数学建模实验答案_概率模型
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
2002年《数学建模》试题 解答要点及部分答案

2002年《数学建模》试题解答要点及部分答案阅卷原则:以假设的合理性、建模的创新性、结果的正确性、文字表述的清晰程度为主要标准.说明:该套题目分为基本题目和分析题,其中分析题应在仔细分析和深入思考的基础上,发挥自己的创造能力,留下独立思考的痕迹.这里给出的答题要点是教师个人的想法,鼓励同学们的其它正确合理的解答.一.(基本题目)(1)在一个密度为ρ的流质表面下深 h 处的压强P=ρgh (g 是重力加速度),试检验此公式的量纲是否正确?(2)在弹簧—质量—阻力系统中,质量为m 的物体在外力F(t)的作用下,在 t 时刻的位置x(t)满足以下方程:)(22t F kx dtdx r dt xd m =++, 其中r 是阻尼系数,k 是弹簧的弹性系数,试确定r, k 的量纲.解答(1)[p] =L —1MT —2, 公式量纲正确;(2)[ r]= MT —1, [k]= MT —2.二. (分析题)一个细菌培养器皿中细菌的繁殖速度很快,目前器皿中有100个细菌,每隔5分钟细菌个数就会加倍,请仔细分析实际情况,建立一个函数表示出 t 时刻的细菌数量.解答 关键语句:“仔细分析实际情况”1.讲义p54的 模型 0,)139.0exp(100≥=t t y 是理想化的结果,不合乎实际情况。
2. 结合实际情况可考虑以下因素:细菌的繁殖、死亡、营养、培养器皿的空间大小等.3.做合理的假设,如:*1 器皿中的营养足够细菌的繁殖需要;*2 细菌个数是连续变化的,细菌的增加理解为自然繁殖个数减去自然死亡个数;*3 培养器皿的空间所限,器皿中存活细菌个数有上限Y M (类似于相对于人类生存的地球)。
4. 对理想化模型进行改进:⎩⎨⎧>≤<=.,;0,)139.0exp(100)(MM M t t Y t t t t y 其中,有M M Y t y =)(。
256注:针对对不同情况的考虑,可做出不同的假设,建立不同的模型.但应考虑马尔萨斯模型是否满足条件“有100个细菌,每隔5分钟细菌个数加倍”.三.(基本题目) (见概率论教材p41)许多人有过这样的经历,进行一次医疗检查,结果呈阳性提示此人患病,但实际上却虚惊一场,究其原因往往是检查的技术水平等因素造成错误所致。
数学建模概率论

事件 Ai ={掷出i点}, i =1,2,3,4,5,6 基本事件 事件 B={掷出奇数点}
当且仅当集合A中的一个样本点出现时,称 事件A发生. 如在掷骰子试验中,观察掷出的点数 .
样本空间为 : S 1,2 ,3 ,4 ,5 ,6 .
B发生当且仅当
B中的样本点1,
3,5中的某一个
事件 B={掷出奇数点} 1,3,5
出现.
两个特殊的事件:
即在试验中必定发生的事件,常用S表示;
即在一次试验中不可能发生的事件,常用 表示 . 例如,在掷骰子试验中,“掷出点数小于7”是必 然事件 ; 而“掷出点数 8”则是不可能事件.
1.1.4 随机变量
表示随机现象结果的变量. 常用大写字母 X、Y、Z …表示.
事件的表示
在试验中,A中某个样本点出现了, 就说 A 出现了、发生了,记为A. 维恩图 ( Venn ). 事件的三种表示 用语言、用集合、用随机变量.
A1 A2 An , 简记为 Ai .
i 1
n
、同时发生所构成的事件为事 称事件 A1、A2、 件 A1、A2、 的交事件 . 记之为 A1 A2 , 简记为
i 1
Ai .
对立事件与互斥事件的关系 :
对立一定互斥, 但互斥不一定对立.
两事件A、B互斥: AB
1.1.3 随机事件
1. 随机事件 —— 某些样本点组成的集合, Ω的子集,常用A、B、C…表示. 2. 基本事件 —— Ω的单点集. 3. 必然事件 (Ω) 4. 不可能事件 (φ) —— 空集. 5. 随机变量 表示随机现象结果的变量. 常用大写字母 X、Y、Z …表示.
如在掷骰子试验中,观察掷出的点数 .
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。
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。
数学建模概率模型案例

则传送系统效率为:d=s/n=mp/n
=
m[1(1 1)n]
n
m
mn Dm [1(1nn(n1)) ]1n1
n m 2m 2
2m
D87 .5% 当n=10,m=40
报童的诀窍
问题:报童每天清晨从报社购进报纸零售,晚上 将没有卖掉的报纸退回。设报纸每份的购进价为b, 零售价为a,退回价为c,假设a>b>c。即报童售出
每位被挤掉的乘客获得的赔偿金为常数b。
4 模型建立
先不考虑社会声誉的影响。
公司的经济利益用平均利润(数学期望)S 来衡量
订票的总人数是 m,m有可能超出 n
当有 k个人误机时,
航空公司可能从航班中得到的利润为
s m kg r,
m k n
s n g r (m k n )b , m k n
E ( X )x ip i ( i 1 ,2 , ,n )
连续型随机变量 X 的概率密度函数为 f ( x) 则随机变量 X 的数学期望值为
E(X) xf(x)dx
期望值反映了随机变量取值的“平均”意义!
传送系统的效率
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的 生产同一种产品,工作台上方一条传送带 在运转,带上若干个钩子,工人们将产品 挂在经过他上方的钩子上带走,当生产进 入稳态后,请大家构造一个衡量传送系统 效率的指标,并建立模型描述此指标与工 人数量、钩子数量等参数的关系。
mnj1
minPj(m) Pk k0
mJ (a m ) x S r 0 .1 6 n p m 1 b g m k n 0 1 P km n k 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、"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)。
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 =0.75, a =1, c =0.6,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 *)。
☆(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 =2.0m 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=0.2m ,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,
22
()2()(), ()x m l
P m p x dx p x σ--
∞
==
⎰
求m 使J (m )达到最小。
等价于求方程
()
()z z z λϕΦ=-
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=0.2),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):
(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=0.6,p=0.05,b/g=0.2和0.4,取一组值m=300:2:330,求出对应的J(m)、P5(m)和P10(m),程序如下。
(与教材p315表1 n=300时的计
☆(1) 运行程序并给出结果(比较[315]表1(n=300)):
(2)对(1)中改变p=0.1和m=300:2:344,求对应的结果。
☆(2) 运行程序并给出结果(比较[315]表1(n=300)):
(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=0.1,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=0.6, p=0.05, b/g=0.2, β=0.75,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10.3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:
附1:实验提示
附2:第9章概率模型[302]9.2 报童的诀窍
[304]****本节完****
[307]9.4 轧钢中的浪费
[309] 题2(3)答案
[310] 题2(2)(4)答案****本节完****
[313]9.6 航空公司的预订票策略
[317]****本节完****。