【全网最全】《2024高教社杯/国赛》 B题思路+代码+文献优化算法+决策树第一问生产过程中的决策问题

数维学长986

已于 2024-09-06 00:26:09 修改

阅读量1.8k

点赞数 22

文章标签：算法决策树机器学习

于 2024-09-06 00:24:11 首次发布

本文链接：https://blog.csdn.net/weixin_61644243/article/details/141947669

版权

在这里插入图片描述领取压缩包

问题 1 建模思路
问题描述
企业需要购买零配件1和零配件2，供应商声称一批零配件（零配件1或零配件2）的次品率不超过某个标称值（例如10%）。企业希望通过抽样检测来决定是否接收这批零配件，同时希望检测次数尽可能少。需要在两种情形下给出抽样检测方案：

在95%的信度下，认定零配件次品率超过标称值，则拒收这批零配件；
在90%的信度下，认定零配件次品率不超过标称值，则接收这批零配件。
建模目标
我们的目标是设计一个抽样检测方案，使得在不同的置信水平下，企业能够合理判断是否接收零配件，并使检测次数尽可能少。
建模方法
确定假设检验问题：
○ 我们可以将次品率的检测问题看作是一个单侧假设检验问题。
○ 原假设 (H_0)：次品率 $\leq p_0)$ （其中 (p_0 = 10%) 为标称值）
○ 备择假设 (H_1)：次品率 $p > p_0)$
抽样检测方案的设计：
○ 假设从供应商提供的一批零配件中抽取一个样本，样本容量为 (n)。
○ 在样本中统计次品数 (X)，我们可以假设 (X) 服从一个二项分布： $\sim B(n, p) ]$
○ 根据中心极限定理，当样本容量较大时， (X) 可以近似为正态分布： $\sim N(np, np(1-p)) ]$
计算临界值：
○ 为了保证在95%的信度下，企业能够认定次品率超过标称值，则拒收这批零配件，我们需要找到使得 $\geq k \mid p = p_0) \leq 0.05)$ 的最小整数 (k)。
○ 也就是说，我们需要找到样本中次品数的上界，使得在 (p = p_0) 的情况下，样本中次品数超过该界限的概率为0.05。公式如下：
$\geq k) = 1 - P(X < k) \leq 0.05 ]$
○ 利用正态分布近似，可以计算：
$\frac{k - np_0}{\sqrt{np_0(1-p_0)}} ]$
其中， (Z) 服从标准正态分布 (N(0,1))。我们可以通过查找标准正态分布表来找到合适的 (k)。
计算样本容量 (n)：
○ 样本容量 (n) 的选择可以通过两种错误概率的权衡来确定：I 类错误（拒绝正确的 (H_0)）和 II 类错误（接受错误的 (H_0)）。
○ 对于不同的置信水平（95% 和 90%），我们需要计算出相应的样本容量 (n) 以确保两种错误的概率在合理范围内。
具体步骤和公式
选择显著性水平 (\alpha) 和置信水平 (\beta)：
$\alpha = 0.05, \quad \beta = 0.10 ]$
确定检验统计量的临界值：
$Z_{\alpha} = \Phi^{-1}(1 - \alpha) ]$
计算最小样本量 (n)：
$\left( \frac{Z_{\alpha} \sqrt{p_0(1 - p_0)} + Z_{\beta} \sqrt{p_1(1 - p_1)}}{p_1 - p_0} \right)^2 ]$
其中，( p_1 ) 是企业希望检测出的实际次品率（假设值）。
得出检测方案：
○ 确定临界值 (k)，然后根据样本容量 (n) 进行检测。