【数学建模学习】第三章 离散模型

合集下载

数学建模专题汇总-离散模型

数学建模专题汇总-离散模型

离散模型§ 1 离散回归模型一、离散变量如果我们用0,1,2,3,4,⋯说明企业每年的专利申请数,申请数是一个离散的变量,但是它是间隔尺度变量,该变量类型不在本章的讨论的被解释变量中。

但离散变量0和1可以用来说明企业每年是否申请专利的事项,类似表示状态的变量才在本章的讨论中。

在专利申请数的问题中,离散变量0,1,2,3 和4 等数字具有具体的经济含义,不能随意更改;而在是否申请专利的两个选择对象的选择问题中,数字0和1只是用于区别两种不同的选择,是表示一种状态。

本专题讨论有序尺度变量和名义尺度变量的被解释变量。

、离散因变量在讨论家庭是否购房的问题中,可将家庭购买住房的决策用数字1 表示,而将家庭不购买住房的决策用数字0 表示。

1 yesx0 no如果x 作为说明某种具体经济问题的自变量,则应用以前介绍虚拟变量知识就足够了。

如果现在考虑某个家庭在一定的条件下是否购买住房问题时,则表示状态的虚拟变量就不再是自变量,而是作为一个被说明对象的因变量出现在经济模型中。

因此,需要对以前讨论虚拟变量的分析方法进行扩展,以便使其能够适应分析类似家庭是否购房的问题。

因为在家庭是否购房问题中,虚拟因变量的具体取值仅是为了区别不同的状态,所以将通过虚拟因变量讨论备择对象选择的回归模型称为离散选择模型。

三、线性概率模型现在约定备择对象的0 和1 两项选择模型中,下标i 表示各不同的经济主体,取值0或l的因变量 y i表示经济主体的具体选择结果,而影响经济主体进行选择的自变量 x i 。

如果选择响应YES 的概率为 p(y i 1/ x i ) ,则经济主体选择响应NO 的概率为 1 p(y i 1/ x i),则E(y i /x i) 1 p(y i 1/x i) 0 p(y i 0/x i)= p(y i 1/x i)。

根据经典线性回归,我们知道其总体回归方程是条件期望建立的,这使我们想象可以构造线性概率模型p(y i 1/ x i) E(y i / x i) x iβ0 1 x i1 L k x ik u i描述两个响应水平的线性概率回归模型可推知,根据统计数据得到的回归结果并不一定能够保证回归模型的因变量拟合值界于[0,1]。

离散系统的数学模型-浙江大学控制科学与工程学院

离散系统的数学模型-浙江大学控制科学与工程学院

连续状态空间模型离散状
Ø
*(t)连续状态空间模型

x(k
例7-3-9 ,求其离散方程(含零阶保持)解:
1) 离散状态方程本质上是一阶差分方程组,故求其解也与求差分方程解一样有两种方法:递推法与
Ø
直接将初始条件
令Φ(
Øz z () X
解:1)用递推法代入不同的例7-3-10 x x ⎢⎣⎡
解:例7-3-10 x x ⎢⎣⎡
X
1)
Ø由差分方程
y
例:,求脉冲传递函数解:作
零初始条件
Ø
若已知控制器的脉冲传递函数须将
2) Ø
例7-3-11

u
(k
)
解:
Ø
Ø
现问题
Ø
分解)、
信号流图等工具也可以采用Ø
Ø能控标准型和能观标准型
G (z )==⎢⎢⎢⎡=A
Ø例7-3-12 解:1(21k y x x ⎢⎣⎡
Ø正则标准型(并联分解):适用于脉冲传递函数为部分分式形式,
基本单元:
Ø例7-3-12 解:
(D z
Ø:适用于脉冲传递函数分子分母均为因式分解形式一阶环节基本单元
例7-3-12
解:
状态变量图
Ø例7-3-12
解:
状态变量图
例7-3-13
解:特征方程的根:
)(z D e
) (k
3) 差分方程和状态方程Ø
Ø
例7-3-14
4) •例
(G 12(((x x y k (e k。

数学建模 离散模型图论选讲

数学建模 离散模型图论选讲

v2 v5
v6 v1 v3
v2 v5 v6
v3
v1
v2
v4
v2
树与图的最小树
• 赋权图中求最小树的方法:破圈法和避圈法 破圈法:任取一圈,去掉圈中最长边,直到无圈。 v3 v1 v5 8 7 5 v2 4 3
8
v4 v3
5
1 v6 v5
26v14源自521v6 边数=n-1=5
v2
3
v4
树与图的最小树
C
E
树与图的最小树
树是图论中结构最简单但又十分重要的图。在自然和社会领 域应用极为广泛。 例 乒乓求单打比赛抽签后,可用图来表示相遇情况,如下 图所示。
运动员 A
B C
D
E
F G
H
树与图的最小树
• 例 某企业的组织机构图也可用树图表示。
厂长
人事科
财务科
总工 程师
生产副 厂长
经营副 厂长
开发科
技术科
• 图的模型应用
图的基本概念与模型
例 有甲,乙,丙,丁,戊,己6名运动员报名参加A,B,C,D,E,F 6个项目的比赛。下表中打√的是各运动员报告参加的比赛 项目。问6个项目的比赛顺序应如何安排,做到每名运动员 都不连续地参加两项比赛。
甲 乙 丙 丁 戊 己
A √ √ √ √
B
C


D √ √
E
F
得到最小树: v1 4 2 v2 3 v4
v3 5
v5 1 v6 Min C(T)=15
树与图的最小树
•避圈法:
•去掉G中所有边,得到n个孤立点;然后加边。 •加边的原则为:从最短边开始添加,加边的过程中不能形 成圈,直到点点连通(即:n-1条边)。 v3 v1 v5 8 7 5 v2 4 3 v4

数学建模简明教程课件:离散模型

数学建模简明教程课件:离散模型
①最高层: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,因此也称为目标层.
5
②中间层: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 ,因此也称为准则层.
③最低层: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,因此也称为措施层或方案层.
16
⑤若A的最大特征值λmax对应的特征向量为W=(w1,…,
wn)T,则
aij
wi wj
, i, j 1,2,, n ,即
w1 w1
w1
w1 w2
wn
w2 w2
w2
A w1 w2
wn
wn wn
wn
w1 w2
wn
17
定理6.3 n阶正互反矩阵A为一致矩阵当且仅当其最大特
征根λmax=n,且当正互反矩阵A非一致时,必有λmax>n. 根据定理6.3,我们可以由λmax是否等于n来检验判断矩阵A
当CR<0.10时,认为层次总排序结果具有较满意的一致性
并接受该分析结果.
26
6.1.2 层次分析法的应用
在应用层次分析法研究问题时,遇到的主要困难有两个: (1)如何根据实际情况抽象出较为贴切的层次结构; (2)如何将某些定性的量作比较,接近实际以定量化处理. 层次分析法对人们的思维过程进行了加工整理,提出了一 套系统分析问题的方法,为科学管理和决策提供了较有说服力 的依据.但层次分析法也有其局限性,主要表现在: (1)它在很大程度上依赖于人们的经验,主观因素的影响很 大,它至多只能排除思维过程中的严重非一致性,却无法排除 决策者个人可能存在的严重片面性.
3
6.1.1 层次分析法的基本原理与步骤

离散选择模型

离散选择模型

Yi 0 1GPAi 2 INCOMEi ui
其中:
1 Yi 0
第i个学生拿到学士学位后三年内去读研 该生三年内未去读研
GPA=第i个学生本科平均成绩 INCOME=第i个学生家庭年收入(单位:千美元)
设回归结果如下(所有系数值均在10%水平统计上显著):
ˆ Yi 0.7 0.4GPAi 0.002 INCOMEi
yi 0 yi 1
函数可以简化为:
L (1 F ( X ))1 yi F ( X ) yi
yi 1
对方程左右取对数我们便得到:
ln L [ yi ln F ( X ) (1 yi ) ln(1 F ( X ))]
i 1
n
似然函数为
fi ln L n yi fi [ (1 yi ) ]xi 0 Fi 1 Fi i 1
Pr ob(Y 1 X ) X F ( X ) f ( X ) X
因此我们在遇到二元响应模型时,估计出参数我们不能盲目的 将其解释为:解释变量变动一个单位,相对应的因变量变化参 数个单位。
为了解决偏效应的问题我们引入调整因子的概念。 在上式中的 f ( X ) 我们 便称为比例因子或调整因子,它与全部 的解释变量有关,为了方便起见,我们要找一个适用于模型所有 斜率的调整因子。有两种方法可以解决: (1)用解释变量的观测值计算偏效应的表达式,调整因子为:
四、二元选择模型的估计
1.除了LPM模型以外,二元选择模型的估计都是以极大似然法为基础 的 。由前面的讨论我们知道:
P(Y 1 X ) F ( X )
由此我们可以得到模型的似然函数为:
P(Y1 y1 ,Yn yn X ) (1 F ( X )) F ( X )

《离散选择模型》课件

《离散选择模型》课件

极大似然估计法
通过最大化似然函数,估计模型 的参数值。
差分法估计法
通过对变量的差分进行估计,减 少了共线性问题的影响。
一般化估计方程法
通过建立一般化估计方程,对参 数进行估计。
离散选择模型的应用
公共交通出行方式选择
分析人们在选择公共交通出行方式时的决策行为,为政府制定交通政策提供依据。
食品品牌选择
确定性
选择结果是确定的,参与者 不受随机因素的影响。
离散选择模型的数学模型
1Байду номын сангаас
多项式Logit模型
通过对选择概率进行建模,预测参与者选择各个选项的概率。
2
二项式Logit模型
基于二项分布,预测参与者是否选择某个选项。
3
线性概率模型
使用线性回归方法,预测选择某个选项的概率。
离散选择模型的参数估计方法
离散选择模型是一种描述人们在面临离散选择时决策行为的数学模型。
2 离散选择模型的应用领域
离散选择模型被广泛应用于诸多领域,如公共交通、市场营销和行为经济学等。
离散选择模型的基本假设
可比性
各个选择项之间可以进行比 较,存在客观标准用于决策。
独立性
参与者之间的选择行为是独 立的,不受其他参与者的影 响。
《离散选择模型》PPT课 件
离散选择模型是一种用于分析人们在面临离散选择时的决策行为的统计模型。 本课件将介绍离散选择模型的定义、基本假设、数学模型、参数估计方法、 应用、不足及未来发展方向。
什么是离散选择模型
离散选择模型是一种用于研究人们在面临可选项时所作出的离散决策行为的统计模型。
1 离散选择模型的定义
将离散选择模型与其他决策模 型进行结合,以提高模型的准 确性和解释能力。

数学模型之离散模型

数学模型之离散模型

离散模型的应用领域
计算机科学
离散模型在计算机科学中广泛 应用于算法设计、数据结构、
网络流量分析等领域。
统计学
离散模型在统计学中用于描述 和分析离散数据,如人口普查 、市场调查等。
经济学
离散模型在经济学中用于描述 和分析离散的经济现象,如市 场交易、人口流动等。
生物学
离散模型在生物学中用于描述 和分析生物种群的增长、疾病
强化学习与离散模型
强化学习通过与环境的交互来学习最优策略。离散模型可以用于描述环境状态和行为,为 强化学习提供有效的建模工具。
离散模型在人工智能中的应用
1 2
决策支持系统
离散模型在决策支持系统中发挥着重要作用,通 过建立预测和优化模型,为决策者提供科学依据 和解决方案。
推荐系统
离散模型常用于构建推荐系统,通过分析用户行 为和偏好,为用户提供个性化的推荐服务。
03
分布式计算与并行化
为了处理大规模数据集,离散模型需要结合分布式计算和并行化技术,
以提高计算效率和可扩展性。
机器学习与离散模型的结合
集成学习与离散模型
集成学习通过结合多个基础模型来提高预测精度。离散模型可以作为集成学习的一部分, 与其他模型进行组合,以实现更准确的预测。
深度学习与离散模型
深度学习具有强大的特征学习和抽象能力。将深度学习技术与离散模型相结合,可以进一 步优化模型的性能,并提高对复杂数据的处且依赖于过去误差项的平方。
GARCH模型
定义
广义自回归条件异方差模型(Generalized AutoRegressive Conditional Heteroskedasticity Model)的简称,是ARCH模型的扩展。
特点

数学模型和模拟中的连续模型与离散模型

数学模型和模拟中的连续模型与离散模型

数学模型和模拟中的连续模型与离散模型数学模型和计算机模拟已经成为了许多领域的重要研究手段。

然而,在进行模型建立和模拟过程中,要根据具体问题的特点选择合适的模型类型。

在数学模型和模拟中,常见的模型类型有连续模型和离散模型两种。

连续模型是指一个作用在连续空间上的模型。

例如,微积分中的连续函数模型就是一个常用的连续模型。

这种模型常常用来描述实际问题中的连续过程,如流体力学、热力学等领域。

在连续模型中,物理量在不同时间和空间位置上都可以取到连续的值,因此它通常需要使用微积分的方法来求解。

同时,连续模型可以使用经典的物理方程来描述,如牛顿运动方程和麦克斯韦方程等。

离散模型是指一个作用在离散空间上的模型。

例如,数学中的离散数学模型就是一个常用的离散模型。

这种模型常常用来描述实际问题中的离散现象,如计算机科学、网络科学等领域。

在离散模型中,物理量在不同时间和空间位置上的取值是离散的,因此通常使用离散的数学工具来求解。

同时,离散模型的建立通常需要使用离散数学的方法,如排列组合、图论等。

对于一些实际问题,可以采用混合模型来描述。

例如,植物的生长状态是一个连续过程,可以使用连续模型来描述,但是植物的个体生长是一个离散过程,需要使用离散模型来描述。

因此,可以利用混合模型来描述植物的生长问题。

在建立模型时,需要深入了解问题的特点和要求,选择合适的模型类型进行建模。

同时,需要灵活应用不同模型之间的转化关系,充分利用模型的优势,提高模型的解决问题的能力。

总之,数学模型和模拟在科学研究和工程应用中起着重要的作用,并且连续模型和离散模型都有其独特的适用范围。

因此,我们需要充分了解不同类型的模型特点和应用情况,遵循科学的方法建立模型,提高模型的准确性和实用性。

离散模型

离散模型
确定性离散模型
主讲人:杨会君
2010-8-18
西北农林科技大学 信息学院
离散模型
现实世界里,有些对象涉及的变量是 现实世界里, 离散的, 离散的,有些需将连续的转换为离散的 才能处理, 才能处理,离散模型是分析社会经济系 统的有力工具 离散模型包括:差分方程、层次分析法、 离散模型包括:差分方程、层次分析法、 离散模型包括 图的方法建模、逻辑方法建模… 图的方法建模、逻辑方法建模 只用到线性代数、集合及图论(少许) 只用到线性代数、集合及图论(少许) 只用到线性代数 的知识
定义一致性比率 CR = CI/RI
西北农林科技大学 信息学院
选择旅游地” “选择旅游地”中 准则层对目标的权 向量及一致性检验 最大特征根λ=5.073
准则层对目标的成对比较阵 准则层对目标的成对比较阵
1 2 A = 1/ 4 1/ 3 1/ 3 1/ 2 1 1/ 7 1/ 5 1/ 5 4 7 1 2 3 3 5 1/ 2 1 1 3 5 1 / 3 1 1
西北农林科技大学 信息学院
一. 层次分析法的基本步骤
例. 选择旅游地
目标层
如何在3个目的地中按照景色、 如何在3个目的地中按照景色、 费用、居住条件等因素选择. 费用、居住条件等因素选择.
O(选择旅游地 选择旅游地) 选择旅游地
准则层
C1 景色
C2 费用
C3 居住
C4 饮食
C5 旅途
方案层
P1 桂林
w1 w2 w w w w
2 2
n 2
w1 wn w2 wn wn wn
一致阵 的任一列向量是对应于n 的任一列向量是对应于 性质 A的任一列向量是对应于 的特征向量 A的归一化特征向量可作为权向量 称为由成对比 的归一化特征向量可作为权向量 对于不一致(但在允许范围内) 对于不一致(但在允许范围内)的成对 比较阵A, 比较阵 ,建议用对应于最大特征根λ 的特征向量(与一致阵相差不大) 的特征向量(与一致阵相差不大)作为 权向量w 权向量 ,即

离散选择模型ppt课件

离散选择模型ppt课件

PYi 1 / X i
6
例如,我们对一个是否拥有自有住房的案例进行回归,
结果如下: Yi 1.2009 0.1056X i (0.1483 ) (0.0087) R 0.8078
2
回归拟合的很好,经济学意义也非常明确,收入Xi每增加1单位 (1万元人民币),平均拥有住房的概率将增加10.56%:
11
2.解释变量同样为定性变量的情况
ቤተ መጻሕፍቲ ባይዱ
Pi Li ln 1 P 0 1 X i ui i P 1 ˆ Xi=1时: L1 ln 1 P 0 1 (1) 1 P0 ˆ Xi=0时: L0 ln 1 P 0 (2) 0 P 1 1 P 1 如果定义: OR P0 1 P 0 1 ˆ L ˆ 那么就有: lnOR L OR e 1 0 1
15
回归的结果如下:
. logit y x Iteration Iteration Iteration Iteration 0: 1: 2: 3: log log log log likelihood likelihood likelihood likelihood = = = = -253.69187 -242.36572 -242.32729 -242.32729 Number of obs LR chi2(1) Prob > chi2 Pseudo R2 Std. Err. .2910729 .1179409 z 4.50 -2.10 P>|z| 0.000 0.036 = = = = 366 22.73 0.0000 0.0448
这意味着在其他条件都相同的情况下,抽烟人士患食道癌的 可能性是不抽烟人士的3.7倍还要多。

数学建模专题汇总离散模型

数学建模专题汇总离散模型

数学建模专题汇总离散模型精⼼整理离散模型§1离散回归模型⼀、离散变量如果我们⽤0,1,2,3,4,…说明企业每年的专利申请数,申请数是⼀个离散的变量,但是它是间隔尺度变量,该变量类型不在本章的讨论的被解释变量中。

但离散变量0和1可以⽤来说明企业每年是否申请专利的事项,类似表⽰状态的变量才在本章的讨论中。

在专利申请数的问题中,,虚拟因l 的因变量i y YES 则(/)1(1/)0(0/)i i i i i i E y p y p y =?=+?=x x x =(1/)i i p y x =。

根据经典线性回归,我们知道其总体回归⽅程是条件期望建⽴的,这使我们想象可以构造线性概率模型描述两个响应⽔平的线性概率回归模型可推知,根据统计数据得到的回归结果并不⼀定能够保证回归模型的因变量拟合值界于[0,1]。

如果通过回归模型式得到的因变量拟合值完全偏离0或l 两个数值,则描述两项选择的回归模型的实际⽤途就受到很⼤的限制。

为避免出现回归模型的因变量预测值偏离0或1的情形,需要限制因变量的取值范围并对回归模型式进⾏必要的修正。

由于要对其进⾏修正,那么其模型就会改变,模型改变会导致似然函数改变,这就是我们下⾯要讨论的。

现在我们讨论的模型与判别分析的⽬的是⼀样的,但有区别。

§2⼆元离散选择模型⼀、效⽤函数为了使得⼆元选择问题的有进⼀步研究可能,⾸先建⽴⼀个效⽤函数。

在讨论家庭是否购房的问题中,可将家庭购买住房的决策⽤数字1表⽰,⽽将家庭不购买住房的决策⽤数字0表⽰。

⽤1i U 表⽰第i 个⼈选择买房的效⽤,0i U 表⽰第i 个⼈选择不买房的效⽤。

其效⽤均为随机变量,于是有10i i U U 将故p 型。

数形式。

采⽤累积标准正态概率分布函数的模型称作Probit 模型,或概率单位模型,⽤正态分布的累积概率作为Probit 模型的预测概率。

另外logistic 函数也能满⾜这样的要求,采⽤logistic 函数的模型称作logit 模型,或对数单位模型。

数学建模之离散模型

数学建模之离散模型

第二十三页,共64页。
多步累积效应 • 按不同准则确定的权向量不
同,特征向量有什么优点。
成对比较
Ci:Cj (直接比较) aij ~ 1步强度
n
a a a A (a ) 2
(2)
(2)
ij
ij
is sj
aij(2) ~ 2步强度
s 1
aisasj~ Ci通过Cs 与Cj的比较 更能反映Ci对Cj 的强度
• 处理问题类型:决策、评价、分析、预测等。 • 建立层次分析结构模型是关键一步,要有主要决策 层参与。
• 构造成对比较阵是数量依据,应由经验丰富、判断 力强的专家给出。
第十六页,共64页。
例1 国家 实力分析
国民 收入
例2 工作选择
国家综合实力
军事 力量
科技 水平
社会 稳定
美、俄、中、日、德等大国 工作选择










对外 贸易
位 置
供选择的岗位
第十七页,共64页。
例3 横渡江 河、海峡方 案的抉择
经济效益 B1
过河的效益 A
社会效益 B2
节 收岸 当 建安 交 自
省 入间 地 筑全 往 豪
时 C2 商 商 就 可 沟 感

业 业 业 靠 通 C8
C1
C3 C4 C5 C6 C7
环境效益 B3
B 2
3
1
1/ 3
8 3 1
…Bn
最大特征根 1
2
… n
权向量
wn(3)
w1(3)
w2(3)

第十二页,共64页。

数学建模 离散问题建模方法及案例分析

数学建模 离散问题建模方法及案例分析

组成一个9阶的Steiner三元系。
• Steiner三元系的存在性:


容易见到:
n 1. 3 2
2.
2 (n 1)
1847年,Kirkman证明了: STS(n)存在当且仅当 n 6k 1 或者 6k 3 。
Steiner三元系的图形表示:
3. Steiner三元系的推广—平衡不完全区组设计


截断切割是指将物体沿某个切割平面切成两部分。
从一个长方体内加工出一个已知尺寸、位置预定的 长方体(两个长方体对应的平面相互平行),通常要经 过6次切割。 假定切割费用与切割时扫过的面积成正比,则需要 考虑的不同切割方案的总数是多少?

• •
(其它要求和其它问题略)
• 二. 分析和结果


首先考虑到一共需要切割6次。按照排列,不同方 案应该有 6! 720 种。
• 关于算法复杂性(complexity)
• 问题—算法—结果

An algorithm is considered “good” if the required number of elementary computational steps is bounded by a polynomial in the size of the problem.
二. 分析和建模
关于组合设计
1. Euler36军官问题和正交拉丁方
设 S {a1 , a2 ,, an } 是一个n元集合。A是一个 n n 阶
矩阵,它的元素为S中的元素。如果S 中的每一个元素都 恰好在A的每一行中出现一次,同时在A的每一列中出现 一次, 那么就称A为S上的一个n阶拉丁方。 假设A和B都是n阶拉丁方,A (aij ), B (bij ) 。如果 n 2 个有序对 (aij , bij ) 各不相同。则称该两个拉丁方正 交。
  1. 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. 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. 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)。
部分可按 h(n − 2) 种方式完成。于是,得差分方程
h(n) = 2h(n −1) + 2h(n − 2) , (n = 3,4,)
其特征方程为 特征根
λ2 − 2λ − 2 = 0
λ1 = 1+ 3 , λ2 = 1− 3
则通解为
h(n) = c1(1+ 3)n + c2 (1− 3)n , (n = 3,4,) 利用条件 h(1) = 3, h(2) = 8 ,求得
-182-
ci (i = 1,,2k ) 为任意常数。 (III)求非齐次方程(1)的一个特解 yt 。若 yt 为方程(2)的通解,则非齐次方
程(1)的通解为 yt + yt 。 求非齐次方程(1)的特解一般要用到常数变易法,计算较繁。对特殊形式的 b(t)
也可使用待定系数法。例如,当 b(t) = bt pk (t) , pk (t) 为 t 的 k 次多项式时可以证明: 若 b 不是特征根,则非齐次方程(1)有形如 bt qk (t) 的特解, qk (t) 也是 t 的 k 次多项 式;若 b 是 r 重特征根,则方程(1)有形如 btt r qk (t) 的特解。进而可利用待定系数法 求出 qk (t) ,从而得到方程(1)的一个特解 yt 。
a0 yn+t + a1 yn+t−1 + + an yt = 0
(2)
容易证明,若序列 yt(1) 与 yt(2) 均为(2)的解,则 yt = c1 yt(1) + c2 yt(2) 也是方程(2)的
解,其中
c1, c2
为任意常数。若
yt(1) 是方程(2)的解,
y
( t
2)
是方程(1)的解,则
点决定,下一时段的数量 x2 由 g 上的 P2 点决定, y2 又可由 f 上的 P3 点决定。依此类
推,可得一系列的点 P1( x1, y1 ) , P2 ( x2 , y1 ) , P3 ( x2 , y2 ) , P4 ( x3, y2 ) ,图上的箭头 表示求出 Pk 的次序,由图知:
lim
-183-
齐次方程(1)稳定的充要条件为其所有特征根的模均小于 1。
1.2 常系数线性差分方程的 Z 变换解法
常系数线性差分方程采用解析解法比较容易,而且对其解的意义也容易理解,但
采用这种解法求解常系数线性非齐次差分方程比较繁琐,通常是采用 Z 变换,将差分
方程变换为代数方程去求解。
设有离散序列 x(k ) , (k =定义为

c1
cos
π 2
t
+
c2
sin
π 2
t
+
1 2
t

1 2
例 2 在信道上传输仅用三个字母 a,b, c 且长度为 n 的词,规定有两个 a 连续出现
的词不能传输,试确定这个信道容许传输的词的个数。
解 令 h(n) 表示容许传输且长度为 n 的词的个数, n = 1,2, ,通过简单计算可 求 得 : h(1) = 3, h(2) = 8 。 当 n ≥ 3 时 , 若 词 的 第 一 个 字 母 是 b 或 c, 则 词 可 按 h(n −1) 种方式完成;若词的第一个字母是 a ,则第二个字母是 b 或 c ,该词剩下的
xk = x0 ,则可推出
yl = y0 , xl = x0 , (l = k, k +1,)
即商品的数量保持在 x0 ,价格保持在 y0 ,不妨设 x1 ≠ x0 ,下面考虑 xk , yk 在图上的
变化 (k = 1,2,) 。如下图所示,当 x1 给定后,价格 y1 由 f 上的 P1
-185-
即单位冲激函数的 Z 变换为 1。 (ii)单位阶跃函数U (k ) 的 Z 变换


∑ ∑ Z[U (k )] = U (k )z −k = 1× z −k ,
k =0
k =0

Z[U (k)]
=
z z −1
(| z |> 1)
(iii)单边指数函数 f (k ) = a k 的 Z 的变换( a 为不等于 1 的正常数)
例 1 求解两阶差分方程 yt+2 + yt = t 。 解 对应齐次方程的特征方程为 λ2 + 1 = 0 ,其特征根为 λ1,2 = ±i ,对应齐次方
程的通解为
yt
=
c1
cos
π 2
t
+ c2
sin π 2
t
原方程有形如 at
+
b
的特解。代入原方程求得 a
=
1 2
,b
=

1 2
,故原方程的通解
yt
=
y
(1) t
+
y t( 2 )
也是方程(1)的解。
方程(1)可用如下的代数方法求其通解:
(I)先求解对应的特征方程
a0λn + a1λn−1 + + a0 = 0
(3)
(II)根据特征根的不同情况,求齐次方程(2)的通解。
(i)若特征方程(3)有 n 个互不相同的实根 λ1,, λn ,则齐次方程(2)的通解
c1ρ t cosϕt + c2 ρ t sinϕt ,其中 ρ =
α2
+
β
2
为λ
的模, ϕ
=
arctg β α
为λ
的幅角。
(iv)若 λ = α ± βi 是特征方程(3)的 k 重复根,则通解对应于它们的项为
(c1 + + ck t k −1 )ρ t cosϕt + (ck +1 + + c2k t k −1 )ρ t sinϕt
的独立常数的个数等于差分方程的阶数时,称此解为该差分方程的通解。若解中不含任
意常数,则称此解为满足某些初值条件的特解。
称如下形式的差分方程
a0 yn+t + a1 yn+t−1 + + an yt = b(t)
(1)
为 n 阶常系数线性差分方程,其中 a0 , a1,, an 是常数, a0 ≠ 0 。其对应的齐次方程为
由集市上某种商品的价格变化看到如下现象:在某一时期,商品的上市量大于需求,
引起价格下跌,生产者觉得该商品无利可图,转而经营其它商品;一段时间之后,随
着产量的下降,带来的供不应求又会导致价格上升,又有很多生产商会进行该商品的
生产;随之而来的,又会出现商品过剩,价格下降。在没有外界干扰的情况下,这种现
象将会反复出现。
k →+∞
Pk
( x,
y)
=
P0 ( x0 ,
y0 )

即市场经济将趋于稳定。
并不是所有的需求函数和供应函数都趋于稳定,若给定的 f 与 g 的图形如下图所
示,得出的 P1, P2 , 就不趋于 P0 ,此时,市场经济趋向不稳定。
上两图中的折线 P1P2 , P2 P3 , P3P4 , 形似蛛网,故把这种模型称为蛛网模型。在进 行市场经济分析中, f 取决于消费者对某种商品的需要程度及其消费水平, g 取决于
z2 X (z) − z + 3zX (z) + 2X (z) = 0 ,
X (z)
=
z2
z + 3z
+2
=
z
z +
1

z
z +2

对上式取 z 反变换,便得差分方程的解为
x(k ) = (−1)k − (−2)k 。
§2 蛛网模型
2.1 问题提出
在自由竞争的社会中,很多领域会出现循环波动的现象。在经济领域中,可以从自
h(n) = 2 + 3 (1+ 3)n + − 2 + 3 (1− 3)n , (n = 1,2,)
23
23
在应用差分方程研究问题时,我们常常需要讨论解的稳定性。对常系数非齐次线性
差分方程(1),若不论其对应齐次方程的通解中任意常数 c1,, cn 如何取值,在 t → +∞ 时总有 yt → 0 ,则称方程(1)的解是稳定的。根据通解的结构不难看出,非
∑ Z[ak ] =

ak z−k
k =0
=
z z−a
1.2.2 Z 变换的性质
(| z |> a)
(i)线性性质
设 Z[ f1(k )] = F1(z) , Z[ f2 (k )] = F2 (z) ,则 Z[af1(k ) + bf2 (k )] = aF1(z) + bF2 (z)
其中 a, b 为常数。收敛域为 F1(z) 和 F2 (z) 的公共区域。
由 t、yt 及 yt 的差分给出的方程称为 yt 的差分方程,其中含 yt 的最高阶差分的阶
数称为该差分方程的阶。差分方程也可以写成不显含差分的形式。例如,二阶差分方程
∆2 yt + ∆yt + yt = 0 也可改写成 yt+2 − yt+1 + yt = 0 。 满足一差分方程的序列 yt 称为差分方程的解。类似于微分方程情况,若解中含有
第三章 差分方程模型
离散状态转移模型涉及的范围很广,可以用到各种不同的数学工具。下面我们对差 分方程作一简单的介绍,下一章我们将介绍马氏链模型。
§1 差分方程
1.1 差分方程简介
规定 t 只取非负整数。记 yt 为变量 y 在 t 点的取值,则称 ∆yt = yt+1 − yt 为 yt 的一 阶向前差分,简称差分,称 ∆2 yt = ∆(∆yt ) = ∆yt+1 − ∆yt = yt+2 − 2 yt+1 + yt 为 yt 的二 阶差分。类似地,可以定义 yt 的 n 阶差分 ∆n yt 。
相关文档
最新文档