数学建模各种分析报告方法

现代统计学

1.因子分析(Factor Analysis)

因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。

运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。

2.主成分分析

主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。

主成分分析和因子分析的区别

1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。

2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。

3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。

4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。

5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。

和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。

总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,

和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。

在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。

3.聚类分析(Cluster Analysis)

聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术。

在市场研究领域，聚类分析主要应用方面是帮助我们寻找目标消费群体，运用这项研究技术，我们可以划分出产品的细分市场，并且可以描述出各细分市场的人群特征，以便于客户可以有针对性的对目标消费群体施加影响，合理地开展工作。

4.判别分析(Discriminatory Analysis)

判别分析(Discriminatory Analysis)的任务是根据已掌握的1批分类明确的样品，建立较好的判别函数，使产生错判的事例最少，进而对给定的1个新样品，判断它来自哪个总体。

根据资料的性质，分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则，又有费歇、贝叶斯、距离等判别方法。

费歇（FISHER）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴,使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。

贝叶斯（BAYES）判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断。所谓先验概率,就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。它是对先验概率修正后的结果。

距离判别思想是根据各样品与各母体之间的距离远近作出判别。即根据资料建立关于各母体的距离判别函数式，将各样品数据逐一代入计算，得出各样品与各母体之间的距离值，判样品属于距离值最小的那个母体。

5.对应分析(Correspondence Analysis)

对应分析是一种用来研究变量与变量之间联系紧密程度的研究技术。

运用这种研究技术，我们可以获取有关消费者对产品品牌定位方面的图形，从而帮助您及时调整营销策略，以便使产品品牌在消费者中能树立起正确的形象。

这种研究技术还可以用于检验广告或市场推广活动的效果，我们可以通过对比广告播出前或市场推广活动前与广告播出后或市场推广活动后消费者对产品的不同认知图来看出广告或市场推广活动是否成功的向消费者传达了需要传达的信息。

6.典型相关分析

典型相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓广。各组随机变量中既可有定量随机变量，也可有定性随机变

量(分析时须F6说明为定性变量)。本法还可以用于分析高维列联表各边际变量的线性关系。

注意：

1．严格地说，一个典型相关系数描述的只是一对典型变量之间的相关，而不是两个变量组之间的相关。而各对典型变量之间构成的多维典型相关才共同揭示了两个观测变量组之间的相关形式。

2．典型相关模型的基本假设和数据要求

要求两组变量之间为线性关系，即每对典型变量之间为线性关系；

每个典型变量与本组所有观测变量的关系也是线性关系。如果不是线性关系，可先线性化：如经济水平和收入水平与其他一些社会发展水之间并不是线性关系，可先取对数。即log经济水平，log收入水平。

3．典型相关模型的基本假设和数据要求

所有观测变量为定量数据。同时也可将定性数据按照一定形式设为虚拟变量后，再放入典型相关模型中进行分析。

7.多维尺度分析(Multi-dimension Analysis)

多维尺度分析(Multi-dimension Analysis) 是市场研究的一种有力手段，它可以通过低维空间（通常是二维空间）展示多个研究对象（比如品牌）之间的联系，利用平面距离来反映研究对象之间的相似程度。由于多维尺度分析法通常是基于研究对象之间的相似性（距离）的，只要获得了两个研究对象之间的距离矩阵，我们就可以通过相应统计软件做出他们的相似性知觉图。

在实际应用中，距离矩阵的获得主要有两种方法：一种是采用直接的相似性评价，先所有评价对象进行两两组合，然后要求被访者所有的这些组合间进行直接相似性评价，这种方法我们称之为直接评价法；另一种为间接评价法，由研究人员根据事先经验，找出影响人们评价研究对象相似性的主要属性，然后对每个研究对象，让被访者对这些属性进行逐一评价，最后将所有属性作为多维空间的坐标，通过距离变换计算对象之间的距离。

多维尺度分析的主要思路是利用对被访者对研究对象的分组，来反映被访者对研究对象相似性的感知，这种方法具有一定直观合理性。同时该方法实施方便，调查中被访者负担较小，很容易得到理解接受。当然，该方法的不足之处是牺牲了个体距离矩阵，由于每个被访者个体的距离矩阵只包含1与0两种取值，相对较为粗糙，个体距离矩阵的分析显得比较勉强。但这一点是完全可以接受的，因为对大多数研究而言，我们并不需要知道每一个体的空间知觉图。

多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅对所研究的专业领域要有很好的训练，而且要掌握必要的统计分析工具。对实际领域中的研究者和高等院校的研究生来说，要学习掌握多元统计分析的各种模型和方法，手头有一本好的、有长久价值的参考书是非常必要的。这样一本书应该满足以下条件：首先，它应该是“浅入深出”的，也就是说，既可供初学者入门，又能使有较深基础的人受益。其次，它应该是既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，而且在一定程度上了解“为什么”

这样做。最后，它应该是内涵丰富、全面的，不仅要基本包括各种在实际中常用的多元统计分析方法，而且还要对现代统计学的最新思想和进展有所介绍、交代。因子分析

主成分分析通过线性组合将原变量综合成几个主成分，用较少的综合指标来代替原来较多的指标(变量)。在多变量分析中，某些变量间往往存在相关性。是什么原因使变量间有关联呢？是否存在不能直接观测到的、但影响可观测变量变化的公共因子？因子分析(Factor Analysis)就是寻找这些公共因子的模型分析方法，它是在主成分的基础上构筑若干意义较为明确的公因子，以它们为框架分解原变量，以此考察原变量间的联系与区别。

例如，随着年龄的增长，儿童的身高、体重会随着变化，具有一定的相关性，身高和体重之间为何会有相关性呢？因为存在着一个同时支配或影响着身高与体重的生长因子。那么，我们能否通过对多个变量的相关系数矩阵的研究，找出同时影响或支配所有变量的共性因子呢？因子分析就是从大量的数据中“由表及里”、“去粗取精”，寻找影响或支配变量的多变量统计方法。

可以说，因子分析是主成分分析的推广，也是一种把多个变量化为少数几个综合变量的多变量分析方法，其目的是用有限个不可观测的隐变量来解释原始变量之间的相关关系。

因子分析主要用于：1、减少分析变量个数；2、通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共性因子代替该组变量。

1. 因子分析模型

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。

因子分析模型描述如下：

（1）X = (x1，x2，…，xp)￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。

（2）F = (F1，F2，…，Fm)￠（m

（3）e = (e1，e2，…，ep)￠与F相互独立,且E(e)=0, e的协方差阵∑是对角阵，即各分量e之间是相互独立的，则模型：

x1 = a11F1+ a12F2 +…+a1mFm + e1

x2 = a21F1+a22F2 +…+a2mFm + e2

………

xp = ap1F1+ ap2F2 +…+apmFm + ep

称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。

其矩阵形式为: x =AF + e .

其中：

x=，A=，F=，e=

这里，

（1）m ￡ p；

（2）Cov(F,e)=0，即F和e是不相关的；

（3）D(F) = Im ，即F1,F2,…,Fm不相关且方差均为1；

D(e)=，即e1,e2,…,ep不相关，且方差不同。

我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵，e 称为X 的特殊因子。

A = (aij)，aij为因子载荷。数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。

2. 模型的统计意义

模型中F1，F2，…，Fm叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1,2,…,p)所特有的因子，各特殊因子之间以及特殊因子与所

有公共因子之间都是相互独立的。模型中载荷矩阵A中的元素(aij)是为因子载荷。因子载荷aij是xi与Fj的协方差，也是xi与Fj的相关系数，它表示xi 依赖Fj的程度。可将aij看作第i个变量在第j公共因子上的权，aij的绝对值越大(|aij|￡1)，表明xi与Fj的相依程度越大，或称公共因子Fj对于xi 的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。

因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量xi的共同度。它是全部公共因子对xi的方差所做出的贡献，反映了全部公共因子对变量xi的影响。hi2大表明x的第i个分量xi对于F的每一分量F1，F2，…，Fm的共同依赖程度大。

将因子载荷矩阵A的第j列( j =1,2,…,m)的各元素的平方和记为gj2，称为公共因子Fj对x的方差贡献。gj2就表示第j个公共因子Fj对于x的每一分量xi(i=1,2,…,p)所提供方差的总和，它是衡量公共因子相对重要性的指标。gj2越大，表明公共因子Fj对x的贡献越大,或者说对x的影响和作用就越大。如果将因子载荷矩阵A的所有gj2 ( j =1,2,…,m)都计算出来，使其按照大小排序，就可以依此提炼出最有影响力的公共因子。

3. 因子旋转

建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。

旋转的方法有很多，正交旋转(orthogonal rotation)和斜交旋转(oblique rotation)是因子旋转的两类方法。最常用的方法是最大方差正交旋转法(Varimax)。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。常用的斜交旋转方法有Promax法等。

4.因子得分

因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。

设公共因子F由变量x表示的线性组合为:

Fj = uj1 xj1+ uj2 xj2+…+ujpxjp j=1,2,…,m

该式称为因子得分函数，由它来计算每个样品的公共因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。

但因子得分函数中方程的个数m小于变量的个数p，所以并不能精确计算出因子得分，只能对因子得分进行估计。估计因子得分的方法较多，常用的有回归估计法，Bartlett估计法，Thomson估计法。

（1）回归估计法

F = X b = X (X ￠X)-1A￠ = XR-1A￠ (这里R为相关阵，且R = X ￠X )。

（2）Bartlett估计法

Bartlett估计因子得分可由最小二乘法或极大似然法导出。

F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X = (A￠W-1A)-1A￠W-1X

（3）Thomson估计法

在回归估计法中，实际上是忽略特殊因子的作用，取R = X ￠X，若考虑特殊因子的作，此时R = X ￠X＋W，于是有：

F = XR-1A￠ = X (X ￠X＋W)-1A￠

这就是Thomson估计的因子得分，使用矩阵求逆算法(参考线性代数文献)可以将其转换为：

F = XR-1A￠ = X (I+A￠W-1A)-1W-1A￠

5. 因子分析的步骤

因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。

（i）因子分析常常有以下四个基本步骤：

（1）确认待分析的原变量是否适合作因子分析。

（2）构造因子变量。

（3）利用旋转方法使因子变量更具有可解释性。

（4）计算因子变量得分。

（ii）因子分析的计算过程：

（1）将原始数据标准化，以消除变量间在数量级和量纲上的不同。

（2）求标准化数据的相关矩阵；

（3）求相关矩阵的特征值和特征向量；

（4）计算方差贡献率与累积方差贡献率；

（5）确定因子：

设F1，F2，…, Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；

（6）因子旋转：

若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。

（7）用原指标的线性组合来求各因子得分：

采用回归估计法，Bartlett估计法或Thomson估计法计算因子得分。

（8）综合得分

以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。

F = (w1F1+w2F2+…+wmFm)／(w1+w2+…+wm )

此处wi为旋转前或旋转后因子的方差贡献率。

（9）得分排序：利用综合得分可以得到得分名次。

在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时，需要研究以下几个方面的问题：

·简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子集合，从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。

·构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。

·进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。

如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性，选择最佳的变量子集合；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。

建立数学建模案例分析

§15.4锁具装箱问题 [学习目标] 1.能表述锁具装箱问题的分析过程； 2.能表述模型的建立方法； 3.会利用排列组合来计算古典概型； 4.会利用Mathematica求解锁具装箱问题。 一、问题 某厂生产一种弹子锁具，每个锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}6个数（单位从略）中任取一数。由于工艺及其它原因，制造锁具时对5个槽的高度有两个要求：一是至少有3个不同的数；二是相邻两槽的高度之差不能为5。满足上述两个条件制造出来的所有互不相同的锁具称为一批。销售部门在一批锁具中随意地抽取，每60个装一箱出售。 从顾客的利益出发，自然希望在每批锁具中不能互开（“一把钥匙开一把锁”）。但是，在当前工艺条件下，对于同一批中两个锁具是否能够互开，有以下实验结果：若二者相对应的5个槽的高度中有4个相同，另一个槽的高度差为1，则可能互开；在其它情况下，不可能互开。 团体顾客往往购买几箱到几十箱，他们会抱怨购得的锁具中出现互开的情形。现请回答以下问题： 1．每批锁具有多少个，能装多少箱？ 2．按照原来的装箱方案，如何定量地衡量团体顾客抱怨互开的程度（试对购买一、二箱者给出具体结果）。 二、问题分析与建立模型 因为弹子锁具的钥匙有5个槽，每个槽的高度从{1，2，3，4，5，6}这6个数中任取一数，且5个槽的高度必须满足两个条件：至少有3个不同的数；相邻两槽的高度之差不能为5。所以我们在求一批锁具的总数时，应把问题化为三种情况，即5个槽的高度由5个不同数字组成、由4个不同数字组成、由3个不同数字组成，分别算出各种情况的锁具个数，然后相加便得到一批锁具的总个数。在分别求这三种情况锁具个数的时候，先求出满足第1个条件的锁具个数再减去不满足第2个条件的锁具个数。在求这三种情况锁具个数的时候，主要依靠排列组合的不尽相异元素的全排列公式。 下面用一个5元数组来表示一个锁具： Key=（h1，h2，h3，h4，h5） 其中h i表示第i个槽的高度，i=1，2，3，4，5。此5元数组表示一把锁，应满足下述条件： 条件1：h i∈{1，2，3，4，5，6}，i = 1，2，3，4，5。

数学建模案例分析--对策与决策方法建模6决策树法

§6 决策树法 对较为复杂的决策问题，特别是需要做多个阶段决策的问题，最常用的方法是决策树法。决策树法是把某个决策问题未来发展情况的可能性和可能结果所做的预测用树状图画出来。其步骤如下： 1、用方框表示决策点。从决策点画出若干条直线或折线，每条线代表一个行动方案，这样的直线或折线称为方案枝。 2、在各方案枝的末端画一个园圈，称为状态点，从状态点引出若干直线或折线，每条线表示一个状态，在线的旁边标出每个状态的概率，称为概率枝。 3、把各方案在各个状态下的损益期望值算出标记在概率枝的末端。 4、把计算得到的每个方案的损益期望值标在状态点上，然后通过比较，选出损益期望值最小的方案为最优方案。 例1某厂准备生产一种新产品，产量可以在三种水平n1、n2、n3中作决策。该产品在市场上的销售情况可分为畅销、一般和滞销三种情况，分别为S1、S2、S3。通过调查，预测市场处于这三种情况的概率分别为0.5、0.3、0.2。三种决策在各种不同市场情况下的利润见下表： 表1 基于各种决策的各种市场情况的利润表（万元） 我们可以计算每种决策下利润的期望值： 实行在水平n1下生产的利润的期望值为：90×0.5+30×0.3-60×0.2=42 实行在水平n2下生产的利润的期望值为：60×0.5+50×0.3-10×0.2=43 实行在水平n3下生产的利润的期望值为：10×0.5+9×0.3-6×0.2=6.5 由于在水平n2下生产利润的期望值最大，因而应选择产量水平n2生产。 可以应用决策树帮助解决这样的决策问题，把各种决策和情况画在图1上： 图1

图中的方框（□）称为决策点，圆圈（○）称为状态点，从方框出发的线段称为对策分支，表示可供选择的不同对策。在圆圈下面的线段称为概率分支，表示在此种对策下可能出现的各种情况。在概率分支上注明了该情况出现的概率。在每一个概率分支的末端注明了对应对策和对应情况下的收益（利润）。在计算时，我们把相应的期望值写在相应的状态点旁边，再由比较大小后选择最优决策，在图上用∥表示舍弃非最优的对策，并在决策点上注明最优决策所对应的期望利润。 图2 利用决策树还可以解决多阶段的决策问题。 例2 某公司在开发一种新产品前通过调查推知，该产品未来的销售情况分前三年和后三年两种情况。因此生产该产品有两种可供选择的方案：建造大厂和建造小厂。如果建造大厂，投资费用5000万元，当产品畅销时，每年可获利2000万元，当产品滞销时，每年要亏损120万元。如果建造小厂，投资费用1000万元，当产品畅销时，每年可获利300万元，当产品滞销时，每年仍可获利150万元。若产品畅销可考虑在后三年再扩建，扩建投资需2000万元，随后三年每年可获利1000万元；也可不再扩建。预测这六年该产品畅销的概率为0.6，滞销的概率为0.4。试分析该公司开发新产品应如何决策？ 根据问题的各种情况可以画出决策树如下：这是一个两阶段的决策问题。注意到图中有两个决策点，反映建小厂的方案中可以分成前三年和后三年两个阶段，并在后三年还要做出一次决策。 图3 把各种数据填到图适当的位置后，由后向前计算获利的期望值。由图可见应采用决策：建造大厂。 500 900 1000*3=3000 300*3=900 6.5

数学建模案例分析

案例分析1: 自行车外胎的使用寿命 问题： 目前，自行车在我国是一种可缺少的交通工具。它小巧、灵活、方便、易学，而且价格适中，给广大居民带来了不小的益处。但是，自行车也有令人头痛的地方，最常见的问题莫过于扎胎了。扎胎的原因有很多，但相当一部分是由于外胎磨损，致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦，如何估计自行车外胎的寿命，及时更换? 分析： 分析角度：由于题目里未明确指出我们是应从厂家角度，还是应从用户角度来考虑这个问题，因此需要我们自己做出合理判断。若从厂家角度，我们面对的应当是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度和相对明确的使用环境；而从用户角度来说，面对的仅是个人的一辆车，不需要很高的精确度，这样的寿命估计更简单，易于随时了解，下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命，是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析，首先值得注意的两个关键性问题是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学，直观，有可比性，在航空工业中航天飞机的使用寿命是用重复使用的次数来衡量，而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征，但由于外胎的寿命直接与其磨损速度相关；而磨损速度又与使用频率及行驶速度相互联系，致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较)，降低了可比性。如换成自行车的路程寿命来比较，就好得多。产品寿命是在安全性和更换费用相互制约下达到的一个点，在这个点上，外胎的安全系数降到用户不可接受的最低值，更换费用(寿命越长，在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后，我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中，一来影响因素多，二来这些因素之间彼此相关，十分复杂，要做到比较准确地估计使用寿命，不但要对外胎的性能有相当的了解，而且对使用环境更不能忽视。当然我们由于是站在用户角度上来考虑的，相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系，二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用)，而重点(也是难点)是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)和自行车使用频率等都左右着它们的关系。这么多相关因素，不必一一都加以考虑(用户是不会在意这么多的)，有些因素，可以先不考虑，在模型的改进部分再作修改，采取逐步深入的方法，如：摩擦损耗有滑动摩擦和滚动摩擦损耗两种，由于滚动摩擦占用的时间(或路程)显然占绝对优势，因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大，在刹车使用过频的情况下，就不能不考虑了。 最后，需对得出的结果用简单清晰的文字进行说明，以供用户参考。 案例分析2：城市商业中心最优位置分析 问题： 城市商业中心是城市的基本构成要素之一。它的形成是一个复杂的定位过程。商业中心的选址涉及到各种因素制约，但其中交通条件是很重要的因素之一。即商业中心应位于城市“中心”，如果太偏离这一位置，极有可能在城市“中心”地带又形成一个商业区，造成重复建设。 某市对老商业中心进行改建规划，使居民到商业中心最方便。如果你是规划的策划者，如何建立一个数学模型来解决这个问题。

数学建模案例分析-- 插值与拟合方法建模1数据插值方法及应用

第十章 插值与拟合方法建模 在生产实际中，常常要处理由实验或测量所得到的一批离散数据，插值与拟合方法就是要通过这些数据去确定某一类已经函数的参数，或寻求某个近似函数使之与已知数据有较高的拟合精度。插值与拟合的方法很多，这里主要介绍线性插值方法、多项式插值方法和样条插值方法，以及最小二乘拟合方法在实际问题中的应用。相应的理论和算法是数值分析的内容，这里不作详细介绍，请参阅有关的书籍。 §1 数据插值方法及应用 在生产实践和科学研究中，常常有这样的问题：由实验或测量得到变量间的一批离散样点，要求由此建立变量之间的函数关系或得到样点之外的数据。与此有关的一类问题是当原始数据 ),(,),,(),,(1100n n y x y x y x 精度较高，要求确定一个初等函数)(x P y =（一般用多项式或分段 多项式函数）通过已知各数据点（节点），即n i x P y i i ,,1,0,)( ==，或要求得函数在另外一些点（插值点）处的数值，这便是插值问题。 1、分段线性插值 这是最通俗的一种方法，直观上就是将各数据点用折线连接起来。如果 b x x x a n =<<<= 10 那么分段线性插值公式为 n i x x x y x x x x y x x x x x P i i i i i i i i i i ,,2,1,,)(11 1 11 =≤<--+--= ----- 可以证明，当分点足够细时，分段线性插值是收敛的。其缺点是不能形成一条光滑曲线。 例1、已知欧洲一个国家的地图，为了算出它的国土面积，对地图作了如下测量：以由西向东方向为x 轴，由南向北方向为y 轴，选择方便的原点，并将从最西边界点到最东边界点在x 轴上的区间适当的分为若干段，在每个分点的y 方向测出南边界点和北边界点的y 坐标y1和y2，这样就得到下表的数据（单位：mm ）。 根据地图的比例，18 mm 相当于40 km 。

初中数学建模案例

中学数学建模论文指导 中学阶段常见的数学模型有：方程模型、不等式模型、函数模型、几何模型和统计模型等。我们也把运用数学模型解决实际问题的方法统称为应用建模。可以分五种模型来写。论文最好自己写，如果是参加竞赛的话从网上找的会被搜出来的。 一、建模论文的标准组成部分 建模论文作为一种研究性学习有意义的尝试，可以锻炼学生发现问题、解决问题的能力。一般来说，建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成。现就每个部分做个简要的说明。 1. 题目 题目是给评委的第一印象，所以论文的题目一定要避免指代不清，表达不明的现象。建议将论文所涉及的模型或所用的计算方式写入题目。如“用概率方法计算商场打折与返券的实惠效应”。 2. 摘要 摘要是论文中重要的组成部分。摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方，一定要在摘要中说明。进一步，必须把一些数值的结果放在摘要里面，例如：“我们的最终计算得出，对于消费者来说，打折比返券的实惠率提高了23%。”摘要应该最后书写。在论文的其他部分还没有完成之前,你不应该书写摘要。因为摘要是论文的主旨和核心内容的集中体现，只有将论文全部完成且把论文的体系罗列清楚后，才可写摘要。 摘要一般分三个部分。用三句话表述整篇论文的中心。 第一句，用什么模型，解决什么问题。 第二句，通过怎样的思路来解决问题。 第三句，最后结果怎么样。 当然，对于低年级的同学，也可以不写摘要。 3. 正文 正文是论文的核心，也是最重要的组成部分。在论文的写作中，正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的。其中，提出问题、分析问题应该是清晰简短。而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确。在正文写作中，应尽量不要用单纯

数学建模案例分析--灰色系统方法建模2灰色预测模型GM(1-1)及其应用

§2 灰色预测模型GM(1,1)及其应用 蠕变是材料在高温下的一个重要性能。处于高温状态下的材料长期受到载荷作用时，即使其载荷较低，并且在短时间的高温拉伸试验中材料不发生变形，但在此情况下仍会有微小的蠕变，极端的情况下，甚至会使材料发生破坏。高温材料多应用于各种车辆的发动机及冶金厂中各种设备上，如果因蠕变引起破坏，可能造成很大的事故。 为了保证设备的安全可靠，在某一使用温度下，预先知道该材料对不同载荷应力下断裂的时间是很重要的。过去，人们都是通过蠕变试验测量断裂时间。而做蠕变试验时，需要很长时间才能得到结果，即使通过试验得出的数据，也只是对某几个具体试样而言，存在很大的偶然性，不能代表普遍的规律。如果将实测的数据用灰色系统理论来处理，可以预测在某一温度下的任何载荷应力的断裂时间。 一、灰色预测模型GM （1,1） 建模步骤如下： （1）GM （1,1）代表一个白化形式的微分方程： u aX dt dX =+)1() 1( （1） 式中，u a ,是需要通过建模来求得的参数；) 1(X 是原始数据) 0(X 的累加生成（AGO ）值。 （2）将同一数据列的前k 项元素累加后生成新数据列的第k 项元素，这就是数据处理。表示为： ∑==k n n X k X 1 )0() 1()()( （2） 不直接采用原始数据) 0(X 建模，而是将原始的、无规律的数据进行加工处理，使之变得较有规 律，然后利用生成后的数据列来分析建模，这正是灰色系统理论的特点之一。 （3）对GM （1,1），其数据矩阵为 ???? ?? ? ? ?+--+-+-=1)]()1([5.01)]3()2([5.01)]2()1([5.0)1()1()1()1()1()1(N X N X X X X X B （3） 向量T N N X X X Y )](,),3(),2([)0()0()0( = （4）作最小二乘估计，求参数u a , N T T Y B B B u a 1)(?-=??? ? ??=α （4） （5）建立时间响应函数，求微分方程（1）的解为 a u e a u X t X at +-=+-))1(()1(?)0()1( （5）

数学核心素养之数学建模教学案例

数学核心素养之数学建模教学案例 1引言：新修订的高中数学课程提出，数学核心素养是数学课程目标的集中体现，是具有数学基本特征、适应个人终身发展和社会发展需要的必备品格与关键能力。高中数学核心素养主要包括：数学抽象、逻辑推理、数学建模、数学运算、直观想象、数据分析。 其中，对于数学建模，详细描述为数学建模是对现实问题进行数学抽象，用数学语言表达问题、用数学知识与方法构建模型解决问题的过程。主要包括：在实际情境中从数学的视角发现问题、提出问题，分析问题、构建模型，求解结论，验证结果并改进模型，最终解决实际问题。数学模型构建了数学与外部世界的桥梁，是数学应用的重要形式。数学建模是应用数学解决实际问题的基本手段，也是推动数学发展的动力。 在数学建模核心素养的形成过程中，积累用数学解决实际问题的经验。学生能够在实际情境中发现和提出问题；能够针对问题建立数学模型；能够运用数学知识求解模型，并尝试基于现实背景验证模型和完善模型；能够提升应用能力，增强创新意识。 特级教师张思明提出“我们通过数学建模的教与学要为学生创设一个学数学、用数学的环境，为学生提供自主学习、自主探索、自主提出问题、自主解决问题的机会。近年来，数学建模应用题的数量和分值在高考中逐步增加，可见在命题中已经在转变传统的数学学科体系观念，旨在引导学生关心社会、关心未来，实现高考命题改革与中学教育、教学观念改革的结合。 2.中学数学模型的教学 2.1中学数学中常见的数学模型分类： （1）与函数的最值相关问题。工程中的用料最省、利润最大，列出所求量的函数解析式，利用代数工具解函数最大值。 （2）线性回归直线、非线性回归直线；如中学生身高和体重的关系，红铃虫产卵数与温度的关系。 （3）与周期有关的三角函数模型建立。电路信号，音频震动，潮水涨落周期。 （4）线性规划问题。关于求解含有多个约束条件的，目标函数的最有解问题。 （5）抽样统计调查类，独立性假设检验。 2.2数学建模的课堂陷入几个误区。 （1）数学建模课堂，教师陷入了对数学建模理论的讲解，而数学建模的基本步骤是什么，介绍集中常见的数学建模工具，里面有大量的数学公式推到，学生对数学建模的思想领会很少。

小学数学建模案例

小学数学建模案例 相遇问题。①创设问题情境，激发学生的求知欲。先请两位同学在黑板的两边同时相向而行，可以让学生重复多走几次。接着可以问同学们看到了什么。学生的回答会有很多，如：他们在中间碰到了；两个人面对面在走；两个人背对背在走……此时就可以引入相遇问题中的一些条件：同时出发、相向而行、相背而行、途中相遇。当学生对此有一定的了解之后就可以举一个具体的例子来进入教学重点了。例如：甲乙两车同时从A、B两地相向而行，在距A地80千米处相遇，相遇后两车继续前进，甲车到达B地、乙车到达A地后均立即返回，第二次在距A地60千米处相遇。求A、B两地间的路程。②抽象概括，建立模型，导入学习课题。此题可以将整个过程用线段图来形象地描述，这就是这个相遇问题建立的数学模型。③研究模型，形成数学知识。 总结出一般规律之后可以举个例子让学生做，看看学生是否已经掌握，是否会应用这个规律来解决实际问题。如：两艘渡轮在同一时刻垂直驶离H河的甲、乙两岸相向而行，它们在距离甲岸720米处相遇。到达预定地点后，每艘船都要停留10分钟，以便让乘客

上船下船，然后返航。这两艘在距离乙岸4OO米处又重新相遇。问：该河的宽度是多少?可以请两位同学到黑板上来做，其他同学做在作业本上，然后讲解，并充分肯定学生的表现，增强学生的学习积极性。案例二：小学高年级数学教学时会遇到“牛吃草问题”，牛吃草问题又称消长问题或牛顿牧场，是17世纪英国伟大的科学家牛顿提出来的。典型牛吃草问题的条件是假设草的生长速度固定不变，不同头数的牛吃光同一片草地所需的天数各不相同，求若干头牛吃这片草地可以吃多少天。 由于吃的天数不同，草又是天天在生长的，所以草的存量随牛吃的天数不断变化。例：牧场上一片青草，每天牧草都匀速生长，这片草地可供l0头牛吃20天，或者可以供l5头牛吃10天，问：可供25头牛吃几天?分析：这类题目难就难在牧场上草的数量每天都在发生变化，我们要想办法从变化当中找到不变的量。总草量可以分为牧场上原有的草和新长出来的草两部分。牧场上原有的草是不变的，新长出来的草虽然在变化，因为是匀速生长，所以这片草地每天新长出的草的数量相同，即每天新长出的草是不变的。下面就要设法计算出原有的草量和每天新长出的草这两个不变的量。

初中数学建模案例

初中数学建模案例 2011年3月10日，云南盈江县发生里氏5．8级 地震。萧山金利浦地震救援队接到上级命令后立即 赶赴震区进行救援。救援队利用生命探测仪在某建筑 物废墟下方探测到点 C 处有生命迹象，已知废墟一侧 地面上两探测点A 、B 相距3米，探测线与地面的夹角 分别是30°和60°（如图），试确定生命所在点 C 的深度。（结果精确到0.1米，参考数据：2 1.41,3 1.73） 解：如图，过点C 作CD ⊥AB 交AB 于点D. ∵探测线与地面的夹角为30°和60° ∴∠CAD=30°，∠CBD=60° 在Rt △BDC 中，BD CD 60tan ∴3 60tan CD CD BD 在Rt △ADC 中，AD CD 30tan ∴3 330tan CD CD AD ∵3 BD AD AB ∴33 33CD CD ∴) (6.2273 .13233米CD 答：生命所在点C 的深度大约为 2.6米。

分析：这是综合解直角三角形的问题，画出示意图，先计算出 360tan CD CD BD ，再计算出3330tan CD CD AD ，进而由关系式3BD AD AB 计算出CD 的长，最 后确定生命所在点 C 的深度。 设计说明与思路： 实际问题是复杂多变的，数学建模较多的是探索性和创造性，但是初中数学应用性问题常见的建模方法还是有规律可以归纳总结的， 本题涉及解直角三角形问题，常需要建立相应的几何模型，转化为几何或三角函数问题求解。 初中数学题源于实际问题，探讨这类问题的解法具有重要的现实意义，数学建模就是 将具有实际意义的应用问题，通过数学抽象转化为数学模型，以求得问题的解决，其基本思路是：实际问题----数学模型----数学问题的解决----抽象----解答----解释（检验）。 在应用性问题和数学建模的教学活动设计中，应把学生当作教学活动的主体，让学生 自己通过观察，只考虑去提问题，解决问题，是数学建模教学的重要环节。不要只把问题解决的过程展示给学生看，教学活动的设计应有利于发挥学生的主体性、创造性、协作精神，让学生能把学习知识、应用知识、探索发现、使用计算机工具和建模求解更好地结合起来，使学生在应用性问题与数学建模教学过程中学数学、 用数学、得到“微科研”的体验，从而达到学好数学，提高素质，增长才干的目的，达到“面向所有的学生，让所有的学生获得更 多可以广泛应用、与现实世界及其他学科密切相关的数学！ 让所有的学生学到有价值的、富有挑战性的数学！让所有的学生学会数学地思考， 并积极地参与数学活动，进行自主探索！”的目的。

数学建模案例――最佳捕鱼方案.(优选)

最佳捕鱼方案 摘要： 本文解决的是一个最佳捕鱼方案设计的单目标线性规划问题，目的是制定每天的捕鱼策略，使得总收益最大。根据题设条件，结合实际情况，我们设计了成本与损失率随天数的增加成反比变化的函数曲线（见图三所示），并导出总收益的表达式： 212121 111i i i i i i i i W w p s q m =====?-?∑∑∑。 由于价格是关于供应量的分段函数（见图一所示），我们引入“0－1”变量法编写程序（程序见附录一），并用数学软件LINGO 求解，得到最大收益(W)为441291.4元，分21天捕捞完毕。其中第1～16天，日捕捞量在1030～1070公斤之间，第17～21天的日捕捞量为1610～1670公斤之间（具体数值见正文）。由结果分析，我们对模型提出了优化方向，例如人工放水来降低成本。 关键词：“0-1”整数规划，单目标线性规划，离散型分布。 一． 问题重述 一个水库，由个人承包，为了提高经济效益，保证优质鱼类有良好的生活环境，必须对水库里的杂鱼做一次彻底清理，因此放水清库。水库现有水位平均为15米，自然放水每天水位降低0.5米，经与当地协商水库水位最低降至5米，这样预计需要二十天时间，水位可达到目标。据估计水库内尚有草鱼二万五千余公斤，鲜活草鱼在当地市场上，若日供应量在500公斤以下，其价格为30元/公斤；日供应量在500—1000公斤，其价格降至25元/公斤，日供应量超过1000公斤时，价格降至20元/公斤以下，日供应量到1500公斤处于饱和。捕捞草鱼的成本水位于15米时，每公斤6元；当水位降至5米时，为3元/公斤。同时随着水位的下降草鱼死亡和捕捞造成损失增加，至最低水位5米时损失率为10%。 承包人提出了这样一个问题：如何捕捞鲜活草鱼投放市场，效益最佳？ 二． 模型假设 1．池塘中草鱼的生长处于稳定状态，不考虑种群繁殖以及其体重增减，即在捕 捞过程中草鱼总量保持在25，000公斤不变。 2．第一天捕捞时水位为15m ，每天都在当天的初始水位捕捞草鱼，水库水位每 天按自然放水0.5m 逐渐降低，20天后刚好达到最低要求水位5m 。 3．在水库自然放水的21内将草鱼捕完。 4．在草鱼日供应量未达饱和的之前，市场供应量等于销售量。 5．每天草鱼的捕捞成本随着每天水位的降低呈等差数列递增分布。 6．随着水库水位的下降，草鱼的种群密度逐渐变大，存在着对空间、食物、氧 气的竞争，种群死亡率逐渐升高。题设中给定草鱼死亡及捕捞损失率随着水位的降低而升高，在这里我们假设草鱼损失率是一个统计学概念，即已经综合了因自然死亡和捕捞等其他原因共同造成的损失。 7．草鱼损失率与水库水位成反比关系，每天捕捞量的损失率与当天池塘总鱼量 的损失率是一致的，以每次捕捞时池塘总鱼数为当次基数。 8．捕捞上的草鱼中的死鱼将另行处理，不会放回水库也不会与活鱼一起出售。 9．日供应量在1000---1500公斤时，我们假定草鱼价格为20元每公斤这一常数。

数学建模案例分析--最优化方法建模6动态规划模型举例(新)

§6 动态规划模型举例 以上讨论的优化问题属于静态的，即不必考虑时间的变化，建立的模型——线性规划、非线性规划、整数规划等，都属于静态规划。多阶段决策属于动态优化问题，即在每个阶段（通常以时间或空间为标志）根据过程的演变情况确定一个决策，使全过程的某个指标达到最优。例如： （1）化工生产过程中包含一系列的过程设备，如反应器、蒸馏塔、吸收器等，前一设备的输出为后一设备的输入。因此，应该如何控制生产过程中各个设备的输入和输出，使总产量最大。 （2）发射一枚导弹去击中运动的目标，由于目标的行动是不断改变的，因此应当如何根据目标运动的情况，不断地决定导弹飞行的方向和速度，使之最快地命中目标。 （3）汽车刚买来时故障少、耗油低，出车时间长，处理价值和经济效益高。随着使用时间的增加则变得故障多，油耗高，维修费用增加，经济效益差。使用时间俞长，处理价值也俞低。另外，每次更新都要付出更新费用。因此，应当如何决定它每年的使用时间，使总的效益最佳。 动态规划模型是解决这类问题的有力工具，下面介绍相关的基本概念及其数学描述。 （1）阶段 整个问题的解决可分为若干个相互联系的阶段依次进行。通常按时间或空间划分阶段，描述阶段的变量称为阶段变量，记为k 。 （2）状态 状态表示每个阶段开始时所处的自然状况或客观条件，它描述了研究过程的状况。各阶段的状态通常用状态变量描述。常用k x 表示第k 阶段的状态变量。n 个阶段的决策过程有1+n 个状态。用动态规划方法解决多阶段决策问题时，要求整个过程具有无后效性。即：如果某阶段的状态给定，则此阶段以后过程的发展不受以前状态的影响，未来状态只依赖于当前状态。 （3）决策 某一阶段的状态确定后，可以作出各种选择从而演变到下一阶段某一状态，这种选择手段称为决策。描述决策的变量称为决策变量。决策变量限制的取值范围称为允许决策集合。用)(k k x u 表示第k 阶段处于状态k x 时的决策变量，它是k x 的函数，用)(k k x D 表示k x 的允许决策集合。 （4）策略 一个由每个阶段的决策按顺序排列组成的集合称为策略。由第k 阶段的状态k x 开始到终止状态的后部子过程的策略记为)}(,),(),({)(11n n k k k k k k x u x u x u x p ++=。在实际问题中，可供选择的策略有一定范围，称为允许策略集合。其中达到最优效果的策略称为最优策略。 （5）状态转移方程 如果第k 个阶段状态变量为k x ，作出的决策为k u ，那么第1+k 阶段的状态变量1+k x 也被完全确定。用状态转移方程表示这种演变规律，写作(1k k T x =+k x ，)k u （6）最优值函数 指标函数是系统执行某一策略所产生结果的数量表示，是用来衡量策略优劣的数量指标，它定义在全过程和所有后部子过程上。指标函数的最优值称为最优值函数。 下面的方程在动态规划逆序求解中起着本质的作用。

matlab数学建模实例

第四周 3. function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ 分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end x3 k 牛顿法： function y=newton(x0)

x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G; n=n+1; end n Seidel迭代法： function s=seidel(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1);

数学建模案例分析

案例分析1: 自行车外胎的使用寿命 问题: 目前,自行车在我国就是一种可缺少的交通工具。它小巧、灵活、方便、易学,而且价格适中,给广大居民带来了不小的益处。但就是,自行车也有令人头痛的地方,最常见的问题莫过于扎胎了。扎胎的原因有很多,但相当一部分就是由于外胎磨损,致使一些玻璃碴、小石子很容易侵入、扎破内胎。为了减少不必要的麻烦,如何估计自行车外胎的寿命,及时更换? 分析: 分析角度:由于题目里未明确指出我们就是应从厂家角度,还就是应从用户角度来考虑这个问题,因 此需要我们自己做出合理判断。若从厂家角度,我们面对的应当就是一大批自行车外胎的平均寿命的估计。这样的估计要求一定精确度与相对明确的使用环境;而从用户角度来说,面对的仅就是个人的一辆车,不需要很高的精确度,这样的寿命估计更简单,易于随时了解,下面仅从用户角度进行分析。 产品的使用者需要了解产品的寿命,就是基于安全性及更换的费用来考虑的。我们将这两个标准作为主要标准来分析,首先值得注意的两个关键性问题就是如何定义寿命、何时为寿命的终止。寿命的定义要做到科学,直观,有可比性,在航空工业中航天飞机的使用寿命就是用重复使用的次数来衡量,而工厂机器设备的寿命则以连续工作的时间来定义。本题外胎的寿命亦可用时间来表征,但由于外胎的寿命直接与其磨损速度相关;而磨损速度又与使用频率及行驶速度相互联系,致使外胎的寿命不一定与使用时间成正比(这种非正比关系使我们不能拿一辆—天跑200公里的自行车与一天只跑1公里的自行车进行寿命比较),降低了可比性。如换成自行车的路程寿命来比较,就好得多。产品寿命就是在安全性与更换费用相互制约下达到的一个点,在这个点上,外胎的安全系数降到用户不可接受的最低值,更换费用(寿命越长,在一定意义上更换费用越低)也达到了最大限度的节省。 弄清了上面两个问题后,我们继续明确建立模型需要解决哪些问题及建立模型的重点难点。 自行车使用过程中,一来影响因素多,二来这些因素之间彼此相关,十分复杂,要做到比较准确地估计使用寿命,不但要对外胎的性能有相当的了解,而且对使用环境更不能忽视。当然我们由于就是站在用户角度上来考虑的,相对地就可忽略一些次要的影响因素。 这样的数学模型面对着两个主要问题。一、自行车使用寿命与外胎厚度的关系,二、外胎能够抵御小石子破坏作用的最小厚度。后者可处理得相对简略些(如只考虑一块具有一般特征的小石子对外胎的破坏作用),而重点(也就是难点)就是第一个问题。车重、人重、轮胎性质(力学的、热学的、甚至化学的)与自行车使用频率等都左右着它们的关系。这么多相关因素,不必一一都加以考虑(用户就是不会在意这么多的),有些因素,可以先不考虑,在模型的改进部分再作修改,采取逐步深入的方法,如:摩擦损耗有滑动摩擦与滚动摩擦损耗两种,由于滚动摩擦占用的时间(或路程)显然占绝对优势,因此可重点考虑。但滑动摩擦造成的一次损坏又比滚动摩擦大,在刹车使用过频的情况下,就不能不考虑了。 最后,需对得出的结果用简单清晰的文字进行说明,以供用户参考。 案例分析2:城市商业中心最优位置分析 问题: 城市商业中心就是城市的基本构成要素之一。它的形成就是一个复杂的定位过程。商业中心的选址涉及到各种因素制约,但其中交通条件就是很重要的因素之一。即商业中心应位于城市“中心”,如果太偏离这一位置,极有可能在城市“中心”地带又形成一个商业区,造成重复建设。 某市对老商业中心进行改建规划,使居民到商业中心最方便。如果您就是规划的策划者,如何建立一个数学模型来解决这个问题。 分析:

微积分方法建模万有引力定律的发现数学建模案例分析

§5 万有引力定律的发现 历史背景 德国天文学家、数学家开普勒（1571—1630）在第谷.布拉赫对于行星运动大量观测资料的基础上，经过对观测数据长期深入的分析，归纳出著名的所谓行星运动三定律，即： （1）各颗行星分别在不同的椭圆轨道上绕太阳运行，太阳位于这些椭圆的一个焦点上； （2）每颗行星运行过程中单位时间内太阳—行星向径扫过的面积是常数； （3）各颗行星运行周期的平方与其椭圆轨道长半轴的3次方成正比. 由于当时尚没有计算变速运动的工具，而从开普勒定律可以看出行星运行速度是变化的.十 七、十八世纪许多科学家致力于行星沿椭圆轨道运行时受力状况的研究，终未得到有关引力的结果. 牛顿在研究变速运动过程中发明了微积分，又以此为工具在开普勒三定律和牛顿第二定律的基础上，成功地得到万有引力定律. 模型假设 对任一行星椭圆运行轨道建立极坐标系),(θr ,以太阳为坐标原点，长半轴方向为0=θ，向径r 表示行星的位置. 1、轨道方程为 )1(,,cos 12222e a b a b e r -==+=ρθρ （1） 其中b a ,为椭圆的长短半轴，e 为离心率. 2、单位时间内向径r 扫过的面积是常数A ，即 A r =?θ22 1 （2） 3、行星运行周期T 满足32a T λ= （3） 4、行星运行时受的作用力→f 等于行星加速度??r 和质量m 的乘积，即→ ??→=r m f （4） 模型建立 引入基向量 ?????+-=+=→→ θ θθθθcos sin sin cos j i u j i u r （5） 向径→r 可表示为：→→=r u r r .以下记dt d ?= ?? （6） 由（5）可得 ?????-==→?→→?→??r r u u u u θθθ θ （7） 由（6）、（7）两式可得 → ?→?→→→+=+=?? θθu r u r u r u r r r r r （8）

初等方法建模 4交通事故调查--数学建模案例分析

§4 交通事故调查 一辆汽车在拐弯时急刹车，结果冲进路边的沟里。警察闻讯赶到现场，对汽车留在路上的刹车痕迹进行细致的测量，利用所测到的数据画出了事故现场的平面图。 询问司机时，他声称当时车进入弯道后刹车失灵，还说进入弯道时的车速不到30英里/小时（该路速度上限）。通过验车证实该车的制动器在事故发生时确实失灵。警察按通常做法，作一条基准线来测量刹车痕迹，距离x 沿基准线测得，距离y 与x 垂直。 下表给出外侧刹车痕迹的有关值（单位：米） 警察还测了路的坡度，发现是平的。接着以同型号的车在初速度为30英里/小(13.4112米/秒）下进行两次刹车测试。结果如下： 第一次测试 位移0.11=s 米 第二次测试 位移85.10=s 米 现在的问题是，造成事故的直接原因究竟是刹车失灵还是违章超速行驶。 模型假设 1、从平面图可见汽车没有偏离它行驶的转弯曲线，车头一直指着切线方向。由此可设 汽车的重心沿一个半径为r 的圆运动； 2、从平面图可见汽车车轮转着打滑,车滑向路边。由此可认为摩擦力作用在汽车速度 的法线方向上，在这种情形下，摩擦力提供向心力。摩擦系数为μ。 3、汽车出事时的速度v 是常量，即初速度0v 。 模型建立 1、计算出圆周半径r 的近似值。 由测得的数据进行拟合一个圆。可以隔三点选一个，代入 2 22)()(r b y a x =-+- （1） 得到一组r 的值，然后取平均值。 也可由弓形中的计算公式（m 为弓形的高，c 为弦的长度） 刹车痕迹

2 22)2()(c m r r +-= （2） 得到r 的近似值。 2、计算地面的刹车系数a （减速度a ） 由 as v v 2202-=及0=v ，得 s v s v v a 222 0220=-= （3） 3、导出计算初速度0v 的公式 由假设2，r v m mg 2 0=μ，即 μrg v =20，又由牛顿第二定律 mg ma μ= 有 g a μ= 从而 a r v =2 0 （4） 模型求解 1、通过表中数据拟合，得到r 的以下各值 40.99, 40.47, 40.54 取平均值就得到67.40=r 米 或将55.3,27.33==m c 代入（2），得到75.40=r 米。 2、取位移0.11=s （用它计算得到a 对肇事车辆有利），41.130=v ，代入（3）， 得2 /1754.8秒米=a 。 3、取1754.8,67.40==a r 代入（4），得 秒米/2340.181754.867.400=?=v 小时英里＝/7732.40 模型分析 由计算得出超速的结论，由于模型假设3，以及确定车辆刹车位移s ，模拟圆周半径r 时都会带来微小误差，使得计算结果可能产生一定的误差。即使允许对司机有利的误差10%，车速仍在35英里/小时左右，因此可以断定造成事故的直接原因是超速行驶。

(完整版)高中常见数学模型案例

高中常见数学模型案例 中华人民共和国教育部2003年4月制定的普通高中《数学课程标准》中明确指出：“数学探究、数学建模、数学文化是贯穿于整个高中数学课程的重要内容”，“数学建模是数学学习的一种新的方式，它为学生提供了自主学习的空间，有助于学生体验数学在解决问题中的价值和作用，体验数学与日常生活和其他学科的联系，体验综合运用知识和方法解决实际问题的过程，增强应用意识；有助于激发学生学习数学的兴趣，发展学生的创新意识和实践能力。”教材中常见模型有如下几种: 一、函数模型 用函数的观点解决实际问题是中学数学中最重要的、最常用的方法。函数模型与方法在处理实际问题中的广泛运用，两个变量或几个变量，凡能找到它们之间的联系，并用数学形式表示出来，建立起一个函数关系（数学模型），然后运用函数的有关知识去解决实际问题，这些都属于函数模型的范畴。 1、正比例、反比例函数问题 例1：某商人购货，进价已按原价a 扣去25%，他希望对货物订一新价，以便按新价让利销售后仍可获得售价25%的纯利，则此商人经营者中货物的件数x 与按新价让利总额y 之间的函数关系是___________。 分析：欲求货物数x 与按新价让利总额y 之间的函数关系式，关键是要弄清原价、进价、新价之间的关系。 若设新价为b ，则售价为b （1－20%），因为原价为a ，所以进价为a （1－25％） 解：依题意，有25.0)2.01()25.01()2.01(?-=---b a b 化简得a b 45=，所以x a bx y ??==2.0452.0，即+∈=N x x a y ,4 2、一次函数问题 例2：某人开汽车以60km/h 的速度从A 地到150km 远处的B 地，在B 地停留1h 后，再以50km/h 的速度返回A 地，把汽车离开A 地的路x （km ）表示为时间t （h ）的函数，并画出函数的图像。 分析：根据路程＝速度×时间，可得出路程x 和时间t 得函数关系式x （t ）；同样，可列出v(t)的关系式。要注意v(t)是一个矢量，从B 地返回时速度为负值，重点应注意如何画这两个函数的图像，要知道这两个函数所反映的变化关系是不一样的。 解：汽车离开A 地的距离x km 与时间t h 之间的关系式是：?? ???∈--∈∈=]5.6,5.3(),5.3(50150]5.3,5.2(,150]5.2,0[,60t t t t t x ，图略。 速度vkm/h 与时间t h 的函数关系式是：?? ???∈-∈∈=)5.6,5.3[,50)5.3,5.2[,0)5.2,0[,60t t t v ，图略。 3、二次函数问题 例3：有L 米长的钢材，要做成如图所示的窗架，上半部分为半圆，下半部分为六个全等小矩形组成的矩形，试问小矩形的长、宽比为多少时，窗所通过的光线最多，并具体标出窗框面积的最大值。

大学论文经济管理中数学模型案例分析

经济管理中数学模型案例分析 摘要 在研究经济管理学的过程中，理清每个研究对象间的定性关系的同时，不仅要探明其间的相互作用外，而且还要研究现象与现象之间的数量关系，预测其发展趋势，这就需要应用数学模型。数学模型随着科技的发展和社会的进步在经济管理中的应用越来越广泛，作用与效果更是与日俱增。在此，从案例中，通过提出问题、简化问题、模型建构、模型验证、模型改进、模型应用等方法进行分析，并运用MATLAB软件、指数分布、泊松分布等数学方法进行计算。 关键词：提出问题模型建构模型求解应用定性关系MATLAB 指数分布泊松分布

Abstract In the process of economic management research, in addition to the need to clarify each qualitative relationship between the object of study, has proven the intervening interactions, and quantitative relation between the phenomena of the research, predict the development trend, this would require the application of mathematical model. With the development of science and technology and the progress of the society, the mathematical model in economic management, the application of more and more extensive, effect is more and more big, the effect is increasingly significant. Here, from the case, through the proposed problem, simplify the problem, model construction, model validation, model improvement and application of model method is analyzed, and using MATLAB software, the exponential distribution, poisson distribution and other mathematical method to calculate.. Key words:Put forward modeling model to solve the problem The relationship between application MATLAB Exponential distribution Poisson distribution