学生成绩分析数学建模
2012年暑期培训数学建模第二次模拟
承诺书
我们仔细阅读了数学建模联赛的竞赛规则。
我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。
我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。
我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。
我们的参赛报名号为：
参赛队员(签名) ：
队员1：
队员2：
队员3：
2012年暑期培训数学建模第二次模拟
编号专用页
参赛队伍的参赛号码：（请各个参赛队提前填写好）：竞赛统一编号（由竞赛组委会送至评委团前编号）：
竞赛评阅编号（由竞赛评委团评阅前进行编号）：
2012年暑期培训数学建模第二次模拟
题目学生成绩的分析问题
摘要
本文针对大学高数和线代，概率论成绩进行建模分析，主要用到统计分析的知识及SPSS软件，建立了方差分析、单因素分析、相关性分析等相关模型，从而分析两个专业、四门课程成绩的显著性，以及课程之间的相关性。最后利用分析结论表明了我们对大学数学学习的看法。
问题一：每门课程两个专业的差异性需要进行多个平均数间的差异显著性检验，首先应该对数据进行正态分布检验，结论是各个专业的分数都服从正态分布，之后可以根据Kolmogorov-Smirnov 检验（K-S检验）原理，利用SPSS软件进行单因素方差分析，得出方差分析表，进行显著性检验，最后得出的结论是高数1、高数2、线代和概率这四科成绩在两个专业中没有显著性差异。
问题二：对于甲乙两个专业分别分析，应用问题一的模型，以每个专业不同班级的高数一、高数二、线代和概率平均数为自变量，同第一问相同的做法，得到两个专业中不同学科之间没有显著差异。
问题三：我们通过对样本数据进行Spss的“双变量相关检验”得出相关系数值r、影响程度的P值，从而来分析出高数1、高数2与概率论、现代的相关性。
问题四：利用上面数据，得到各专业课程的方差和平均值，再通过对各门课程的分析，利用分析结论表明了我们对大学数学学习的看法。
关键词：单因素方差分析、方差分析、相关分析、 spss软件、
一、问题重述
附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题：（1）针对每门课程分析，两个专业的分数是否有明显差异？
（2）针对专业分析，两个专业学生的数学水平有无明显差异？
（3）高等数学成绩的优劣，是否影响线性代数、概率论与数理统计的得分情况？（4）根据你所作出的以上分析，面向本科生同学阐述你对于大学数学课程学习方面的看法。
二、模型假设
1、假设两个班学生的整体程度和基础差异不大。
2、学生和学生之间的成绩是相互独立的，没有影响的。
3、假设样本学生的成绩均来自于实际，由此做出的分析是接近实际，能够反映实际状况的。
三、问题分析
问题一分析：对于每门课程，两个专业的分数是否有显著性差异。首先，应该利用SPSS证明其服从正态分布，之后可以利用SPSS对数据进行单因素分析和方差分析，采用单因素分析法，以专业为方差分析因素，最后比较显著性（Sig），如果Sig>0.05，即没有显著性差异，若Sig<0.05，即对于该门课程，两专业分数有明显差异。
问题二分析：模型同问题一。针对专业分析，两个专业学生的各科数学水平有无明显差异。
问题三分析：判断高数I、高数Ⅱ和线代、概率论之间成绩的相关性。首先我们要分别整合出四门学科的一组综合指标作为样本，然后求出相关系数矩阵。
问题四分析：总结分析。求出各专业科目的平均值和方差，然后进行比较并和前几问相结合，提出合理的建议。
四、模型建立和求解
模型一：单因素方差分析模型
单因素方差分析是固定其他因素，只考虑某一因素对试验指标的影响。建立单因素方差分析模型，用以解决针对每门课程两个专业成绩是否有明显差异和针对专业各科数学成绩是否有明显差异的问题。
问题一求解：
我们以专业为方差分析的因子，甲专业和乙专业为因子的不同水平，每个班的成绩是实验的数据样本。
首先我们需要对数据进行正态分析检验其服从正态分布。利用SPSS软件可以进行正态性分析检验。
输入数据后，运行：分析——非参数检验——1-样本 K-S；之后运行：分析——描述统计——QQ图，可以对数据进行正态检验。
运行结果如图：
对每门课程的数据进行QQ图检验如图：
高数1的QQ图检验：
上图中，实线是正态分布的标准曲线，散点是实际的数据分布，由图可知，散点分布和实线非常接近，即甲乙两专业的高数1成绩服从正态分布。
同样可知，甲乙两专业的高数2和线代、概率论都服从正态分布。
之后可以对数据进行单因素分析，利用SPSS进行统计分析：分析——比较均值——单因素ANOVA，最后得出每门课程的单因素分析如下：
1、对高数1进行单因素分析，分析结果如下表：
由图可知，其显著性Sig=0.189>0.05（显著性水平为0.05），说明两个专业的高数1的成绩无明显差异，出现显著相同的状况。
2、对高数2进行单因素分析，分析结果如下表：
同样由图可知，其显著性水平Sig=0.294>0.05（显著性水平为0.05），说明两个专业的高数2成绩也显著相同。
3、对线代成绩进行单因素分析，分析结果如下表：
由图可知，其显著性水平为Sig=0.553>0.05，说明两个专业的线代水平没有明显差别，出现基本相同的状况。
4、对概率成绩进行单因素分析，分析结果如下表：
由图可知，概率成绩的显著性水平为Sig=0.216>0.05，说明两个专业的概率成绩显著相同，没有明显差别。
问题二求解：（模型一）
求解每个专业的学生各门数学成绩之间是否有明显不同，我们仍然运用单因素方差分析的模型，将科目看做对成绩的影响因素，则有两个条件，分别是高数1，高数2,线代，概率论。四科数学成绩看做随机变量，证明其也服从正态分布（仍然运用spss正态检验）。
每个变量的样本值为每个专业各班成绩的平均值。
在这里我们先证明：在甲乙两个专业内。高数1，高数2，线代和概率分别成正态分布
在甲乙专业中分别定义变量名为高数1，高数2，线代和概率。
运行spss软件：分析-> 描述统计 -> 描述，分析-> 非参数检验 -> 1-样本K-S。
运行结果如下：
表2.1 甲专业学生各科成绩描述统计量
N 极小值极大值均值标准差方差
高数一153 0 433 73.88 32.875 1080.767 高数二153 40 96 70.12 10.226 104.570 线代153 0 98 70.68 14.615 213.588 概率153 22 97 75.09 14.044 197.228 有效的 N （列表状态）153
表2.2 甲专业学生各科成绩 Kolmogorov-Smirnov 检验
高数一高数二线代概率
N 153 153 153 153 正态参数a,b均值73.88 70.12 70.68 75.09 标准差32.875 10.226 14.615 14.044 最极端差别绝对值.284 .153 .187 .082 正.257 .153 .067 .059
负-.284 -.128 -.187 -.082 Kolmogorov-Smirnov Z 3.515 1.897 2.310 1.020 渐近显著性(双侧) .000 .001 .000 .249
a. 检验分布为正态分布。
b. 根据数据计算得到。
表2.4 乙专业学生各科成绩 Kolmogorov-Smirnov 检验
高数一高数二线代概论
N 108 108 108 108
正态参数a,b均值69.34 65.43 70.19 74.45
标准差13.890 14.333 13.159 14.109
最极端差别绝对值.204 .251 .173 .116
正.123 .123 .092 .059
负-.204 -.251 -.173 -.116 Kolmogorov-Smirnov Z 2.123 2.605 1.797 1.203
渐近显著性(双侧) .000 .000 .003 .111
a. 检验分布为正态分布。
b. 根据数据计算得到。
甲专业
ANOVA
表2.5 甲专业学生各科成绩
平方和
df
均方 F 显著性
组间 68.560 3 22.853 1.497
.265
组内 183.249 12 15.271
总数
251.809
15
得49.3)12,3(497.11≈<=-αF F , F 值落在接受域，所以接受0H 。显著性为0.265，即由方差分析得到甲专业四门数学成绩无明显差异。
乙专业
ANOVA
表2.6 甲专业学生各科成绩
平方和 df
均方 F 显著性
组间 121.301 3 40.434 1.872
.213
组内 172.758 8 21.595
总数
294.059
11
得07.4)8,3(872.11≈<=-αF F , F 值落在接受域，所以接受0H 。显著性为0.213，即由方差分析得到乙专业四门数学成绩无明显差异。
问题三求解：（模型二）
需要解决学生高等数学成绩的优劣，对线性代数、概率论与数理统计课程的成绩是否显著性相关。
将高数Ⅰ，高数Ⅱ，线代，概率论学科成绩看做四个总体，分别把甲乙专业同学的成绩作为样本。然后分别对高数Ⅰ，高数Ⅱ进行相关性分析。相关性分析有很多方法，为简便运算，本文主要应用SPSS 软件的相关性分析求解：
**. 在 .01 水平（双侧）上显著相关。
上表是相关系数大小及其显著性检验结果表，从表中可看出：
甲专业：高数Ⅱ和线代的相关系数r=0.446，且显著性水平为p=0.000＜0.01，因此相关性非常显著，高数Ⅱ和概率论的相关系数r=0.308，且显著性水平为p=0.000＜0.01，因此相关性非常显著。
乙专业：高数Ⅰ和线代的相关系数r=0.619，且显著性水平为p=0.000＜0.01，因此相关性非常显著；同理高数Ⅰ和概率论的相关系数r=0.543，且显著性水平为p=0.000＜0.01，相关性非常显著；高数Ⅱ和线代的相关系数r=0.680，且显著性水平为p=0.000＜0.01，因此相关性非常显著，高数Ⅱ和概率论的相关系数r=0.556，且显著性水平为p=0.000＜0.01，因此相关性非常显著。
问题四求解：（模型三）
求出各专业各课程的方差以及各课程的平均值：
各专业各课程方差 各课程平均值
由上图我们可以看出，对于甲专业来说，各门课方差起伏较大，高数Ⅱ方差明显低于其它3门课；对于乙专业来说，各门课方差无太大变化，高数Ⅱ略低。总的来说，高数Ⅱ的平均分最低，概率论最高。可以看出高数Ⅱ课程对同学们来说普遍较难，应该更加用心的学习，才能更好地掌握知识。
学好高数是因为它是一门极能锻炼思维能力的学科，更重要的是，它能锻炼一个人能的耐心与定力-在如今社会里，常常能沉下心来对几个数学问题专研几个小时的人，真的不算多了。
在现实世界中，一切事物都发生变化并遵循量变到质变的规律。数学对于现代人整体素质的意义，对于社会与人文科学的作用，也是逐渐被人们所认识的。恩格斯说：要辨证而又唯物的了解自然，就必须掌握数学。英国著名哲学家培根说：数学是打开科学大门的钥匙。现在已经没有哪一个领域能够抵得住数学的渗透。随着知识经济时代的到来，社会经济领域中许多研究对象的数量化趋势越发增强，计算机的广泛普及并深入到人们生活工作的各个角落。诸如此类现象，向人们提出一个迫切问题：每个要想成为有较高文明素养的现代人应当具备一定的数学素质。因此对本科大学生来说，高等数学教育应该是必不可少的。
数学教育要培养学生运用数学去分析、解决问题的能力，这种能力不仅表现在对数学知识的记忆，更主要的是掌握数学的思维推理方法。某些定理或公式可以记忆一时，而数学独有的思维与推理方法却能长期发挥作用，甚至受益终生。因为他们是创造的源泉，是发展的基础。对人文类学习者而言更培养了我们的理性思维能力，使得思考诸多问题时更加严谨全面。数学是观察世界的一种方式，这种方式有助于精确理解世界的每个方面。
所有的地方都用到数学，数学无处不在。没有数学支撑的学科是无法想象的。举一些常见的例子吧，大学物理的公式很多是用积分形式表达的，一种无穷思想。包括牛顿定理。大学里三大力学的课程都要运用到高等数学的内容。最关键是学数学可以锻炼人的逻辑思维。高等数学里一直贯穿2册书的思想是极限思想，无穷思想。导数、微分是无穷细分的运用。积分是极限求和。无穷中存在极限，极
限中尽显无穷。那是你高中的知识所无法理解和具备的思想。只有学过高数的人才懂得。
综上，高数和线代、概率论学科密切相关，可以说高数是一切理工学科的基础，但同时它的难度也比较大，同学们一定要在高数上多下工夫，为将来其他课程的学习打下坚实的基础。
五、模型评价：
优点：1.本文建立了单因素方差分析模型，该模型适用范围较广，便于推广。
2 .该模型以数理统计作为基础，具有一定的理论依据。其运用显著性验，
单因素方分析能有效地对于问题进行合理的求解。
3. 由于题中所给数据较多，计算比较困难，运用spss软件进行求解在很
大程度上减少了计算的冗余度，方便快捷。
缺点： 1．根据题意科目的调整只是依据方差大小，可能会与实际不符。
2. 用题目给的数据进行分析，数据不一定准确。
3. 为了简化模型，我们没有考虑各科之间的差异，并且由于我们的样本
容量相对较小，无法得到更一般意义上的结论，而且学生的成绩有时也不是相互独立的，因此在现实使用中有很大的局限性。
六、模型的改进与应用
对于此次模型，我们可以在查取充分的实际数据之后，将不同类别科目进行权重划分，并将学生成绩及科目对于学生的实用度加以考虑入第四题的解题中，从而可以合理地做到一方面减轻学生的学习负担，另一方面为学生择取更宜于实际运用的学科，从而将模型更好地运用到实际生活中。
七、参考文献
参考文献：[1]《统计分析与是spss的应用》中国人民大学出版社薛微编著
[2]《数学模型（第三版）》高等教育出版社姜启源谢金星编著
历年数学建模赛题题目
历年数学建模赛题题目 1992年 (A) 施肥效果分析问题(北京理工大学：叶其孝） (B) 实验数据分解问题（华东理工大学:俞文此; 复旦大学：谭永基）1993年 (A) 非线性交调的频率设计问题（北京大学：谢衷洁） (B) 足球排名次问题（清华大学：蔡大用） 1994年 (A) 逢山开路问题（西安电子科技大学：何大可） (B) 锁具装箱问题（复旦大学:谭永基，华东理工大学:俞文此）1995年 (A) 飞行管理问题（复旦大学:谭永基，华东理工大学:俞文此） (B) 天车与冶炼炉的作业调度问题（浙江大学：刘祥官,李吉鸾）1996年 (A) 最优捕鱼策略问题（北京师范大学：刘来福） (B) 节水洗衣机问题（重庆大学：付鹂） 1997年 (A) 零件参数设计问题（清华大学：姜启源） (B) 截断切割问题（复旦大学:谭永基，华东理工大学:俞文此）1998年 (A) 投资的收益和风险问题（浙江大学：陈淑平） (B) 灾情巡视路线问题（上海海运学院：丁颂康） 1999年 (A) 自动化车床管理问题（北京大学：孙山泽） (B) 钻井布局问题（郑州大学：林诒勋） (C) 煤矸石堆积问题（太原理工大学：贾晓峰） (D) 钻井布局问题（郑州大学：林诒勋） 2000年 (A) DNA序列分类问题（北京工业大学：孟大志） (B) 钢管订购和运输问题（武汉大学：费甫生） (C) 飞越北极问题（复旦大学：谭永基） (D) 空洞探测问题（东北电力学院：关信） 2001年 (A) 血管的三维重建问题（浙江大学：汪国昭） (B) 公交车调度问题（清华大学：谭泽光） (C) 基金使用计划问题（东南大学：陈恩水） (D) 公交车调度问题（清华大学：谭泽光） 2002年
学生成绩分析数学建模优秀范文
2012年暑期培训数学建模第二次模拟 承诺书 我们仔细阅读了数学建模联赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛队员 (签名) ： 队员1： 队员2： 队员3：
2012年暑期培训数学建模第二次模拟 编号专用页 参赛队伍的参赛：（请各个参赛队提前填写好）：竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）： 2012年暑期培训数学建模第二次模拟
题目学生成绩的分析问题 摘要 本文针对大学高数和线代，概率论成绩进行建模分析，主要用到统计分析的知识及SPSS软件，建立了方差分析、单因素分析、相关性分析等相关模型，从而分析两个专业、四门课程成绩的显著性，以及课程之间的相关性。最后利用分析结论表明了我们对大学数学学习的看法。 问题一：每门课程两个专业的差异性需要进行多个平均数间的差异显著性检验，首先应该对数据进行正态分布检验，结论是各个专业的分数都服从正态分布，之后可以根据Kolmogorov-Smirnov 检验（K-S检验）原理，利用SPSS软件进行单因素方差分析，得出方差分析表，进行显著性检验，最后得出的结论是高数1、高数2、线代和概率这四科成绩在两个专业中没有显著性差异。 问题二：对于甲乙两个专业分别分析，应用问题一的模型，以每个专业不同班级的高数一、高数二、线代和概率平均数为自变量，同第一问相同的做法，得到两个专业中不同学科之间没有显著差异。 问题三：我们通过对样本数据进行Spss的“双变量相关检验”得出相关系数值r、影响程度的P值，从而来分析出高数1、高数2与概率论、现代的相关性。 问题四：利用上面数据，得到各专业课程的方差和平均值，再通过对各门课程的分析，利用分析结论表明了我们对大学数学学习的看法。 本文针对大学甲、乙两个专业数学成绩分析问题，进行建模分析，主要用到统计分析的知识和 excel以及matlab软件，建立了方差分析、相关分析的相关模型，研究了影响学生成绩的相关因素, 以及大学生如何进行数学课程的学习。 问题一针对每门课程分析两个专业的数学成绩可以通过excel工具得出各门功课的平均值、方差 进行比较分析。 问题二针对专业分析两个专业的数学成绩的数学水平有无明显差异，可以运用平均数、方差进行 比较。并对两专业的数学成绩进行T检验，进一步分析其有无显著性差异。 问题三针对各班高数成绩和线代、概率论成绩进行散点图描述建立一元回归线性模型，然后对模 型进行求解，对模型进行改进。包括分析置信区间，残差等。 关键词：平均值方差 T检验一元回归线性模型置信区间残差 excel matlab
数学建模——回归分析
回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 （2）建立直线回归方程; （3）计算估价标准误差; （4）估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)
x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:
数学建模及全国历年竞赛题目
数学建模及全国历年竞赛题目 (2010-09-28 21:58:01) 标签： 分类：专业教学 数学建模 应用数学模型 教育 一、数学建模的涵 （一）数学建模的概念 数学建模是一种数学的思考方法，是运用数学的语言和方法，通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段。使用数学语言描述的事物就称为数学模型，这个建立数学模型的全过程就称为数学建模。（二）应用数学模型 应用数学去解决各类实际问题，把错综复杂的实际问题简化、抽象为合理的数学结构。通过调查、收集数据资料，观察和研究实际对象的固有特征和在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分析和解决问题。需要诸如数理统计、最优化、图论、微分方程、计算方法、神经网络、层次分析法、模糊数学，数学软件包如 Mathematica,Matlab,Lingo,Spss,Mapple的使用，甚至排版软件等知识的基础。
（三）数学建模的特点 数学建模具有难度大、涉及面广、形式灵活，对教师和学生要求高等特点；数学建模的教学本身是一个不断探索、不断创新、不断完善和提高的过程。（四）数学建模的指导思想 数学建模的指导思想就是：以实验室为基础、以学生为中心、以问题为主线、以培养能力为目标来组织教学工作。 （五）数学建模的意义 数学建模是联系数学与实际问题的桥梁，是数学在各个领械广泛应用的媒介，是数学科学技术转化的主要途径。通过教学使学生了解利用数学理论和方法去分析和解决问题的全过程，提高他们分析问题和解决问题的能力；提高他们学习数学的兴趣和应用数学的意识与能力，使他们在以后的工作中能经常性地想到用数学去解决问题，提高他们尽量利用计算机软件及当代高新科技成果的意识，能将数学、计算机有机地结合起来去解决实际问题。 1.培养创新意识和创造能力； 2.训练快速获取信息和资料的能力； 3.锻炼快速了解和掌握新知识的技能； 4.培养团队合作意识和团队合作精神； 5.增强写作技能和排版技术；
初中学生数学建模能力调查与分析
初中学生数学建模能力调查与分析 （一）调查目的 《全日制义务教育课程标准》指出：“义务教育阶段的数学课程，其基本出发点是促进学生全面、持续、和谐地发展”，“强调从学生已有的生活经验出发，让学生亲身经历将实际问题抽象为数学模型并进行解释和应用的过程，使学生获得数学理解的同时，在思维能力、情感态度与价值观等方面得到进步和发展”。 因此培养学生运用数学知识分析和解决实际问题的能力成为初中阶段数学教学的 首要任务之一，而数学建模教学正是为培养学生解决实际问题能力提供的一种有效途 径。笔者为了了解碧莲学区初级中学学生数学建模能力的现状及存在的问题，选取二所初中八年级各一个教学班学生进行测试和问卷调查，并对调查结果加以整理,以便为开展数学建模教学研究提供较可靠的资料。 （二）调查的对象 碧莲镇中学与大若岩镇中学初二年级的各一个教学班，共96名学生。（三）调查方式 采用数学建模能力测试题（共有3题，每题满分为20分）及数学建模学习状况问卷调查。 （四）学生的测试题及结果分析 测试要求学生在45分钟内完成三道数学建模题，每题满分为20分，要求学生在解答过程中，无论用什么方法解答，无论解答对否，均要写下解题过程或思考过程。 1、测试题 (1)某校校长暑假将带领该校市级“三好学生”去旅游，甲旅行社说:“如果校长买全价票一张，则其余学生可享受半价优待”，乙旅行社说:“包括校长在内全部按全 票价的6折优惠”（即按全票价的60%收费），若全票价为240元， ①设学生数为x，甲旅行社收费为y 甲，乙旅行社收费为y 乙 ，分别计算两家旅行 社的收费（建立表达式）； ②当学生数是多少时，两家旅行社的收费一样?
第1章 数学建模与误差分析
第1章数学建模与误差分析 1.1 数学与科学计算 数学是科学之母，科学技术离不开数学，它通过建立数学模型与数学产生紧密联系，数学又以各种形式应用于科学技术各领域。数学擅长处理各种复杂的依赖关系，精细刻画量的变化以及可能性的评估。它可以帮助人们探讨原因、量化过程、控制风险、优化管理、合理预测。近几十年来由于计算机及科学技术的快速发展，求解各种数学问题的数值方法即计算数学也越来越多地应用于科学技术各领域，相关交叉学科分支纷纷兴起，如计算力学、计算物理、计算化学、计算生物、计算经济学等。 科学计算是指利用计算机来完成科学研究和工程技术中提出的数学问题的计算，是一种使用计算机解释和预测实验中难以验证的、复杂现象的方法。科学计算是伴随着电子计算机的出现而迅速发展并获得广泛应用的新兴交叉学科，是数学及计算机应用于高科技领域的必不可少的纽带和工具。科学计算涉及数学的各分支，研究它们适合于计算机编程的数值计算方法是计算数学的任务，它是各种计算性学科的联系纽带和共性基础，兼有基础性和应用性的数学学科。它面向的是数学问题本身而不是具体的物理模型，但它又是各计算学科共同的基础。 随着计算机技术的飞速发展，科学计算在工程技术中发挥着愈来愈大的作用,已成为继科学实验和理论研究之后科学研究的第三种方法。在实际应用中所建立的数学模型其完备形式往往不能方便地求出精确解，于是只能转化为简化模型，如将复杂的非线性模型忽略一些因素而简化为线性模型，但这样做往往不能满足精度要求。因此，目前使用数值方法来直接求解较少简化的模型，可以得到满足精度要求的结果，使科学计算发挥更大作用。了解和掌握科学计算的基本方法、数学建模方法已成为科技人才必需的技能。因此，科学计算与数学建模的基本知识和方法是工程技术人才必备的数学素质。 1.2 数学建模及其重要意义 数学，作为一门研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和人们生活的实际需要密切相关。用数学方法解决工程实际和科学技术中的具体问题时，首先必须将具体问题抽象为数学问题，即建立起能描述并等价代替该实际问题的数学模型，然后将建立起的数学模型，利用数学理论和计算技术进行推演、论证和计算，得到欲求解问题的解析解或数值解，最后用求得的解析解和数值解来解决实际问题。本章主要介绍数学建模基本过程和求解数学问题数值方法的误差传播分析。 1.2.1 数学建模的过程 数学建模过程就是从现实对象到数学模型，再从数学模型回到现实对象的循环，一般通过表述、求解、解释、验证几个阶段完成。数学建模过程如图1.2.1所示，数学模型求解方法可分为解析法和数值方法，如图1.2.2所示。 表述是将现实问题“翻译”成抽象的数学问题，属于归纳。数学模型的求解方法则属于演绎。归纳是依据个别现象推出一般规律；演绎是按照普遍原理考察特定对象，导出结论。演绎利用严格的逻辑推理，对解释现象做出科学预见，具有重要意义，但是它要以归纳的结论作为公理化形式的前提，只有在这个前提下
对中国大学生数学建模竞赛历年成绩的分析与预测
2012年北京师范大学珠海分校数学建模竞赛 题目：对中国大学生数学建模竞赛历年成绩的分析与预测 摘要 本文研究的是对自数学建模竞赛开展以来各高校建模水平的评价比较和预测问题。我们将针对题目要求，建立适当的评价模型和预测模型，主要解决对中国大学生数学建模竞赛历年成绩的评价、排序和预测问题。 首先我们用层次分析法来评价广东赛区各校2008年至2011年及全国各大高校1994至2011年数学建模成绩，从而给出广东赛区各校及全国各大高校建模成绩的科学、合理的评价及排序；其次运用灰色预测模型解决广东赛区各院校2012年建模成绩的预测。 针对问题一，首先我们对比了2008到2011年参加建模比赛的学校，通过分析我们选择了四年都参加了比赛的学校进行合理的排序（具体分析过程见表13），同时对本科甲组和专科乙组我们分别进行排序比较。在具体解决问题的过程中，我们先分析得出影响评价结果的主要因素：获奖情况和获奖比例，其中获奖情况主要考虑国家一等奖、国家二等奖、省一等奖、省二等奖、省三等奖，我们采用层次分析法，并依据判断尺度构造出各个层次的判断矩阵，对它们逐个做出一致性检验，在一致性符合要求的情况下，通过公式与matlab求得各大学的权重，总结得分并进行排序（结果见表11）；在对广东赛区各高校2012建模成绩预测问题中，我们采用灰色预测模型，我们以华南农业大学为例，得到该校2012年建模比赛获奖情况为：省一等奖、省二等奖、省三等奖及成功参赛奖分别为5、9、8、8(其它各高校预测结果见表10）。 针对问题二，我们对全国各院校的自建模竞赛活动开展以来建模成绩排序采用与问题一相同的数学模型，在获奖情况考虑的是全国一等奖、全国二等奖。运用matlab求解，结果见表12。 针对问题三，我们通过对一、二问排序的解答及数据的分析，得出在对院校进评价和预测时还应考虑到各院的师资力量、学校受重视程度、学生情况、参赛经验等因素，考虑到这些因素，为以后评价高校建模水平提供更可靠的依据。 关键词：层次分析法权向量灰色预测模型模型检验 matlab
数学建模比赛的选拔问题
数学建模比赛的选拔问题 卢艳阳 王伟 朱亮亮 （黄河科技学院通信系，） 摘要 本文是关于全国大学生数学建模竞赛选拔的问题，依据数学建模组队的要求，每队应具备较好的数学基础和必要的数学建模知识、良好的编程能力和熟练使用数学软件等的综合实力，在此前提下合理的分配队员，利用层次分析法，建立合理分配队员的数学模型，利用MATLAB ，LONGO 工具求出最优解。、 问题一：依据建模组队的要求，合理分配每个队员是关键，主要由团队精神、建模能力、编程能力、论文写作能力、思维敏捷以及数学知识等等，经过讨论分析，确定良好的数学基础、建模能力，编程能力为主要参考因素。 问题二：根据表中所给15人的可参考信息，我们对每个队员的每一项素质进行加权，利用层次分析法选出综合素质好的前9名同学，然后利用0-1规划的相关知识对这9人进行合理分组，利用MATLAB 、LINGO 得到其中一个如下的分 组：'1s 、10s 、4s ；2s 、11s 、14s ；6s 、13s 、8s 问题三：我们将所选出的这9名同学和这个计算机编程高手的素质进行量化加权，然后根据层次分析法，利用MATLAB 工具进行求解，得出了最佳解。由于我们选取队员参考的是这个人的综合素质，而不是这个人的某项素质，并由解出的数据可以看出这个计算机编程高手不能被直接录用。所以说只考虑某项素质，而不考虑其他的素质的同学是不能被直接录用的。 问题四：根据前面三问中的分组的思路，我们通过层次分析法先从所有人中依据一种量化标准选出符合要求的高质量的同学，然后利用0-1变量进行规划，在根据实际问题的约束，对问题进行分析，然后可以得出高效率的分组。
数学建模之回归分析法
什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。
今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：（数据可以先用excel建立再通过spss打开） 点击“分析”——回归——线性——进入如下图所示的界面：
回归分析在数学建模中的应用
摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验
回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II
数学建模 SPSS 典型相关分析
典型相关分析 在对经济问题的研究和管理研究中，不仅经常需要考察两个变量之间的相关程度，而且还经常需要考察多个变量与多个变量之间即两组变量之间的相关性。典型相关分析就是测度两组变量之间相关程度的一种多元统计方法。 典型相关分析计算步骤 （一）根据分析目的建立原始矩阵 原始数据矩阵 ? ?????? ?????? ?nq n n np n n q p q p y y y x x x y y y x x x y y y x x x 2 1 2 1222 21 22211121111211 （二）对原始数据进行标准化变化并计算相关系数矩阵 R = ?? ? ? ??2221 1211 R R R R 其中11R ，22R 分别为第一组变量和第二组变量的相关系数阵，12R = 21 R '为第一组变量和第二组变量的相关系数 （三）求典型相关系数和典型变量 计算矩阵=A 111-R 12R 122-R 21R 以及矩阵=B 122-R 21R 1 11-R 12R 的特征值和特征向量，分 别得典型相关系数和典型变量。 （四）检验各典型相关系数的显著性 第五节 利用SPSS 进行典型相关分析 第一步，录入原始数据，如下表：X1 X2 X3 X4 X5 分别代表多孩率、综合节育率、初中及以上受教育程度的人口比例、人均国民收入和城镇人口比例。 研究人口出生与教育程度、生活水平等的相关。
1、点击“Files→New→Syntax”打开如下对话框。 2、输入调用命令程序及定义典型相关分析变量组的命令。如图
输入时要注意“Canonical correlation.sps”程序所在的根目录，注意变量组的格式和空格。 第三步，执行程序。用光标选择这些命令，使其图黑，再点击运行键，即可得到所有典型相关分析结果。
中国研究生数学建模竞赛历届竞赛题目截止
中国研究生数学建模竞赛历届竞赛题目 第一届2004年题目 A题发现黄球并定位 B题实用下料问题 C题售后服务数据的运用 D题研究生录取问题 第二届2005年题目 A题HighwayTravelingtimeEstimateandOptimalRouting B题空中加油 C题城市交通管理中的出租车规划 D题仓库容量有限条件下的随机存贮管理 第三届2006年题目 A题AdHoc网络中的区域划分和资源分配问题 B题确定高精度参数问题 C题维修线性流量阀时的内筒设计问题 D题学生面试问题 第四届2007年题目 A题建立食品卫生安全保障体系数学模型及改进模型的若干理论问题 B题械臂运动路径设计问题 C题探讨提高高速公路路面质量的改进方案 D题邮政运输网络中的邮路规划和邮车调运 第五届2008年题目 A题汶川地震中唐家山堪塞湖泄洪问题 B题城市道路交通信号实时控制问题 C题货运列车的编组调度问题 D题中央空调系统节能设计问题 第六届2009年题目 A题我国就业人数或城镇登记失业率的数学建模 B题枪弹头痕迹自动比对方法的研究 C题多传感器数据融合与航迹预测 D题110警车配置及巡逻方案 第七届2010年题目 A题确定肿瘤的重要基因信息 B题与封堵渍口有关的重物落水后运动过程的数学建模 C题神经元的形态分类和识别 D题特殊工件磨削加工的数学建模 第八届2011年题目 A题基于光的波粒二象性一种猜想的数学仿真 B题吸波材料与微波暗室问题的数学建模 C题小麦发育后期茎轩抗倒性的数学模型 D题房地产行业的数学建模
第九届2012年题目 A题基因识别问题及其算法实现 B题基于卫星无源探测的空间飞行器主动段轨道估计与误差分析C题有杆抽油系统的数学建模及诊断 D题基于卫星云图的风矢场（云导风）度量模型与算法探讨 第十届2013年题目 A题变循环发动机部件法建模及优化 B题功率放大器非线性特性及预失真建模 C题微蜂窝环境中无线接收信号的特性分析 D题空气中PM2.5问题的研究attachment E题中等收入定位与人口度量模型研究 F题可持续的中国城乡居民养老保险体系的数学模型研究 第十一届2014年题目 A题小鼠视觉感受区电位信号(LFP)与视觉刺激之间的关系研究B题机动目标的跟踪与反跟踪 C题无线通信中的快时变信道建模 D题人体营养健康角度的中国果蔬发展战略研究 E题乘用车物流运输计划问题 第十二届2015年题目 A题水面舰艇编队防空和信息化战争评估模型 B题数据的多流形结构分析 C题移动通信中的无线信道“指纹”特征建模 D题面向节能的单/多列车优化决策问题 E题数控加工刀具运动的优化控制 F题旅游路线规划问题 第十三届2016年题目 A题多无人机协同任务规划 B题具有遗传性疾病和性状的遗传位点分析 C题基于无线通信基站的室内三维定位问题 D题军事行动避空侦察的时机和路线选择 E题粮食最低收购价政策问题研究 数据来源：
学生成绩分析数学建模优秀范文汇编
学习-----好资料 2012年暑期培训数学建模第二次模拟 承诺书 我们仔细阅读了数学建模联赛的竞赛规则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与本队以外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其它公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们愿意承担由此引起的一切后果。 我们的参赛报名号为： 参赛队员(签名) ： 队员1： 队员2： 队员3： 更多精品文档． 学习-----好资料 2012年暑期培训数学建模第二次模拟 编号专用页 参赛队伍的参赛号码：（请各个参赛队提前填写好）：
竞赛统一编号（由竞赛组委会送至评委团前编号）： 竞赛评阅编号（由竞赛评委团评阅前进行编号）：年暑期培训数学建模第二次模拟2012更多精品文档．学习-----好资料
学生成绩的分析问题题目 摘要主要用到统计分析的概率论成绩进行建模分析，本文针对大学高数和线代，软件，建立了方差分析、单因素分析、相关性分析等相关模型，从SPSS知识及最后利用分以及课程之间的相关性。而分析两个专业、四门课程成绩的显著性，析结论表明了我们对大学数学学习的看法。每门课程两个专业的差异性需要进行多个平均数间的差异显著性检问题一：结论是各个专业的分数都服从正态分布，首先应该对数据进行正态分布检验，验，软件进行原理，检验）利用SPSS之后可以根据Kolmogorov-Smirnov 检验（K-S、进行显著性检验，最后得出的结论 是高数1单因素方差分析，得出方差分析表，高数2、线代和概率这四科成绩 在两个专业中没有显著性差异。以每个专业不同问题二：对于甲乙两个专业分别分析，应用问题一的模型，班级的高数一、高数二、线代和概率平均数为自变量，同第一问相同的做法，得到两个专业中不同学科之间没有显著差异。的“双变量相关检验”得出相关系问题三：我们通过对样本数据进行Spss 与概率论、现代的相关、高数2、影响程度的P值，从而来分析出高数1数值r 性。问题四：利用上面数据，得到各专业课程的方差和平均值，再通过对各门 课程的分析，利用分析结论表明了我们对大学数学学习的看法。本文针对大学甲、乙两个专业数学成绩分析问题，进行建模分析，主要用到统计分析的知识和软件，建立了方差分析、相关分析的相关模型，研究了影matlabexcel以及, 响学生成绩的相关因素以及大学生如何进行数学课程的学习。工具得出各针对每门课程分析两个专业的数学成绩可以通过excel问题一门功课的平均值、方差进行比较分析。可以运针对专业分析两个专业的数学成绩的数学水平有无明显差异，问题二用平均数、方差进行检验，进一步分析其有无显著性差异。比较。并对两专业的数学成绩进行T概率论成绩进行散点图描述建立一元回归针对各班高数成绩和线代、问题三 线性模型，然后对模型进行求解，对模型进行改进。包括分析置信区间，残差等。检验一元回归线性模型置信区间 T 关键词：平均值方差 excel matlab 残差 更多精品文档． 学习-----好资料 关键词：单因素方差分析、方差分析、相关分析、 spss软件、更多精品文档． 学习-----好资料 一、问题重述 附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题： （1）针对每门课程分析，两个专业的分数是否有明显差异？ （2）针对专业分析，两个专业学生的数学水平有无明显差异？
数学建模-回归分析-多元回归分析
1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。
把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：
3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间
最新数学建模数据分析题
中国矿业大学数学建模常规赛竞赛 承诺书 我们仔细阅读了中国矿业大学数学建模常规赛论文格式规范和2016年中国矿业大学数学建模常规赛通知。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或资料（包括网上资料），必须按照规定的参考文献的表述方式列出，并在正文引用处予以标注。在网上交流和下载他人的论文是严重违规违纪行为。 我们以中国矿业大学大学生名誉和诚信郑重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。 我们授权中国矿业大学数学建模协会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。 我们的参赛队号：25 参赛队员(打印并签名)：1. 易阳俊 2. 令月霞 3. 刘景瑞 日期： 2016 年 10 月日 （请勿改动此页内容和格式。此承诺书打印签名后作为纸质论文的封面。以上内容请仔细核对，如填写错误，论文可能被取消评奖资格。）
中国矿业大学数学建模常规赛竞赛 编号专用页 评阅统一编号（数学建模协会填写）：
题目：数据的分析问题 摘要 本文需要解决的问题是如何根据就诊人员体内7种元素含量来判别某人是否患有疾病G和确定哪些指标是影响人们患疾病G的主要因素。通过解读题目可知，此类问题为典型的分析判别问题。我们先对数据进行了预处理，剔除了有异常数据的样本，然后采用元素分布判别法、马氏距离判别法和Fisher判别法，应用Excel、SPSS和MATLAB等软件来对某人是否患病进行判别，并通过绘制7种元素含量的折线图等来确定患该疾病的主要因素，最后应用综合判别法对之前的结论进行了检验。 对于问题一，在对数据预处理之后，我们删除了序号为10这个高度异常数据样本，然后我们分别采用元素分布判别法、马氏距离判别法和Fisher判别法对49个已知病例进行判别。对于元素分布判别法，我们通过数据预处理知道7种元素含量分布均符合正态分布，然后我们确定了以均值为大致中心的元素正常含量范围，得出其判别准确度为96%；对于马氏距离判别法，通过编写MATLAB 程序（见附录）来进行判别，得出其判别准确度为90%；对于Fisher判别法，通过SPSS软件来进行判别，得到线性判别函数，其判别准确度为96%； 针对问题二：我们运用问题一中建立的三个判别模型对25名就诊人员（见附录）的化验结果进行检验，判别结果如下表1: 行对分析，我们初步判定元素4与元素5是影响人们患疾病G的主要因素，然后用方法一的三种判别方法进行检验，其准确度在85%以上； 对于问题四，我们根据问题三得出的主要因素，分别用三种判别方法对25名就诊人员进行判别，再与问题二的判别结果进行对比，可知它们判断结果之间的差异性最高为24%。 对于问题五，由于三种判别法都有不足，所以我们采用了综合判别法，将三种判别方法的结果进行综合判断，最终我们通过主要因素进行判别的差异性下降到了12%，与问题一的判断结果的一致性达到了88%。 关键词：马氏距离判别，Fisher判别，综合判别，MATLAB，SPSS
历年全国数学建模试题及其解法归纳
历年全国数学建模试题及解法归纳 赛题解法 93A非线性交调的频率设计拟合、规划 93B足球队排名图论、层次分析、整数规划94A逢山开路图论、插值、动态规划 94B锁具装箱问题图论、组合数学 95A飞行管理问题非线性规划、线性规划 95B天车与冶炼炉的作业调度动态规划、排队论、图论96A最优捕鱼策略微分方程、优化 96B节水洗衣机非线性规划 97A零件的参数设计非线性规划 97B截断切割的最优排列随机模拟、图论 98A一类投资组合问题多目标优化、非线性规划98B灾情巡视的最佳路线图论、组合优化 99A自动化车床管理随机优化、计算机模拟 99B钻井布局0-1规划、图论 00A DNA序列分类模式识别、Fisher判别、人工 神经网络 00B钢管订购和运输组合优化、运输问题 01A血管三维重建曲线拟合、曲面重建
赛题解法 01B 公交车调度问题多目标规划 02A车灯线光源的优化非线性规划 02B彩票问题单目标决策 03A SARS的传播微分方程、差分方程 03B 露天矿生产的车辆安排整数规划、运输问题 04A奥运会临时超市网点设计统计分析、数据处理、优化04B电力市场的输电阻塞管理数据拟合、优化 05A长江水质的评价和预测预测评价、数据处理 05B DVD在线租赁随机规划、整数规划 06A出版社书号问题整数规划、数据处理、优化06B Hiv病毒问题线性规划、回归分析 07A 人口问题微分方程、数据处理、优化07B 公交车问题多目标规划、动态规划、图 论、0-1规划 08A 照相机问题非线性方程组、优化 08B 大学学费问题数据收集和处理、统计分 析、回归分析 2009年A题制动器试验台的控制方法分析工程控制 2009年B题眼科病床的合理安排排队论，优化，仿真，综 合评价 2009年C题卫星监控几何问题，搜集数据
数学课程的成绩分析(数模
数学课程的成绩分析(数模大作业)
2012年4月西安电子科技大学学报（自然科学版） Apr.2012 第X卷第X期JOURNAL OF XIDIAN UNIVERSITY Vol.XX No.X 数学课程的成绩分析 摘要：本文讨论了B题中给出的对大学数学课程的成绩分析的一种分析方 法，根据题目中提供的甲乙两专业4门数学学科的成绩，对成绩进行分类汇 总，再通过数理统计的方法进行对成绩的分析，运用Excel、Matlab绘出图 表，直观的分析甲乙专业，各数学学科的一些统计量。再查找数学教育的相 关资料，建立合理的数学水平评价模型。最后建立数学学科之间的相关回归 模型，利用Matlab进行回归检验，从而讨论各个数学学科之间的关系。 关键词：层次分析法统计回归方法一元线性回归数学水平评估模型 1问题重述 附件是甲专业和乙专业的高等数学上册、高等数学下册、线性代数、概率论与数理统计等三门数学课程的成绩数据，请根据数据分析并回答以下问题： （1）针对每门课程分析，两个专业的分数是否有明显差异？ （2）针对专业分析，两个专业学生的数学水平有无明显差异？ （3）高等数学成绩的优劣，是否影响线性代数、概率论与数理统计的得分情况？ （4）根据你所作出的以上分析，面向本科生同学阐述你对于大学数学课程学习方面的看法。2模型假设和符号说明 2.1模型假设 1）甲专业24号同学高数I成绩433，不属于0-100分，所以当无效数据处理，不考虑它的影响。 2）考试成绩反映的是学生的真实水平。 3）高数成绩和线性代数、概率论与数理统计有相关关系。 4）将高数成绩定义为将高数I的成绩和高数II的成绩取平均。 5）两个专业的老师教课水平是一样的。 6）学生本科前的数学水平是相近的。 7）两专业的人数可以真实反应学生水平。 2.2符号说明 x：把高数成绩作为一元线性回归模型的自变量。
回归模型的残差分析
回归模型的残差分析 山东 胡大波 判断回归模型的拟合效果是回归分析的重要内容，在回归分析中，通常用残差分析来判断回归模型的拟合效果。下面具体分析残差分析的途径及具体例子。 一、 残差分析的两种方法 1、差分析的基本方法是由回归方程作出残差图，通过观测残差图，以分析和发现观测数据中可能出现的错误以及所选用的回归模型是否恰当；在残差图中，残差点比较均匀地落在水平区域中，说明选用的模型比较合适，这样的带状区域的宽度越窄，说明模型的拟合精度越高，回归方程的预报精度越高。 2、可以进一步通过相关指数∑∑==--- =n i i n i i i y y y y R 1 2 1 2 ^ 2 )()(1来衡量回归模型的拟合效果，一般 规律是2 R 越大，残差平方和就越小，从而回归模型的拟合效果越好。 二、 典例分析： 例1、某运动员训练次数与运动成绩之间的数据关系如下： 试预测该运动员训练47次以及55次的成绩。 解答：（1）作出该运动员训练次数x 与成绩y 之间的散点图，如图1所示，由散点图可 知，它们之间具有线性相关关系。 （2）列表计算： 由上表可求得875.40,25.39==y x ， 126568 1 2 =∑=i i x ，137318 1 2=∑=i i y ，
131808 1 =∑=i i i y x ，所以∑∑==---= 8 1 2 8 1 )() )((i i i i i x x y y x x β.0415.188 1 2 28 1≈--= ∑∑==i i i i i x x y x y x 00302.0-≈-=x y βα，所以回归直线方程为.00302.00415.1^ -=x y （3）计算相关系数 将上述数据代入∑∑∑===---= 8 1 8 1 2 22 2 8 1 ) 8)(8(8i i i i i i i y y x x y x y x r 得992704.0=r ，查表可知 707.005.0=r ，而05.0r r >，故y 与x 之间存在显着的相关关系。 （4）残差分析： 作残差图如图2，由图可知，残差点比较均匀地分布在水平带状区域中，说明选用的模型比较合适。 计算残差的方差得884113.02 =σ ，说明预报的精度较高。 （5）计算相关指数2 R 计算相关指数2 R ＝0.9855.说明该运动员的成绩的差异有98.55％是由训练次数引起的。 （6）做出预报 由上述分析可知，我们可用回归方程 .00302.00415.1^ -=x y 作为该运动员成绩的预报值。 将x ＝47和x ＝55分别代入该方程可得y ＝49和y ＝57， 故预测运动员训练47次和55次的成绩分别为49和57. 点评：一般地，建立回归模型的基本步骤为： （1）确定研究对象，明确哪个变量是解释变量，哪个变量是预报变量； （2）画出确定好的解释变量和预报变量的散点图，观察它们之间的关系（如是否存在线性关系等）； （3）由经验确定回归方程的类型（如我们观察到数据呈线性关系，则选用线性回归方程y ＝bx ＋a ）； （4）按一定规则估计回归方程中的参数（如最小二乘法）； （5）得出结果后分析残差图是否有异常（个别数据对应残差过大，或残差呈现不随机的规律性等等），若存在异常，则检查数据是否有误，或模型是否合适等。 例2、某城区为研究城镇居民月家庭人均生活费支出和月人均收入的相关关系，随机抽取