002）。尤其当人类活动（如一些大型工程）突然改变动物的生活环境时，对动物栖息地偏好准确性
的高估会导致对人类活动影响的低估。
现有对“栖息地特征”的研究多数都是基于相关性分析。但相关性分析存在一固有缺陷：相关现象之间未必存在必然的因果联系。这使得我们难以准确地了解动物内在的栖息地偏好。对这一问题的解决办法是控制实验。通过对条件的控制，严格设计“栖息地选择实验”可更准确地考察动物个体的栖息地偏好。
2.2 栖息地信息获得
动物究竟是如何获得栖息地信息？可获得的范围有多大？这些参数的获得比较困难。现有的研究假设了各种信息可获得程度，从完全信息假设（Morris, 1988）到窗口模型（Arthur et al, 1996; Railsback & Harvey, 2002）以及从连续可获得性模型（Hjermann, 2000; Rhodes et al, 2005）到学习分析模型（Charnov, 1976; Wajnberg et al, 2006），这些模型都是对问题进行不同程度的简化。窗口模型和连续可获得性模型均为假设栖息地信息的可获得程度取决于个体与栖息地斑块之间的距离，但是更进一步的研究应该考虑栖息地信息的可获得性不仅仅取决于距离，还取决于个体与栖息地斑块之间中间斑块的特性。这些中间斑块特性有可能会阻挡栖息地信息的传递。
此外，现有的模型都假设栖息地信息的获得是一次性的（Arthur et al, 1996; Hjermann, 2000）。事实上，我们不能排除动物逐步获得栖息地各项特征信息的可能性。这意味着，栖息地信息的获得也是有层次性的。当动物寻找适合栖息地时，可能首先会被某一外在的易于发现的特征信息所吸引（如植被的空间特征），待接近后才可能细致考察其余特征（如温湿度、食物、天敌等特征）。
栖息地信息的获得方式和程度是现有栖息地选择理论的一个瓶颈，现有的假设基本上都是基于
686动物学研究28卷
经验的猜测，或通过野外的观察加上由栖息地选择模型的逆推而获取栖息地获得的方式。这与栖息地偏好研究存在的问题一样，均还需实验行为学或认知学的研究支持。
2.3 行为决策
Jones（2001）指出，栖息地选择是一个决策（decision-making）过程。动物如何整合当前信息及过去经验，并作出决策，这是动物栖息地选择过程中最具决定性的一步，也是栖息地选择模型的一个关键环节。然而，我们对栖息地选择决策过程的了解还非常缺乏。
决策过程的关键是决策目标。在行为生态学中，适合度是一个“终极目标”，在多种理论模型中被广泛应用。栖息地选择理论广泛地将适合度作为决策目标（Krebs et al, 1978; Ollason, 1980; Morris, 1988, 1990; Wajnberg et al, 2006）。此方法在讨论行为和栖息地选择的进化时非常有效。但是在讨论具体的动物个体的栖息地选择决策时，适合度就不是一个很合理的决策目标，因为在栖息地选择过程中，动物未必能随时评估确定其行为的适合度（Kokko & Sutherland, 2001）。在实际应用中，当评估人类活动（如一些大型工程）的生态影响时，若假设动物能作出最优化的栖息地选择决策，可能将导致对其生态影响的低估（Schlaepfer et al, 2002）。在进化等理论问题探讨中，可以将多重目标简化为适合度这一单一目标，但在考察具体的生态过程中，多重目标决策可能更加符合实际。比如可将适合度这一“终极目标”分解成为多个具体目标（如获取食物、躲避捕食者及繁殖后代等），动物的行为决策就成为一个多目标决策过程。动物即时的生理状况会对栖息地选择，尤其是对日常利用的栖息地斑块的选择决策产生重要影响。如：饥饿时动物会选择食物丰富的区域，而饱食之后的动物个体则会更偏好能有效躲避捕食者的环境；此外，当动物个体的生理状况不允许长途跋涉时，动物个体的栖息地选择决策就可能偏向与就近选择栖息地而不是探索远距离外的潜在理想栖息地。
要准确了解动物的栖息地选择并预测动物的行为，就需要尽可能模拟动物真实的决策过程。动物栖息地选择的决策过程对我们来说还完全是一个黑箱，真实而完美的决策模拟几乎是不可能的，即使是粗略的模拟也存在很大的困难。人工智能研究的发展或许会帮助我们实现这一过程；而其突破性的进展可能要取决于新的计算机语言甚至类人计算机（包括类人虚拟机）的发展。
2.4 选择行为
一旦动物个体在做出决策后就开始向目标栖息地移动或者停留在当前栖息地中。在这一过程中动物会进入新的环境，并获得新的环境信息；同时，动物个体的生理状态（能量消耗）也将改变，甚至可能死亡（Baker & Rao, 2004；Stamps et al, 2005）。这种生理状态的改变程度与其所处的栖息地密切相关。而这些结果又将影响动物下一轮的栖息地选择行为。动物各种行为导致的生理状态变化对选择过程至关重要，这还需大量生理生态学的基础性研究。
2.5最小空间单位和时间单位问题
在栖息地选择理论模型中尚涉及另外两个问题，一是空间最小单位，另一个则是时间最小单位。
由于技术的原因，我们很难建立一个连续的空间模型，在实际研究中获得的空间信息都是栅格化的离散信息。但是我们尚不了解的是：这种固定栅格化的空间信息是否会影响模型行为，空间栅格尺度是否会影响到模拟的结果。动物个体的栖息地空间可以看作是一个连续的空间，动物在这一连续空间中所获取的信息及经历的事件均为连续的。而栅格化的空间信息可能导致模型与动物在自然界中的真实表现不一致。当然，也不能排除另一种可能性：即动物可获得的栖息地信息和选择决策所利用的信息确实是离散信息。既便如此，这种离散信息的尺度也未必等于我们模型中的栅格尺度。这种动物获取的离散信息可能是随着动物个体的位置变化而由连续栅格化所获取，因此，动物采用的栅格与理论模型中的栅格可能存在错位。
由于现有的栖息地选择数据均来自于每隔一定时间对动物的分布进行的调查数据[比如无线电跟踪），因此，间隔时间较长（数小时—数日）]，这导致模拟的时间也是离散的（Rhodes et al, 2005）。而动物真实的信息收集和行为决策往往不离散，或者说不是均匀离散。基于均匀离散时间的模拟有利于栖息地选择模型的实际应用和检验，但我们需要事先明确这种离散时间是否会对模型行为产生影响？
3展望
综上所述，现有的各种栖息地选择理论均是建
6期戴强等：栖息地选择的理论与模型 687
立在理想自由分布模型基础之上，并通过对其前提的假设进行逐渐放宽后而发展的。这些扩展的模型及假说能更好地接近自然界真实发生的过程。但现有的模型及假说还远远不能帮助我们真实地了解自然界中发生的栖息地选择。栖息地选择一方面在理论上有其重要意义（如探讨进化问题、种群动态及群落结构），另一方面在实际的应用中也有着重要价值（如野生动物管理及生态影响评估）。在理论探讨时可对模型过程进行合理的简化，而在实际应用中，模型则需向着更复杂更准确的方向发展。
栖息地选择理论还缺乏一个成熟的理论体系（Boyce & McDonald, 1999）。在栖息地选择的各关键环节上尚存在着大量有待解决的问题，而解决这些问题需要生态学等多个分支领域的协作，甚至还需要其他学科的介入。栖息地偏好的相关性研究结果需要大量的控制行为实验来加以准确检验；栖息地信息的获取在很大程度上还是一个黑箱，要打开这一黑箱尚需进行大量的行为及认知实验研究，对这一领域的探讨或许还需要引入一些新的实验方法；行为决策这一环节的突破仍需取决于其他学科的进展；而栖息地选择与动物生理状况的相互作用则需要生理生态学的大量介入。
对栖息地选择模型的构建方面目前也存在一些技术问题。动物栖息地选择涉及的因子是如此之多，过程是如此复杂，经典的数学解析模型往往令人难以驾驭。所幸的是，近年来，随着计算机的普及和运算能力的迅速提高，以及面向对象语言的发展，基于个体的模型（agent-based model，ABM或者individual-based model，IBM）开始被广泛地应用于栖息地选择的模拟之中（Railsback & Harvey, 2002; Grimm et al, 2005）。ABM可以视为一种计算机实验，它以单个生物单位（个体或群体均可）为最小模拟对象，该对象按特定的规则与其他对象（包括环境）相互作用，从而达到模拟复杂系统过程的目的。ABM模拟将建模者从复杂、难以把握的系统动态数学过程中解脱出来，从而可以更加关注于系统作用规律。通过这种模拟，我们可以迅速地找到动物在栖息地选择过程中的关键参数，甚至有望完成对栖息地选择的动态预测。然而，在栖息地选择理论和模型研究中，数学解析模型依然有其重要作用：当关注集中于少数几个参数时，数学解析模型则能更加迅速而准确地把握模型行为并阐释其生态意义。此外，从系统学角度看，ABM所要完成的工作是通过大量低层次过程的累计运算得出高层次的结果。而计算机的运算能力终究不是无限的，若在ABM中恰当地插入一些数学解析模型，可极大地减少运算量，并提高其运算速度。
参考文献：
Arthur SM, Manly BFJ, McDonald LL, Garner GW. 1996. Assessing habitat selection when availability changes [J]. Ecology, 77（1）：215-227. Baker MB, Rao S. 2004. Incremental costs and benefits shape natal dispersal：Theory and example with Hemilepistus reaumuri [J].
Ecology, 85（4）：1039-1051.
Belichon S, Clobert J, Massot M. 1996. Are there differences in fitness components between philopatric and dispersing individuals [J]. Acta Oecologia, 17（6）：503-517.
Bellis LM, Navarro JL, Vignolo PE, Martella MB. 2006. Habitat preferences of lesser rheas in Argentine Patagonia [J]. Biodiversity and Conservation, 15（9）：3065-3075.
Block WM, Brennan L A. 1993 The habitat concept in ornithology：Theory and applications [J]. Current Ornithology, 11：35-91.
Boyce MS, McDonald LL. 1999. Relating populations to habitats using resource selection functions [J]. Trends in Ecology & Evolution, 14（7）：268-272.
Buckley NJ. 1997. Spatial-concentration effects and the importance of local enhancement in the evolution of colonial breeding in seabirds [J].
American Naturalist, 149（6）：1091-1112.
Caughley G. 1994. Directions in onservation biology [J]. Journal of Animal Ecology, 63（2）：215-244.
Charnov EL. 1976. Optimal foraging：the marginal value theorem [J]. Theor Popul Biol, 9（2）：129-136.
Dai JH, Dai Q, Zhang M, Zhang JD, Li C, Liu B, Liu ZJ, Wang YZ. 2005a.
Habitat selection of three amphibians （Rana kukunoris, Nanorana
pleskei, Bufo minshanicus）during summer-autumn in Zoige Wetland National Nature Reserve [J]. Zool Res, 26（3）：263-271.[戴建洪, 戴强, 张明, 张晋东, 李成, 刘兵, 刘志军, 王跃招. 2005a. 若尔盖湿地国家自然保护区三种无尾两栖类夏秋季栖息地选择. 动物学研究，26（3）：263-271.]
Dai Q, Yang Y, Zhang M, Dai JH, Li C, Liu ZJ, Zhang JD, Gu HJ, Wang YZ.
2005b. Terrestrial core habitat of 3 Anurans in Zoige Wetland Nature Reserve [J]. Acta Ecologica Sinica，25（9）：2256-2262. [戴强, 杨勇, 张明, 戴建洪, 李成, 刘志君, 张晋东, 顾海军, 王跃招.
2005. 若尔盖湿地国家级自然保护区三种无尾两栖类陆地核心生境研究. 生态学报, 25（9）：2256-2262.]
Davis JM, Stamps JA. 2004. The effect of natal experience on habitat preferences [J]. Trends in Ecology & Evolution, 19（8）：411-416. Fretwell SD, Lucas HL Jr. 1969. On territorial behavior and other factors influencing habitat distribution in birds [J]. Acta Biotheoretica, 19（1）：16-36.
Fretwell SD. 1972. Populations in Seasonal Environments [M]. Princeton, New Jersey：Princeton University Press.
Gao ZX, Zhang MH, Hu RB. 1995. Winter breeding site selection of Ussurian wild pig in the Lesser Khing-an Mountains [J]. Acta Theriologica Sinica, 5（1）：25-30. [高中信，张明海，胡瑞滨. 1995.
小兴安岭地区野猪冬季卧息地选择的初步研究. 兽类学报, 5（1）：25-30.]
Greene CM, Stamps JA. 2001. Habitat selection at low population densities [J]. Ecology, 82（8）：2091-2100.
688动物学研究28卷
Grimm V, Revilla E, Berger U, Jeltsch F, Mooij WM, Railsback SF, Thulke HH, Weiner J, Wiegand T, DeAngelis DL. 2005. Pattern-oriented modeling of agent-based complex systems：Lessons from ecology [J].
Science, 310（5750）：987-991.
Grinnell J. 1917. Field tests of theories concerning distributional control [J].
American Naturalist, 51：115-128
Haila Y, Nicholls AO, Hanski IK, Raivio S. 1996. Stochasticity in bird habitat selection：Year-to-year changes in territory locations in a boreal forest bird assemblage [J]. Oikos, 76（3）：536-552.
Haugen TO, Winfield IJ, V ollestad LA, Fletcher JM, James JB, Stenseth NC.
2006. The ideal free pike：50 years of fitness-maximizing dispersal in Windermere [J]. Proceedings of the Royal Society B—Biological Sciences, 273（1604）：2917-2924.
Heithaus M R, Hamilton I M, Wirsing A J, Dill L M. 2006. Validation of a randomization procedure to assess animal habitat preferences：microhabitat use of tiger sharks in a seagrass ecosystem [J]. Journal of Animal Ecology, 75（3）：666-676.
Highsmith RC. 1982. Induced Settlement and metamorphosis of sand dollar （Dendraster ecentricus）larvae in predator-free sites： Adult sand dollar beds [J]. Ecology, 63（2）：329-337.
Hjermann DO. 2000. Analyzing habitat selection in animals without well-defined home ranges [J]. Ecology, 81（5）：1462-1468.
Hutto RL. 1985. Habitat selection by nonbreeding, migratory land birds [A].
In：Cody ML. Habitat Selection in Birds [M]. Orlando, Florida：Academic Press Inc, 455-476.
Jaenike J, Holt RD. 1991. Genetic-variation for habitat preference - evidence and explanations [J]. American Naturalist, 137：S67-S90.
Jia F Wan N, Zheng GM. 2005. Analysis of roosting site characteristics of wintering Crossoptilion crossoptlion populations [J]. Chinese Journal of Ecology, 24（2）：153-158. [贾非, 王楠, 郑光美. 2005. 冬季白马鸡群体夜栖地特征分析. 生态学杂志, 24（2）：153-158.] Johnson DH. 1980. The comparison of usage and availability measurements for evaluating resource preference [J]. Ecology, 61（1）：65-71.
Jones J. 2001. Habitat selection studies in avian ecology：A critical review [J]. Auk, 118（2）：557-562.
Jonzen N, Wilcox C, Possingham HP. 2004. Habitat selection and population regulation in temporally fluctuating environments [J].
American Naturalist, 164（4）：E103-E114.
Kenward RE. 1978. Hawks and doves： Factors affecting success and selection in Goshawk Attacks on Woodpigeons [J]. The Journal of Animal Ecology, 47（2）：449-460.
Kokko H, Sutherland WJ. 2001. Ecological traps in changing environments：Ecological and evolutionary consequences of a behaviourally mediated Allee effect [J]. Evolutionary Ecology Research, 3（5）：537-551. Krebs JR, Kacelnik A, Taylor P. 1978. Test of optimal sampling by foraging great tits [J]. Nature, 275（5675）：27-31.
Kuussaari M, Saccheri I, Camara M, Hanski I. 1998. Allee effect and population dynamics in the Glanville fritillary butterfly [J]. Oikos, 82（2）：384-392.
Li WJ, Wang ZJ. 2000. A wintering habitat model for red crown crane [J].
Chinese Journal of Applied Ecology, 11（6）：839-842. [李文军王子健. 2000. 丹顶鹤越冬栖息地数学模型的建立. 应用生态学报, 11（6）：839-842.]
MacArthur RH, Pianka ER. 1966. On optimal use of a patchy environment [J]. American Naturalist, 100：603-609.
Martin TE. 1998. Are microhabitat preferences of coexisting species under selection and adaptive [J]. Ecology, 79（2）：656-670.
McPeek MA, Holt RD. 1992. The Evolution of dispersal in spatially and
temporally varying environments [J]. The American Naturalist, 140（6）：1010-1027.
Morris DW. 1987. Spatial scale and the cost of density-dependent habitat selection [J]. Evolutionary Ecology, 1（4）：379-388.
Morris DW. 1988. Habitat-dependent population regulation and community structure [J]. Evolutionary Ecology, 2（3）：253-269.
Morris DW. 1990. Temporal variation, habitat selection and community structure [J]. Oikos, 59：303-312.
Morris DW. 2006. Ecology: Moving to the ideal free home [J]. Nature, 443（7112）：645-646.
Ollason JG. 1980. Learning to forage: optimally [J]. Theoretical Population Biology, 18（1）：44-56.
Parejo D, Oro D, Danchin E. 2006. Testing habitat copying in breeding habitat selection in a species adapted to variable environments [J]. Ibis, 148（1）：146-154.
Railsback SF, Harvey BC. 2002. Analysis of habitat-selection rules using an individual-based model [J]. Ecology, 83（7）：1817-1830.
Railsback SF, Stauffer HB, Harvey BC. 2003. What can habitat preference models tell us? Tests using a virtual trout population [J]. Ecological Applications, 13（6）：1580-1594.
Rhodes JR, McAlpine CA, Lunney D, Possingham HP. 2005. A spatially explicit habitat selection model incorporating home range behavior [J].
Ecology, 86（5）：1199-1205.
Rolstad J, Loken B, Rolstad E. 2000. Habitat selection as a hierarchical spatial process：The green woodpecker at the northern edge of its distribution range [J]. Oecologia, 124（1）：116-129.
Schaefer J A, Messier F. 1995. Habitat selection as a hierarchy：The spatial scales of winter foraging by muskoxen [J]. Ecography, 18（4）：333-344.
Schlaepfer MA, Runge MC, Sherman PW. 2002. Ecological and evolutionary traps [J]. Trends in Ecology & Evolution, 17（10）：474-480.
Sexton OJ. 1958. The relationship between the habitat preferences of hatchling Chelydra serpentina and the physical structure of the vegetation [J]. Ecology, 39（4）：751-754.
Stamps JA, Krishnan VV, Reid ML. 2005. Search costs and habitat selection by dispersers [J]. Ecology, 86（2）：510-518.
Stamps JA. 2006. The silver spoon effect and habitat selection by natal dispersers [J]. Ecology Letters, 9（11）：1179-1185.
Tyre AJ, Possingham HP, Lindenmayer DB. 2001. Inferring process from pattern：Can territory occupancy provide information about life history parameters [J]. Ecological Applications, 11（6）：1722-1737. Wajnberg E, Bernhard P, Hamelin F, Boivin G. 2006. Optimal patch time allocation for time-limited foragers [J]. Behavioral Ecology and Sociobiology, 60（1）：1-10.
Wang YP, Wu ZJ, Lu P, Zhang F, Li YM. 2007. Breeding ecology and oviposition site selection of Black-spotted pond frogs（Rana nigromaculata）in Ningbo, China [J]. Zool Res, 28（2）：186-192.[王彦平, 武正军, 陆萍, 张方, 李义明. 2007. 宁波地区黑斑蛙的繁殖生态和产卵地选择. 动物学研究, 28（2）：186-192.]
Wei FW, ZHOU A, HU JC, WANG W, YANG G. 1996. Habitat selection by Giant pandas in Mabian Dafengding Reserve [J]. Acta Theriologica Sinica, 16（4）：241-245. [魏辅文, 周昂, 胡锦矗, 王维, 杨光.
1996. 马边大风顶自然保护区大熊猫对生境的选择. 兽类学报, 16（4）：241-245.]
Zhang ZW, Liang W, Sheng G. 1994. Studies on the nest site selection of Daurian partridge [J]. Zool Res, 15（4）：37-43.[张正旺, 梁伟, 刚
盛. 1994. 斑翅山鹑巢址选择的研究. 动物学研究, 15（4）：37-43.]
城市河湖生物栖息地保护与恢复的要求与内容
城市河湖生物栖息地保护与恢复的要求与内容 1一般规定 1.1生物栖息地保护范围应结合城市规划，根据保护需求、生态本底条件、生物种群历史演替和现状，以及流域或区域城市建设情况，科学合理划定。 1.2生物栖息地保护与恢复设计，应坚持系统完整、保护优先、因地制宜、统筹实施的原则。 1.3应在详细调查河湖生态现状基础上，结合流域与区域生态系统特点，分析目标栖息地存在的问题和保护需求，根据上位规划、生态本底特征、区域空间与场地条件，完成生物栖息地保护与恢复设计。 1.4生物栖息地保护与恢复设计可包括总体设计和专项设计，其中总体设计宜包括空间功能分区等，专项措施设计可包括产卵场、索饵场、越冬场、洄游通道、替代生境以及其他措施（如增殖放流）等。 1.5生物栖息地空间功能分区可根据生物种群保护和人类活动需求，划分为严格保护区、生态保育区、科普游憩区和传统利用区。 1.6应结合栖息地规模和空间条件，充分考虑水生生物、两栖、陆生、鸟类以及昆虫等生物栖息与活动需求。 1.7生物栖息地保护与恢复设计，应参考广东省及当地野生动植物保护名录，结合栖息地特征与条件，识别生物栖息生物种类和栖息地类型，充分考虑珍稀濒危生物种群栖息繁育需求。 1.8应关注不同生物对食源、空间、植物、光线、温度、噪音等要素的不同需求，营造差异化或多样化栖息条件。 1.9应特别注意外来入侵物种对流域内重要生物栖息地的影响。 1.10应建立健全生物栖息地保护组织机制，严格落实相关部门在河湖生物栖息地保护中的职责要求。 1.11宜建立生物栖息地常态化监测和评估机制，遴选具备相关能力的专业机构、采用数字化信息技术手段，对栖息地内生物繁育和活动情况进行监测评估，必要时可进行人为干预。1.12宜在生物栖息地显著位置设置标志牌，介绍生物栖息地情况、栖息地内生物群落及保护生物赋存情况、保护生物习性特征和注意事项，有利于公众对生物栖息地的认知和保护。 2产卵场、索饵场、越冬场保护与恢复 2.1应根据流域内水生生物的生存空间与繁育迁徙需求，保留一定范围的天然生境河段，划定保护红线，限制或禁止开发、种植养殖、鱼类捕捞等人类活动，保护与恢复产卵场、索饵
概念性方案设计深度要求
概念性方案设计文件编制及深度要求 第一部分概述 按集团的策划以及设计管理流程要求，概念性方案设计是承接项目和产品策划的设计阶段，概念性方案设计在概念性方案设计任务书和项目产品建议10大问题总结的基础上，设计思路应具有延续性、探索性、独创性和挑战性。 1．方案设计文件编制的目的和特点 a)概念性方案阶段的任务包括以下两大方面： i.根据项目的实际情况，确定设计管理模式，起主要工作成果体现在 设计任务分解清单和设计费用预算、项目设计总体控制计划以及设 计单位的筛选；有关项目设计总体控制计划的编制要求可以参照《项 目规划设计分析成果标准》相关章节执行； ii.通常意义上的概念性方案设计。对概念性方案设计本身的要求可以参照本文执行； b)概念性方案可以根据需要结合当地政府报批所需的修建性详规设计，概 念性方案深度以修建性详规深度为参照依据。设计内容在体现10大问题 和概念性方案设计任务书的基础上，应围绕修建性详规的“五图一书”、场地分析和住宅单体选型的要求进行，表现手法可根据报批或者项目具 体需要灵活确定。在概念性方案设计阶段，地区产品技术部必须同步编 制CS01A，设计完成后在方案委员会召开前地区及集团职能管理部应对 设计如何体现设计任务书的要求及10大问题的说明做综合书面评估，并 构成完整的概念性方案文件供方案委员会审批用；概念性方案的深度要 在通过方案委员会审批后据以进行实施方案设计； c)概念性方案设计文件包括设计单位以及地区产品技术部提供的： i.设计单位提供的概念性方案设计文件应以构思分析草图、场地分析 草图、住宅单体风格以及户型选型示意图和总平面设计构思图纸为 主，辅以对整体概念构思的的简要设计说明；
最新营销策划与决策模型
营销策划与决策模型 营销策划与决策模型营销策划与决策模型序）和输出. 即使是一个简单的模型，例如建立广告与销售促销相对有效性的模式，可 以采取各种形式. 它可以被构造为需要输入广告，促销和销售的历史数据的非 线性回归模型. 这导致了广告和促销活动的相关效果，以及广告和促销方式如 何解释销Array售升级的 方式. 自动地提供了风险和相关的统计学意义的测量.可以进行额外的敏感性分 析，以确定销售营销变量的预期变化.模型当然要受到一些假设的约束.
关键字：营销策划决策模型顾客
ABSTRACT Even a simple model, such as the establishment of advertising and sales promotion relative to the effectiveness of the model, can take various forms. It can be constructed as a non-linear regression model that requires input of historical data for advertising, promotion and sales. This leads to the relevant effects of advertising and promotions, as well as how ads and promotions explain how sales are upgraded. Automatically provide a measure of risk and related statistical significance. Additional sensitivity analysis can be performed to determine the expected change in sales marketing variables. The model is of course bound by some assumptions. Keywords：Marketing planning Decision model Customer 目录 1.绪论............................................................................................................错误!未定义书签。
机器学习模型的“可解释性”的概念及其重要意义
机器学习模型的“可解释性”的概念及其重要意义 人们对深度学习模型的真正运行机制还远远没有完全了解，如何提高预测模型的“可解释性”成了一个日益重要的话题。近来的一篇论文讨论了机器学习模型的“可解释性”的概念及其重要意义。 7月17日，加州大学圣迭戈分校（UCSD）博士、卡内基梅隆大学（CMU）计算机科学助理教授Zachary C. Lipton在ACM Queue上发表了题为《The Mythos of Model Interpretability》的文章，讨论了监督式机器学习预测模型的可解释性问题。Lipton在文中试图明确“可解释性”的定义，并对“可解释性”进行分类，并提出了一个重要观点，认为线性模型的可解释性并不一定高于深度神经网络（DNN）模型。 以下是新智元对论文内容的简编。 监督式的机器学习模型具有卓越的预测能力。不过，机器学习模型不仅应该可用，而且应该是可解释的，但“解释机器学习模型”的任务定义似乎不够明确。学术文献中提出了为模型寻求可解释性的许多动机，并提供了无数的技术来提供可解释的模型。尽管存在这种模棱两可的情况，但许多作者宣称他们的模型在公理上是可解释的，然而对此却缺乏进一步的论证。问题是，目前尚不清楚这些技术的共同特性是什么。 本文旨在完善关于可解释性的表述。首先，文章回顾了以前论文中解决可解释性的目标，发现这些目标多种多样，偶尔还有相互矛盾。接着讨论了研究可解释性的模型属性和技术思路，以及模型对人而言的识别透明度，并引入了“事后可解释性”的概念作为对比。文章讨论了关于模型可解释性概念的不同观点的可行性和合理之处，对“线性模型可解释，深度神经网络不可解释”这一常见的观点提出了质疑。 在过去的20年中，机器学习的快速发展产生了自动决策。在实际应用中，大多数基于机器学习的决策的运作方式是这样的：用输入数据训练机器学习算法，然后由算法预测相应的输出。例如，给定一组关于金融交易的属性信息，机器学习算法可以预测长期的投资回报。给定来自CT扫描的图像，算法可以该图像的扫描对象罹患癌性肿瘤的概率。
应用回归分析
第五章 自变量选择对回归参数的估计有何影响 答：全模型正确而误用选模型时，我们舍去了m-p 个自变量，用剩下的p 个自变量去建立选模型，参数估计值是全模型相应参数的有偏估计。选模型正确而误用全模型时，参数估计值是选模型相应参数的有偏估计。 自变量选择对回归预测有何影响 （一）全模型正确而误用选模型的情况 估计系数有偏，选模型的预测是有偏的，选模型的参数估计有较小的方差，选模型的预测残差有较小的方差,选模型预测的均方误差比全模型预测的方差更小。 （二）选模型正确而误用全模型的情况 全模型的预测值是有偏的，全模型的预测方差的选模型的大，全模型的预测误差将更大。 如果所建模型主要用于预测，应该用哪个准则来衡量回归方程的优劣 答：应该用自由度调整复决定系数达到最大的准则。当给模型增加自变量时，复决定系数也随之增大，然而复决定系数的增大代价是残差自由度的减小，自由度小意味着估计和预测的可靠性低。应用自由度调整复决定系数达到最大的准则可以克服样本决定系数的这一缺点,把2 R 给予适当的修正，使得只有加入“有意义”的变量时，经过修正的样本决定系数才会增加，从而提高预测的精度。 试述前进法的思想方法。 解：主要是变量由少到多，每次增加一个，直至没有可引入的变量为止。 具体做法是：首先将全部m 个自变量，分别对因变量y 建立m 个一元线性回归方程，并分别计算这m 个一元回归方程的m 个回归系数的F 检验值，记为 111 12{,,,} m F F F ，选其最大者 1111 12max{,, ,} j m F F F F =，给定显著性水平α，若 1(1,2) j F F n α≥-，则首先将 j x 引入回 归方程，假设 1 j x x =。其次，将 12131(,),(,),,(,)m y x x x x x x 分别与建立m-1个二元线性 回归方程，对这m-1个回归方程中 23,, ,m x x x 的回归系数进行F 检验，计算F 值，记为 222 23{,, ,} m F F F ，选其最大的记为 2222 23max{,, ,} j m F F F F =，若 2(1,3) j F F n α≥-，则 接着将j x 引入回归方程。以上述方法做下去。直至所有未被引入方程的自变量的F 值均小
数据、模型与决策例题分析
数据、模型与决策 3 线性规划问题的计算机求解及应用举例 第7题 （1）线性规划模型 （2）线性规划模型代数式 公司所做决策的变量是每种原料合金的数量，因此引入决策变量 i x 表示第i 种原料合金的数量()1,2,3,4,5,6i =。 建立此问题的数学模型为： 123456min 1008075859495Z x x x x x x =+++++ 6 1234561 6 12345616 12345616025304030404020352025405030..204050353010300(1,2,3,4,5,6)i i i i i i i x x x x x x x x x x x x x x s t x x x x x x x x i ===? +++++=??? ? +++++=?????+++++=????≥=?? ∑∑∑
第8题 （1）线性规划模型 （2）线性规划模型代数式 公司所做决策的变量是每种原料数，因此引入决策变量i x 表示第i 种原料数()1,2,3,4i =。 建立此问题的数学模型为： 1234min 0.80.40.60.4Z x x x x =+++ 12341234 1234123485204080250 35853565190..152560151601089840 x x x x x x x x s t x x x x x x x x +++≥??+++≥?? +++≥??+++≥?
第9题 线性规划模型代数式 车间所做决策的变量是(1,2,3)i A i =机床生产(1,2)j B j =零件数，因此引入决策变量ij x 表示加工(1,2)j B j =零件使用的(1,2,3)i A i =机床台数。 建立此问题的数学模型为： 111221223132max 304565403542Z x x x x x x =+++++ 1112212231328060..300(1,2,3,1,2) ij x x x x s t x x x i j +≤? ?+≤? ? +≤??≥==? （1）线性规划模型 （2）使用sumproduct 函数
历届诺贝尔经济学奖得主及其主要贡献
历届诺贝尔经济学奖得主及其主要贡献（1969—2015） 诺贝尔经济学奖的由来 诺贝尔经济学奖(The Prize in Economic Sciences)，是由瑞典银行在1968年，为纪念诺贝尔而增设的并非诺贝尔遗嘱中提到的五大奖励领域之一，全称为“纪念阿尔弗雷德-诺贝尔瑞典银行经济学奖(The Bank of Sweden Prize in Economic Sciences in Memory of Alfred Nobel)”，通常称为诺贝尔经济学奖(Nobel economics prize)，也称瑞典银行经济学奖。 1969年(瑞典银行的300周年庆典)第一次颁奖，由挪威人弗里希和荷兰人扬-廷贝亨共同获得，美国经济学家萨缪尔森、弗里德曼等人均获得过此奖。 2015年诺贝尔经济学奖将于斯德哥尔摩时间10月12日13时(北京时间12日19时)举行。 经济学奖并非根据阿尔弗雷德-诺贝尔的遗嘱所设立的，但在评选步骤、授奖仪式方面，与诺贝尔奖相似。奖项由瑞典皇家科学院每年颁发一次，遵循对人类利益做出最大贡献的原则给奖。 诺贝尔经济学奖可以颁发给单个人，也可以最多由三人分享，其主要目的是表彰获奖者在宏观经济学、微观经济学、新的经济分析方法等领域所作的贡献。今年的诺贝尔经济学奖奖金仍为1000万瑞典克朗(约合140万美元)。 “诺贝尔经济学奖”历届获奖者名单 从1969年至2015年诺贝尔经济学奖已经颁发了47次，获奖者人数达76人，其中包括美国著名的经济学家萨缪尔森、弗里德曼。 1969年 拉格纳·弗里希(RAGNAR FRISCH)挪威人 简·丁伯根(JAN TINBERGEN)荷兰人 主要贡献：他们发展了动态模型来分析经济进程。前者是经济计量学的奠基人，后者经济计量学模式建造者之父。 1970年 保罗·安·萨默尔森(PAUL A SAMUELSON )美国人 主要贡献：他发展了数理和动态经济理论，将经济科学提高到新的水平。他的研究涉及经济学的全部领域。 1971年 西蒙·库兹列茨(SIMON KUZNETS )美国人 主要贡献：在研究人口发展趋势及人口结构对经济增长和收入分配关系方面做出了巨大贡献。 1972年 约翰·希克斯(JOHN R. HICKS)英国人 肯尼斯·约瑟夫·阿罗(KENNETH J. ARROW)美国人 主要贡献：他们深入研究了经济均衡理论和福利理论。 1973年 华西里·列昂惕夫(W ASSIL Y LEONTIEF)苏联人 主要贡献：发展了投入产出方法，该方法在许多重要的经济问题中得到运用。 1974年 弗·冯·哈耶克(FRIEDRICH AUGUST VON HAYEK)澳大利亚人
《数据模型与决策》学习心得
《数据模型与决策》学习心得 ——运用运筹学的理念定会取得“运筹帷幄，决胜千里” 运筹学问题和运筹思想可以追溯到古代，它和人类实践活动的各种决策并存。现在普遍认为，运筹学是近代应用数学的一个分支，主要是将生产、管理等事件中出现的一些带有普遍性的运筹问题加以提炼，然后利用数学方法进行解决。界定运筹学作为在科学界的一门独立学科的出现，应当说是在1951年，即P. M. Morse和G. E. Kimball 的专着“运筹学方法”出版的那一年。运筹学的思想贯穿了企业管理的始终，运筹学对各种决策方案进行科学评估，为管理决策服务，使得企业管理者更有效合理地利用有限资源。优胜劣汰，适者生存，这是自然界的生存法则，也是企业的生存法则。只有那些能够成功地应付环境挑战的企业，才是得以继续生存和发展的企业。作为企业的管理者，把握并运用好运筹学的理念定会取得“运筹帷幄之中，决胜千里之外”之功效。 一、企业发展原则与战略管理 企业战略管理是企业在宏观层次通过分析、预测、规划、控制等手段，充分利用本企业的人、财、物等资源，以达到优化管理，提高经济效益的目的。随着我国经济市场化的日益加深，市场竞争日趋激烈，我国企业面临着更多的环境因素的影响与冲击。企业要求得生存与发展，必须运筹帷幄，长远谋划，根据自身的资源来制定最优的经营战略，以战略统揽全局。企业战略过程包括，明确企业战略目标，制定战略规划，作出和执行战略决策，并最后对战略作出评价。企业战略管理作为企业管理形态的一种创新，应是以市场为导向的管理、
是有关企业发展方向的管理、是面向未来的管理、是寻求内资源与外资源相协调的管理、是寻找企业的长期发展为目的。也就是将企业看作一个系统，来寻求系统内外的资源合理分配与优化，这正体现了运筹学的思想。我国企业战略管理的内容应根据自己的国情，制定对应的战略。主要侧重规定企业使命、分析战略环境、制定战略目标。中国现在绝大部分商品已由卖方市场转为买方市场，知识经济正向我们走来，全球经济一体化的程度在加深，我国企业不仅直接参与国内市场，还将更直接面临与世界跨国公司之间的角逐，企业间竞争的档次和水平日益提高，因而企业将面临更加复杂的竞争环境。只有确定了宏伟的奋斗目标，才能使企业凝集全部的力量，众志成城，向一个共同方向努力，争取实现有限资源的最有效的利用。显然，运筹学理念的作用举足轻重。 二、企业生产计划与市场营销 1、生产计划。使用运筹学方法从总体上确定适应需求的生产、贮存和劳动力安排等计划，以谋求最大的利润或最小的成本，运筹学主要用线性规划、整数规划以及模拟方法来解决此类问题。线性规划问题的数学模型是指求一组满足一个线性方程组（或线性不等式组，或线性方程与线性不等式混合组）的非负变量，使这组变量的一个线性函数达到最大值或最小值的数学表达式. 建立数学模型的一般步骤： （1）确定决策变量（有非负约束）；对于一个企业来说，一般是直生产某产品的计划数量。 （2）写出目标函数（求最大值或最小值）确定一个目标函数；
河流生物栖息地评估研究进展
河流生物栖息地评估研究进展 赵进勇董哲仁孙东亚 中国水利水电科学研究院，北京，100038 摘要：河流生物栖息地评估在河流生态修复中具有重要作用，通过栖息地评估可为河流生态修复提供基础信息和依据。本文将河流生物栖息地评估方法分为水文水力学方法、河流地貌方法、栖息地模拟法和综合评估法四种类型，分别对各种方法的原理和特点进行了综述，最后，还讨论了各种评估方法的适用条件。 关键词：河流生态修复生物栖息地评估 State of the Art in the Field of River Habitat Assessment Zhao Jinyong,Dong Zheren,Sun Dongya China Institute of Water Resources and Hydropower Research,Beijing,100038 Abstract:River habitat assessment plays an important role in river restoration,through which fundamental information and basis can be supplied.The paper divided the methods of river habitat assessment into hydrological-hydraulic method,river geomorphology method,habitat modeling method,and integrated assessment method.Every method is summarized from the aspects of principle and characteristics,and the application limitation is also discussed in the end. Key Words:River Restoration;Habitat;Assessment 1概述 河流生态修复是一种环境保护行动，其目的是促使河流系统恢复到较为自然的状态，在这种状态下，河流系统具有可持续特征，并可提高生态系统价值和生物多样性（1）。河流生态修复在欧美等发达国家得到迅速发展，Kondolf（2）的统计表明，自从1980年以来，美国加利福尼亚州的河流生态修复项目已有4000多个。近年来，我国河流生态修复试点工程开始起步，相应的科研、规划与设计等方面工作已经蓬勃展开。但总体而言，我国在河流生态修复方面仍处于技术探索阶段（3）。 从发达国家的经验来看，随着河流生态修复行业的迅速发展，迫切需要进行项目实施后的系统性评估工作，Bernhardt等人(4)的调查结果表明，美国平均每年投入十亿美元进行河流生态修复，截止到2004年底美国共有37000多个河流生态修复项目，其中仅有10%左右的项目进行了监测和评估，由此失去了吸取经验教训的宝贵机会。在河流生态修复中，河流生物栖息地评估具有重要作用，通过栖息地评估可为河流生态修复项目提供基本的信息基础和依据，栖息地评估往往是系统性评估工作的重要组成部分，Kondolf等人（5,6）在河流生态修复项目后评估方法中，将栖息地评估作为三个评估因素之一。栖息地评估已成为生态完整性评价的重要指标（7），并且是很多河流评估计划不可缺少
栖息地选择的理论与模型
收稿日期：2007-06-07；修回日期：2007-09-07 基金项目：国家自然科学基金资助项目（30470252）；中国科学院成都生物研究所知识创新工程领域前沿项目（CIB-2007-LYQY-Q02） *通讯作者：王跃招，E-mail ：arcib@https://www.wendangku.net/doc/2c13226167.html, 第一作者简介：戴强（1973-），硕士，主要从事两栖爬行动物生态学研究 动 物 学 研 究 2007，Dec. 28(6)：681－688 CN 53-1040/Q ISSN 0254-5853 Zoological Research 栖息地选择的理论与模型 戴 强1,2，顾海军1,2,3，王跃招1,* （1. 中国科学院成都生物研究所，四川 成都 610041；2. 中国科学院研究生院，北京 100049; 3. 四川省林业厅，四川 成都 610081） 摘要：栖息地选择理论和模型的发展经历了两个主要阶段：理想自由分布模型和空间直观的栖息地选择模型。 随着对理论模型假设的放宽，近年来产生了越来越多的新模型。通过对栖息地选择过程的分析，提出了栖息地选择的几个关键环节：栖息地偏好、信息获取、行为决策及选择行为。在建立栖息地选择模型的各个关键环节上均存在大量有待解决的问题。目前对栖息地偏好的研究主要为相关分析，栖息地信息获取的过程仍然是一黑箱；对动物在栖息地选择过程中的行为决策以及对其生理状态的影响尚不了解，而解决这些问题需要生态学、生态学及认知学等多个领域的研究结果支持，也有待新的理论及方法加以充实，甚至还需要其他学科的介入。 关键词： 栖息地选择；栖息地选择过程；理论；模型 中图分类号：Q954.3 文献标识码：A 文章编号：0254-5853（2007）06-0681-08 Theories and Models for Habitat Selection DAI Qiang 1,2, GU Hai-jun 1,2,3，WANG Yue-zhao 1,* （1. Chengdu Institute of Biology, the Chinese Academy of Sciences, Chengdu 610041; 2. Graduate School of the Chinese Academy of Sciences, Beijing 100049, China; 3. Sichuan Forestry Bureau, Chengdu 610081） Abstract ： The theories and models of habitat selection have been developed through two important stages, i.e. ideal-free distribution models and spatially explicit habitat selection models. Various new theories and models were developed with a relaxed hypothesis of, free moving, and negative density-dependency. Key processes of habitat selection were identified as habitat preference, environmental information apperceiving, decision-making and choice behavior. There are still many questions concerning these four key links that require solutions. Habitat preference requires more controlled experimental studies rather than correlation analysis. Environmental information apperceiving needs to be further investigated by looking at behavior and cognitive scientific methods. Understanding decision-making is limited and needs to incorporate other methods of science, such as artificial intelligence. Understanding effects of choice behavior on the physiological condition of animals requires more physiological and ecological research. Key words ： Habitat selection; Process; Theory; Model 栖息地选择（habitat selection ）是生态学研究中经常涉及的问题。根据Hutto （1985）和Block & Brennan （1993）的定义，栖息地选择是指导个体对栖息地的非随机利用，进而影响个体生存力和适合度等一系列行为反应。栖息地选择是动物生态学的一个传统研究领域，也是动物生态学众多分支的基础（Johnson, 1980）。它与种群生态学（Jonzen et al, 2004）、群落生态学（Morris, 1988）等生态学分支有着密切的关系。同时，栖息地选择研究可为动物保护措施的制定提供重要的直接依据（Caughley, 1994）。有关栖息地选择的研究很多（Grinnell, 1917; Sexton, 1958; Zhang et al, 1994; Arthur et al, 1996; Bellis et al, 2006），近年来，其理论也有一定的发展（Fretwell & Lucas, 1969; Fretwell, 1972; Morris, 1988, 1990; Arthur et al, 1996; Rhodes et al, 2005）。但长期以来，有关栖息地选择的理论一直不够系统，由此招致一些批评（Boyce & McDonald, 1999）。国内有关栖息地选择，尤其是鸟类栖息地选择的研究甚多（Zhang et al, 1994; Gao et al, 1995; Wei et al, 1996; Dai et al, 2005a; Wang et al, 2007），但对栖息
试述数据模型的概念
试述数据模型的概念，数据模型的作用和数据模型的三个要素: 答案： 模型是对现实世界的抽象。在数据库技术中，表示实体类型及实体类型间联系的模型称为“数据模型”。 数据模型是数据库管理的教学形式框架，是用来描述一组数据的概念和定义，包括三个方面： 1、概念数据模型（Conceptual Data Model）：这是面向数据库用户的实现世界的数据模型，主要用来描述世界的概念化结构，它使数据库的设计人员在设计的初始阶段，摆脱计算机系统及DBMS的具体技术问题，集中精力分析数据以及数据之间的联系等，与具体的DBMS 无关。概念数据模型必须换成逻辑数据模型，才能在DBMS中实现。 2、逻辑数据模型（Logixal Data Model）:这是用户从数据库所看到的数据模型，是具体的DBMS所支持的数据模型，如网状数据模型、层次数据模型等等。此模型既要面向拥护，又要面向系统。 3、物理数据模型（Physical Data Model）:这是描述数据在储存介质上的组织结构的数据模型，它不但与具体的DBMS有关，而且还与操作系统和硬件有关。每一种逻辑数据模型在实现时都有起对应的物理数据模型。DBMS为了保证其独立性与可移植性，大部分物理数据模型的实现工作又系统自动完成，而设计者只设计索引、聚集等特殊结构。 数据模型的三要素： 一般而言，数据模型是严格定义的一组概念的集合，这些概念精确地描述了系统的静态特征（数据结构）、动态特征（数据操作）和完整性约束条件，这就是数据模型的三要素。 1。数据结构 数据结构是所研究的对象类型的集合。这些对象是数据库的组成成分，数据结构指对象和对象间联系的表达和实现，是对系统静态特征的描述，包括两个方面： （1）数据本身：类型、内容、性质。例如关系模型中的域、属性、关系等。 （2）数据之间的联系：数据之间是如何相互关联的，例如关系模型中的主码、外码联系等。 2 。数据操作 对数据库中对象的实例允许执行的操作集合，主要指检索和更新（插入、删除、修改）两类操作。数据模型必须定义这些操作的确切含义、操作符号、操作规则（如优先级）以及实现操作的语言。数据操作是对系统动态特性的描述。 3 。数据完整性约束 数据完整性约束是一组完整性规则的集合，规定数据库状态及状态变化所应满足的条件，以保证数据的正确性、有效性和相容性。
(完整版)逻辑回归模型分析见解
1.逻辑回归模型 1.1逻辑回归模型 考虑具有p个独立变量的向量,设条件概率为根据观测量相对于某事件发生的概率。逻辑回归模型可表示为 （1.1） 上式右侧形式的函数称为称为逻辑函数。下图给出其函数图象形式。 其中。如果含有名义变量，则将其变为dummy变量。一个具有k个取值的名义变量，将变为k-1个dummy变量。这样，有 （1.2） 定义不发生事件的条件概率为 （1.3） 那么，事件发生与事件不发生的概率之比为 （1.4） 这个比值称为事件的发生比(the odds of experiencing an event),简称为odds。因为0
得到的概率。在同样条件下得到的条件概率为。于是，得到一个观测值的概率为 （1.6） 因为各项观测独立，所以它们的联合分布可以表示为各边际分布的乘积。 （1.7） 上式称为n个观测的似然函数。我们的目标是能够求出使这一似然函数的值最大的参数估计。于是，最大似然估计的关键就是求出参数，使上式取得最大值。 对上述函数求对数 （1.8） 上式称为对数似然函数。为了估计能使取得最大的参数的值。 对此函数求导，得到p+1个似然方程。 （1.9） ，j=1,2,..,p. 上式称为似然方程。为了解上述非线性方程，应用牛顿－拉斐森(Newton-Raphson)方法进行迭代求解。 1.3牛顿－拉斐森迭代法 对求二阶偏导数，即Hessian矩阵为 （1.10） 如果写成矩阵形式，以Ｈ表示Hessian矩阵，Ｘ表示 （1.11） 令
数据,模型与决策案例分析
案例1 Kendall蟹虾经营公司 这事发生在不久前。马萨诸塞州坎布里奇市Kendall广场的Kendall蟹虾经营公司（KCL）夜间货运主管Jeff Daniels在他的办公室里焦虑地看着电视中的天气频道。一场暴风雪迅速地沿大西洋海岸从北方直逼波士顿。天气预报指出，有50％的可能暴风雪将在下午5：00左右到达波士顿地区，有50％的可能入海不会再来波士顿及北大西洋沿岸各地。Jeff Daniels并不是Kendall广场唯一一个紧张地看天气频道的人。因为波士顿的Logan国际航空港在暴风雪来临时也许不得不关闭。许多商业运输也只得焦急地等待未来的天气信息。从历史上看，这样巨大的暴风雪抵达波士顿的话，每五个中有一个会迫使Logan航空港在暴风雪期间关闭。 Kendall蟹虾经营公司 Kendall蟹虾经营公司（KLC）1962年建于马萨诸塞州坎布里奇，是波士顿地区一家蟹虾批发运输公司。到1985年，KLC大幅度消减了蟹的业务，扩大了虾的经营，包括对美国东北部的餐馆、华盛顿特区的顾客、缅因州Presque岛的夜间送货。1995年，KCL年销售额达到2200万美元，雇员数超过100。KCL认为它的成功在于为广大顾客服务，它致力于产品的快递市场化和广告化，希望普及到在一些特殊场合的菜单上都能有龙虾这一项。KCL知道食品服务领域中任何行业成功的关键是为顾客服务，保持为顾客服务的出色声誉应是最优先考虑的事。 Jeff Daniels是MIT斯隆管理学院的学生时在KCL工作过，毕业后他成了KCL的员工。他在公司里很快升到现在这个夜间货运主管职位，夜间货运在公司里是最重要的部门。他知道有些最高层管理者正关注着他，他希望不久能得到进一步提升。 龙虾 龙虾是一道极大众的菜。这是因为它有极美的滋味，同时它引人注目的外形也十分漂亮地装点了每张餐桌。人们总是以吃龙虾来庆祝一个特殊的时刻，吃过
《保护野生动植物及栖息地》教案
五年级下册《保护野生动植物及栖息地》教案 香洲区第十小学刘小琴 教学目的： 1、通过相互交流了解认识一些野生动植物及其栖息地的特点。 2、通过调查活动了解当地的野生生物的生存状况和保护情况。 3、增强对自然环境条件下的野生生物的保护意识。 教学重点：知道一些野生动植物及栖息地的特点。 教学难点：让学生意识到对自然环境条件下的野生生物的保护。 教学准备：活动手册、红树林、丹顶鹤、藏羚羊等野生生物的图片或影视资料、当地野生生物的相关资料。 教学过程： 一、引入 师：“你们知道哪些野生的动物或植物？” “动物园的老虎算野生动物吗？生活在自然环境中，受人干扰少的生物才算野生生物。” 二、探究过程 1.介绍野生动植物及其栖息地。 （1）了解《野生动物保护法》和自然保护区的规定。 （2）交流介绍自己知道的野生生物及其栖息地。 包括红树林、丹顶鹤、藏羚羊等野生生物。红树林并不是红颜色的树林，它是一种稀有的木本植物，生长于陆地与海洋交界带的滩涂上，是陆地向海洋过渡的特殊生态系。作为当今海岸湿地生态系统唯一的木本植物，红树林起到海岸森林脊梁的作用。红树林是海洋生物食物链的一个重要环节，通过食物链转换，它可以为海洋生物提供良好的生长发育环境。 （3）写出保护野生生物的理由。 2.调查当地的野生生物。 讨论野生生物当前的保护状况及在野生生物的保护上我们应该做些什么 三、课后作业 制作有关保护野生动植物的手抄报。
四、板书 保护野生动植物及栖息地 各种生物相互依存、相互制约 保持生物的多样性可以保护自然环境； 维护生态平衡…… 五、教学反思 引导学生从生态系统中各种生物相互依存、相互制约及保持生物多样性、维护生态平衡等多方面进行思考，了解野生生物当前的保护状况及在野生生物的保护上我们应该做些什么。
应用回归分析-课后习题参考复习资料
自变量选择与逐步回归 5章第思考与练习参考答案 5.1 自变量选择对回归参数的估计有何影响？ 答：回归自变量的选择是建立回归模型得一个极为重要的问题。如果模型中丢掉了重要的自变量, 出现模型的设定偏误，这样模型容易出现异方差或自相关性，影响回归的效果；如果模型中增加了不必要的自变量, 或者数据质量很差的自变量, 不仅使 得建模计算量增大, 自变量之间信息有重叠，而且得到的模型稳定性较差，影响回归模型的应用。 5.2自变量选择对回归预测有何影响？ 答：当全模型（m元）正确采用选模型（p元）时，我们舍弃了个自变量，回归系数的最小二乘估计是全模型相应参数的有偏估计，使得用选模型的预测是有偏的，但由于选模型的参数估计、预测残差和预测均方误差具有较小的方差，所以全模型正确而误用选模型有利有弊。当选模型（p元）正确采用全模型（m元）时，全模型回归系数的最小二乘估计是相应参数的有偏估计，使得用模型的预测是有偏的，并且全模型的参数估计、预测残差和预测均方误差的方差都比选模型的大，所以回归自变量的选择应少而精。 5.3 如果所建模型主要用于预测，应该用哪个准则来衡量回归方程的优劣？
则应使用如果所建模型主要用于预测，答：统计量达到最小的1 / 8 准则来衡量回归方程的优劣。 5.4 试述前进法的思想方法。 答：前进法的基本思想方法是：首先因变量Y对全部的自变量 x12建立m个一元线性回归方程, 并计算F检验值，选择偏回归平方和显著的变量（F值最大且大于临界值）进入回归方程。每一步只引入一个变量，同时建立m－1个二元线性回归方程，计算它们的F检验值，选择偏回归平方和显著的两变量变量（F值最大且大于临界值）进入回归方程。在确定引入的两个自变量以后，再引入一个变量，建立m－2个三元线性回归方程，计算它们的F检验值，选择偏回归平方和显著的三个变量（F值最大）进入回归方程。不断重复这一过程，直到无法再引入新的自变量时，即所有未被引入的自变量的F检验值均小于F检验临界值F α(11)，回归过程结束。 5.5 试述后退法的思想方法。 答：后退法的基本思想是：首先因变量Y对全部的自变量x12建立一个m元线性回归方程, 并计算t检验值和F检验值，选择最不显著（P值最大且大于临界值）的偏回归系数的自变量剔除出回归方程。每一步只剔除一个变量，再建立m－1元线性回归方程，计算t检验值和F检验值，剔除偏回归系数的t检验值最小（P值最大）的自变量，再建立新的回归方程。不断重复这一过
数据模型决策分析习题
习题1 1.1 抛掷一枚硬币三次。实验的结果序列分别为正面“H ”和反面“T ”。 （a ）这个实验的所有可能的结果是什么？ （b ）结果是“HHT ”的概率是多少？ （c ）最初抛投的两次正面朝上的事件概率是多少? （d ）在三次抛投过程中，出现两次同面朝上的事件概率是多少？ 1.2 抛二颗骰子，考虑出现的点数之和， （a ）写出样本空间； （b ）写出所有基本事件； （c ）记Ai 表示出现i 点（i=1,…,12），求P(A 2),P(A 4),P(A 7) 1.3 假设一年级有100名MBA 学生。所有这些学生，其中20名有两年工作经 历，30名有三年工作经历，15名有四年工作经历，其他35名有五年或五年以上的工作经历。假设随机抽取1名一年级 MBA 学生。 （a ）这名学生至少有四年工作经历的概率是多少？ （b ）假设我们知道这名学生至少有三年工作经历，这名学生至少有四年工作经历的条件概率是多少？ 1.4 在美国有55万人感染HIV 病毒。所有这些人中，27.5万人是吸毒者，其余 的人是非吸毒者。美国总人口为2.5亿。在美国有1000万人吸毒。HIV 感染的标准血液测试并不总是准确的。某人感染HIV ，检测HIV 为肯定的概率是0.99。某人没有感染HIV ，检测HIV 为否定的概率也是0.99。回答下列问题，清晰地说明你需要做出的任何假设。 （a ）假设随机选择一个人进行HIV 标准血液测试，测试结果是肯定的，这个人感染HIV 的概率是多少？你的答案令人吃惊吗? （b ）假设随机选择一个吸毒者进行HIV 标准血液测试，测试结果是肯定的，这个人感染HIV 的概率是多少？ 习题2 2.1表2.1中说明了一个特定类型的微波炉每星期的销售数量的概率分布。 （a ） 每星期销售的微波炉的数量在1和3之间的概率是多少? （b ） 计算每星期销售微波炉的数量的均值、方差以及标准离差。 表2.1 每星期销售微波炉的概率分布 销 售 数 量 概 率 i x i p 0.05 1 0.07 2 0.22 3 0.29 4 0.25
概念模型和数据模型 课堂练习和习题
概念模型和数据模型课堂练习和习题 一、单项选择题 1. 数据模型一般来说是由三个部分组成（即三要素），其中不包括C A.完整性规则 B.数据结构 C.恢复 D.数据操作 2. 按照数据模型分类，数据库系统可以分为三种类型： A. 大型、中型和小型 B. 西文、中文和兼容 C. 层次、网状和关系 D. 数据、图形和多媒体 3. 在关系数据库中,要求基本关系中所有的主属性上不能有空值,其遵守的约束规则是( ) . A.参照完整性规则 B. 用户定义完整性规则 C.实体完整性规则 D. 域完整性规则 4. 在( )中一个结点可以有多个双亲,节点之间可以有多种联系. A.网状模型 B. 关系模型 C.层次模型 D. 以上都有 5．用二维表结构表示实体以及实体间联系的数据模型称为（） A．网状模型 B. 层次模型C．关系模型 D. 面向对象模型6．层次模型的特点是( ) A.只有一个叶结点 B.只有两个叶结点 C.只有一个根结点 D.至少有一个根结点7．在一个用于表示两个实体间联系的关系中,用来表示实体间联系的是该关系中的( ) A.关键字 B.任何多个属性集 C.外部关键字 D.任何一个属性 8．E-R图是( ) A.表示实体及其联系的概念模型 B. 程序流程图 C.数据流图 D. 数据模型图 9．在下面给出的内容中，不属于DBA职责的是( ) A.定义概念模式 B.修改模式结构 C.编写应用程序 D.编写完整性规则 10．学校中有多个系和多名学生，每个学生只能属于一个系，一个系可以有多名学生，从学生到系的联系类型是( ) A.多对多 B.一对一 C.多对一 D.一对多 11．描述数据库中全体数据的逻辑结构和特征是（） A．内模式 B. 模式 C. 外模式 D. 存储模式 12．下列关于数据库三级模式结构的说法中，哪一个是不正确的？（） A．数据库三级模式结构由内模式、模式和外模式组成 B．DBMS在数据库三级模式之间提供外模式/模式映象和模式/内模式映像 C．外模式/模式映象实现数据的逻辑独立性 D．一个数据库可以有多个模式 13．数据库系统的体系结构是（） A.两级模式结构和一级映象 B.三级模式结构和一级映象 C.三级模式结构和两级映象 D.三级模式结构和三级映象 14．概念模型是现实世界的第一层抽象,这一类最著名的模型是( ) . A.层次模型 B. 关系模型 C. 网状模型 D. 实体-联系模型 15．关系数据模型是目前最重要的一种数据模型,它的三个要素分别为( ).