7拟合模型论述.pptx

§3.2 数据资料与拟合模型;从数据的角度诠释大学里的专业;;;;;;;;;;;;§3.2 数据资料与拟合模型;一. 建模中的数据资料;一. 数据资料与数学模型;大数据;大数据的特点;这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。 ———哈佛大学 社会学教授加里·金;数据——未来最大的交易商品 　　 　“数据将成为一切行业当中决定胜负的根本因素, 最终数据将成为人类至关重要的自然资源。” ——　IBM执行总裁 罗睿兰;大数据时代的到来;大数据时代的动力是数学建模;小心数据陷阱！;在制作统计图表时，一个常用的欺骗手法便是改变统计图形的坐标尺度，从而改变了整个图形的陡峭程度。下图反映了某年9月27日某时的黄金价格走势。;;;辛普森悖论;物院的数据：外院的数据：学校整体数据（即上述两个专业人数之和）：;2. 数据的初步处理 10.数据资料可以直接应用于数学模型的组建。 数据可以为模型的设计提供信息 数据也可以为模型参数的估计给出数值基础 数据也是检验模型合理性的重要依据 20.数据获取 目的：建立数学模型 问题： 分析模型需要什么样的数据； 怎么得到有关数据资料; 从获取得资料中怎样挖掘有用信息。 途径： 年鉴报表、学术刊物、网络资源、实验观测等等;30. 数据的分析和处理 从“海量”的观测资料中提取有用的信息，即进行“数据挖掘”必做的准备工作。 资料信息的量化、消除数据资料的误差，消除数据的量纲（标准化）等等。 当数据资料不全时，数值分析的插值技术就将发挥作用。如信号和图像处理领域就广泛应用插值技术。;例： 2014年校建模竞赛赛题分析;;;;2014年美赛题;;2015年北京师范大学数学建模竞赛题目;B题： 人口老龄化与储蓄率的关系研究 1．对世界老龄化严重的主要国家（例如，日本、法国、德国、意大利、瑞典）老龄化发展阶段进行描述，包括描述该国老龄化的发展阶段；描述老龄化的各个阶段所需的时间；比较各个国家的老龄化的特点,并与中国的老龄化进程和特点进行比较. 2. 依据附件1所提供的有关中国经济、人口等方面的面板数据，建立模型，分析储蓄率与老年人抚养比之间的关系。 3. 依据附件2,3中的世界上30个国家的面板数据，采用问题2的分析方法建立模型，分析这些国家老年人抚养比与储蓄率之间的关系。 4. 检验模型结果的准确性和研究结论的有效性。利用你所建立的模型计算：当中国的老龄化程度发展到与日本2013年的水平相当时，中国的国民储蓄率将会是多少？ ;2015高教社杯全国大学生数学建模竞赛题目;B题 “互联网+”时代的出租车资源配置 随着“互联网+”时代的到来，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。 请你们搜集相关数据，建立数学模型研究如下问题： (1) 试建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。 (2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？ (3) 如果要创建一个新的打车软件服务平台，你们将设计什么样的补贴方案，并论证其合理性 ;2016年美国大学生数学建模竞赛;数据题的分类;解题要点;二、对数据的初步处理;1. 数据的量化、标准化处理 由于不同变量常常具有不同的单位和不同的变异程度， 不同的单位常使系数的实践解释发生困难。 为了消除量纲影响和变量自身变异大小和数值大小的影响，故将数据进行标准化处理。 ;数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些 比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。 其中最典型的就是数据的归一化处理，即将数据统一映射到[0,1]区间上。;常见的数据归一化的方法有： min-max标准化(Min-max normalization) 也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下： 对序列 进行变换： 　　 这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。 ;正规化方法 对序列 进行变换： 这里 则新序列 的均值为0，而方差为1，且无量纲。 ;归一化方法 对正项序列