1. 数学建模投资
留下邮箱 我发给你
2. 数学建模 投资问题
把我设为最佳答案 我发给你~~
3. 数学建模(概率)投资问题
甲的方法有两种情况; (1)如果第一次成功,则,50*1.6+100=180,一次就可以,如果失败则还有50W,再投资,则50*1.6+50=130,成功就收手,第一次要成功一定要收手。甲的方法最佳
(2) 如果先投资100要是成功很好,要是失败就没有了
4. 数学建模怎么建立合适的数学模型
模型不一定是公式
数学建模就是要你解决一个实际问题
而你的解决方案更多的是给你他不懂数学的决策者看
(你一定把看你论文的人当成不懂数学的,你要写清楚)
所以
能用简单的方法就越简单越好
5. 怎么建立数学模型
—般说来建立数学模型的方法大体上可分为两大类、一类是机理分析方法,一类是测试分析方法.机理分析是根据对现实对象特性的认识、分析其因果关系,找出反映内部机理的规律,建立的模型常有明确的物理或现实意义.
下面给出建模的—般步骤:
模型准备 首先要了解问题的实际背景,明确建模的目的搜集建模必需的各种信息如现象、数据等,尽量弄清对象的特征,由此初步确定用哪一类模型,总之是做好建模的准备工作.情况明才能方法对,这一步一定不能忽视,碰到问题要虚心向从事实际工作的同志请教,尽量掌握第一手资料.
模型假设 根据对象的特征和建模的目的,对问题进行必要的、合理的简化,用精确的语言做出假设,可以说是建模的关键一步.一般地说,一个实际问题不经过简化假设就很难翻译成数学问题,即使可能,也很难求解.不同的简化假设会得到不同的模型.假设作得不合理或过份简单,会导致模型失败或部分失败,于是应该修改和补充假设;假设作得过分详细,试图把复杂对象的各方面因素都考虑进去,可能使你很难甚至无法继续下一步的工作.通常,作假设的依据,一是出于对问题内在规律的认识,二是来自对数据或现象的分析,也可以是二者的综合.作假设时既要运用与问题相关的物理、化学、生物、经济等方面的知识,又要充分发挥想象力、洞察力和判断力,善于辨别问题的主次,果断地抓住主要因素,舍弃次要因素,尽量将问题线性化、均匀化.经验在这里也常起重要作用.写出假设时,语言要精确,就象做习题时写出已知条件那样.
模型构成 根据所作的假设分析对象的因果关系,利用对象的内在规律和适当的数学工具,构造各个量(常量和变量)之间的等式(或不等式)关系或其他数学结构.这里除需要一些相关学科的专门知识外,还常常需要较广阔的应用数学方面的知识,以开拓思路.当然不能要求对数学学科门门精通,而是要知道这些学科能解决哪一类问题以及大体上怎样解决.相似类比法,即根据不同对象的某些相似性,借用已知领域的数学模型,也是构造模型的一种方法.建模时还应遵循的一个原则是,尽量采用简单的数学工具,因为你建立的模型总是希望能有更多的人了解和使用,而不是只供少数专家欣赏.
模型求解 可以采用解方程、画图形、证明定理、逻辑运算、数值计算等各种传统的和近代的数学方法,特别是计算机技术.
模型分析 对模型解答进行数学上的分析,有时要根据问题的性质分析变量间的依赖关系或稳定状况,有时是根据所得结果给出数学上的预报,有时则可能要给出数学上的最优决策或控制,不论哪种情况还常常需要进行误差分析、模型对数据的稳定性或灵敏性分析等.
模型检验 把数学上分析的结果翻译回到实际问题,并用实际的现象、数据与之比较,检验模型的合理性和适用性.这一步对于建模的成败是非常重要的,要以严肃认真的态度来对待.当然,有些模型如核战争模型就不可能要求接受实际的检验了.模型检验的结果如果不符合或者部分不符合实际,问题通常出在模型假设上,应该修改、补充假设,重新建模.有些模型要经过几次反复,不断完善,直到检验结果获得某种程度上的满意.
模型应用 应用的方式自然取决于问题的性质和建模的目的,这方面的内容不是本书讨论的范围。
应当指出,并不是所有建模过程都要经过这些步骤,有时各步骤之间的界限也不那么分明.建模时不应拘泥于形式上的按部就班,本书的建模实例就采取了灵活的表述方式.
6. 急求 数学建模之利用观察数据建立数学模型
sas
程序:
data hweightdat;
input weight height;
cards;
75 10
86 12
95 15
108 17
112 20
116 22
135 35
151 41
155 48
160 50
163 51
167 54
171 59
178 66
185 75
;
run;
proc reg;
var weight;
model height=weight;
run;
分析结果:
The SAS System 3
15:31 Tuesday, June 22, 2010
The REG Procedure
Model: MODEL1
Dependent Variable: height
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 -41.27000 4.75227 -8.68 <.0001
weight 1 0.58048 0.03361 17.27 <.0001
回归方程:
height=0.58048*weight-41.27
t统计量为17.27,概率值小于0.0001,回归参数是显著的。
Email:sinxlg1@yahoo.com.cn
=======================================================================
那你再试试二次函数回归吧:
SAS;
data hweightdat;
input weight height;
weight2=weight*weight;
cards;
75 10
86 12
95 15
108 17
112 20
116 22
135 35
151 41
155 48
160 50
163 51
167 54
171 59
178 66
185 75
;
run;
proc reg;
var weight weight2;
model height=weight weight2;
run;
结果:
The SAS System 2
19:43 Tuesday, June 22, 2010
The REG Procedure
Model: MODEL1
Dependent Variable: height
Parameter Estimates
Parameter Standard
Variable DF Estimate Error t Value Pr > |t|
Intercept 1 25.62865 7.04801 3.64 0.0034
weight 1 -0.51913 0.11322 -4.59 0.0006
weight2 1 0.00420 0.00042964 9.76 <.0001
结果为:
height=0.0042*weight^2-0.51913*weight+25.62865
两个系数都是统计显著的,但是二次多项式回归后判定系数R增大了不少。
其实,我个人认为如果线性回归的结果是统计显著的话,就应该接受该线性回归结果,在模型设定中应该力求模型的简洁化,能用线性函数解释的就不必要用高次函数。
========================================================================
Email:sinxlg1@yahoo.com.cn
7. 求助一道房屋投资的数学建模问题
设余钱A,贷款B,当前存款利率a,贷款利率b
1.如果你把收入及余钱用来储蓄,那么每年收益多少?
2.如果你用余钱+部分贷款购房,房租与增值部分收益平均每年为多少?
两者相减,将当前各种经济指标代入方程式,若函数大于零,则可以储蓄,若小于零,则可以贷款买房
做得更好一些,可以估计房价上升概率的分布,然后求数学期望
其实也就是简单的收支模型
8. 如何建立数学模型
参阅prey predator model.
首先,无干扰情况下(无药,不引进天敌),得到老鼠的种群密度,即稳定解。
1.引入变量衡量鼠药投放强度效果作为微扰。观察平衡态的波动。得到,鼠药对老鼠,以及天敌的影响(随时间变化)。讨论之。
2.引入变量衡量天敌种群密度,得到稳定解。与1比较。即可得知长期的效果,孰优孰劣。
此间,调节参数使1和2的稳定解中老鼠种群密度最低。即为灭鼠效果最优。如果使资金*老鼠密度在1和2的稳定解中最低,即为效果投入最优。
人工种植牧草。。。与控制鼠患。。。不太懂。
后记:才看到原来是学校数学竞赛题。晕。