数学建模案例分析2 随机存储模型--概率统计方法建模.
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
数学建模论文 两种随机存贮管理模型的建立和求解
两种随机存贮管理模型的建立和求解摘 要：本文建立了仓库容量有限条件下单品种、多品种的允许缺货随机存贮模型。
采用连续的时间变量更合理地描述了问题，简化了模型的建立。
模型的求解是一个以分段的平均损失费用函数作为目标的带约束最优化问题。
针对题目中的具体数据对随机量送货滞后时间的密度函数进行了估计，解出了单品种、多品种条件下最优订货点的值和存贮方案。
通过分情况讨论把单品种存贮模型推广为多品种（m 种）存贮模型，论证了目标函数的独立变量为21m -个,使模型更加清晰、求解方便。
类比控制论中的相关理论提出了一定条件下多品种存贮的最优性原理，给出了证明，指出该原理简化模型和验证模型求解结果的作用。
讨论了销售速率具有随机性时的存贮模型，实际当中调整修正订货点的方法，以及仓库最大存贮量的一种预测办法。
最后指出了模型的优缺点。
0问题重述工厂生产需定期地定购各种原料，商家销售要成批地购进各种商品。
无论是原料或商品，都有一个怎样存贮的问题。
存得少了无法满足需求，影响利润；存得太多，存贮费用就高。
因此说存贮管理是降低成本、提高经济效益的有效途径和方法。
问题1 某商场销售的某种商品。
市场上这种商品的销售速率假设是不变的，记为r ；每次进货的订货费为常数1c 与商品的数量和品种无关；使用自己的仓库存贮商品时，单位商品每天的存贮费用记为2c ，由于自己的仓库容量有限，超出时需要使用租借的仓库存贮商品，单位商品每天的存贮费用记为3c ，且32c c ≤；允许商品缺货，但因缺货而减少销售要造成损失，单位商品的损失记为4c ；每次订货，设货物在X 天后到达，交货时间X 是随机的；自己的仓库用于存贮该商品的最大容量为0Q ，每次到货后使这种商品的存贮量q 补充到固定值Q 为止，且Q Q <0；在销售过程中每当存贮量q 降到L 时即开始订货。
请你给出求使总损失费用达到最低的订货点*L （最优订货点）的数学模型。
问题 2 现给出来自某个大型超市的关于三种商品的真实数据，按你的模型分别计算出这三种商品各自相应的最优订货点*L 。
数学建模y05D仓库容量有限条件下的随机存贮管理-王智勇
1、问题分析工厂生产需要定期地订购各种原料，商家销售要成批地购进各种商品。
无论是原料或商品，都是一个怎样存贮的问题。
存得少了无法满足需求，影响利润；存得太多，存贮费用就高。
因此说存贮管理是降低成本、提高经济效益的有效途径和方法。
根据存贮管理原理以及存贮费、订货费和缺货费的意义可知，为了保持一定的库存，要付出存贮费；为了补充库存，要付出订货费；当存贮不足发生缺货时，要付出缺货损失费。
这三项费用之间是相互矛盾、相互制约的。
存贮费与物资的数量和时间成正比，如降低存贮量，缩短存贮周期，自然会降低存贮费；但缩短存贮周期，就要增加订货次数，势必增大订货费支出；为了防止缺货现象的发生，就要增加安全库存量，这样在减少缺货损失费的同时，增大了存贮费的开支。
2、模型假设为使研究模型简便，本文作如下假设:1)在商品销售过程中，因为，则首先销售租借仓库中的商品，待被销售完32C C £后，再销售自己仓库中的商品，这样可以降低存贮费用。
2)每次到货补充商品的过程是瞬间完成的，不考虑交货时间的影响[1]。
3)商品间的销售不存在相关性，互不影响。
4)在计划时段初（时刻），各种商品的总库存量为。
0t =Q 基于以上假设，本存贮模型的总损失费用包括每次订货的定货费[2]、库存存贮费和因缺货而减少销售要造成损失费。
3、符号说明表1变量定义表变量含义单位备注C订货周期内的总费用元货币计量单位C 订货周期内平均每天的费用元/天1C 每次进货的订货费元/次2C 用自己仓库存贮单位商品每天的存贮费用元/天.盒（袋）仅有一种商品时3C 租借仓库存贮单位商品每天的存贮费元/天.盒（袋）仅有一种商品时4C 单位商品缺货每天的损失费用元/天.盒（袋）仅有一种商品时2i C 自己仓库存贮第种单位体积商品每天存贮费用i 元/天.体积单位12i m =LL 、3i C 租借仓库存贮第种单位体积商品每天存贮费i 元/天.体积单位12i m =LL 、i4C 第种单位体积商品缺货每天的损失费用i 元/天.体积单位12i m=LL 、1t 商品销售到的时刻0Q 天2t 订货点L 的时刻天3t 商品销售完毕的时刻天T 从Q 到补货的时间周期天不一定相同Q存贮量的固定值袋（盒）或体积0Q 自己仓库用于存贮商品的最大容量袋（盒）或体积0i Q 自己仓库用于存贮第种商品的体积容量i 体积单位12i m =LL 、iQ 第种商品存贮量补充到的固定体积值i 体积单位12i m=LL 、L商品的订货点袋（盒）或体积i L 第种商品的订货点i 体积单位12i m=LL 、*L 最优订货点体积单位m 商品品种数量种x 订货提前期天R销售速率（袋或盒）/天i r 第种商品的销售速率i （袋或盒）/天m 21i L L 、=i v 第种单位商品的体积i 体积单位m21i L L 、=()P x 订货提前期的概率分布x 对x 进行概率统计4、模型建立与求解4.1问题1的解决问题1允许商品缺货，所以单位周期内存在缺货和不缺货两种基本情况，如图1所示，因此分两种情况进行分析求解，最后进行综合讨论。
概率统计方法建模PPT课件
第3页/共23页
5.5 随机状态转移模型
状态与状态转移 ➢随机变量Xn：第n年的状态 状态概率 ai (n)
Xn
1, 2,
第n年健康 第n年疾病
ai (n) P(Xn i), i 1, 2, n 0,1,
➢今年处于状态i, 来年处于状态j的概率 pi:j 转移概率
存贮策略是周末库存量为零时订购3架 周末的库存量可 能是0, 1, 2, 3，周初的库存量可能是1, 2, 3。 用马氏链描述不同需求导致的周初库存状态的变化。 动态过程中每周销售量不同，失去销售机会（需求超过 库存）的概率不同。
可按稳态情况（时间充分长以后）计算失去销售机会的 概率和每周的平均销售量。
马氏链的两个重要类型
设状态i是非吸收状态，j是吸收状态，则首达概率f ij (n) 实际上是i经n次转移被j吸收的概率。而
fij = fij (1) + fij(2) + … + fij(n) + …
则是从非吸收状态i出发终将被吸收状态j吸收的概率。 记 F={f ij} 则 F=MR
例如，可以算出前面第二种情况中
第19页/共23页
5. 6 马尔可夫链的应用模型
模型求解 ➢ 估计这种策略下每周的平均销售量
第n周平均售量Rn
需求不超过存 量,销售需求
需求超过存量, 销售存量
3i
Rn [ jP(Dn j, Sn i) iP(Dn i, Sn i)] i1 j 1 3i [ jP(Dn j Sn i) iP(Dn i Sn i)]P(Sn i) i1 j 1
p23 p33
P(Dn k) e1 / k ! (k 0,1, 2 )
概率统计法建模
2
S2
1
2 i 1
2 2 ( X X ) ~ ( n 1); i
n
定理 设总体 X ~ N ( , ), X 1 , X 2 ,, X n 是取自
概率统计法
2015.5.27
概率统计法
一、方法原理 二、基础概念 三、建模过程 四、应用案例
一方法原理
实际系统中，许多系统过程或过程包含着随 机因素和随机事件，其特征可用随机变量 来描述，而概率分布是用数值表示的随机 事件或因素的函数，它反映了这些随机变 量的变化规律。利用概率统计学中的概率 分布及其数字特征建立随机系统或过程的 数学模型谓之概率统计法。这种方法的实 质就是通过理论分析和实验研究寻求适合 于系统随机特征的概率分布。在概率统计 建模中，贝叶斯定理占有相当重要的位置。
f (t ) d t ,
则称 X 为连续型随机变量 , 其中 f ( x ) 称为 X 的概率
S
x2
f ( x)d x 1
f ( x)d x
S1
1
o
x1
x1 x 2
S1
x
正态分布(或高斯分布)
定义 设连续型随机变量X 的概率密度为 1 f ( x) e , x , 2 πσ 其中 μ, σ (σ 0) 为常数, 则称 X 服从参数为 μ, σ 的正态分布或高斯分布 , 记为 X ~ N ( μ, σ 2 ).
P Ai P( Ai ). i 1 i 1
(2)条件概率的相关内容 在事件B, 已经发生条件下, 事件A发生的概率,称为 事件A在给定事件B的条件下的条件概率, 简称A对B的 条件概率, 记作P(A|B).
P(AB) P(A | B) = P(B)
数学建模方法之概率统计分析法
Obs
Prin1 Prin2 Prin3 Prin4 Prin5 Prin6 1 -0.38118 -0.32367 -0.04450 0.30363 0.00430 0.06437 2 0.57795 -0.35416 0.49279 0.55119 -0.18726 0.17414 3 0.69219 -0.21588 0.40557 0.40041 -0.10461 0.05393 4 0.22635 -0.39419 0.27521 0.63296 0.13851 -0.06481 5 -0.82981 -0.40293 0.47330 -0.42964 -0.55401 -0.35020 6 -1.19410 -0.40627 -0.36848 0.14000 0.02221 0.01063 7 -1.63568 -0.26394 -0.67179 -0.15189 0.01702 -0.03769 8 0.95195 -0.46156 1.61851 -0.92520 0.08394 0.25530 9 0.46501 -0.14888 0.19070 0.16273 -0.30327 0.20883 10 -1.45693 -0.18670 -0.55658 -0.17088 -0.10267 -0.00922 11 -0.29401 3.71727 -0.02727 -0.02382 -0.06419 0.03517 12 0.08041 0.22542 1.71694 0.12718 0.45539 -0.26668 13 -2.11628 -0.16312 -0.90179 -0.16784 0.14422 -0.03334 14 -0.94513 -0.31477 -0.39513 0.09760 0.11375 -0.03132 15 6.74015 -0.06989 -1.12895 -0.16618 0.04080 -0.11394 16 -0.88090 -0.23673 -1.07853 -0.38025 0.29589 0.10482
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
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。
- 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)。
§2 随机存储模型
模型一、销售量为随机的存储模型
报童每天清晨从报社购进报纸零售，晚上将没有卖出的报纸退回。
如果购进报纸太少不够卖，会少赚钱；如果购进太多买不完，将要赔钱。
报童应如何确定每天购进的报纸数量，以求获得最大的收入。
模型假设1、报纸每份购进价，零售价，退回价，且
2、市场需求量是随机的，报童已通过经验掌握了需求量的随机规律，视为连续随机变量，其概率密度函数。
模型建立记—每天购进量，报童每天的收入是的函数
但目标函数不应是报童每天的收入，而应是他长期卖报的日平均收入。
从大数定律的观点看，这相当于每天收入的期望值，即日平均收入：
令，得到
又因为，上式又可表示为
（1）
使报童平均日收入最大购进量由（1）确定
评注由，是卖不完的概率，是卖完的概率。
上式表明，购进的份数应使卖不完与卖完的概率之比等于卖出一份赚的钱
与退回一份赔的钱之比。
模型二、到货时间为随机的存储模型
模型假设1、商品订货费，每件商品单位时间的储存费为，缺货费，单位时间需求量为；
2、当储存量降至时订货，订货量使下周期初的储存量达到固定值；
3、交货时间是随机的，如下图中的，设的概率密度函数。
模型建立
为使总费用最小，选择合适的目标函数建立模型，确定最佳订货点。
q
r r
Q
L
t
由储存量的图形可写出一个订货周期内的储存量和缺货量分别为
于是得到一个订货周期的平均费用为
目标函数应取为单位时间的平均费用，由于订货周期的平均长度为
这里
所以
由，可以解出最佳订货点满足方程。