数学建模实验答案-概率模型
数学建模-概率模型

如对均值为mu、标准差为sigma的正态分布,举例如下:
1.密度函数:p=normpdf(x,mu,sigma) (当mu=0,sigma=1时可缺省)
例 1 画出正态分布 N (0,1) 和 N (0,22 ) 的概率密度函数图形.
在MATLAB中输入以下命令: x=-6:0.01:6; y=normpdf(x); z=normpdf(x,0,2); plot(x,y,x,z)
9.1 传送系统的效率
背
传送带
景 挂钩
产品
工作台
工人将生产出的产品挂在经过他上方的空钩上运走,若 工作台数固定,挂钩数量越多,传送带运走的产品越多。
在生产进入稳态后,给出衡量传送带效 率的指标,研究提高传送带效率的途径
模型分析
• 进入稳态后为保证生产系统的周期性运转,应 假定工人们的生产周期相同,即每人作完一件产 品后,要么恰有空钩经过他的工作台,使他可将 产品挂上运走,要么没有空钩经过,迫使他放下 这件产品并立即投入下件产品的生产。 • 工人们生产周期虽然相同,但稳态下每人生产 完一件产品的时刻不会一致,可以认为是随机的, 并且在一个周期内任一时刻的可能性相同。
例:现有100个零件,其中95个长度合格,94个直径和格, 92个两个尺寸都合格。任取一个,发现长度合格,问直径 合格的概率。
设A=‘长度合格’,B=‘直径合
格’
P( A) 95 , P( AB) 92
100
100
P(B | A) P( AB) 92 P( A) 95
全概率公式和贝叶斯公式
u0 u0
L(
x)
c 2
x
0
(
x
r
)
p(r
)dr
数学建模概率模型

2
记为X ~ N(, 2 )
背景:如果决定试验结果X的是大量随机因素的总和,假设
各个因素之间近似独立,并且每个因素的单独作用相对均匀 地小,那么X的分布近似正态分布。
如:同龄人的身高、体重、考试分数、某地区年降水量等。
3、数学期望的概念和计算 描述了随机变量的概率取值中心—均值
数学期望
Y gX
E( X ) xk pk k 1
E( X ) xf ( x)dx E(Y ) EgX g( xk ) pk k 1
E(Y ) Eg( X )
g( x) f ( x)dx
4、MATLAB中相关的的概率命令
常见的几种分布的命令字符为: 正态分布:norm 指数分布:exp 泊松分布:poiss 二项分布:bino
G(n)
n
0
[(
a
b)r
(b
c)(n
r
)]
p(r
)drຫໍສະໝຸດ n(ab)np(r
)dr
dG (a b)np(n)
n
(b c) p(r)dr
dn
0
(a b)np(n) n (a b) p(r)dr
n
(b c)0 p(r)dr (a b)n p(r)dr
例3 有10台机床,每台发生故障的概率为0.08,而10台机床工作 独立,每台故障只需一个维修工人排除.问至少要配备几个维修 工人,才能保证有故障而不能及时排除的概率不大于5%。
解:随机变量X示发生故障的机床的台数,则 X ~ B(10,0.08)
即P{X n} 0.95
数学建模-概率模型

确定性现象的特征
条件完全决定结果
随机现象
在一定条件下可能出现也可能不出现的现象.
实例1 在相同条件下掷一枚均匀的硬币,观察 正反两面出现的情况.
结果有可能出现正面也可能出现反面.
实例2 明天的天气可
特征: 条件不能完全决定结果
能是晴 , 也可能是多云
或雨.
说明 1. 随机现象揭示了条件和结果之间的非确定性联 系 , 其数量关系无法用函数加以描述. 2. 随机现象在一次观察中出现什么结果具有偶然 性, 但在大量试验或观察中, 这种结果的出现具有 一定的统计规律性 , 概率论就是研究随机现象这 种本质规律的一门数学学科. 如何来研究随机现象?
P( A)
m n
A
所包含样本点的个数 样本点总数
.
古典概型的基本模型:摸球模型
(1) 无放回地摸球
(2) 有放回地摸球
例1 某接待站在某一周曾接待过 12次来访,已知 所有这 12 次接待都是在周二和周四进行的,问是 否可以推断接待时间是有规定的.
解 假设接待站的接待时间没有
规定,且各来访者在一周的任一天
0.0000003 .
小概率事件在实际中几乎是不可能发生的 , 从 而可知接待时间是有规定的.
例2 假设每人的生日在一年 365 天中的任一天 是等可能的 , 即都等于 1/365 ,求 64 个人中至少 有2人生日相同的概率.
解 64 个人生日各不相同的概率为
p1
365
364
(365 36564
2. 假设遗传基因是由两个基因A和B控制的,则有 三种可能基因型:AA、AB和BB。
例如:金鱼草是由两个基因决定它开花的颜色,AA 型开红花,AB型开粉花,而BB型开白花。这里AA型 和AB型表示了同一外部特征,此时可以认为基因A 支配了基因B,也可以说基因B对基因A是隐性的。
概率模型(定稿)

数学建模培训之概率统计模型§ 1 概率初等模型一. 遗传模型为了揭示生命的奥秘,现代人越来越重视遗传学的研究,特别是遗传特征的逐代传播,引起人们更多的重视.无论是人还是动植物都会将本身的特征遗传给下一代,这是因为后代继承了双亲的基因,形成了自己的基因对,而基因对则确定了后代所应具有的特征.以下仅就常染色体遗传方式建立遗传数学模型,来分析逐代总体的基因型分布趋势,为有目的的遗传控制提供依据。
1.问题分析所谓常染色体遗传,是指后代从每个亲体的基因中各继承一个基因从而形成自己的基因型.如果所考虑的遗传特征是由两个基因A 和B 控制的,那么就有三种可能的基因型:AA ,AB 和BB .例如,金鱼草是由两个遗传基因决定它开花的颜色,AA 型开红花,AB 型的开粉花,而BB 型的开白花.这里的AA 型和AB 型表示了同一外部特征(红色),则人们认为基因A 支配基因B ,也说成基因B 对于A 是隐性的.当一个亲体的基因型为AB ,另一个亲体的基因型为BB ,那么后代便可从BB 型中得到基因B ,从AB 型中得到A 或B ,且是等可能性地得到.问题:某植物园中一种植物的基因型为AA ,AB 和BB .现计划采用AA 型植物与每种基因型植物相结合的方案培育植物后代,试预测,若干年后,这种植物的任一代的三种基因型分布情况.2.模型假设 (1)按问题分析,后代从上一代亲体中继承基因A 或B 是等可能的,即有双亲体基因型的所有可能结合使其后代形成每种基因型的概率分布情况如表5-1.表5-1(2) 以n n b a ,和n c 分别表示第n 代植物中基因型为AA ,AB 和BB 的植物总数的百分率,)(n x 表示第n 代植物的基因型分布,即有,)(⎪⎪⎪⎭⎫⎝⎛=n n n n c b a x ,2,1,0=n (1) 特别当n =0时,T c b a x ),,(000)0(=表示植物基因型的初始分布(培育开始时所选取各种基因型分布),显然有.1000=++c b a3.模型建立注意到原问题是采用AA 型与每种基因型相结合,因此这里只考虑遗传分布表的前三列. 首先考虑第n 代中的AA 型,按上表所给数据,第n 代AA 型所占百分率为1110211---⋅+⋅+⋅=n n n n c b a a 即第n-1代的AA 与AA 型结合全部进入第n 代的AA 型,第n -1代的AB 型与AA 型结合只有一半进入第n 代AA 型,第n -1代的BB 型与AA 型结合没有一个成为AA 型而进入第n 代AA 型,故有1121--+=n n n b a a (2)同理,第n 代的AB 型和BB 型所占有比率分别为1121--+=n n n c b b (3)0=n c (4)将(2)、(3)、(4) 式联立,并用矩阵形式表示,得到,)1()(-=n n Mx x),2,1( =n (5)其中⎪⎪⎪⎭⎫ ⎝⎛=00012/1002/11M利用(5)进行递推,便可获得第n 代基因型分布的数学模型)0()2(2)1()(x M x M Mx x n n n n ====-- (6)(6)式明确表示了历代基因型分布均可由初始分布)0(x与矩阵M 确定.4.模型求解这里的关键是计算nM .为计算简便,将M 对角化,即求出可逆阵P ,使Λ=-MP P 1,即有1-Λ=P P M从而可计算 1-Λ=P P M nn),2,1( =n其中Λ为对角阵,其对角元素为M 的特征值,P 为M 的特征值所对应的特征向量.分别为,11=λ 212=λ,03=λ⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛=121,011,001321p p p故有1100210111,0211-=⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎪⎭⎫ ⎝⎛=ΛP P即得⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--=1002101110211100210111nnM ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--=--00021210211211111n n n n 于是 ⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--=⎪⎪⎪⎭⎫ ⎝⎛=--00011)(000212102112111c b a c b a x n nn nn n n n或写为⎪⎪⎪⎩⎪⎪⎪⎨⎧=+=--=--0)21()21()21()21(1010010n n n n n n nc c b b c b a 由上式可见,当∞→n 时,有0,0,1→→→n n n c b a即当繁殖代数很大时,所培育出的植物基本上呈现的是AA 型,AB 型的极少,BB 型不存在.5.模型分析(1)完全类似地,可以选用AB 型和BB 型植物与每一个其它基因型植物相结合从而给出类似的结果.特别是将具有相同基因植物相结合,并利用前表的第1、4、6列数据使用类似模型及解法而得到以下结果:000021,0,,21b c c b b a a n n n +→→+→这就是说,如果用基因型相同的植物培育后代,在极限情形下,后代仅具有基因AA 与BB ,而AB 消失了.(2)本例巧妙地利用了矩阵来表示概率分布,从而充分利用特征值与特征向量,通过对角化方法解决了矩阵n 次幂的计算问题,可算得上高等代数方法应用于解决实际的一个范例.二. 传送系统的效率模型1.问题的提出在机械化生产车间里你可以看到这样的情景:排列整齐的工作台旁工人们紧张地生产同一种产品,工作台上方一条传送带在运转,带上设置着若干钩子,工人们将产品挂在经过他上方的钩子上带走,如图1.当生产进入稳定状态后,每个工人生产出一件产品所需时间是不变的,而他要挂产品的时刻却是随机的.衡量这种传送系统的效率可以看它能否及时地把工人们生产的产品带走,显然在工人数目不变的情况下传送带速度越快,带上钩子越多,效率会越高.我们要构造一个衡量传送系统效率的指标,并且在一些简化假设下建立一个模型来描述这个指标与工人数目、钩子数量等参数的关系.2.问题的分析进入稳态后为保证生产系统的周期性运转,应假定工人们的生产周期相同,即每人作完一件产品后,要么恰有空钩经过他的工作台,使他可将产品挂上运走,要么没有空钩经过,迫使他放下这件产品并立即投入下件产品的生产。
数学建模中的概率统计模型1

残差及其置信区间可以用rcoplot(r,rint)画图。
3、将变量t、x、y的数据保存在文件data中。 save data t x y 4、进行统计分析时,调用数据文件data中的数 据。 load data 方法2 1、输入矩阵:
data=[78,79,80,81,82,83,84,85,86,87; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0]
线性模型 (Y , X , I n ) 考虑的主要问题是: (1) 用试验值(样本值)对未知参数 和 2 作点估计和假设检验,从而建立 y 与
x1 , x 2 ,..., x k 之间的数量关系;
(2)在 x1 x01 , x2 x02 ,..., xk x0 k , 处对 y 的值作预测与控制,即对 y 作区间估计.
1 ( x0 x ) 2 ˆ 1 d n t (n 2) n Lxx 2
Q ˆ n2
2
设y在某个区间(y1, y2)取值时, 应如何控制x 的取值范围, 这样的问题称为控制问题。
可线性化的一元非线性回归 需要配曲线,配曲线的一般方法是: • 先对两个变量x和y 作n次试验观察得画出 散点图。 • 根据散点图确定须配曲线的类型。 • 由n对试验数据确定每一类曲线的未知参数 a和b采用的方法是通过变量代换把非线性 回归化成线性回归,即采用非线性回归线 性化的方法。
数学建模之 概率模型

(4)固定奖金
500 1800 30 18000 10 179010
3230100
6
当期设奖奖金: 10 2
7
48 % 9 . 6 10
特等奖: 9 . 6 10 6 3230100 60 % 3821940
税后:
3821940 1 20 % 3057552
1.一期共有几注彩票?一期彩票销售总额是 多少? 2.一期彩票售完,可为社会筹集多少资金? 3.在一期中,不同奖级的中奖注数分别是多 少? 4.一期特等奖,一等奖以及二等奖单注的中 奖金额在税前税后分别是多少?
(1)一期共有
10
7
注彩票,销售总额为
7
2 10
7
元
7
ห้องสมุดไป่ตู้
(2)为社会筹集资金为: 2 10
(3)对奖规则:特别号只对特等奖有效,其余奖级
既可对左边,也可对右边。例如,摇出的基本号是 123678,特别号是9,那么各奖级中奖情况为:特等 奖123678…9;一等奖123678;二等奖12367#或 #23678;三等奖1236##或##3678;四等奖123###或 ###678;五等奖12####或####78. 模型假设: (1)每个投注号码只有一次中奖机会,不兼中兼得 (奖级大的优先); (2)为便于计算,设每个号码都有人买,并且忽略 重号票的情况; (3)中奖者须依法缴纳个人偶然所得税(当中奖金 额大于或等于10000元时,须缴税20%)。
(1)彩票的约定:彩票每注投注号由一个6位数基本 号码和一个特别号码组成,每位号码均从0至9这十个 数字中产生,每注2元。 (2)奖金的设定:彩票销售总额的48%为当期设奖 奖金,50%为社会筹集资金。彩票总奖金额分设特, 一,二,三,四,五共6个奖级。其中,特等奖为当期 设奖奖金减去固定奖金后的60%;一等奖为当期设奖 奖金减去固定奖金后的20%;二等奖为当期设奖奖金 减去固定奖金后的10%;三等奖为固定奖金,单注奖 金为500元;四等奖为固定奖金,单注奖金为30元;五 等奖为固定奖金,单注奖金为10元。
数学建模 第二章 概率统计模型

参数检验
• 回归系数的检验,即检验每个解释变量对响应变量的影响是否有 统计学上的意义。若有m个回归系数 ,假设检验为:
• 常用的回1归,L系,数m检验方法有Wald统计量:
H0 : b j = 0 H1 : b j ? 0 (j 1,2,L ,m)
• 式中分子为解释变量的参数估计值,分母为参数估计值Wald的标
第二章 概率统计模型
一个例子
• 二战时期,,为了提高飞机的防护能力,英国的科学家、 设计师和工程师决定给飞机增加护甲.
• 为了不过多加重飞机的负载,护甲必须加在最必要的地 方,那么是什么地方呢?
• 统计学家将每架中弹但仍返航的飞机的中弹部位描绘在 图纸上,然后将这些图重叠,形成了一个密度不均的弹 孔分布图.
成一类。
• K均值聚类
K均值聚类首先人为确定分类数,起步于一个初始的分类,然后 通过不断的迭代把数据在不同类别之间移动,直到最后达到预 定的分类数为止。
• 第一步 将所有的样品分成K个初始类; • 第二步 逐一计算每一样品到各个类别中心点的距离,把
各个样品按照距离最近的原则归入各个类别,并计算新 形成类别的中心点。 • 第三步 按照新的中心位置,重新计算每一样品距离新的 类别中心点的距离,并重新进行归类,更新类别中心点。 • 第四步 重复第三步,直到达到一定的收敛标准,或者达 到分析者事先指定的迭代次数为止。
• 模型求解: • 1. 抽取[0,1]之间均匀分布的随机数,确定这次模拟路口停红灯
的车数,例如,抽到0.732,则这个数落在区间(0.671,0.857) 的范围里,所以这次模拟停车数为3; • 2. 计算红灯转为绿灯后,在绿灯延续期间d(如题设5分钟)内, 这部车以速度u通过道口共需时间t=(50/50)*3(分钟),如果 t>d,那么道口发生堵塞,在本次模拟中t=3分钟,没有发生堵塞; • 3. 抽取随机数很多次,如10000次,记下其中多少次发生堵塞, 从而估算出道口发生堵塞的概率。
数学建模—概率模型

2随机数生成
v1 随机数 用于信息安全,网络游戏,计算机仿真和模拟计算等。
Rand [0,1] Randn 标准正态 Randstream 适合于7.7及其以后版本,调用类函数
统计工具箱中以rnd结尾的用来生成符合某种分布的随机数,如 Normrnd 正态分布 Binornd 二项分布 Exprnd 指数分布等 v2 histrate函数(非自带)
Computer Science | Software Engineering & Information System
1数据处理
Ø1.1 用菜单导入数据 对txt文档,直接使用file-import data 例如example 02-01;02-05(长短不齐)
Ø1.2 调用高级函数导入数据 importdata(‘examp02-01.txt’),把文件复制到目录下,重命名
Computer Science | Software Engineering & Information System
4方差分析
预备知识 有关术语简介 因素或因子:所要检验的对象 水平:因子的不同表现 观察值:在每个因素水平下得到的样本值 方差分析能做: 1 检验多个总体均值是否相等(不同院系的高数成绩) 2 需要研究生产条件或实验条件的改变对产品的质量或产量有无影响,比如 种植业研究诸多因素对因变量的影响(品种、施肥量、密度对产量)。在诸多 影响因素中哪些是主要的? 3 确定最优组合
3参数估计
1 参数估计 统计工具箱中以fit结尾的函数,用来求常见分布的参数的最大似然估计和 置信区间估计。
数学建模之概率统计-1

概率与统计
概率论中所研究的随机变量的分布都是 已知的。 统计学中所研究的随机变量的分布是未 知的或部分未知的,必须通过对所研究 的随机变量进行重复独立的观察和试验, 得到所需的观察值(数据),对这些数 据分析后才能对其分布做出种种判断, 即“从局部推断总体”。
统计学
给定一组数据,统计学可以摘要并且描述这
……
……
Matlab相关命令介绍
normfit 正态分布中的参数估计
[muhat,sigmahat,muci,sigmaci]=normfit(x,alpha) 对样本数据 x 进行参数估计,并计算置信度为 1-alpha 的置信区间 alpha 可以省略,缺省值为 0.05,即置信度为 95%
频率
随机试验进行次数
概率
基本知识
随机变量 数字特征(均值、方差、相关系数、特征函数…)
统计分析(假设检验、相关分析、回归分析…)
Matlab 中的随机函数
rand(m,n)
生成一个满足均匀分布的 m n 随机矩阵,矩阵的每
个元素都在 (0,1) 之间。
注:rand(n)=rand(n,n)
Matlab中的取整函数
fix(x) floor(x) ceil(x) round(x)
: 截尾取整,直接将小数部分舍去 : 不超过 x 的最大整数 : 不小于 x 的最小整数
: 四舍五入取整
取整函数举例
x1=fix(3.9);
x2=fix(-3.9); x3=floor(3.9); x4=floor(-3.2); x5=ceil(3.1); x6=ceil(-3.9); x7=round(3.9); x1=3 x2=-3 x3=3 x4=-4 x5=4 x6=-3 x7=4 x8=-3 x9=-4
数学建模概率模型

1
2
3
4
5
• 练习题:一报童每天从邮局订购一种报纸,沿街 叫卖。已知每100份报纸报童全部卖出可获利7元。
如销售不出而屯积于仓库,则每吨需保养费1 万元。问题是要确定应组织多少货源,才能使 国家的收益最大。
7
解 若以y为组织某年出口的此种商品量 (显然可以只考虑 2000 y 4000的情况),则收益(单位万元)为源自H3y3
y
因为 的概率密度为
y y
f
x
1 2000
0
x 2000,4000 x 2000,4000
如果当天卖不掉,第二天削价可以全部卖出,但 这时报童每100份报纸要赔4元。报童每天售出的
报纸数 是随机x 变量,概率分布表 x
售出报纸数x(百
份)
概率 p(x)
0 x1 2 3 4 5 0.05 0.1 0.25 0.35 0.15 0.1
• 问:报童每天订购多少份报纸最佳?
6
例4.10 假定在国际市场上每年对我国某种 出口商品的需求量是随机变量 (单位吨), 它服从〔2 000,4 000〕的均匀分布。设售出 这种商品1吨,可为国家挣得外汇3万元,但假
8
于是收益的期望值为
E H x f x dx 1 4000 H x dx
2000 2000
1 y 4x y dx 1 4000 3ydx
2000 2000
2000 y
1 y2 7000 y 4000000
数学建模第一章作业(章绍辉)

y
0
0.1
0.2
0.3
0.4
0.5 x
0.6
0.7
0.8
0.9
1
3. 两个人玩双骰子游戏,一个人掷骰子,另一个人打赌 掷骰子者不能掷出所需点数,输赢的规则如下:如果第一次 掷出 3 或 11 点,打赌者赢;如果第一次掷出 2、7 或 12 点, 打赌者输;如果第一次掷出 4,5,6,8,9 或 10 点,记住这个点 数, 继续掷骰子, 如果不能在掷出 7 点之前再次掷出该点数, 则打赌者赢. 请模拟双骰子游戏,要求写出算法和程序,估 计打赌者赢的概率. 你能从理论上计算出打赌者赢的精确概 率吗?请问随着试验次数的增加,这些概率收敛吗? 解答 (一)算法 输入 模拟试验的次数 n; 输出 打赌者赢的概率 p. 第 1 步 初始化计数器 k=0; 第 2 步 对 i=1,2,…,n,循环进行第 3~7 步; 第 3 步 产生两个在 1~6 这 6 个整数中机会均等地取 值的随机数, 并把这两个随机数之和赋值给 x; 第 4 步 如果 x 是 3 或 11,那么 k 加 1,进入下一步循 环;否则,做第 5 步; 第 5 步 如果 x 不是 2、7 和 12,那么做第 6~8 步;否 则,直接进入下一步循环; 第 6 步 产生两个在 1~6 这 6 个整数中机会均等地取 值的随机数, 并把这两个随机数之和赋值给 y; 第 7 步 如果 y 不等于 x,也不等于 7,重复第 6 步所 做的; 第 8 步 如果 y 等于 7,那么 k 加 1,进入下一步循环; 否则,直接进入下一步循环; 第 9 步 计算概率 p=k./n .
第一章习题参考答案
1. 请编写绘制以下图形的 MATLAB 命令,并展示绘得 的图形.
x2 2 (1) x y 1、x y 4 分别是椭圆 y 1 的内切 4
数学建模简明教程课件:概率模型

31
图 7-4
32
5.决策树的优缺点
•决策树方法的优点:可以生成可以理解的规则;计 算量相对来说不是很大;可以处理连续和种类字段;决策 树可以清晰地显示哪些字段比较重要.
•决策树方法的缺点:对连续性的字段比较难预测; 对有时间顺序的数据,需要很多预处理的工作;当类别太 多时,错误可能就会增加得比较快;一般算法分类的时候 ,只是根据一个字段来分类.
(a b)np(r) d r
0
n
计算
(7.2.2)
d G (a b)np(n)
n
(b c) p(r) d r (a b)np(n)
(a b) p(r) d r
dn
0
n
n
(b c)0 p(r) d r (a b)n p(r) d r
18
令 d G 0 ,得到 dn
n
0
p(r)d r p(r)d r
14
2.问题的分析及假设
众所周知,应该根据需求量确定购进量.需求量是随机 的,假定报童已经通过自己的经验或其它的渠道掌握了需 求量的随机规律,即在他的销售范围内每天报纸的需求量 为r份的概率是f(r)(r=0,1,2,…).有了f(r)和a,b,c,就 可以建立关于购进量的优化模型了.
假设每天的购进量为n份,因为需求量r是随机的,故r 可以小于n、等于n或大于n,致使报童每天的收入也是随 机的.所以作为优化模型的目标函数,不能是报童每天的收 入,而应该是他长期(几个月或一年)卖报的日平均收入.
26
(4)设定变量: A——试销成功,——试销失败 B——大量销售成功,——大量销售失败
27
3.建立模型 先来计算两个概率,注意到P(A|B)=0.84,P(B)=0.6 ,P(A|)=0.36,代入贝叶斯概率公式:
数学建模 概率方法

则由题意可知:
X = ∑ Xi
i =1
10
因为每位乘客在每一车站下车是等可能的,所 9 以每一位乘客在第i站不下车的概率为 10 , 5
9 20 于是20位乘客在第i站都不下车的概率为( ) , 9 20 10 在第i站有人下车的概率为1− ( ) ; 10
P2 由(3-4)式给出。
为了得到简明便于解释的结果,需对(3-4) 式进行简化。 因为通常n》m,n》1,取(3-4)式右端展开级 数的前两项
P2 ≈ 1 − (1 −
最后得到
λ mi
n
+ L) ≈
λ mi
n
(3 − 7)
µ=
λ mi (n − i )
n
(3 − 8)
22
1 − P2 n − λmi σ = = µ (n − i ) P λmi (n − i )
1
设A表示“第二次取出的球都是新球”的事件;
Bi (i=0,1,2,3)表示“第一次比赛时用了i个 新球”的事件
则由题意得:
3 C 9i C 3 − i p ( Bi ) = 3 C12 于是由全概率公式
p( A|Bi ) =
3
3 C 9− i 3 C12
p( A) = p( AB0 + AB1 + AB2 + AB3 ) = ∑ p( Bi ) p( A|Bi )
i
λm
n −1
)
i
(3 − 4)
健康人被感染的人数也服从二项分布,其平均 值为µ,即健康人每天平均被感染人数,利用假设 (1)显然
µ = sP2 = (n − i ) P 2
数学建模-第四章-概率统计模型

数
学 建
4.2 报纸零售商最优购报问题
模
报纸零售商售报: a (零a-b;退回一份赔 b-c 题 每天购进多少份可使收入最大?
购进太多卖不完退回赔钱
分 析
购进太少不够销售赚钱少
应根据需求确定购进量
存在一个合 适的购进量
每天需求量是随机的
每天收入是随机的
△+6 △+2
多雨 P(N3)=0.1
△+1.2
数
学 例4.4.1只包括一个决策点,称为单级决策问 建 题。在有些实际问题中将包括两个或两个以 模 上的决策点,称为多级决策问题,可利用同
样的思路进行决策。
例4.1.2 某工程采用正常速度施工,若无坏天气的 影响,可确保在30天内按期完成工程,但据天气预 报,15天后天气肯定变坏,有40%的可能出现阴雨 天气,但这不会影响工程进度,有50%的可能遇到 小风暴,而使工期推迟15天;另有10%的可能遇到 大风暴而使工期推迟20天。对于以上可能出现的情 况,考虑两种方案:
3
1
1
1
55
E(A2 ) 3 30 3 25 3 0 3
1
1
1
E(A3 ) 3 10 3 10 3 10 10
显然 E(A 1)E(A2)都达到最大值,这时究竟选
那一个策略可由决策者的偏好决定,若是乐观型的,
可选A1,否则选A2 。
数
学
建
模 从本例可以看出,对不确定型的决策问题,采 用不同的决策准则所得到的结果并非完全一致。 但难说哪个准则好,哪个准则不好。究竟在实 际问题中采用哪个准则,依决策者对各种自然 状态的看法而定。因此,为了改进不确定型决 策,人们总是设法得到各自然状态发生的概率, 然后进行决策。
数学建模实验答案_概率模型

mu=500;sigma=50;
a=1; b=0.75; c=0.6;
r=n+1;
while(a-b)*n*normpdf(r,mu,sigma)>1e-6
r=r+1;
end
r=n+1:r;
G=sum((a-b)*n*normpdf(r,mu,sigma));
r=0:n;
G=G+sum(((a-b)*r-(b-c)*(n-r)).*normpdf(r,mu,sigma))
被挤掉的乘客数超过j人的概率为
(等价于m位预订票的乘客中不按时前来登机的不超过m–n–j–1人)
该模型无法解析地求解,我们设定几组数据,用程序作数值计算。
[提示:binopdf, binocdf]
(i)二项分布的概率密度函数:Y = binopdf(X,N,P)
计算X中每个X(i)的概率密度函数,其中,N中对应的N(i)为试验数,P中对应的P(i)为每次试验成功的概率。Y, N,和P的大小类型相同,可以是向量、矩阵或多维数组。输入的标量将扩展成一个数组,使其大小类型与其它输入相一致。
%9.6航空公司的预订票策略
functionmain()
clear; clc; formatshortg;
n=300; m=[300:2:330]'; p=0.05;%修改的参数
lambda=0.6;%λ值
b_g1=0.2; b_g2=0.4;
J1=zeros(size(m));J2=zeros(size(m));
functiony=J(m,n,lambda,p,b_g)%均是标量
q=1-p; k=0:m-n-1;
y=1/(lambda*n) *(q*m-(1+b_g)*sum((m-k-n).*binopdf(k,m,p)))-1;
数学建模5_概率模型

k = n+1
k k m−k ( k − n ) C ∑ mp q
m
问题化归为:对给定的b, g, n, p,确定m, 使得Eη最大 为了进一步简化计算,以每张机票的价格g为单位计 算平均利润,得:
b m Eη k k m−k = mp − (1 + ) ∑ ( k − n)C m p q g k = n+1 g
S ~ B( m , p )
1 n s = E ( S ) = mp = m[1 − (1 − ) ] m
模型与求解 传送系统效率指标: 1 n s m D = = [1 − (1 − ) ] n n m 为了得到比较简单的结果,在钩子数 m 相对于工人 数 n 较大 ( m >> n),即 n m 较小的情况下,将多项 式 (1 − 1 ) n 展开后只取前3项,则 m m n n( n − 1) n−1 D = [1 − (1 − + )] = 1 − 2 n m 2m 2m 当n=10, m=40时, D ≈ 87.5% 利用D的精确模型计算得, D ≈ 89.4%
模型描述:构造衡量传送系统效率的指标,并在简 化假设下建立模型描述这个指标与工人数目、钩子 数量等参数的关系。
2、模型的分析
为了用传送帯及时带走的产品数量来表示传送带的效率,在工 人们生产周期(即生产一件产品的时间)相同的情况下,需要假设 工人们在生产出一件产品后,要么恰好有空钩子经过他的工作台, 使他可以将产品挂上带走,要么没有空钩子经过,迫使他将产品放 下并立即投入下一件产品的生产,以保持整个系统周期性地运转。 工人们的生产周期虽然相同,但是由于各种随机因素的干扰, 经过相当长时间后,他们生产完一件产品的时刻就不会一致,可以 认为是随机的,并且在一个生产周期内任一时刻的可能性是一样的。 由上分析,传送帯长期运转的效率等价于一周期的效率,而一 周期的效率可以用它在一周期能带走的产品数与一周期内生产的全 部产品数之比来描述。
数学建模概率论3

由 F 分布的构造知 F(n,m) = 1/F1(m,n)。
该密度 函数的 图象也 是一只 取非负 值的偏
n
F ( x , ..., x ) F ( x ).
1
n
i
i 1
总体分为有限总体与无限总体
实际中总体中的个体数大多是有限的。当个体 数充分大时,将有限总体看作无限总体是一种 合理的抽象。
对无限总体,随机性与独立性容易实现,困难 在于排除有意或无意的人为干扰。
对有限总体,只要总体所含个体数很大,特别 是与样本量相比很大,则独立性也可基本得到 满足。
当随机变量t t(n) 时,称满足
P(t t1(n)) =1 的 t1(n) 是自由度为 n 的 t 分布的1分位数.
分位数 t1(n) 可以从附表4中查到。
譬如 n=10,=0.05,那么从附表4上查得
t10.05(10) = t0.95(10)=1.812 .
由于 t 分布的密度函数关于0 对称, 故其分位数间 有如下关系
x 为样本均值。
(1) 若总体分布为N(, 2),则
x 的精确分布为N(, 2/n) ;
(2) 若总体分布未知或不是正态分布,
但 E(x)=, Var(x)=2,则n 较大时 x的渐近分 布为N(, 2/n) ,常记为 xAN(, 2/n)。
这里渐近分布是指n 较大时的近似分布.
t(n1)= t1(n1)
§5.3 统计量及其分布
5.3.1 统计量与抽样分布
当人们需要从样本获得对总体各种参数的认识 时,最好的方法是构造样本的函数,不同的函 数反映总体的不同特征。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数学建模实验答案-概率模型
实验10 概率模型(2学时)
(第9章 概率模型)
1.(验证)报童的诀窍p302~304, 323(习题2)
关于每天报纸购进量的优化模型:
已知b 为每份报纸的购进价,a 为零售价,c 为退回价(a > b > c ),每天报纸的需求量为r 份的概率是f (r )(r =0,1,2,…)。
求每天购进量n 份,使日平均收入,即
1
()[()()()]()()()n
r r n G n a b r b c n r f r a b nf r ∞
==+=----+
-∑∑
达到最大。
视r 为连续变量,f (r )转化为概率密度函数p (r ),则所求n *满足
*
()n a b
p r dr a c
-=
-⎰
已知b =, a =1, c =,r 服从均值μ=500(份),均方差σ=50(份)的正态分布。
报童每天应购进多少份报纸才能使平均收入最高,这个最高收入是多少
[提示:normpdf, normcdf]
要求:
(1) 在同一图形窗口内绘制10
()()n
y n p r dr =⎰和2()a b
y n a c
-=
-的图形,观察其交点。
[提示] 22
()2()r p r μσ--
=
,0
()()()n n
p r dr p r dr p r dr -∞
-∞
=-⎰⎰
⎰
☆(1) 运行程序并给出结果:
(2) 求方程0()n
a b
p r dr a c
-=
-⎰的根n *(四舍五入取整),并求G (n *)。
mu=500;sigma=50;
a=1; b=; c=;
r=n+1;
while (a-b)*n*normpdf(r,mu,sigma)>1e-6
r=r+1;
end
r=n+1:r;
G=sum((a-b)*n*normpdf(r,mu,sigma));
r=0:n;
G=G+sum(((a-b)*r-(b-c)*(n-r)).*normpdf(r,mu,sigma))
☆(2) 运行程序并给出结果:
2.(编程)轧钢中的浪费p307~310
设要轧制长l=的成品钢材,由粗轧设备等因素决定的粗轧冷却后钢材长度的均方差σ=,问这时钢材长度的均值m应调整到多少使浪费最少。
平均每得到一根成品材所需钢材的长度为
()
()
m
J m
P m
=
其中,
2
2
()
2
()(), ()
2
x m
l
P m p x dx p xσ
πσ
-
-
∞
==
⎰
求m使J(m)达到最小。
等价于求方程
()
()
z
z
z
λ
ϕ
Φ
=-
的根z*。
其中:
()z Φ是标准正态变量的分布函数,即 ()()z
z y dy ϕ∞
Φ=⎰
()z ϕ是标准正态变量的概率密度函数,即
22
()z z ϕ-
=
*
,,*z l m m
l
z σσ
μσ
λμλ-=⇒=
=
-=
(1) 绘制J (m )的图形(l =2, σ=),观察其最小值的位置。
★(1) 给出程序和运行结果:
(2) 求使J (m )达到最小值的m *。
由(1)可观察到J(m)达到最小值的区间。
分别用求无约束最小值的MATLAB 函数fminbnd, fminsearch, fminunc 求解,并比较结果。
★(2) 给出程序及运行结果(比较[310]):
(3) 在同一图形窗口内绘制1()
()()
z y z z ϕΦ=和2()y z z λ=-的图形,观察它们的交点。
(参考题1的(1))
★(3) 给出程序及运行结果(比较[309]图2):
z=-2::2;
y1=(1-normcdf(z,0,1))./normpdf(z,0,1); l=2; sigma=;
(4)求方程
()
()
z
z
z
λ
ϕ
Φ
=-的根z*,并求m=l-σz*。
(参考题1的(2))
提示:由(3)得到的图形可观察到z*的大概位置。
★(4) 给出程序及运行结果(比较[310]):
3.(验证)航空公司的预订票策略p313~316
模型如下:
给定λ, n , p , b /g ,求m 使单位费用获得的平均利润J (m ) 最大。
∑--=---+-=1
1])()/1([1
)(n m k k p n k m g b qm n m J λ
约束条件为 1
()(01)m n j j k k P m p α
α---==
≤<<∑
其中:
m 预订票数量的限额。
λ( < 1 ) 利润调节因子。
n 飞机容量。
p 每位乘客不按时前来登机的概率,q = 1 – p 。
b 每位被挤掉者获得的赔偿金。
g 机票价格。
b /g 赔偿金占机票价格的比例。
不按时前来登机的乘客数K 服从二项分布,其概率为
p q p q p C k K P p k m k k
m k -=≤≤===-1,10,)(
被挤掉的乘客数超过j 人的概率为
∑---==
1
)(j n m k k
j p
m P
(等价于m 位预订票的乘客中不按时前来登机的不超过m – n – j – 1
人)
该模型无法解析地求解,我们设定几组数据,用程序作数值计算。
[提示:binopdf, binocdf]
要求:
(1)已知n=300,λ=,p=,b/g=和,取一组值m=300:2:330,求出对应的
y=1/(lambda*n) *(q*m-(1+b_g)*sum((m-k-n).*binopdf(k,m,p)))-1;
☆(1) 运行程序并给出结果(比较[315]表1(n=300)):
(2)对(1)中改变p=和m=300:2:344,求对应的结果。
(3)对(1)中改变n=150和m=150:2:170,求对应结果。
(与教材时的计算结果比较。
)
(4)对(1)中改变n=150、m=150:2:176和p=,求对应结果。
注意!结果与教材相差较大,原因待查。
4.(编程)航空公司的预订票策略(改进)p316~317 已知:
第2类乘客(t 人)都按时前来登机。
第1类乘客(m – t 人)不按时前来登机的乘客数K 服从二项分布,其概率为
p q p q p C k K P p k t m k k t m k -=≤≤===---1,10,)(
被挤掉的第1类乘客数超过j 人的概率为
∑---==1
0)(j n m k k j p
m P (等价于预订的第1类乘客中不按时前来登机的不超
过( m – t ) – ( n – t ) – j – 1人)
单位费用获得的平均利润为
∑--=---+------=101])()/1()1([])1([1)(n m k k p n k m g b t p qm t n m J ββλ
要求:
已知n=300, λ=, p=, b/g=, β=,t=100,取一组值m=300:2:330,求出对应的J(m)、P5(m)和P10(m)。
参考实验的程序,编写解决本问题的程序。
★ 给出编写的程序和运行结果:
% 航空公司的预订票策略(改进)
function main()
clear; clc; format short g;
n=300; m=(300:2:330)'; p=; %修改的参数
lambda=; % λ值
b_g=;
t=100; beta=;
J1=zeros(size(m));
for i=1:length(m)
J1(i)=J(m(i),n,lambda,p,b_g,t,beta);
end
P5=binocdf(m-n-5-1,m-t,p); %二项分布
P10=binocdf(m-n-10-1,m-t,p);
round(10000*[m,J1,P5,P10])/10000 %显示结果
function y=J(m,n,lambda,p,b_g,t,beta) %均是标量q=1-p; k=0:m-n-1;
y=1/(lambda*(n-(1-beta)*t))...
*(q*m-(1-beta-p)*t-(1+b_g)*sum((m-k-n).*binopdf(k,m-t,p)))-1;
附1:实验提示
附2:第9章概率模型[302] 报童的诀窍
[304]****本节完****
[307] 轧钢中的浪费
[309] 题2(3)答案
[310] 题2(2)(4)答案****本节完****
[313] 航空公司的预订票策略
[317]****本节完****。