数学建模方法和其实际应用中随机模型讲解部分随机模型.pptVIP

信息工程大学 韩中庚 第5章 随机模型 1、初等概率模型 2、简单统计模型 根据抽样结果，使用95%的置信水平，相应置信区间： 2、简单统计模型 2、简单统计模型 “吸烟有害健康”， 请你建立一个数学模型，分析说明吸烟对人体有害的影响，这里可以只就吸烟对高血压病的影响作用。 2、简单统计模型 2、简单统计模型 2、简单统计模型 2、简单统计模型 2、简单统计模型 2、简单统计模型 2、简单统计模型 2、简单统计模型 问题1：大学生平均月生活费的测算模型 模型评价与应用 模型用到了估计精度为95%的参数的区间估计，并且按性别不同，给出了不同的区间估计。 模型也可应用到很多实际问题的估计上， 比如：一个普通家庭日常收入与支出状况、一个城市人均住房情况等问题统计分析。 问题2：吸烟对血压的影响模型 （1）问题分析 为了研究吸烟对人体血压的影响，对吸烟的66人 和不吸烟的62人两类人群进行24小时动态监测，分别测量24小时的收缩压(24hSBP)和舒张压(24hDBP) ， 白天(6:00~22:00)收缩压(dSBP)和舒张压(dDBP)， 夜间(22:00~次日6:00)收缩压(nSBP）和舒张压(nDBP)。 问题2：吸烟对血压的影响模型 问题2：吸烟对血压的影响模型 （3）模型建立：吸烟对人体血压是否有影响？从这些数据中能得到什么样的推断？ 吸烟者和不吸烟者两类样本分别来自两个非常大的总体，这个问题需要从两个样本的参数（均值与标准差）来推断总体参数的性质。 分别对6项血压指标作假设检验，针对每组数据指标提出假设： ； ． ； ． 其中 分别是吸烟者和不吸烟者群体（总体）的血压指标均值。 问题2：吸烟对血压的影响模型 （3）模型建立与求解：根据抽样数据，作检验统计量 经计算，第五项指标即夜间收缩压（nSBP）没有拒绝原假设，其余五项的指标即24小时的收缩压（24hSBP）和舒张压（24hDBP）、白天收缩压（dSBP）和舒张压（dDBP）、夜间舒张压（nDBP）都拒绝了原假设。 问题3：男大学生的身高分布模型 （1）问题提出 ； ． 现在考虑我国在校大学生中男性的身高分布问题，根据有关统计资料表明，在校男大学生群体的平均身高约为170cm，且该群体中约有99.7%的人身高在150cm至190cm之间。 试问该群体身高的分布情况是怎样的呢？ 进一步地将[150，190]等分成20个区间，在每一高度区间上，研究相应人数的分布情况。 特别是中等身高（165cm至175cm之间）的人占该群体的百分比能超过60%吗？ 问题3：男大学生的身高分布模型 （2）问题分析： 问题3：男大学生的身高分布模型 （3）模型建立： ； 将[150，190]等分成20个区间，得到高度区间： 对应的分布： 身高在165㎝至175㎝之间的人占该群体的百分比为 问题3：男大学生的身高分布模型 （4）模型求解： ； ． 虽然，通过变换再查标准正态分布的数值表，可以计算上面积分。但是，要得到各个身高区间上人数的分布情况，显然都用这种方法是很繁杂的。而采用计算机却是轻而易举的事，通过数值积分的基本方法来解决这个问题。　 选用数值积分中的复合梯形公式求积方法，可以计算出误差小于0.0001的定积分值，从而可得出相应分布。 问题3：男大学生的身高分布模型 （4）模型求解： ； 用数值积分命令： 结论：身高中等（165cm至175cm之间）的大学生约占54.67%，不足60% 。如果放宽些，如164cm至176cm之间，则大约有63.2%以上。　 3、一元线性回归模型 问题1：一元线性回归方法 和 3、一元线性回归模型 问题1：一元线性回归方法 3、一元线性回归模型 问题1：一元线性回归方法 3、一元线性回归模型 问题2：确定身高与体重关系模型 问题提出： 身体肥胖现已成为人们关注的一个社会问题，过于肥胖一是影响美观，二是可能导致很多影响健康的疾病。肥胖的主要特征是体重过重，那么体重与什么有关呢？当然这与每个人的身高有关。 3、一元线性回归模型 问题2：确定身高与体重关系模型 问题分析与假设： 人的身高与体重之间存在着关系，这种关系是非确定性的关系，即所谓相关关系，因为涉及的变量体重是随机变量，回归分析是研究这种