数据模型作业范例
数据模型与决策课程大作业(完整资料).doc
【最新整理，下载后即可编辑】数据模型与决策课程大作业以我国汽油消费量为因变量，乘用车销量、城镇化率和90#汽油吨价与城镇居民人均可支配收入的比值为自变量时行回归（数据为年度时间序列数据）。
试根据得到部分输出结果，回答下列问题：1）“模型汇总表”中的R方和标准估计的误差是多少？2）写出此回归分析所对应的方程；3）将三个自变量对汽油消费量的影响程度进行说明；4）对回归分析结果进行分析和评价，指出其中存在的问题。
1）“模型汇总表”中的R方和标准估计的误差是多少？答案：R方为0.993^2=0.986 ；标准估计的误差为120910.147^（0.5）=347.722）写出此回归分析所对应的方程；答案：假设汽油消费量为Y，乘用车销量为a，城镇化率为b，90#汽油吨价/城镇居民人均可支配收入为c,则回归方程为：Y=240.534+0.00s027a+8649.895b-198.692c3）将三个自变量对汽油消费量的影响程度进行说明；乘用车销量对汽油消费量相关系数只有0.00027，数值太小，几乎没有影响，但是城镇化率对汽油消费量相关系数是8649.895，具有明显正相关，当城镇化率每提高1，汽油消费量增加8649.895。
乘用90#汽油吨价/城镇居民人均可支配收入相关系数为-198.692，呈明显负相关，即乘用90#汽油吨价/城镇居民人均可支配收入每增加1个单位，汽油消费量降低198.692个单位。
a, b, c三个自变量的sig值为0.000、0.000、0.009，在显著性水平0.01情形下，乘用车消费量对汽油消费量的影响显著为正。
（4）对回归分析结果进行分析和评价，指出其中存在的问题。
在学习完本课程之后，我们可以统计方法为特征的不确定性决策、以运筹方法为特征的策略的基本原理和一般方法为基础，结合抽样、参数估计、假设分析、回归分析等知识对我国汽油消费量影响因素进行了模拟回归，并运用软件计算出回归结果，故根据回归结果，对具体回归方程，回归准确性，自变量影响展开分析。
数据建模作业
即运输费用最小为44000，工厂A向经销商1提供0，向经销商2提供30，工厂B向经销商1提供40，向经销商2提供0,
工厂B为经销商1提供Q3的货物，为经销商2提供Q4的货物。
b：总运输成本=700Q1+400Q2+800Q3+600Q4
c：Q1+Q2=30，Q3+Q4《50，Q1+Q3=40,Q2+Q4》25。
Q1》0，Q2》0，Q3》0，Q4》0
d：在excel中建立如下得模型
将总运费作为目标单元格，将工厂A向经销商1提供的货物，工厂B向经销商2提供的货物，作为可变单元格求解最小值，因为可变单元格里的数，都为整数，且为非负数。选择线性模型求解，得到
总收入=20Q
S=预测所能售出的产品
约束条件：
当利润=0时，即10Q-20000Q=0，Q=2000
盈亏平衡点=2000
图表如下：
输入S为2000得：
输入S=0，得到
即为了使这一产品有利可图，数量应该大于2000。
2
Best-for-less公司通过两个工厂为其零售经销商供货。工厂A下月会提供30船货物。工厂B尚未制定生产计划，但是它有每月生产50船货物的生产能力上限。经销商1已经为下个月提交了40船货物的订单。经销商2至少需要25船货物，如果能多一些当然更好。两个工厂到经销商的每船货物的运输费由下表给出，同时还给出了其他一些数据
单位运输成本 供货
经销商1 经销商2
工厂A 700 400 =30船
工厂B 800 600 《50船
需要 =40船 》25船
送部经理詹妮弗.洛佩兹现在要决定每月从每个工厂运送到经销商处的货物数量。她的目标是使总运输成本最小。
数据模型和决策_作业_小案例
食品加工厂案例企业背景苏州希诺食品加工厂坐落在昆山城南的玉山工业园，占地2300平米，是一个小型的食品加工生产厂商，主要生产面包、蛋糕、点心、月饼、元宵等食品。
负责人是小孙夫妻，厂里的23名员工都是来自小孙的家乡安徽阜阳。
每天早上7. 00前小孙负责把生产好的糕点以钢箱为单位送到附近的超市和糕点店。
虽然利润很薄，但是客源稳定，小孙夫妻的生意还算红火。
但是从2020年2月之后，小孙夫妻的工厂遇到了问题，由于受疫情的影响, 附近很多糕点店的都暂停了营业，超市的生意也大不如询。
而元宵节就要到了，工厂刚刚进了一批原材料，主要是奶油、馅料B、面粉C等，如果不能有效的生产和销售，资金的周转就会遇到困难，可能就会遇到拖欠工资的情况，所以必须想办法尽快变现。
于是小孙赶紧打电话请正在同济大学读MBA的弟弟，让其帮忙想想办法。
弟弟赶紧赶到了工厂，去了解情况。
得到如下数据：口前的原材料主要能生产三种食品：汤圆、蛋糕、面包，其中汤圆属于季节性食品，只在这儿天好卖，但是口前疫情的影响很难销售，收购方将价格大打折扣，生产一钢箱将要赔钱400元；蛋糕受影响较小，但是生产一钢箱也要赔100 元；面包包装好可以走电商渠道销售，每钢箱尚能盈利100元。
生产一钢箱汤圆要消耗100千克馅料和200千克面粉，生产一钢箱蛋糕要消耗100千克奶油和100千克面粉生产一钢箱面包需要消耗奶油、馅料、面粉各100千克。
仓库现有原材料如下：奶油40000千克，馅料20000千克、面粉3000千克。
如果转卖原材料每100千克将会亏40元，弟弟于是开始了计算，看看如何进行生产才能将损失降到最低。
首先弟弟建立了线性规划模型设生产汤圆、蛋糕、面包的数量分别为X] X2 X3,则可以建立该问题的线性规划模型如下：LI标函数：MAXz. =0再+300® +900尤3100旺 +100x3 < 20000100x2 + 100x3 <40000约束条件为:200州 +100x2 + 100x3 < 30000利用E X C E L解方程得山二0,吃二200, D二100,即最优的方案是不生产元宵，生产蛋糕200钢箱亏损40000元；生产面包100钢箱赚10000元；剩余馅料10000千克，亏损20000 元；则汇总起来一共亏损50000元。
数据模型与决策--作业大全详解
P45.1.21.2N ewtowne有一副珍贵的油画，并希望被拍卖。
有三个竞争者想得到该幅油画。
第一个竞拍者将于星期一出价，第二个竞拍者将于星期二出价，而第三个竞拍者将于星期三出价。
每个竞拍者必须在当天作出接受或拒绝的决定。
如果三个竞拍者都被拒绝，那个该油画将被标价90万美元出售。
Newtowne 拍卖行的主任对拍卖计算的概率结果列在表1.5中。
例如拍卖人的估计第二个拍卖人出价200万美元的概率p=0.9.（a）对接受拍卖者的决策问题构造决策树。
1、买家1：如果出价300万，就接受，如果出价200万，就拒绝；2、买家2：如果出价400万，就接受，如果出价200万，也接受。
接受买家1200 200200接受买家22002002000.50.9接受买家3买家1出价200万买家2出价200万0.7100 21买家3出价100万100100 0220020010100拒绝买家390拒绝买家290900190接受买家30.3400买家3出价400万400400拒绝买家1104000220拒绝买家3909090接受买家24004004000.1接受买家3买家2出价400万0.71001买家3出价100万100100040010100260拒绝买家390拒绝买家290900190接受买家30.3400买家3出价400万40040010400拒绝买家3909090接受买家1300 300300接受买家22002002000.50.9接受买家3买家1出价300万买家2出价200万0.7100 11买家3出价100万100100 0300020010100拒绝买家390拒绝买家290900190接受买家30.3400买家3出价400万400400拒绝买家1104000220拒绝买家3909090接受买家24004004000.1接受买家3买家2出价400万0.71001买家3出价100万100100040010100拒绝买家390拒绝买家290900190接受买家30.3400买家3出价400万40040010400拒绝买家39090902.9在美国有55万人感染HIV病毒。
数据模型决策作业
P60 案例2.1 汽车装配a. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：6F+10.5C≤48000车门约束：4F+2C≤20000产量约束：C≤3500决策的总体绩效测度指标：利润最大化：P=3600F+5400Cb. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：6F+10.5C≤48000车门约束：4F+2C≤20000产量约束：C≤4200(3500*1.2)决策的总体绩效测度指标：利润最大化：P=3600F+5400C-500000c. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：6F+10.5C≤60000(48000*1.25)车门约束：4F+2C≤20000产量约束：C≤3500决策的总体绩效测度指标：利润最大化：P=3600F+5400Cd.他愿意支付的最大费用为30600000-26640000=3960000e. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：6F+10.5C≤60000（48000*1.25）车门约束：4F+2C≤20000产量约束：C≤4200（3500*1.2）决策的总体绩效测度指标：利润最大化：P=3600F+5400Cf.利润=32400000-500000-1600000=30300000﹥26640000，e的决策仍优于a的决策。
g. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：6F+10.5C≤48000车门约束：4F+2C≤20000产量约束：C≤3500决策的总体绩效测度指标：利润最大化：P=2800F+5400Ch. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：7.5F+10.5C≤48000车门约束：4F+2C≤20000产量约束：C≤3500决策的总体绩效测度指标：利润最大化：P=3600F+5400Ci. 制定决策：两种车辆Family Trillseeker (以下简写为F)，Classy Cruiser(以下简写为C)的生产量 约束性条件：工时约束：10.5C≤48000车门约束：2C≤20000决策的总体绩效测度指标：利润最大化：P=5400C利润下降26640000-24685714=1954286﹤2000000将全部生产C车辆。
MBA数据模型课堂大作业
MBA数据模型课堂大作业《数据、模型与决策》案例案例1北方化工厂月生产计划安排（0.7+0.3）一.问题提出根据经营现状和目标，合理制定生产计划并有效组织生产，是一个企业提高效益的核心。
特别是对于一个化工厂而言，由于其原料品种多，生产工艺复杂，原材料和产成品存储费用较高，并有一定的危险性，对其生产计划作出合理安排就显得尤为重要。
现要求我们对北方化工厂的生产计划做出合理安排。
二.有关数据1．生产概况北方化工厂现在有职工120人，其中生产工人105名。
主要设备是2套提取生产线，每套生产线容量为800kg，至少需要10人看管。
该工厂每天24小时连续生产，节假日不停机。
原料投入到成品出线平均需要10小时，成品率约为60％，该厂只有4吨卡车1辆，可供原材料运输。
3．供销情况①根据现有运出条件，原料3从外地购入，每月只能购入1车。
②根据前几个月的销售情况，产品1和产品3应占总产量的70％，产品2的产量最好不要超过总产量的5％，产品1的产量不要低于产品3与产品4的产量之和。
问题：a．b．请作该厂的月生产计划，使得该厂的总利润最高。
找出阻碍该厂提高生产能力的瓶颈问题，提出解决办法。
案例2石华建设监理公司监理工程师配置问题（0.8+0.2）石华建设监理公司（国家甲级），侧重国家大中型项目的监理，仅在河北省石家庄市就正在监理七项工程，总投资均在5000万元以上。
由于工程开工的时间不同，多工程工期之间相互搭接，具有较长的连续性，2022年监理的工程量与2022年监理的工程量大致相同。
每项工程安排多少监理工程师进驻工地，一般是根据工程的投资，建筑规模，使用功能，施工的形象进度，施工阶段来决定的。
监理工程师的配置数量是随之而变化的。
由于监理工程师从事的专业不同，他们每人承担的工作量也是不等的。
有的专业一个工地就需要三人以上，而有的专业一人则可以兼管三个以上的工地。
因为从事监理业的专业多达几十个，仅以高层高层民用建筑为例就涉及到建筑学专业、工民建（结构）专业、给水排水专业、采暖通风专业、强电专业、弱电专业、自动控制专业、技术经济专业、总图专业、合同和信息管理人员等，这就需要我们合理配置这些人力资源。
数据模型作业
数据、模型与决策作业第1章决策分析练习 1.1阳光明媚-2000015000节点B 的EMV 计算：15000×0.73＋(-20000)×0.27=5550(美元)节点A 的EMV 是5550美元。
玛丽的最优决策是在7月31日晚决定8月15日继续举行演出。
灵敏度分析：对8月中旬下雨的可能性进行灵敏度分析，假设下雨的概率为p ，当p ≤45.7%时，玛丽仍可以决定继续演出，但是当p ＞45.7%时，玛丽应该取消演出。
（a ）构造决策树（b ）构造决策树阳光明媚-2000015000节点D 的EMV ：15000×0.8+(-20000)×0.2 = 8000(美元)，节点C 取最大EMV 为8000美元。
节点F 的EMV ：15000×0.1+(-20000)×0.9 = -16500(美元)，节点E 取最大EMV 为-10000美元。
节点B 的EMV ：8000×0.9+(-10000)×0.1 = 6200(美元)，节点A 取最大EMV 为6200美元。
所以，玛丽这种情况下最优决策是等待8月14日的天气预报。
灵敏度分析：构造一个决策树的电子表格模型，没听天气预报且是晴天，实际也是晴天的概率为p＝0.8，当p对于小于0.8604的所有值来说，决策最优策略不变，对于大于0.8604的所有值来说，最优策略是演出，在天气预报晴天的准确率不高于0.8604的情况下应取消演出。
设预报下雨的准确率q为0.9，通过电子表格模型，不管q为何值都不影响最优决策。
设预报第二天为晴天概率为r＝0.9，通过电子表格模型，不论r为何值都不影响最优策略。
所以玛丽只需要根据天气预报晴天的准确率高低来进行最优决策。
练习 1.3（a）根据构建电子表格模型分析得，当三维程序研发成功的概率大于p＝0.547的所有值时，最优决策还是一样，但成功概率小于p＝0.547的所有值时，最优决策是接受Medtech公司的购买。
04数据模型上机作业-
1.问题描述：家乡准备办一个养殖场，选择养殖猪，鸡，鸭，兔？模型建立代码1:A=[1 1/5 1/3 1/3;5 1 2 2;3 1/2 1 2;3 1/2 1/2 1];[X,Y]=eig(A);eigenvalue=diag(Y);lamda=max(eigenvalue);Y_lamda=Y(:,1);W=X(:,1)/sum(X(:,1))CI=(lamda-4)/(4-1)CR=CI/0.9结果：W =0.08070.44270.27970.1969CI =0.0216CR =0.0240符合一致性检验，则代码2：B1=[1 4 3 6;1/4 1 0.8 1/2;1/3 10/8 1 0.9;1/6 2 10/9 1];[X1,Y1]=eig(B1); eigenvalue1=diag(Y1); lamda1=max(eigenvalue1) Y_lamda1=Y1(:,1);W1=X1(:,1)/sum(X1(:,1)) CI1=(lamda1-4)/(4-1)CR1=CI1/0.9B2=[1 2/3 2/3 0.2;3/2 1 1 3/4;3/2 1 1 3/4;5 4/3 4/3 1];[X2,Y2]=eig(B2); eigenvalue2=diag(Y2); lamda2=max(eigenvalue2) Y_lamda2=Y2(:,1);W2=X2(:,1)/sum(X2(:,1)) CI2=(lamda2-4)/(4-1)CR2=CI2/0.9B3=[1 2 2 0.5;1/2 1 1 1/3;1/2 1 1 1/3;2 3 3 1];[X3,Y3]=eig(B3); eigenvalue3=diag(Y3); lamda3=max(eigenvalue3) Y_lamda3=Y3(:,1);W3=X3(:,1)/sum(X3(:,1))CI3=(lamda3-4)/(4-1)CR3=CI3/0.9B4=[1 1/2 1/3 1/5;2 1 2/3 2/4;3 3/2 1 3/4;5 2 4/3 1];[X4,Y4]=eig(B4); eigenvalue4=diag(Y4); lamda4=max(eigenvalue4) Y_lamda4=Y4(:,1);W4=X4(:,1)/sum(X4(:,1)) CI4=(lamda4-4)/(4-1)CR4=CI4/0.9结果：lamda1 =4.1263W1 =0.58370.11010.15100.1552CI1 =0.0421CR1 =0.0468lamda2 =4.1067W2 =0.1266 0.2343 0.2343 0.4048CI2 =0.0356CR2 =0.0395lamda3 = 4.0104 W3 =0.2628 0.1409 0.1409 0.4554CI3 =0.0035CR3 =0.0038lamda4 =4.0062W4 =0.09300.19640.29460.4160CI4 =0.0021CR4 =0.0023均通过一致性检验，则计算组合权向量代码3：L=[W1 W2 W3 W4 ];H=L*W结果：H =0.19500.19070.21330.4010H4>H3>H1>H2,所以应选择第四种动物。
数据模型与决策课程学习大作业.doc
数据模型与决策课程大作业以我国汽油消费量为因变量，乘用车销量、城镇化率和90#汽油吨价与城镇居民人均可支配收入的比值为自变量时行回归（数据为年度时间序列数据）。
试根据得到部分输出结果，回答下列问题：1）“模型汇总表”中的R方和标准估计的误差是多少？2）写出此回归分析所对应的方程；3）将三个自变量对汽油消费量的影响程度进行说明；4）对回归分析结果进行分析和评价，指出其中存在的问题。
1）“模型汇总表”中的R方和标准估计的误差是多少？答案：R方为0.993^2=0.986 ；标准估计的误差为120910.147^（0.5）=347.722）写出此回归分析所对应的方程；答案：假设汽油消费量为Y，乘用车销量为a，城镇化率为b，90#汽油吨价/城镇居民人均可支配收入为c,则回归方程为：Y=240.534+0.00s027a+8649.895b-198.692c3）将三个自变量对汽油消费量的影响程度进行说明；乘用车销量对汽油消费量相关系数只有0.00027，数值太小，几乎没有影响，但是城镇化率对汽油消费量相关系数是8649.895，具有明显正相关，当城镇化率每提高1，汽油消费量增加8649.895。
乘用90#汽油吨价/城镇居民人均可支配收入相关系数为-198.692，呈明显负相关，即乘用90#汽油吨价/城镇居民人均可支配收入每增加1个单位，汽油消费量降低198.692个单位。
a, b, c三个自变量的sig 值为0.000、0.000、0.009，在显著性水平0.01情形下，乘用车消费量对汽油消费量的影响显著为正。
（4）对回归分析结果进行分析和评价，指出其中存在的问题。
在学习完本课程之后，我们可以统计方法为特征的不确定性决策、以运筹方法为特征的策略的基本原理和一般方法为基础，结合抽样、参数估计、假设分析、回归分析等知识对我国汽油消费量影响因素进行了模拟回归，并运用软件计算出回归结果，故根据回归结果，对具体回归方程，回归准确性，自变量影响展开分析。
《数据模型决策》复习(作业)题
《数据模型决策》复习(作业)题《数据模型决策》复习（作业）题二、分析、建模题1、（广告策划）一家广告公试司想在电视、广播及杂志做广告，其目的是尽可能多地招徕顾客。
下面是市场调查结果：这家公司希望广告费用不超过800（千元），还要求：（1）至少有二百万妇女收看广告；（2）电视广告费用不超过500（千元）；（3）电视广告白天至少播出3次，最佳时间至少播出2次；（4）通过广播、杂志做的广告各重复5到10次。
试建立该问题的数学模型，并用软件求解。
解：设变量X1, X 2, X 3, X 4为白天、最佳时间、无线电广播、杂志次数目标函数maxZ=400 X1+900X2+500 X 3+200 X 4约束条件s.t40 X 1+75 X 2+30 X 3+15 X 4≤80040X1+400X2+200X3+100X4≥80040X1+75X2≤500X1≥3X2≥2,X3≥5X3≤10X4≥5X4≤10X i≥0 i=1,2,3,4软件求解2、（指派问题）分配甲、乙、丙、丁四人分别去完成A、B、C、D 四项工作。
已知每人完成各项工作的时间如下表所示。
规定每项工作只能由一人去单独完成，每个人最多承担一项工作。
如何分配工作，使完成四项工作总的耗时为最少？建立线性规划数学模型（不求解）。
解：设变量X11,X12,X13,X14为甲参加1，2，3，4工作，X X22,X23,X24为乙参加1，2，3，4工作，21,X31,X32,X33,X34为丙参加1，2，3，4工作，X41,X42,X43,X44为丁参加1，2，3，4工作目标函数maXZ=10X11+5X12+15X13,+20X14 +2X21+10X22+5X23+15X24+3X31+15X32+14X33+13X34 +15X41+2X42+7X43+6X44约束条件s.tX11+X12+X13, +X14=1X21+X22+X23+X24=1X31+X32+X33+X34=1X41+X42+X43+X44=1X i,j≥0 i=1,2,3,4 j=1,2,3,4软件求解3、昼夜运营的公交线路每天各时间区段内所需要的司机和乘务员人数如下表：设司机和乘务员分别在各时间区段一开始时上班，并连续工作8小时，问该公交线路至少配备多少名司机和乘务人员。
数据模型作业(丁邦俊)
航空公司客机食品管理策略分析小组成员：一、咖喱鸡饭旅客人数分析1．在A列的第1至第301个单元格依次分别输入0-300。
在B列的第一个单元格上输入二项分布函数名“=binomdist(A1, 300,0.6,0)”，确定后下拉。
2. 根据B列上数据可以看到，要求提供咖喱鸡饭的旅客人数少于150人，或者多于210人的可能性极小，则要求提供咖喱鸡饭的旅客人数几乎在150-210之间，也就是180±30之间，其中180（=300*60%）是要求提供咖喱鸡饭的旅客的平均人数。
3. 在C列的第一个单元格输入181-210，在D列的第一个单元格上输入二项分布函数名“=binomdist(C1, 300, 0.6, 1)”然后确定，则D列上第一个单元格上显示的数就是要求提供咖喱鸡饭的旅客人数≤181人的概率。
4. D列上的数值越来越大，当它增大到刚超过95%的时候，D列上的数是0.957057，其对应的C列上的数是194。
由此可见，一个航班准备194份咖喱鸡饭我们就有95%的把握保证要求吃咖喱鸡饭的旅客都能吃到咖喱鸡饭。
5. 同样我们也可以看到，当D列上的数刚过99%，达到99.2635%，对应C列上的数为200，所以当航班准备200份咖喱鸡饭时，我们就有99%的把握保证要求吃咖喱鸡饭的旅客都能吃到咖喱鸡饭。
二、牛肉面条旅客人数分析1．在E列的第1至第301个单元格依次分别输入0-300。
在F列的第一个单元格上输入二项分布函数名“=binomdist(A1, 300,0.4,0)”，确定后下拉。
2. 根据F列上数据可以看到，要求提供牛肉面条的旅客人数少于90人，或者多于150人的可能性极小，则要求提供咖喱鸡饭的旅客人数几乎在90-150之间，也就是120±30之间，其中120（=300*40%）是要求提供牛肉面条的旅客的平均人数。
3. 在G列的第一个单元格输入121-150，在H列的第一个单元格上输入二项分布函数名“=binomdist(C1, 300, 0.4, 1)”然后确定，则H列上第一个单元格上显示的数就是要求提供牛肉面条的旅客人数≤121人的概率。
数据模型案例
数据、模型与决策案例案例1 降低咖啡屋的成本All-State大学的咖啡屋每个星期四的中午准时提供一道特殊的莱，这种想来十分美味的菜是一种炖菜，包含有炒过的洋葱、煮熟的土豆片、绿豆和蘑菇汤。
不幸的是学生们没有能够看到这道菜的特殊质量。
他们为这道莱起了一个令人讨厌的名字——杀手炖菜。
学生们很不情愿吃这道菜，但是咖啡屋对星期四的午餐只提供了有限的选择(也就是炖菜)。
咖啡屋的经理MariaGonzalez希望明年可以降低成本。
她相信降低成本的一种当然的方法是购买较为便宜而质量可能比较低的配料。
由于这种炖菜是每星期咖啡屋菜单中的重要组成部分，因此她认为如果她能够降低为制作这种炖菜所购买的配料的成本，整个咖啡屋的营运成本将大大降低。
因此她决定花一些时间看看在保持营养和口味要求的情况下如何将成本降到最低。
Maria集中研究降低这种炖菜的两种主要配料——土豆和绿豆的成本。
这两种配料占据了大多数的成本和营养成分，是影响口味的主要因素。
Maria每星期从一个批发商那里购买土豆和绿豆。
土豆的成本是每磅0．4美元，绿豆的成本是每磅1美元。
All-State大学规定了每一个咖啡屋的主菜都必须达到的营养要求。
这道菜必须包含'180克的蛋质、80毫克的铁、1050毫克的维生素C(1磅相当于454克，1克等于1000毫克)。
为了简化计划，Maria假设这道炖菜中只有土豆和绿豆提供了营养。
因为Maria在一个开放式的技术大学中工作，因此它可以从网络中获得大量的资源。
她决定在网络上搜索土豆和绿豆营养成分的信息。
通过搜索她得到了以下关于两种配料营养成分的信息：表1 两种配料营养成分的信息土豆绿豆蛋白质 1.5克／100克 5.67克／10盎司铁0.3毫克／100克 3.402毫克／10盎司维生素C 12毫克／100克28.35毫克／10盎司(1盎司相当于28.35克)EdsollBranner是咖啡屋的厨师．非常注重于口味。
数据模型与决策作业
数据模型与决策作业一、Cropain公司基建部问题1、首先将60组数据单独列出，找到因变量Y（earn）和自变量X（size、p15、inc、nrest、price）,数据如下所示：打开EXCEL表格-工具-数据分析-回归-确定-Y值区域为EARN 列，X值区域为SIZE到PRICE列，点标志-确定，生成数据如下：SUMMARY OUTPUT回归统计Multiple R 0.92532R Square 0.856217Adjusted RSquare 0.842903标准误差36.20023观测值60方差分析df SS MS F SignificanceF回归分析 5 421397.1 84279.41 64.313 1.64E-21残差54 70764.67 1310.457总计59 492161.7回归方程如下：Y(earn)=0.77size+0.04p15+8.78inc+1.41nrest-2.69price-35 3.82多重共线性检验如下：回到EXCEL表格-工具-数据分析-相关系数-确定,选定区域为从EARN到PRICE的所有列,点击标志在第一行,确定,生成相关性系数.2、将Y变量（earn）和X变量（从size到price）粘贴到MINITAB中，统计-回归-逐步回归-响应（earn），预测变量（从size到price）-确定，得出数据如下：逐步回归: EARN 与 SIZE, P15, INC, NREST, PRICE入选用 Alpha: 0.15 删除用 Alpha: 0.15响应为 5 个自变量上的 EARN，N = 50步骤 1 2 3 4 5常量 -0.6348 -354.7460 -421.2498 -412.5582 -379.4336P15 0.0459 0.0416 0.0397 0.0436 0.0432T 值 5.81 6.35 7.20 10.00 10.49P 值 0.000 0.000 0.000 0.000 0.000INC 11.7 12.8 9.7 9.7T 值 4.93 6.37 5.85 6.19P 值 0.000 0.000 0.000 0.000NREST 1.33 1.48 1.46T 值 4.56 6.43 6.70P 值 0.000 0.000 0.000SIZE 0.61 0.63T 值 5.51 6.04P 值 0.000 0.000PRICE -2.01T 值 -2.55P 值 0.014S 68.0 55.8 46.8 36.5 34.5R-Sq 41.26 61.28 73.33 84.09 86.14R-Sq（调整） 40.04 59.63 71.59 82.67 84.56Mallows Cp 140.4 78.9 42.6 10.5 6.0五个变量的回归方程如下：Earn=0.0432p15+9.7inc+1.46nrest+0.63size-2.01price-379.43;数据中51到60相关数据如下：各组实际利润率=earn/k,因而51到60的每组实际利润率如下：各组的预测利润=变量回归方程上各项*相关各项的数据举例：第51店的预测利润为Earn=0.0432*2800+9.7*32.1+1.46*26+0.63*146-2.0111.6-379 .43=159.524;因而各组利润为：各组预测利润率、与实际利润率比较为：60组数据的相关系数和回归方程如下所示：逐步回归: EARN 与 SIZE, P15, INC, NREST, PRICE 入选用 Alpha: 0.15 删除用 Alpha: 0.15响应为 5 个自变量上的 EARN，N = 60步骤 1 2 3 4 5 常量 -3.083 -103.061 -145.274 -399.009 -353.820P15 0.0482 0.0501 0.0485 0.0444 0.0442T 值 6.15 7.95 9.10 10.10 10.95P 值 0.000 0.000 0.000 0.000 0.000SIZE 0.798 0.852 0.754 0.772T 值 5.73 7.23 7.73 8.61P 值 0.000 0.000 0.000 0.000NREST 1.39 1.45 1.41T 值 4.93 6.34 6.71P 值 0.000 0.000 0.000INC 8.8 8.8T 值 5.44 5.91P 值 0.000 0.000PRICE -2.69T 值 -3.37P 值 0.001S 71.7 57.6 48.5 39.5 36.2R-Sq 39.47 61.60 73.22 82.59 85.62R-Sq（调整） 38.42 60.26 71.79 81.33 84.29Mallows Cp 171.3 90.2 48.6 15.4 6.0Y（earn）=0.0442p15+0.772size+1.41nrest+8.8inc-2.69price-353.820 根据60组数据的预测回归方程对未来10组数据进行预测如下：二、菲拉托伊·里尤尼蒂纺织厂问题首先,把要求的相关决策变量清空,如下所示：根据题意，本题给出了各工厂生产机器的单位时间和月度最大使用时间，和各工厂生产四种产品的单位成本和运输成本，要求的是在满足各品种需求量的基础上各工厂如何生产总成本最低的问题，根据题意，首先建立目标函数：COST OF PRODUCTIONCOST OF TRANSPORTATION将各共厂两项成本相加可得：目标函数为各工厂各品种生产的成本与各工厂生产产品的乘积。
《数据模型决策》复习(作业)题
《数据模型决策》复习（作业）题二、分析、建模题1、（广告策划）一家广告公试司想在电视、广播及杂志做广告，其目的是尽可能多地招徕顾客。
这家公司希望广告费用不超过800（千元），还要求：（1）至少有二百万妇女收看广告；（2）电视广告费用不超过500（千元）；（3）电视广告白天至少播出3次，最佳时间至少播出2次；（4）通过广播、杂志做的广告各重复5到10次。
试建立该问题的数学模型，并用软件求解。
解：设变量X1, X 2, X 3, X 4为白天、最佳时间、无线电广播、杂志次数目标函数maxZ=400 X1+900X2+500 X 3+200 X 4约束条件s.t40 X 1+75 X 2+30 X 3+15 X 4≤80040X1+400X2+200X3+100X4≥80040X1+75X2≤500X1≥3X2≥2,X3≥5X3≤10X4≥5X4≤10X i≥0 i=1,2,3,4软件求解2、（指派问题）分配甲、乙、丙、丁四人分别去完成A、B、C、D 四项工作。
已知每人完成各项工作的时间如下表所示。
规定每项工作只能由一人去单独完成，每个人最多承担一项工作。
如何分配工作，使完成四项工作总的耗时为最少？建立线性规划数学模型（不求解）。
解：设变量X11,X12,X13,X14为甲参加1，2，3，4工作，X 21,X22,X23,X24为乙参加1，2，3，4工作，X31,X32,X33,X34为丙参加1，2，3，4工作，X41,X42,X43,X44为丁参加1，2，3，4工作目标函数maXZ= 10X11+5X12+15X13, +20X14 +2X21+10X22+5X23+15X24+3X31+15X32+14X33+13X34 +15X41+2X42+7X43+6X44约束条件s.tX11+X12+X13, +X14=1X21+X22+X23+X24=1X31+X32+X33+X34=1X41+X42+X43+X44=1X i,j≥0 i=1,2,3,4 j=1,2,3,4软件求解3、昼夜运营的公交线路每天各时间区段内所需要的司机和乘务员人数如下表：设司机和乘务员分别在各时间区段一开始时上班，并连续工作8小时，问该公交线路至少配备多少名司机和乘务人员。
MBA《数据、模型与决策》作业(案例)
《数据、模型与决策》案例1 企业背景SGT特殊钢铁公司是我国西部地区最大、西北地区唯一的百万吨资源型特殊钢生产基地，是国家级创新型企业、国家军工产品配套企业。
经过多年的发展，通过传统产业升级改造和优势产业发展壮大，已形成年产焦炭75万吨、普通钢400万吨、特殊钢400万吨的综合生产能力，成为集“特钢制造、煤炭焦化”为一体的资源综合开发钢铁联合企业。
SGT公司钢铁制造始终坚持以“打造西部重要的特种钢生产基地”为己任，牢固树立品牌意识，顺应新型特殊钢材料发展趋势，努力提升工艺技术及装备水平，拥有“高炉—转炉—精炼—连铸—连轧”五位一体的长流程生产线和“电炉（兑铁水）冶炼—精炼—连铸（模铸）—连轧（半连轧）”的短流程生产线。
建成了极具特色的“功勋牌”特钢产品体系，产品涵盖轴承钢、模合结钢、碳工钢、工具钢等钢种，产品广泛应用于汽车、工程制造、机械制造、石油、军工、航空、铁路运输、新能源、新基建等多种行业。
公司整体生产工艺及技术在行业中处于领先水平，特别是“十二五”期间，公司对工艺装备进行了全面升级改造，先后建成110吨Consteel电炉、410* 530mm三机三流大方坯连铸机、精品特钢大棒材生产线、精品特钢小棒材生产线。
尤其是精品特钢大、小棒材生产线采用了当今世界顶尖工艺技术及装备，达到国际钢铁工业的先进水平。
公司目前已拥有五十余项特殊钢生产的专有技术，其中主要有钢包、连铸耐材材质控制技术，分钢种脱氧工艺与技术，分钢种渣系控制技术，残余元素与有害元素的控制技术，非金属夹杂物形态控制技术，硫化物夹杂弥散细化技术，含硫钢纯净化技术，含S，Al，B钢连铸技术，炉前化学成分精确控制技术，炉前淬透性（DI值）动态控制技术，模铸、连铸碳偏析及凝固组织控制技术，在线正火轧制技术，在线超快冷技术，在线控轧控冷一热机轧制（TMCP）技术，大规格热轧材高精度轧制技术，小规格热轧材高精度轧制技术，热轧材非标规格轧制技术，银亮材剥、碾光表面光洁度控制技术，低中碳钢低硬度球化退火技术，钢材零缺陷无损探伤检测技术，电炉、转炉全铁冶炼技术，电炉、转炉底吹搅拌，高品质特殊钢精品生产技术集成，富氮合金、高氮中间合金及氮化硅锰冶炼螺纹钢技术，小粒度石灰石在电炉、转炉直接炼钢技术，高品质系列钢锭缺陷控制技术，马氏体不锈钢大方坯连铸技术，电弧炉炼钢复合吹炼技术等。
数据模型案例分析
Cases7.1 a) The network showing the different routes troops and supplies may followto reach the Russian Federation appears below.PORTSb) The President is only concerned about how to most quickly move troopsand supplies from the United States to the three strategic Russian cities.Obviously, the best way to achieve this goal is to find the fastestconnection between the US and the three cities. We therefore need to find the shortest path between the US cities and each of the three Russian cities.The President only cares about the time it takes to get the troops andsupplies to Russia. It does not matter how great a distance the troops and supplies cover. Therefore we define the arc length between two nodes in the network to be the time it takes to travel between the respective cities.For example, the distance between Boston and London equals 6,200 km.The mode of transportation between the cities is a Starlifter traveling at a speed of 400 miles per hour * 1.609 km per mile = 643.6 km per hour. The time is takes to bring troops and supplies from Boston to London equals 6,200 km / 643.6 km per hour = 9.6333 hours. Using this approach we can compute the time of travel along all arcs in the network.By simple inspection and common sense it is apparent that the fastesttransportation involves using only airplanes. We therefore can restrictourselves to only those arcs in the network where the mode oftransportation is air travel. We can omit the three port cities and all arcs entering and leaving these nodes.The following six spreadsheets find the shortest path between each US city (Boston and Jacksonville) and each Russian city (St. Petersburg, Moscow, and Rostov).Boston to St. Petersburg:Boston to Moscow:Boston to Rostov:Jacksonville to St. Petersburg:Jacksonville to Moscow:Jacksonville to Rostov:The spreadsheets contain the following formulas:Comparing all six solutions we see that the shortest path from the US to Saint Petersburg is Boston → London → Saint Petersburg with a total travel time of 12.71 hours. The shortest path from the US to Moscow is Boston → London → Moscow with a total travel time of 13.21 hours. The shortest path from the US to Rostov is Boston → Berlin → Rostov with a total travel time of 13.95 hours. The following network diagram highlights these shortest paths.141516H ITravel Speed (m ph)400km /hr 1.609Travel Speed (km /hr)=I14*I15123456789FTime (hours)=Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed =Distance/TravelSpeed123456789I Net Flow=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)=SUM IF(From ,Node,OnRoute)-SUM IF(To,Node,OnRoute)18BCTotal Time=SUMPRODUCT(OnRoute,Time)c) The President must satisfy each Russian city’s military requirements atminimum cost. Therefore, this problem can be solved as a minimum-cost network flow problem. The two nodes representing US cities are supply nodes with a supply of 500 each (we measure all weights in 1000 tons).The three nodes representing Saint Petersburg, Moscow, and Rostov are demand nodes with demands of –320, -440, and –240, respectively. All nodes representing European airfields and ports are transshipment nodes.We measure the flow along the arcs in 1000 tons. For some arcs, capacity constraints are given. All arcs from the European ports into SaintPetersburg have zero capacity. All truck routes from the European ports into Rostov have a transportation limit of 2,500*16 = 40,000 tons. Since we measure the arc flows in 1000 tons, the corresponding arc capacities equal 40. An analogous computation yields arc capacities of 30 for both the arcs connecting the nodes London and Berlin to Rostov. For all other nodes we determine natural arc capacities based on the supplies anddemands at the nodes. We define the unit costs along the arcs in thenetwork in $1000 per 1000 tons (or, equivalently, $/ton). For example, the cost of transporting 1 ton of material from Boston to Hamburg equals$30,000 / 240 = $125, so the costs of transporting 1000 tons from Boston to Hamburg equals $125,000.The objective is to satisfy all demands in the network at minimum cost.The following spreadsheet shows the entire linear programming model.1 2 3 4 5 6 7I JVehicle UnitCapacity Cost(tons)($/ton) =VLOOKU P(G4,$L$24:$M$26,2)=1000*F4/I4=VLOOKU P(G5,$L$24:$M$26,2)=1000*F5/I5=VLOOKU P(G6,$L$24:$M$26,2)=1000*F6/I6=VLOOKU P(G7,$L$24:$M$26,2)=1000*F7/I7The total cost of the operation equals $412.867 million. The entire supply for Saint Petersburg is supplied from Jacksonville via London. The entire supply for Moscow is supplied from Boston via Hamburg. Of the 240 (= 240,000 tons) demanded by Rostov, 60 are shipped from Boston via Istanbul, 150 are shipped from Jacksonville via Istanbul, and 30 are shipped from Jacksonville via London. The paths used to ship supplies to Saint Petersburg, Moscow, and Rostov are highlighted on the following network diagram.d) Now the President wants to maximize the amount of cargo transportedfrom the US to the Russian cities. In other words, the President wants to maximize the flow from the two US cities to the three Russian cities. All the nodes representing the European ports and airfields are once againtransshipment nodes. The flow along an arc is again measured inthousands of tons. The new restrictions can be transformed into arccapacities using the same approach that was used in part (c). The objective is now to maximize the combined flow into the three Russian cities.The linear programming spreadsheet model describing the maximum flow problem appears as follows.The spreadsheet shows all the amounts that are shipped between the various cities. The total supply for Saint Petersburg, Moscow, and Rostov equals 225,000 tons, 104,800 tons, and 192,400 tons, respectively. The following network diagram highlights the paths used to ship supplies between the US and the Russian Federation.PORTSe) The creation of the new communications network is a minimum spanningtree problem. As usual, a greedy algorithm solves this type of problem.Arcs are added to the network in the following order (one of severaloptimal solutions):The minimum cost of reestablishing the communication lines is $695,000.。
数据模型作业范例
数据模型课程作业（1）简述定量分析与定性分析的关系，并列举工作中定量分析的例子。
答：定量分析的本质是对社会现象的数量特征、数量关系与数量变化所进行 的分析，它最大的功能在于揭示和描述社会现象的相互作用和发展趋势。
定性分析的本质是对研究对象的“质”的方面所进行的分析，它是对获得的 各种事物的材料运用归纳和演绎、分析与综合以及抽象与概括等方法进行思维加 工，进而去粗取精、去伪存真、由此及彼、由表及里，最终认识事物本质、揭示 事物的内在规律。
要想正确地认识定量分析与定性分析的关系，就要准确全面地认识定量分析 与定性分析的整体统一性。
定性分析是定量分析的基础，主要是由定性分析的主 要任务决定的，定性分析作为分析事物“质”的一种思维方式，它的主要任务是 确定物质的组成。
只有确定物质的组成之后，才能选择适当的分析方法进行定量 分析，指从质的方面分析事物。
要在各种纷繁复杂的研究的现象中准确的把握事 物的本质，就要求我们要运用辩证唯物主义和历史唯物主义的科学观点来对研究 材料进行分析，才能从众多的现象中揭示出其内在的规律， 揭示出其最本质存在 的东西。
只有进行了这样全面科学的分析之后， 才能准确地描述一个事物，才能 正确地揭示出事物间的相互关系。
这种分析方法对于人们准确的认识和判别事物 的本质属性具有很大的参考和评估使用价值。
综上所述，可以清楚地看出，定性分析与定量分析的本质关系应该是整体统 一性的关系。
定性是定量的前提，而定量分析使事物的定性更加科学、 更加准确， 促使定性分析得出广泛而深入的结论，是定性分析的升华。
工作中定量分析的例子：公司运营管理中，企业利润与费用比例的关系的研究； 人力资源管理中，企 业生产率指标（企业利润/员工人数）与人力资本结构及技术人员比例等指标的关 系研究；销售管理中，销售业绩指标与广告费用的确认分析等。
（2）利用EXCEL 计算GDP 平减指数（佃90-2008年）解：数据如下：1998 84402.30 651.23 231.2 43154.52 195.58 199989677.10700.85248.846442.82193.09国内生产总值（亿元）现价GDP (1978=100) (1990=100) 1978 3645.20 100.00 35.5 1990 18667.80 281.71 100.0 1991 21781.50 307.57 109.2 1992 26923.50 351.37 124.7 1993 35333.90 400.43 142.1 1994 48197.90 452.81 160.7 1995 60793.70 502.28 178.3 1996 71176.60 552.55 196.1 1997 78973.00603.92214.4不变价 GDP( 1990=100) GDP 平减指数(1990=100)18667.80 100.00 20381.26 106.87 23283.69 115.63 26535.10 133.16 30006.07 160.63 33284.23 182.65 36615.49 194.39 40019.64197.342000 99214.60 759.95 269.8 50358.55 197.02 2001 109655.20 823.02 292.2 54538.47 201.06 2002 120332.70 897.77 318.7 59491.69 202.27 2003 135822.80 987.78 350.6 65455.96 207.50 2004 159878.30 1087.39 386.0 72057.22 221.88 2005 184937.40 1210.40 429.7 80208.39 230.57 2006 216314.40 1363.80 484.1 90373.60 239.36 2007 265810.30 1557.00 552.7 103176.19 257.63 2008 314045.40 1707.00 605.9 113116.09 277.63 2009 340902.80 1864.30 661.8 123539.74 275.95 2010 401202.00 2058.90 730.9 136435.10 294.06 数据来自中国社会科学院金融所网站()算法说明：1990年的现价GDP=18667.8,199(年的指数为281.7/281.7*100%,1996年的指数为552.55，则以1990=100,1996年的价格指数为552.55/281.7*100%=196.1,则1996年不变价(真实)的GDP为18667.8*196.1%=36607.56,则1996年平减指数为71176.60/36607.56*100%=194.39,如此计算，可以得到1990=100的GDP平减指数，其计算结果如上表(3) 规划问题：某农户计划用12公顷耕地生产玉米，大豆和地瓜，可投入48个劳动日，资金360元。
数据模型案例1-2
案例问题1 工作载荷平衡数字映像（Dihital Imaging，DI）公司生产一种照片打印机，供应专业市场和普通消费市场。
DI的客户端最近推出两款可以进行彩色打印的照片打印机，同一家专业处理实验室生产的产品相抗衡。
DI-910型可以在大约37秒钟里进行4〞×6〞无边界的打印。
而更加专业且快速的DI-950型甚至可以进行13〞×19〞的无边界打印。
财务预测显示，每台DI-910型可以获利42美元，每台DI-950型则可获利87美元。
这些打印机在位于北卡莱罗纳的新伯恩的DI工厂里组装、测试及包装。
这个工厂生产高度自动化，共有两条生产线。
第一条生产线完成组装任务，其中，每台DI-910组装要花费3分钟，而每台DI-950要花费6分钟。
第二条生产线完成测试和包装任务。
在第二生产线上使用的时间是DI-910占4分钟，DI-950占2分钟。
因为DI-950打印机的打印速度更快，所以这个阶段用时更少。
两条生产线的工作都只有一个班次，即8小时。
管理报告为了确定每种型号各生产多少，我们需要对DI公司的问题进行分析。
为DI的总裁准备一个报告，介绍你的结论和建议。
你需要考虑的问题包括如下方面（不仅限于此）：1.在8小时工作制基础上，要使总利润最大，建议生产的各型号打印机数量是多少？管理层未执行你的建议的理由是什么？2.假如管理层表示，DI-910的生产数量至少得和DI-950一样多，目标也是在8小时基础上，使总利润最大。
这时，各型号打印机的生产数量是多少？3.你对问题（2）的求解平衡了第一条生产线和第二条生产线的所花的时间吗？为什么这种平衡也是管理层所考虑的。
4.管理层需要对问题（2）进行扩展，要求在两条生产线使用的总时间上更好地进行平衡。
管理层希望将两条生产线总用时的差额限制在30分钟或更少。
如果目标仍然是使总利润最大，那么各应该生产多少？这个工作载荷平衡要求对问题（2）有什么影响？5.假设在问题（1）中，管理层的目标是使每一班生产的利润最大化，而不是使总利润最大化。
作业-[数据库建模]
![作业-[数据库建模]](https://img.taocdn.com/s3/m/4390557a7fd5360cba1adb38.png)
E-R图[实现]数据库实现（代码）CREATE DATABASE SchoolGamesON PRIMARY(NAME='SchoolGames_data',FILENAME='H:\SQL\SchoolGames_data.mdf',SIZE= 30MB,MAXSIZE= 40MB,FILEGROWTH= 20MB)LOG ON(NAME='SchoolGames_log',FILENAME='H:\SQL\SchoolGames_log.ldf',SIZE= 20MB,FILEGROWTH= 10%)GO--班级表：班级编号，专业名称CREATE TABLE Class(ClassID CHAR(10)PRIMARY KEY,Profession CHAR(20) NOT NULL)GO--运动项目表：项目编号，名称，场地，比赛时间CREATE TABLE Sports(SportsID CHAR(10)PRIMARY KEY,SportsName CHAR(20) NOT NULL,Site CHAR(10) NOT NULL,CompetitionTime DATETIME NOT NULL)GO--裁判表：编号，姓名，项目编号CREATE TABLE Referee(RefereeID CHAR(10)PRIMARY KEY,RefereeName CHAR(10) NOT NULL,SportsID CHAR(10) NOT NULL REFERENCES Sports(SportsID))GO--运动员表：编号，姓名，性别，班级编号CREATE TABLE Athlete(AthleteID CHAR(10)PRIMARY KEY,AthleteName CHAR(20) NOT NULL,AthleteSex CHAR(2) NOT NULL CHECK(AthleteSex='男'OR AthleteSex='女'), ClassID CHAR(10) NOT NULL REFERENCES Class(ClassID))GO--参赛表：编号，项目编号，运动员编号CREATE TABLE Athlete(ClassID INT PRIMARY KEY IDENTITY(1，1)AthleteID CHAR(10)NOT NULL REFERENCES Athlete(AthleteID),SportsID CHAR(10) NOT NULL REFERENCES Sports(SportsID)，)GOE-R图数据库实现（代码）CREATE DATABASE MerchandisON PRIMARY(NAME='Merchandis_data',FILENAME='H:\SQL\Merchandis_data.mdf',SIZE= 30MB,MAXSIZE= 40MB,FILEGROWTH= 20MB)LOG ON(NAME='Merchandis_log',FILENAME='H:\SQL\Merchandis_log.ldf',SIZE= 20MB,FILEGROWTH= 10%)GO--类别表：类别编号，类别名称CREATE TABLE Type(TypeID CHAR(10) NOT NULL PRIMARY KEY,TypeName CHAR(20)NOT NULL,)GO--商品表：商品编号，商品名称，商品价格，类别编号CREATE TABLE Wares(WaresID CHAR(10)PRIMARY KEY,WaresName CHAR(20) NOT NULL,WaresPrice MONEY NOT NULL,,TypeID CHAR(10) NOT NULL REFERENCES Type(TypeID))GO--商店表：商店编号，商店名称，商品编号，商品单价，售出时间，销售总量。
- 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)。
数据模型课程作业
（1）简述定量分析与定性分析的关系，并列举工作中定量分析的例子。
答：定量分析的本质是对社会现象的数量特征、数量关系与数量变化所进行的分析，它最大的功能在于揭示和描述社会现象的相互作用和发展趋势。
定性分析的本质是对研究对象的“质”的方面所进行的分析，它是对获得的各种事物的材料运用归纳和演绎、分析与综合以及抽象与概括等方法进行思维加
工，进而去粗取精、去伪存真、由此及彼、由表及里，最终认识事物本质、揭示
事物的内在规律。
要想正确地认识定量分析与定性分析的关系，就要准确全面地认识定量分析与定性分析的整体统一性。
定性分析是定量分析的基础，主要是由定性分析的主
要任务决定的，定性分析作为分析事物“质”的一种思维方式，它的主要任务是
确定物质的组成。
只有确定物质的组成之后，才能选择适当的分析方法进行定量
分析，指从质的方面分析事物。
要在各种纷繁复杂的研究的现象中准确的把握事
物的本质，就要求我们要运用辩证唯物主义和历史唯物主义的科学观点来对研究
材料进行分析，才能从众多的现象中揭示出其内在的规律，揭示出其最本质存在
的东西。
只有进行了这样全面科学的分析之后，才能准确地描述一个事物，才能
正确地揭示出事物间的相互关系。
这种分析方法对于人们准确的认识和判别事物
的本质属性具有很大的参考和评估使用价值。
综上所述，可以清楚地看出，定性分析与定量分析的本质关系应该是整体统一性的关系。
定性是定量的前提，而定量分析使事物的定性更加科学、更加准确，
促使定性分析得出广泛而深入的结论，是定性分析的升华。
工作中定量分析的例子：
公司运营管理中，企业利润与费用比例的关系的研究；人力资源管理中，企业生产率指标(企业利润/员工人数)与人力资本结构及技术人员比例等指标的关
系研究；销售管理中，销售业绩指标与广告费用的确认分析等。
（2）利用EXCEL计算GDP平减指数（1990-2008年）。
解：数据如下：
国内生产总值(亿元)
(1978=100) (1990=100) 不变价GDP（1990=100）GDP平减指数(1990=100) 现价GDP
1978 3645.20 100.00 35.5
1990 18667.80 281.71 100.0 18667.80 100.00
1991 21781.50 307.57 109.2 20381.26 106.87
1992 26923.50 351.37 124.7 23283.69 115.63
1993 35333.90 400.43 142.1 26535.10 133.16
1994 48197.90 452.81 160.7 30006.07 160.63
1995 60793.70 502.28 178.3 33284.23 182.65
1996 71176.60 552.55 196.1 36615.49 194.39
1997 78973.00 603.92 214.4 40019.64 197.34
1998 84402.30 651.23 231.2 43154.52 195.58 1999 89677.10 700.85 248.8 46442.82 193.09 2000 99214.60 759.95 269.8 50358.55 197.02 2001 109655.20 823.02 292.2 54538.47 201.06 2002 120332.70 897.77 318.7 59491.69 202.27 2003 135822.80 987.78 350.6 65455.96 207.50 2004 159878.30 1087.39 386.0 72057.22 221.88 2005 184937.40 1210.40 429.7 80208.39 230.57 2006 216314.40 1363.80 484.1 90373.60 239.36 2007 265810.30 1557.00 552.7 103176.19 257.63 2008 314045.40 1707.00 605.9 113116.09 277.63 2009 340902.80 1864.30 661.8 123539.74 275.95 2010 401202.00 2058.90 730.9 136435.10 294.06 数据来自中国社会科学院金融所网站()
算法说明：
1990年的现价GDP=18667.8,1990年的指数为281.7/281.7*100%,
1996年的指数为552.55,则以1990=100,
1996年的价格指数为552.55/281.7*100%=196.1,
则1996年不变价(真实)的GDP为18667.8*196.1%=36607.56,
则1996年平减指数为71176.60/36607.56*100%=194.39,
如此计算,可以得到1990=100的GDP平减指数,其计算结果如上表:
（3）规划问题：某农户计划用12公顷耕地生产玉米，大豆和地瓜，可投入48个劳动日，资金360元。
生产玉米1公顷，需6个劳动日，资金36元，
可获净收入200元；生产1公顷大豆，需6个劳动日，资金24元，可获净收入
150元；生产1公顷地瓜需2个劳动日，资金18元，可获净收入1200元，问怎
样安排才能使总的净收入最高。
设种玉米，大豆和地瓜的数量分别为x1、x2和
x3公顷，根据问题建立线性规划问题模型。
解：
根据题意可列如下关系式
总净收入关系式Y=200X1+150X2+1200X3
约束条件(1) X1+X2+X3≦12
约束条件(2) 6X1+6X2+2X3≦48
约束条件(3) 36X1+24X2+18X3≦360
约束条件(3) X1≧0，X2≧0，X3≧0
运用Lindo 6.1 软件分析过程如下
1. 程序
2. 运行结果
（4）影响总票房因素分析?（第三讲DA TA1 movies）
解：由Data1 movies数据及因素的分析，定义变量如下。
设Total Gross为被解释变量，Open Gross、Number of theaters和Weeks in Top60为解释变量，建立如下模型。
Y=C(1)+C(2)X1+C(3)X2+C(4)X3
将数据导入Eviews软件进行回归分析，运行结果如下
去掉T值不显著的X2进行第二次线性回归分析，运行结果如下
结论：运用Eviews软件对Total Gross与Open Gross、Number of theaters和Weeks in Top60进行二次回归分析，得出Total Gross(Y)与Open Gross(X1)和Weeks in Top60(X3)有显著的线性关系：
最后回归结果为
Y=-5.208479+3.057712X1+ 1.103709X3
t (-1.96) (32.67) (3.99)
R-squared 0.939692
Adjusted R-squared0.938449
F-statistic755.7088
(5) 回归分析:作为交通安全研究的一部分，美国交通部采集了每1000个驾驶执照发生死亡事故的车祸次数和有驾驶执照的司机中21岁以下者所占比例的数据，样本由42个城市组成，在一年期间采集的数据如下。
利用回归分析去研究发生死亡事故的车祸次数和司机中21岁以下者所占比例之间的关系，并对你的研究结果进行讨论。
（第五讲DATA5 safety）
解：首先由数据及题目要求，定义变量如下
Y 发生死亡事故的车祸次数
X1 司机中21岁以下者所占比例
利用求相关系数的方式来判断两个或两个以上变量之间相关关系的方向、形态以及相关关系的密切程度。
相关系数r 为0.8393875 > 0.7，说明车祸发生次数与21岁以下年轻人所占比例有高度的线性相关关系。
设Y为被解释变量，X为解释变量，在不考虑其他因素情况下，建立如下线性模型。
Y=C(1)+C(2)X1
将数据导入Eviews软件进行回归分析，运行结果如下
结论运用Eviews软件对发生死亡事故的车祸次数与司机中21岁以下者所占
比例进行回归分析，得出发生死亡事故的车祸次数(Y)与司机中21岁以下者所占
比例进行回归分析(X1)有显著的线性关系：
最后回归结果为
Y=-1.597414+0.287053X1
T (-4.297919) (9.767112)
R-squared 0.704571
Adjusted R-squared0.697186
F-statistic95.39648
结果讨论：
参考“可决系数”的含义及与相关系数的关系，可知本题目的“可决系数”为r2=0.7046,表明在线性回归模型中，每千个驾照发生车祸次数y 的总变差中，由解释变量21岁以下者占比例x 的解释部分占70.46%，那么另外29.54%由什么解释呢？
这显然正是因为前面做的假设，即在不考虑其他因素的情况下进行的回归分析。
其他因素是多方面的，比如道路设施不完善，天气恶劣，酒后驾车，等等，涉及因素甚多。
另外对于在假设了不考虑其他情况下的分析中，得到的解释结果仅有70.46%，也说明数据采集的过程可能存在一下情况：
(1). 数据采集中是否关注了男女比例问题。
如果在21岁以下的驾驶员存在男女驾驶技术不同的差异，而采集时又没有关注男女比例，则会造成偏差。
(2). 不同城市间是否存在对于21岁以下者驾驶员培训程度不同，如果存在不同，则42个城市选取，有可能造成偏差。