三维坐标系中一个部分连续弧面或者叫部分连续面。必然有上下左右中。构成五行。 举例说明：地球本来只有一块大陆。
就是一个部分连续弧面。
按上下左右中或者东西南北中
就有了五行。
五行相生相克的线路标注于下。注意。这些直线都是弧线。相生线路用绿色表示。相克线路用红色表示。相生线路表示生长融合的力也就是吸引力为+1。相克线路表示破灭分析的力也就是分斥力为-1。一个力以相同方向做参考就是引力，以相反方向做参考就是斥力。引力会吸引4/5也就是80%的区域（五行区域的4个区域），斥力会留下1/5也就是20%的区域（五行区域的1个区域）。我们以这个五行连续面作力的分析。看结果如何。
独立分析土周围的力：从东往西方向：(+1)+(-1)-(-1)=+1; 从南往北方向：(+1)+(-1)-(-1)-=+1。可以判断：土在中间从东往西有引力。也就是东方越来越西方化。土在中间从南往北有引力。也就是南方越来越北方化。反过来说：也就是西方越来越多。北方越来越多。也就是向东南扩展区域。典型表现就是喜马拉雅山脉的堆积形成。
独立分析金周围的力：从东往西方向：(+1)-(-1)=+2; 从南往北方向：(+1)+(-1)=0。可以判断：金在西边从东往西有引力。并不往南也不往北。那么金在西边就要逆时针向东扩展区域。会挤压中部形成山脉。
独立分析木周围的力：从东往西方向：(-1)-(-1)=0; 从南往北方向：-(+1)-(+1) =-2。可以判断：木在东边从东往西不动。从北往南有引力。从南往北有斥力。所以东边南美洲从北美洲分离出去了。西方的北非还和亚欧大陆挨得近一些。南美洲区域小，北美洲区域大。
独立分析水周围的力：从东往西方向：-(+1)-(+1) =-2; 从南往北方向：(-1)-(-1) =0。可以判断：水在北边从东往西有斥力，从西往东有引力也就是移动，并不往北也不往南。所以美洲大陆从大陆整体中在东边被分离出去逆时针向西旋转。所以原本的整体大陆的北方只是被分成了东西两部分。仍然在北方。东边部分也就是美洲大陆的北方区域小，
西边部分也就是亚欧大
陆的北方区域大。
独立分析火周围的力：从东往西方向：(+1)-(+1) =0; 从南往北方向：(+1)-(-1) =2。可以判断：火在南边从东往西不动，从南往北有引力，从北往南有斥力。所以南半球各大陆南方区域大。北方区域小。
建立数学模型进行验证大陆漂移轨迹的方法：
在一个球面上选取一个弧面圆形连续面。位于西北角30度位置。半径为90度球截面的弧长的一半。模拟原来的整体大陆。将这个连续面分成五个部分。中间部分取弧面半径的一半画一个圆所取得的区域。其他四个部分用两条垂直的四十五度弧线分割得到。每个区域再按此方式分成五个部分。总共25个部分。假设25个区域不会再次分割，也就是作为整体运动。按上文猜想的力学轨迹运动重叠飘移。每移动步骤作为一个时间区域，各区域同时移动。可以计算出各个时间区域内大陆的运动轨迹。重叠的区域是山，飘移或分离离开的区域是海。更复杂的是将总区域划分成5的3次方，4次方甚至更多区域。可以计算的更详细。哪个时间区域的区域形状类似当前的世界地图，就说明可以演化预测下一个时间区域的世界地图。
第四讲层次分析法 在现实世界中，往往会遇到决策的问题，比如如何选择旅游景点的问题，选择升学志愿的问题等等。在决策者作出最后的决定以前，他必须考虑很多方面的因素或者判断准则，最终通过这些准则作出选择。 比如选择一个旅游景点时，你可以从宁波、普陀山、浙西大峡谷、雁荡山和楠溪江中选择一个作为自己的旅游目的地，在进行选择时，你所考虑的因素有旅游的费用、旅游地的景色、景点的居住条件和饮食状况以及交通状况等等。这些因素是相互制约、相互影响的。我们将这样的复杂系统称为一个决策系统。这些决策系统中很多因素之间的比较往往无法用定量的方式描述，此时需要将半定性、半定量的问题转化为定量计算问题。层次分析法是解决这类问题的行之有效的方法。层次分析法将复杂的决策系统层次化，通过逐层比较各种关联因素的重要性来为分析、决策提供定量的依据。 一、建立系统的递阶层次结构 首先要把问题条理化、层次化，构造出一个有层次的结构模型。一个决策系统大体可以分成三个层次： （1） 最高层（目标层）：这一层次中只有一个元素，一般它是分析问题的预定目标或理想结果； （2） 中间层（准则层）：这一层次中包含了为实现目标所涉及的中间环节，它可以由若干个层次组成，包括所需考虑的准则、子准则； （3） 最低层（方案层）：这一层次包括了为实现目标可供选择的各种措施、决策方案等。 比如旅游景点问题，我们可以得到下面的决策系统： 目标层——选择一个旅游景点 准则层——旅游费用、景色、居住、饮食、交通 方案层——宁波、普陀山、浙西大峡谷、雁荡山、楠溪江 二、构造成对比较判断矩阵和正互反矩阵 在确定了比较准则以及备选的方案后，需要比较若干个因素对同一目标的影响，从额确定它们在目标中占的比重。如旅游问题中，五个准则对于不同决策者在进行决策是肯定会有不同的重要程度，而不同的方案在相同的准则上也有不同的适合程度表现。层次结构反映了因素之间的关系，但准则层中的各准则在目标衡量中所占的比重并不一定相同，在决策者的
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
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:
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 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
层次分析法 层次分析法是一种解决多目标的复杂问题的定性与定量相结合的决策分析方法。该方法将定量分析与定性分析结合起来，用决策者的经验判断各衡量目标能否实现的标准之间的相对重要程度，并合理地给出每个决策方案的每个标准的权数，利用权数求出各方案的优劣次序，比较有效地应用于那些难以用定量方法解决的课题。 缺点： （1）层次分析法的主观性太强，模型的搭建，判断矩阵的输入都是决策者的主观判断，往往会因为决策者的考虑不周、顾此失彼而造成失误。 （2）层次分析法模型的内部结构太过理想化，完全分离、彼此独立的层次结构在实践中很难做到。 （5）层次分析法只能从给定的决策方案中去选择，而不能给出新的、更优的策略。 1.模型的应用 用于解决多目标的复杂问题的定性与定量相结合的决策分析。 （1）公司选拔人员， （2）旅游地点的选取， （3）产品的购买等， （4）船舶投资决策问题（下载文档）， （5）煤矿安全研究， （6）城市灾害应急能力， （7）油库安全性评价， （8）交通安全评价等。 2.步骤 ①建立层次结构模型 首先明确决策目标，再将各个因素按不同的属性从上至下搭建出一个有层次的结构模型，模型如下图所示。
目标层 准则层 方案层 目标层：表示解决问题的目的，即层次分析要达到的总目标。通常只有一个总目标。 准则层：表示采取某种措施、政策、方案等实现预定总目标所涉及的中间环节。 方案层：表示将选用的解决问题的各种措施、政策、方案等。通常有几个方案可选。 注意： （1）任一元素属于且仅属于一个层次；任一元素仅受相邻的上层元素的支配，并不是任一元素与下层元素都有联系； （2）虽然对准则层中每层元素数目没有明确限制，但通常情况下每层元素数最好不要超过 9 个。这是因为，心理学研究表明，只有一组事物在 9 个以内，普通人对其属性进行判别时才较为清楚。当同一层次元素数多于 9 个时，决策者对两两重要性判断可能会出现逻辑错误的概率加大，此时可以通过增加层数，来减少同一层的元素数。 ②构造判断（成对比较）矩阵 以任意一个上一层的元素为准则，对其支配的下层各因素之间进行两两比 a重要程度的衡量用Santy的1—9较。得到判断矩阵，再求出各元素的权重。 ij 标度方法给出。即
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。
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：
大学生消费问题的层次分析模型 1.问题的提出及相关问题的分析 大学生的消费结构是指大学生所消费的各种消费资料之间的比例关系．全面细致地了解大学生的消费状况具有重要的现实意义．关注大学生的消费行为，引导大学生科学消费，可以使大学生在校时合理使用有限的经济收入，进行科学消费．因此帮助大学生树立起适度、合理的消费观念，对于促进经济的发展和社会进步有着重要的意义． 1.1 目前大学生的消费来源 当今大学生的经济来源主要包括: 家庭供给、家教兼职、特困补助和奖学金．大学生由于其自身社会角色的限制，没有独立的经济来源, 主要靠家庭供给．大学生消费收入差距悬殊，主要受家庭收入的影响．1.2 目前大学生的消费状况 目前大学生的消费主要由生活消费、学习消费、娱乐消费三部分构成．生活消费,如吃饭、购置生活必需品;学习消费,如学习用品等; 娱乐消费,如购物、旅游等．随着生活水平的提高和网络信息化的发展,大学生消费呈现出多样化．在市场经济的今天，大学生的消费形式、内容、消费心理以及消费观念都发生了显著的变化．大学生传统必需型消费呈明显下降趋势，如饮食消费、衣着消费所占比例下降，其他形式的消费比例逐渐增加．学习消费主要集中在购买学习参考书、英语和计算机等级考试等和学习工具上．娱乐消费主要表现为休闲、旅游等方面，并呈上涨趋势．通讯消费主要表现在手机话费、上网等方面．大学生的
人际交往消费、恋爱消费也成为日常支出的一个重要方面． 1.3 研究目的 了解当代大学生消费的基本情况，发现大学生日常消费中存在的一些问题，为大学生的消费提供正确合理的建议指导,帮助大学生确立正确的消费观． 2 数据说明与符号约定 2.1 数据说明 以韶关学院学生为调查的对象，通过问卷调查所得数据，调查问卷的原始数据见附录．问卷是通过对60名韶关学院学生随机发放，并收回有效问卷52份而得．由调查的统计结果可知：在校大学生平均的月总支出为514.8077，学习支出为64.42308元，食物支出占301.7308元，衣着支出为62.5元，通讯支出为39.32692元，娱乐支出为51.05769元．家庭月人均收入不同的在校大学生在月总支出和其他各项具体支出方面存在差异，在校大学生的月总支出主要用于食物支出、其他方面的支出相对较少，这反应了当代大学生的消费仍然是以物质消费为基础，这是由在校大学生的非独立经济地位决定的． 2.2 符号约定 y y 为学生的平均月消费(元) 1x 1x 为学生每月由家庭提供的收入(元) 2x 2x 为学生每月做家教等兼职所获取的收入(元) 3x 3x 为学生每月的特困补助的收入(元)
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
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
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。
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？
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
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 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
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。
题目1 1．某校60名学生的一次考试成绩如下: 93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 （1）计算均值、标准差、极差、偏度、峰度，画出直方图； （2）检验分布的正态性； （3）若检验符合正态分布，估计正态分布的参数并检验参数。
一、模型假设 1、假设60名同学的成绩记录准确。 2、假设60名同学的成绩服从正态分布。 二、模型的分析、建立与求解 第（1）小题是求60名同学成绩的均值、标准差、极差、偏度、峰度，并画出直方图。根据题目已给的数据用matlab求解，命令分别为：均值：mean(x) 中位数：median(x) 标准差：std(x) 方差：var(x) 偏度：skewness(x) 峰度：kurtosis(x) matlab求解过程如下： 1、数据的输入 x=[93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55]； 2、用相应的命令求解 均值：mean(x) ans =80.1000 标准差：std(x) ans = 9.7106 极差：range(x) ans = 44