![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学建模
卍暴力出奇迹卍
这个作者很懒,什么都没留下…
展开
-
数模算法:时间序列分析
引入时间序列也称动态序列,是指将某种现象的指标数值按 照时间顺序排列而成的数值序列。时间序列分析大致可分成 三大部分,分别是描述过去、分析规律和预测未来时间序列分析中常用的三种模型:季节分解、指数 平滑方法和ARIMA模型时间序列数据:对同一对象在不同时间连续观察所取得的数据。例如:(1)从出生到现在,你的体重的数据(每年生日称一次)。(2)中国历年来GDP的数据。(3)在某地方每隔一小时测得的温度数据。时间序列也称动态序列,是指将某种现象的指标数值按照 时间顺序排列而成的数值序列。时间序原创 2020-06-13 19:49:38 · 3572 阅读 · 0 评论 -
数模算法:灰色关联分析(用于系统分析和综合评价)
画统计图确定分析数列母序列(母指标):能反映系统原创 2020-06-09 23:35:39 · 11916 阅读 · 3 评论 -
数模算法:因子分析
引入因子分析法通过研究变量间的相关系数矩阵,把这些变量间错综 复杂的关系归结成少数几个综合因子,由于归结出的因子个数少于原 始变量的个数,但是它们又包含原始变量的信息,所以,这一分析过 程也称为降维。由于因子往往比主成分更易得到解释,故因子分析比 主成分分析更容易成功,从而有更广泛的应用。例子:林登(Linden)根据他收集的来自139名运动员的比赛数 据,对第二次世界大战以来奥林匹克十项全能比赛的得分作了 因子分析研究。这十个全能项目为:100米跑(x1),跳远(x2), 铅球(x3),跳高(x4原创 2020-06-08 23:46:40 · 9052 阅读 · 0 评论 -
数模算法:主成分分析
引入主成分分析是一种降维算法,它能将多个指标转换为少数几 个主成分,这些主成分是原始变量的线性组合,且彼此之间 互不相关,其能反映出原始数据的大部分信息。一般来说, 当研究的问题涉及到多变量且变量之间存在很强的相关性时, 我们可考虑使用主成分分析的方法来对数据进行简化。在实际问题研究中,多变量问题是经常会遇到的。变量太多,无疑 会增加分析问题的难度与复杂性,而且在许多实际问题中,多个变量之 间是具有一定的相关关系的。 因此,人们会很自然地想到,能否在相关分析的基础上,用较少 的新变量代替原来较多的旧变量原创 2020-06-07 23:19:53 · 1535 阅读 · 0 评论 -
数模算法:回归分析
引入回归分析是数据分析中最基础也是最重要的分析工具,绝大多数的 数据分析问题,都可以使用回归的思想来解决。回归分析的任务就是, 通过研究自变量X和因变量Y的相关关系,尝试去解释Y的形成机制,进 而达到通过X去预测Y的目的。回归分析要完成的三个使命:第一、识别重要变量; 第二、判断相关性的方向; 第三、要估计权重(回归系数)。数据类型横截面数据:在某一时点收集的不同对象的数据。例如: (1)我们自己发放问卷得到的数据 (2)全国各省份2018年GDP的数据 (3)大一新生今年体测的得到的数据时间原创 2020-06-06 11:56:21 · 2169 阅读 · 0 评论 -
数模算法:典型相关分析
引入:典型相关分析(Canonical Correlation analysis) 研究两组变量(每组变量中都可能有多个指标) 之间相关关系的一种多元统计方法。它能够揭示 出两组变量之间的内在联系。定义典型相关分析由Hotelling提出,其基本思想和主成分分析非常相似。 首先在每组变量中找出变量的线性组合,使得两组的 线性组合之间具有最大的相关系数; 然后选取和最初挑选的这对线性组合不相关的线性组 合,使其配对,并选取相关系数最大的一对; 如此继续下去,直到两组变量之间的相关性被提取完 毕为此。 被原创 2020-06-01 23:50:40 · 1994 阅读 · 0 评论 -
数模算法:计算分析相关系数
介绍两种常见的相关系数:皮尔逊相关系数注意计算皮尔逊相关系数前,要检验数据是否是正态分布JB检验(大样本 n>30)关于P值0.5、0.5* 、0.5**、0.5***的含义是显著性标记),一般是有双尾和单尾例如***为在 0.01 水平上显著(双尾),**为在 0.05 水平上显著(双尾),*为在 0.1 水平上显著(双尾)。关于单尾双尾(matlab一般默认双尾)偏度和峰度matlab中计算偏度。峰度用skewness(x)%偏度kurtosis(x)%峰度原创 2020-05-31 22:30:37 · 2135 阅读 · 0 评论 -
数模算法:拟合算法
引入与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟 合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所 有的数据点最为接近,即曲线拟合的最好(样本点大于30可以考虑拟合)实例:找出y和x之间的拟合曲线首先画出散点图load data1x=data1(:,1);y=data1(:,2);plot(x,y,'o')xlabel('x的值')ylabel('y的值')1.直接利用函数画出拟合曲线load data1x=data1(:,1);y=data1(原创 2020-05-30 21:00:39 · 1325 阅读 · 0 评论 -
数模算法:插值算法
引入:实际中有时候现有的数据是极少的,不足以支撑分析的进行,这时就需要使用一些数学的方法,根据已知的函数点进行数据、模型的处理和 分析,“模拟产生”一些新的但又比较靠谱的值来满足需求常用方法:分段三次埃尔米特插值直接使用Hermite插值得到的多项式次数较高,也存在着龙格现象(次数越高两端出现震荡现象), 因此在实际应用中,往往使用分段三次Hermite插值多项式(PCHIP)。Matlab有内置的函数,配合plot函数画图p = pchip(x,y,new_x)x是已知的样本点的横坐标;原创 2020-05-29 23:18:07 · 593 阅读 · 0 评论 -
数模算法:排队论模型
引入:排队论又称随机服务系统,它应用于一切服务系统,包括生产管理系统、通信系统、交通系统、计算机存储系统。它通过建立一些数学模型,以对随机发生的需求提供服务的系统预测。现实生活中如排队买票、病人排队就诊、轮船进港、高速路上汽车排队通过收费站、机器等待修理等等都属于排队论问题。基本构成数量指标队长(通常记为 Ls ):是指系统中的平均顾客数(包括正在接受服务的顾客)。等待队长(通常记为 Lq ):指系统中处于等待的顾客的数量。平均逗留时间(通常记为Ws ):平均逗留时间是指顾客进入系统到离原创 2020-05-27 23:42:11 · 2035 阅读 · 0 评论 -
数模算法:优劣解距离法Topsis模型
概念:TOPSIS 法是一种常用的组内综合评价方法,能充分利用原始数据的信息,其结果能精确地反映各评价方案之间的差距。基本过程为先将原始数据矩阵统一指标类型(一般正向化处理) 得到正向化的矩阵,再对正向化的矩阵进行标准化处理以消除各指 标量纲的影响,并找到有限方案中的最优方案和最劣方案,然后分 别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对 象与最优方案的相对接近程度,以此作为评价优劣的依据算法步骤确定指标类型将原始矩阵正向化(将不同类型的指标转换为极大型)中间型正向化正向化原创 2020-05-26 22:19:12 · 1728 阅读 · 0 评论 -
数模算法:模糊综合评价模型
概念引入模糊集合:用来描述模糊性概念的集合隶属函数:对模糊集合的刻画,一般值域范围[0,1]隶属函数的三种确定方法模糊统计法(专家打分,少用)利用已有的或收集数据来定义指派常用函数三角形隶属函数梯形隶属函数高斯型隶属函数算法步骤确定因素集及权重(权重可以用层次分析法或熵权法等确定权重的算法得到)确定评语集建立一级模糊综合评价模型多级模糊综合评价模型(指标很多,需要归类)因素集,评语级...原创 2020-05-25 20:28:24 · 12958 阅读 · 1 评论 -
数模算法:熵权法(用于客观确定权值)
定义根据信息熵的定义,对于某项指标,可以用熵值来判断某个指标的离散程度,其熵值越小,指标的离散程度越大, 该指标对综合评价的影响(即权重)就越大,如果某项指标的值全部相等,则该指标在综合评价中不起作用。按照信息论基本原理的解释,信息是系统有序程度的一个度量,熵是系统无序程度的一个度量;如果指标的信息熵越小,该指标提供的信息量越大, 在综合评价中所起作用理当越大,权重就应该越高。因此,可利用信息熵这个工具,计算出各个指标的权重,为多指标综合评价提供依据。综合来说这种评价法比较具有客观性算法步骤.原创 2020-05-23 17:51:05 · 1868 阅读 · 0 评论 -
数模算法:层次分析法
算法步骤:第一步画出层次结构图:目标层准则层方案层第二步对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较,构造两两比较矩阵(判断矩阵)一致性矩阵各行各列成倍数关系第三步一致性检验第四步(通过检验后)计算权重算术平均法,几何平均法,特征值法第五步,计算各层元素对系统目标的合成权重,并排序判断矩阵的填写参考行名称/列名称matlab代码%一致性检验disp('输入判断矩阵A:')A=input('判断矩阵A=')[n,n]=size(A)%得到矩原创 2020-05-24 18:14:53 · 861 阅读 · 1 评论