数学建模思想方法大全及方法适用范围[参照].pdfVIP

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。 数学建模思想方法大全及方法适用范围 第一篇 : 方法适用范围 一、 统计学方法 1.1多元回归 1、 方法概述 : 在研究变量之间的相互影响关系模型时候 , 用到这类方法 , 具体地说 : 其可 以定量地描述某一现象和某些因素之间的函数关系 , 将各变量的已知值带入回归 方程能够求出因变量的估计值 , 从而能够进行预测等相关研究。 2 、 分类 分为两类 : 多元线性回归和非线性线性回归 ; 其中非线性回归能够经过一 定的变化转化为线性回归 , 比如: y=lnx 能够转化为 y=u u=lnx 来解决 ; 因此 这 里主要说明多元线性回归应该注意的问题。 3 、 注意事项 在做回归的时候 , 一定要注意两件事 : ( 1) 回归方程的显著性检验 ( 能够经过 sas 和spss 来解决 ) ( 2) 回归系数的显著性检验 ( 能够经过 sas 和spss 来解决 ) 检验是很多学生在建模中不注意的地方 , 好的检验结果能够体现出你模型的 优劣 , 是完整论文的体现 , 因此这点大家一定要注意。 4 、 使用步骤 : ( 1) 根据已知条件的数据 , 经过预处理得出图像的大致趋势或者数据之间 的大致关系 ; ( 2) 选取适当的回归方程 ; ( 3) 拟合回归参数 ; ( 4) 回归方程显著性检验及回归系数显著性检验 ( 5) 进行后继研究 ( 如 : 预测等 ) 1.2聚类分析 1、 方法概述 该方法说的通俗一点就是 , 将 n 个样本 , 经过适当的方法 ( 选取方法很多 , 大家能够自行查找 , 能够在数据挖掘类的书籍中查找到 , 这里不再阐述 ) 选取 m 聚类中心 , 经过研究各样本和各个聚类中心的距离 Xij, 选择适当的聚类标准 , 一般利用最小距离法 ( 一个样本归于一个类也就意味着 , 该样本距离该类对应的 中心距离最近 ) 来聚类 , 从而能够得到聚类结果 , 如果利用 sas软件或者 spss软 件来做聚类分析 , 就能够得到相应的动态聚类图。 资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。 这种模型的的特点是直观 , 容易理解。 2 、 分类 聚类有两种类型 : ( 1) Q 型聚类 : 即对样本聚类 ; ( 2) R 型聚类 : 即对变量聚类 ; 一般聚类中衡量标准的选取有两种 : ( 1 ) 相似系数法 ( 2 ) 距离法 聚类方法 : ( 1) 最短距离法 ( 2 ) 最长距离法 ( 3 ) 中间距离法 ( 4 ) 重心法 ( 5 ) 类平均法 ( 6 ) 可变类平均法 ( 7 ) 可变法 ( 8 ) 利差平均和法 在具体做题中 , 适当选区方法 ; 3 、 注意事项 在样本量比较大时 , 要得到聚类结果就显得不是很容易 , 这时需要根据背景 知识和相关的其它方法辅助处理。 4 、 方法步骤 ( 1) 首先把每个样本自成一类 ; ( 2) 选取适当的衡量标准 , 得到衡量矩阵 , 比如说 : 距离矩阵或相似性矩 阵, 找到矩阵中最小的元素 , 将该元素对应的两个类归为一类 , ( 3) 重新计算类间距离 , 得到衡量矩阵 ( 4) 重复第 2步 , 直到只剩下一个类 ; 补充 : 聚类分析是一种无监督的分类 , 下面将介绍有监督的分类。 1.3数据分类 1、 方法概述 数据分类是一种典型的有监督的