数学建模之概率统计.ppt

因H0所假设的理论分布中有一个未知参数，故自由度为4-1-1=2. x 0 1 2 3 4 fi 223 142 48 15 4 0.58 0.31 0.18 0.01 0.02 n 216.7 149.5 51.6 12.0 2.16 0.183 0.376 0.251 1.623 战争次数 实测频数 14.16 2.43 将n 5的组予以合并，即将发生3次及4次战争的组归并为一组. 故认为每年发生战争的次数X服从参数为0.69的泊松分布. 按 =0.05，自由度为4-1-1=2查 分布表得 =5.991 =2.435.991， 由于统计量 的实测值 未落入否定域. 3.84 7.81 12.59 P＝0.05的临界值 χ2分布（chi-square distribution） Poisson分布的拟合优度检验 【例】将酵母细胞的稀释液置于某种计量仪器上，数出每一小方格内的酵母细胞数，共观察了413个小方格，结果见下表第1、2列，试问该资料是否服从Poisson分布？ 卡方分量 P（7）＝0.000556 其他离散型变量分布的拟合优度检验 二项分布 Poisson分布 超几何分布 负二项分布 可仿照上述二项分布、Poisson分布的方法进行分布的拟合优度检验。 分布拟合检验CUMCM09年B题“眼科病床的合理安排” 命 题 思 路 来自于人们司空见惯的日常生活现象—医院住院排队现象—的一道题目，问题本身非常浅显明白，专业门槛低，但解决问题中却涉及较深刻的排队论理论问题，当无法通过理论方法获得最优解时，可以通过仿真优化方法获得实用效果令人满意的可行解，以上构成该道题目的特点。 主要考点： 1. 分布拟合检验； 2. 合理的评价指标体系； 3. 仿真方法应用； 4. 满足一定置信度的统计预测模型的建立； 5. 排队论优化模型的建立。 解 题 思 路 数据分析与检验 在着手解决问题前首先应对所给数据进行分析，从中获得对解题有用的信息，这是一种基本素质，是一种具有良好工程素养的表现。在本问题中，这一过程尤其重要，因为如果对病人到达规律及病人住院时间规律都不了解，问题症结就抓不准，解题将缺乏方向感，仿真计算就更无法进行了。 在本题所给数据中，各类病人到达人数分别服从不同参数的Poisson分布，需要进行分布拟合检验及分布参数提取。 由所给数据可以看出，病人术前住院时间是确定的，依入院时间而定，所以病人住院时间中只有术后住院时间是随机的，要做拟合检验的也是这一部分时间分布。 各类病人术后住院时间分别服从正态分布、Г分布或埃尔朗分布，由于检验方法或检验细节处理不相同，可能得到以上不同的分布，这是允许的，但若得出服从负指数分布的结论，则是错误的。也有一些同学不做拟合分布检验，而是画出直方图，然后以此经验分布作仿真依据，这样处理也是可以的。 更多信息请浏览（“眼科病床的合理安排”命题、解题思路解析及论文点评 ，国防科技大学，吴孟达） 数据分析做得比较深入的同学，会发现一条隐含在数据中的关键信息：术前住院时间过长是当前病床使用效率不高的主要因素。这样一个关键信息的获得，会使得建模更有方向感。 自己动手 完成word文件“数据的统计分析”中第四部分“自己动手”，熟悉相关基本知识。 参考word文件“Poisson过程的模拟和检验”，以CUMCM2009B题中白内障（单眼）病人为例，进行Poisson分布拟合检验。 * * x=load(data3.txt); x=x(:); hist(x) 例 3：上海1998年来的月降雨量的数据见 data3.txt ， 试画出频数直方图 从图形上看，月降雨量较为接近 ?2 分布 频数直方图或频数表 在重复数据较多的情况下，我们也可以利用Matlab自带的 tabulate 函数生成频数表，并以频数表的形式来发掘数据分布的规律。 x=load(data4.txt); x=x(:); tabulate(x) hist(x) 例 4：给出数据 data4.txt，试画出其直方图，并生成频数表 Value Count Percent 1 6 13.04% 2 6 13.04% 3 12 26.09% 4 10 21.74%