浅谈小学数学建模的意义和方法

第一篇：浅谈小学数学建模的意义和方法

浅谈小学数学建模的意义和方法

【摘要】：《新标准》强调让学生亲身经历将实际问题抽象成数学模型并进行解释与应用的过程。通过开展数学建模活动让学生领悟数学思想方法，让学生做数学、“创造”数学、交流数学、应用数学、感悟数学。数学建模活动在大中学中早已蓬勃地开展，而在小学阶段进行数学建模教学还没引起人们足够的重视。作为一线的老师应该引起重视，教师必须在平时的教学工作中给学生强烈的数学建模的意识，同时开展与生活紧密联系的数学建模活动。

【关键词】： 数学建模;数学应用;意义;基本方法

随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是经济发展的全球化、计算机应用的迅猛发展，数学理论与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。

面向21世纪的《义务教育阶段的数学课程标准》强调：“要从学生已有的生活经验出发，让学生亲身经历将实际问题抽象成数学模型并进行解释与应用的过程，进而使学生获得对数理解的同时，在思维能力、情感态度与价值观等多方面得到进步和发展。”

《新标准》要求学生的数学学习内容应当是现实的，有意义的，富有挑战性的。这些内容有利于学生主动地进行观察、实验、猜测、验证、推理与交流等数学活动。有效的数学学习活动不能单纯地依赖模仿和记忆。动手实践、自主探索与合作交流是学生学习数学的重要方式。学生的数学学习活动应当是一个主动、活泼的、生动和富有个性的过程。在《新标准》首次提到了数学模型的概念的同时严士键教授在《数学教育应面向21世纪而努力》一文中指出：“分析问题和解决问题通常意味着以下一些环节：将实际问题化成可以处理的但又对原来的问题有用的数学问题，寻找或创造适当的解决问题的数学方法（包括计算方法），有时还需要对问题的解决做一些解释和讨论。” 而分析和解决实际问题的能力实质就是数学建模的能力。从小培养和发展儿童构建、应用数学模型的意识和能力是摆在小学数学教师面前的重要课题。

一、对数学建模的认识

（五）有利于培养学生的创造性思维能力

从方法论角度看，数学建模是一种数学思想方法，是解决实际问题的一种强有力的数学工具。从具体教学角度看，数学建模是一种数学活动。作为一个数学活动，它不像传统的练习数学习题，做出来答案是唯一的。相反，它没有现成的答案，现成的模式，只能发挥学生自己的创造性思维去解决．要有丰富的想象力、联想力、洞察力和创造力 数学建模的整个过程就是学生创造性思维能力的综合体现。

（六）有利于培养学生的数学应用意识，提高解决实际问题的能力

数学建模向学生介绍的是实际问题，如让学生自己设计春游的路线，安排车辆和午餐，让学生帮妈妈上街买菜，到银行存钱，预测中奖的可能性等，从生活实际出发，并适时地上升到抽象理论，通过观察、比较、分析、结合、抽象、概括和必要的逻辑推理，得出数学概念和规律，然后再把它用之于更广泛的具体内容中去，既使学生受到把实际问题抽象成数学问题的训练，养成用数学的思维方法来观察生活的习惯，又能使学生深切感受到数学的作用，领悟到数学的基本思想方法，提高了解决实际问题的能力，生活观察能力、思维创新能力、信息归纳能力、实际应用能力等，使孩子们终身受益。

(七)有利于培养学生的自学能力和使用文献的能力

由于建模活动需要很多知识，学生自有的知识不可能面面俱到；老师也不可能有太多的时同为其补课．只有通过学生自己查阅资料，获得大量的知识．拓宽知识面．这样对学生自觉学习和积累知识是一种促动，对其能力的培养也是一个很好的锻炼，并提高了学生使用资料的能力。

（八）有利于提高教师的数学素养和综合素质

通过数学建模理论的学习和研讨,有利于提高教师的数学素养.教师在引导学生开展数学建模活动中，不仅需要拥有系统的数学理论知识，以明确小学数学教学的重点之所在，而且要注意通过揭示数学知识的抽象过程,让学生体验到数学的本质及其发展过程，从而掌握“简化”的经验和技巧。同时，数学建模也和其他学科有着紧密的联系，这就需要老师不断的提升自己。

三、小学数学建模的方法和途径

(一)常规的课堂教学中渗透建模思想

在常规的数学课堂教学中，适时地渗透建模思想，切入应用问题或改编教材的习题，使之更与生活实际相符合，促进学生“用数学”，使学生所学知识更系统、更完善。如在新知识的引入、巩固等环节，可以用几分钟的时间穿插介绍一个数学应用或数学建模问题，让学生在课堂上通过讨论先完成“问题数学化”的过程，而把问题的具体求解过程留给课外去完成。如把求周长的练习题改成为爸爸挑选一条回家的路线，长方形的面积问题改成为学校音乐会设计一个排位计划，统计初步知识中“数据的收集和整理”可改成让学生对

［1］张思明，中学数学建模教学的实践与探索，［M］北京教育出版社，1998。［2］严士健主编，《面向21世纪的中国数学教育》，江苏教育出版社，1994年。［3］张奠宙主编，《数学教育研究导引》，江苏教育出版社，1994年。［4］梁小明

吴巧敏《做数学中学数学》，《小学教师》，2002.9。［5］高波《初中数学建模教学的初步构想》，《中学数学教与学》，2002.7。6］叶其孝主编．rf1学数学建模[M]．长沙：湖南教育出版社，1998。

2015.03.15 ［

第二篇：数学建模各种分析方法

现代统计学

1.因子分析(Factor Analysis)

因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。

运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。

2.主成分分析

主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。

主成分分析和因子分析的区别

1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。

2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。

3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。

4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。

5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。

和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。

总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。

在算法上，主成分分析和因子分析很类似，不过，在因子分析中所采用的协方差矩阵的对角元素不在是变量的方差，而是和变量对应的共同度（变量方差中被各因子所解释的部分）。

3.聚类分析(Cluster Analysis)

聚类分析是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同的类的分析技术。

在市场研究领域，聚类分析主要应用方面是帮助我们寻找目标消费群体，运用这项研究技术，我们可以划分出产品的细分市场，并且可以描述出各细分市场的人群特征，以便于客户可以有针对性的对目标消费群体施加影响，合理地开展工作。

4.判别分析(Discriminatory Analysis)

判别分析(Discriminatory Analysis)的任务是根据已掌握的1批分类明确的样品，建立较好的判别函数，使产生错判的事例最少，进而对给定的1个新样品，判断它来自哪个总体。

根据资料的性质，分为定性资料的判别分析和定量资料的判别分析；采用不同的判别准则，又有费歇、贝叶斯、距离等判别方法。

费歇（FISHER）判别思想是投影，使多维问题简化为一维问题来处理。选择一个适当的投影轴,使所有的样品点都投影到这个轴上得到一个投影值。对这个投影轴的方向的要求是：使每一类内的投影值所形成的类内离差尽可能小，而不同类间的投影值所形成的类间离差尽可能大。

贝叶斯（BAYES）判别思想是根据先验概率求出后验概率，并依据后验概率分布作出统计推断。所谓先验概率,就是用概率来描述人们事先对所研究的对象的认识的程度；所谓后验概率，就是根据具体资料、先验概率、特定的判别规则所计算出来的概率。它是对先验概率修正后的结果。

距离判别思想是根据各样品与各母体之间的距离远近作出判别。即根据资料建立关于各母体的距离判别函数式，将各样品数据逐一代入计算，得出各样品与各母体之间的距离值，判样品属于距离值最小的那个母体。5.对应分析(Correspondence Analysis)

对应分析是一种用来研究变量与变量之间联系紧密程度的研究技术。

运用这种研究技术，我们可以获取有关消费者对产品品牌定位方面的图形，从而帮助您及时调整营销策略，以便使产品品牌在消费者中能树立起正确的形象。

这种研究技术还可以用于检验广告或市场推广活动的效果，我们可以通过对比广告播出前或市场推广活动前与广告播出后或市场推广活动后消费者对产品的不同认知图来看出广告或市场推广活动是否成功的向消费者传达了需要传达的信息。

6.典型相关分析

典型相关分析是分析两组随机变量间线性密切程度的统计方法，是两变量间线性相关分析的拓广。各组随机变量中既可有定量随机变量，也可有定性随机变

量(分析时须F6说明为定性变量)。本法还可以用于分析高维列联表各边际变量的线性关系。注意：

1．严格地说，一个典型相关系数描述的只是一对典型变量之间的相关，而不是两个变量组之间的相关。而各对典型变量之间构成的多维典型相关才共同揭示了两个观测变量组之间的相关形式。

2．典型相关模型的基本假设和数据要求

要求两组变量之间为线性关系，即每对典型变量之间为线性关系；

每个典型变量与本组所有观测变量的关系也是线性关系。如果不是线性关系，可先线性化：如经济水平和收入水平与其他一些社会发展水之间并不是线性关系，可先取对数。即log经济水平，log收入水平。3．典型相关模型的基本假设和数据要求

所有观测变量为定量数据。同时也可将定性数据按照一定形式设为虚拟变量后，再放入典型相关模型中进行分析。

7.多维尺度分析(Multi-dimension Analysis)

多维尺度分析(Multi-dimension Analysis)是市场研究的一种有力手段，它可以通过低维空间（通常是二维空间）展示多个研究对象（比如品牌）之间的联系，利用平面距离来反映研究对象之间的相似程度。由于多维尺度分析法通常是基于研究对象之间的相似性（距离）的，只要获得了两个研究对象之间的距离矩阵，我们就可以通过相应统计软件做出他们的相似性知觉图。

在实际应用中，距离矩阵的获得主要有两种方法：一种是采用直接的相似性评价，先所有评价对象进行两两组合，然后要求被访者所有的这些组合间进行直接相似性评价，这种方法我们称之为直接评价法；另一种为间接评价法，由研究人员根据事先经验，找出影响人们评价研究对象相似性的主要属性，然后对每个研究对象，让被访者对这些属性进行逐一评价，最后将所有属性作为多维空间的坐标，通过距离变换计算对象之间的距离。

多维尺度分析的主要思路是利用对被访者对研究对象的分组，来反映被访者对研究对象相似性的感知，这种方法具有一定直观合理性。同时该方法实施方便，调查中被访者负担较小，很容易得到理解接受。当然，该方法的不足之处是牺牲了个体距离矩阵，由于每个被访者个体的距离矩阵只包含1与0两种取值，相对较为粗糙，个体距离矩阵的分析显得比较勉强。但这一点是完全可以接受的，因为对大多数研究而言，我们并不需要知道每一个体的空间知觉图。

多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中，研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论，不仅对所研究的专业领域要有很好的训练，而且要掌握必要的统计分析工具。对实际领域中的研究者和高等院校的研究生来说，要学习掌握多元统计分析的各种模型和方法，手头有一本好的、有长久价值的参考书是非常必要的。这样一本书应该满足以下条件：首先，它应该是“浅入深出”的，也就是说，既可供初学者入门，又能使有较深基础的人受益。其次，它应该是既侧重于应用，又兼顾必要的推理论证，使学习者既能学到“如何”做，而且在一定程度上了解“为什么”这样做。

最后，它应该是内涵丰富、全面的，不仅要基本包括各种在实际中常用的多元统计分析方法，而且还要对现代统计学的最新思想和进展有所介绍、交代。因子分析

主成分分析通过线性组合将原变量综合成几个主成分，用较少的综合指标来代替原来较多的指标(变量)。在多变量分析中，某些变量间往往存在相关性。是什么原因使变量间有关联呢？是否存在不能直接观测到的、但影响可观测变量变化的公共因子？因子分析(Factor Analysis)就是寻找这些公共因子的模型分析方法，它是在主成分的基础上构筑若干意义较为明确的公因子，以它们为框架分解原变量，以此考察原变量间的联系与区别。

例如，随着年龄的增长，儿童的身高、体重会随着变化，具有一定的相关性，身高和体重之间为何会有相关性呢？因为存在着一个同时支配或影响着身高与体重的生长因子。那么，我们能否通过对多个变量的相关系数矩阵的研究，找出同时影响或支配所有变量的共性因子呢？因子分析就是从大量的数据中“由表及里”、“去粗取精”，寻找影响或支配变量的多变量统计方法。

可以说，因子分析是主成分分析的推广，也是一种把多个变量化为少数几个综合变量的多变量分析方法，其目的是用有限个不可观测的隐变量来解释原始变量之间的相关关系。

因子分析主要用于：

1、减少分析变量个数；

2、通过对变量间相关关系探测，将原始变量进行分类。即将相关性高的变量分为一组，用共性因子代替该组变量。

1.因子分析模型

因子分析法是从研究变量内部相关的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。它的基本思想是将观测变量进行分类，将相关性较高，即联系比较紧密的分在同一类中，而不同类变量之间的相关性则较低，那么每一类变量实际上就代表了一个基本结构，即公共因子。对于所研究的问题就是试图用最少个数的不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。

因子分析模型描述如下：

（1）X =(x1，x2，…，xp)￠是可观测随机向量，均值向量E(X)=0，协方差阵Cov(X)=∑，且协方差阵∑与相关矩阵R相等（只要将变量标准化即可实现）。

（2）F =(F1，F2，…，Fm)￠（m

（3）e =(e1，e2，…，ep)￠与F相互独立,且E(e)=0, e的协方差阵∑是对角阵，即各分量e之间是相互独立的，则模型：

x1 = a11F1+ a12F2 +…+a1mFm + e1

x2 = a21F1+a22F2 +…+a2mFm + e2

………

xp = ap1F1+ ap2F2 +…+apmFm + ep

称为因子分析模型，由于该模型是针对变量进行的，各因子又是正交的，所以也称为R型正交因子模型。

其矩阵形式为:

x =AF + e.其中：

x=，A=，F=，e=

这里，（1）m ￡ p；

（2）Cov(F,e)=0，即F和e是不相关的；

（3）D(F)= Im，即F1,F2,…,Fm不相关且方差均为1；

D(e)=，即e1,e2,…,ep不相关，且方差不同。

我们把F称为X的公共因子或潜因子，矩阵A称为因子载荷矩阵，e 称为X的特殊因子。

A =(aij)，aij为因子载荷。数学上可以证明，因子载荷aij就是第i变量与第j因子的相关系数，反映了第i变量在第j因子上的重要性。

2.模型的统计意义

模型中F1，F2，…，Fm叫做主因子或公共因子，它们是在各个原观测变量的表达式中都共同出现的因子，是相互独立的不可观测的理论变量。公共因子的含义，必须结合具体问题的实际意义而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1,2,…,p)所特有的因子，各特殊因子之间以及特殊因子与所有

公共因子之间都是相互独立的。模型中载荷矩阵A中的元素(aij)是为因子载荷。因子载荷aij是xi与Fj的协方差，也是xi与Fj的相关系数，它表示xi依赖Fj的程度。可将aij看作第i个变量在第j公共因子上的权，aij的绝对值越大(|aij|￡1)，表明xi与Fj的相依程度越大，或称公共因子Fj对于xi的载荷量越大。为了得到因子分析结果的经济解释，因子载荷矩阵A中有两个统计量十分重要，即变量共同度和公共因子的方差贡献。

因子载荷矩阵A中第i行元素之平方和记为hi2，称为变量xi的共同度。它是全部公共因子对xi的方差所做出的贡献，反映了全部公共因子对变量xi的影响。hi2大表明x的第i个分量xi对于F的每一分量F1，F2，…，Fm的共同依赖程度大。

将因子载荷矩阵A的第j列(j =1,2,…,m)的各元素的平方和记为gj2，称为公共因子Fj对x的方差贡献。gj2就表示第j个公共因子Fj对于x的每一分量xi(i=1,2,…,p)所提供方差的总和，它是衡量公共因子相对重要性的指标。gj2越大，表明公共因子Fj对x的贡献越大,或者说对x的影响和作用就越大。如果将因子载荷矩阵A的所有gj2(j =1,2,…,m)都计算出来，使其按照大小排序，就可以依此提炼出最有影响力的公共因子。

3.因子旋转

建立因子分析模型的目的不仅是找出主因子，更重要的是知道每个主因子的意义，以便对实际问题进行分析。如果求出主因子解后，各个主因子的典型代表变量不很突出，还需要进行因子旋转，通过适当的旋转得到比较满意的主因子。

旋转的方法有很多，正交旋转(orthogonal rotation)和斜交旋转(oblique rotation)是因子旋转的两类方法。最常用的方法是最大方差正交旋转法(Varimax)。进行因子旋转，就是要使因子载荷矩阵中因子载荷的平方值向0和1两个方向分化，使大的载荷更大，小的载荷更小。因子旋转过程中，如果因子对应轴相互正交，则称为正交旋转；如果因子对应轴相互间不是正交的，则称为斜交旋转。常用的斜交旋转方法有Promax法等。

4.因子得分

因子分析模型建立后，还有一个重要的作用是应用因子分析模型去评价每个样品在整个模型中的地位，即进行综合评价。例如地区经济发展的因子分析模型建立后，我们希望知道每个地区经济发展的情况，把区域经济划分归类，哪些地区发展较快，哪些中等发达，哪些较慢等。这时需要将公共因子用变量的线性组合来表示，也即由地区经济的各项指标值来估计它的因子得分。

设公共因子F由变量x表示的线性组合为:

Fj = uj1 xj1+ uj2 xj2+…+ujpxjp

j=1,2,…,m

该式称为因子得分函数，由它来计算每个样品的公共因子得分。若取m=2，则将每个样品的p个变量代入上式即可算出每个样品的因子得分F1和F2，并将其在平面上做因子得分散点图，进而对样品进行分类或对原始数据进行更深入的研究。

但因子得分函数中方程的个数m小于变量的个数p，所以并不能精确计算出因子得分，只能对因子得分进行估计。估计因子得分的方法较多，常用的有回归估计法，Bartlett估计法，Thomson估计法。

（1）回归估计法

F = X b = X(X ￠X)-1A￠ = XR-1A￠

(这里R为相关阵，且R = X ￠X)。

（2）Bartlett估计法

Bartlett估计因子得分可由最小二乘法或极大似然法导出。

F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X =(A￠W-1A)-1A￠W-1X

（3）Thomson估计法

在回归估计法中，实际上是忽略特殊因子的作用，取R = X ￠X，若考虑特殊因子的作，此时R = X ￠X＋W，于是有：

F = XR-1A￠ = X(X ￠X＋W)-1A￠

这就是Thomson估计的因子得分，使用矩阵求逆算法(参考线性代数文献)可以将其转换为：

F = XR-1A￠ = X(I+A￠W-1A)-1W-1A￠

5.因子分析的步骤

因子分析的核心问题有两个：一是如何构造因子变量；二是如何对因子变量进行命名解释。因此，因子分析的基本步骤和解决思路就是围绕这两个核心问题展开的。

（i）因子分析常常有以下四个基本步骤：

（1）确认待分析的原变量是否适合作因子分析。

（2）构造因子变量。

（3）利用旋转方法使因子变量更具有可解释性。

（4）计算因子变量得分。

（ii）因子分析的计算过程：

（1）将原始数据标准化，以消除变量间在数量级和量纲上的不同。

（2）求标准化数据的相关矩阵；

（3）求相关矩阵的特征值和特征向量；

（4）计算方差贡献率与累积方差贡献率；

（5）确定因子：

设F1，F2，…, Fp为p个因子，其中前m个因子包含的数据信息总量（即其累积贡献率）不低于80%时，可取前m个因子来反映原评价指标；

（6）因子旋转：

若所得的m个因子无法确定或其实际意义不是很明显，这时需将因子进行旋转以获得较为明显的实际含义。

（7）用原指标的线性组合来求各因子得分：

采用回归估计法，Bartlett估计法或Thomson估计法计算因子得分。

（8）综合得分

以各因子的方差贡献率为权，由各因子的线性组合得到综合评价指标函数。

F =(w1F1+w2F2+…+wmFm)／(w1+w2+…+wm)

此处wi为旋转前或旋转后因子的方差贡献率。

（9）得分排序：利用综合得分可以得到得分名次。

在采用多元统计分析技术进行数据处理、建立宏观或微观系统模型时，需要研究以下几个方面的问题：

· 简化系统结构，探讨系统内核。可采用主成分分析、因子分析、对应分析等方法，在众多因素中找出各个变量最佳的子集合，从子集合所包含的信息描述多变量的系统结果及各个因子对系统的影响。“从树木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍弃次要因素，以简化系统的结构，认识系统的内核。

· 构造预测模型，进行预报控制。在自然和社会科学领域的科研与生产中，探索多变量系统运动的客观规律及其与外部环境的关系，进行预测预报，以实现对系统的最优控制，是应用多元统计分析技术的主要目的。在多元分析中，用于预报控制的模型有两大类。一类是预测预报模型，通常采用多元线性回归或逐步回归分析、判别分析、双重筛选逐步回归分析等建模技术。另一类是描述性模型，通常采用聚类分析的建模技术。

· 进行数值分类，构造分类模式。在多变量系统的分析中，往往需要将系统性质相似的事物或现象归为一类。以便找出它们之间的联系和内在规律性。过去许多研究多是按单因素进行定性处理，以致处理结果反映不出系统的总的特征。进行数值分类，构造分类模式一般采用聚类分析和判别分析技术。

如何选择适当的方法来解决实际问题，需要对问题进行综合考虑。对一个问题可以综合运用多种统计方法进行分析。例如一个预报模型的建立，可先根据有关生物学、生态学原理，确定理论模型和试验设计；根据试验结果，收集试验资料；对资料进行初步提炼；然后应用统计分析方法(如相关分析、逐步回归分析、主成分分析等)研究各个变量之间的相关性，选择最佳的变量子集合；在此基础上构造预报模型，最后对模型进行诊断和优化处理，并应用于生产实际。

第三篇：小学数学建模案例

小学数学建模案例

相遇问题。①创设问题情境，激发学生的求知欲。先请两位同学在黑板的两边同时相向而行，可以让学生重复多走几次。接着可以问同学们看到了什么。学生的回答会有很多，如：他们在中间碰到了；两个人面对面在走；两个人背对背在走„„此时就可以引入相遇问题中的一些条件：同时出发、相向而行、相背而行、途中相遇。当学生对此有一定的了解之后就可以举一个具体的例子来进入教学重点了。例如：甲乙两车同时从A、B两地相向而行，在距A地80千米处相遇，相遇后两车继续前进，甲车到达B地、乙车到达A地后均立即返回，第二次在距A地60千米处相遇。求A、B两地间的路程。②抽象概括，建立模型，导入学习课题。此题可以将整个过程用线段图来形象地描述，这就是这个相遇问题建立的数学模型。③研究模型，形成数学知识。

总结出一般规律之后可以举个例子让学生做，看看学生是否已经掌握，是否会应用这个规律来解决实际问题。如：两艘渡轮在同一时刻垂直驶离H河的甲、乙两岸相向而行，它们在距离甲岸720米处相遇。到达预定地点后，每艘船都要停留10分钟，以便让乘客上船下船，然后返航。这两艘在距离乙岸4OO米处又重新相遇。问：该河的宽度是多少?可以请两位同学到黑板上来做，其他同学做在作业本上，然后讲解，并充分肯定学生的表现，增强学生的学习积极性。案例二：小学高年级数学教学时会遇到“牛吃草问题”，牛吃草问题又称消长问题或牛顿牧场，是17世纪英国伟大的科学家牛顿提出来的。典型牛吃草问题的条件是假设草的生长速度固定不变，不同头数的牛吃光同一片草地所需的天数各不相同，求若干头牛吃这片草地可以吃多少天。

由于吃的天数不同，草又是天天在生长的，所以草的存量随牛吃的天数不断变化。例：牧场上一片青草，每天牧草都匀速生长，这片草地可供l0头牛吃20天，或者可以供l5头牛吃10天，问：可供25头牛吃几天?分析：这类题目难就难在牧场上草的数量每天都在发生变化，我们要想办法从变化当中找到不变的量。总草量可以分为牧场上原有的草和新长出来的草两部分。牧场上原有的草是不变的，新长出来的草虽然在变化，因为是匀速生长，所以这片草地每天新长出的草的数量相同，即每天新长出的草是不变的。下面就要设法计算出原有的草量和每天新长出的草这两个不变的量。

运用，J学数学建模解决此类问题时，要充分发挥学生的自主性，教师需要一步一步地引导学生建立数学模型。解决牛吃草问题的数学模型如下：假定一头牛一天吃草量为“1”。①草的生长速度=(对应的牛头数×吃的较多天数一相应的牛头数X吃的较少天数)；②原有草量=牛头数x吃的天数一草的生长速度X吃的天数；③吃的天数=原有草量÷(牛头数一草的生长速度)；④牛头数=原有草量÷吃的天数+草的生长速度。由于小学数学建模是让学生掌握新的知识、提高新的能力为目的，那么让学生掌握和理解所建立的数学模型尤为重要，并且在理解的基础上还要学会应用。牛吃草问题相关的数学问题还有很多，如：①有一个灌溉用的中转水池，一直开着进水管往里灌水，一段时间后，用2台抽水机排水，则用40分钟能排完；如果用4台同样的抽水机排水，则用16分钟排完。

问如果计划用10分钟将水排完，需要多少台抽水机?②有一口很深的水井，连续不断涌出泉水。使用17架抽水机来抽水，30分钟可以将水抽干。若使用19架抽水机，则24分钟就可以将水井抽干。现在有若干架抽水机在抽水，6分钟后，撤走4架抽水机，再过2分钟后，水井被抽干。那么原来有抽水机多少架?③物美超市的收银台平均每小时有60名顾客前来排队付款，每一个收银台每小时能应付80名顾客付款。某天某时刻，超市如果只开设一个收银台，付款开始4小时就没有顾客排队了，问如果当时开设两个收银台，则付款开始几个小时就没有顾客排队了?

第四篇：数学建模常用的十种方法

数学建模常用的十种方法

时可以通过模拟来检验自己模型的正确性，是比赛时必用的方法）

2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab作为工具）

3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo软件实现）

4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）

5、动态规划、回溯搜索、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）

6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）

7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）

8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）

9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）

10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab进行处理）

第五篇：数学建模

A题：一种汽车比赛的最优策略

汽车运动是当前世界上一项重要的体育项目。这项运动比传统的体育项目更具综合性，尤其涉及科学技术的各个方面。数学物理科学在这个项目中自然十分重要。当然，汽车运动的比赛项目也十分丰富。其中的速度赛和节油赛就是两项基本比赛。有人设计了如下的两个比赛项目：

项目1： 给汽车加一定量的燃油，在一定的路面及其风速环境下汽车行驶路程最远。

项目2： 给汽车加一定量的燃油，在一定的路面及其风速环境下，在确定的比赛路段内，汽车行驶时间最短。

上述两个比赛项目的要点是比赛者应设计自己的最优比赛策略，既是给出定量燃油的消耗速率v(t),尽量使上述两个项目达到最优效果。既是得到尽量好的比赛成绩。

请在合理的路面阻力和其他阻力假设下建立数学模型，并求出上述两个问题(项目)的最优策略，既是定量燃油的最优消耗律v(t)函数。

当汽车还有能量输入(例如：太阳能)时，如何修正数学模型。

B题：中国人口发展趋势对经济社会的影响

人口是影响经济社会发展的关键因素，关系到改革开放和社会主义现代化建设的成功。中国经济发展和社会管理面临的重大问题与人口数量、素质、结构、分布等密切相关。“人口问题是发展的中心问题”已成为各国共识。各国均对提高人口素质、缓解人口老龄化带来的压力等关键问题给予了特别的关注。

20世纪70年代，为了缓解人口过快增长带来的社会压力，中国开始实行计划生育政策。自那以来，我国的计划生育工作取得了举世瞩目的成就，在经济还不发达的情况下，有效控制了人口的过快增长，实现了人口再生产类型从“高、低、高”的模式向“低、低、低”模式的转变。与此同时，我国人口发展出现了一些新情况、新变化。人口总和生育率已低于临界生育率水平，我国部分大中城市老龄化已非常明显。目前我国正处于人口发生转变的关键时刻，生育率、人口性别结构、人口老龄化等问题日益凸显。

中国人口发展的这些变化将对经济社会发展产生重要影响。例如，低生育率导致的劳动力老化、劳动力供给总量的下降，会对劳动生产率的提高以及经济竞争优势产生负面影响。人口年龄结构的改变将影响储蓄和投资的比例，引起社会保障公共支出需求的增加等等。特别值得注意的是，与西方国家不同，中国未来的人口老龄化问题具有“未富先老”的特点。这就给社会保障带来一系列问题，其中养老保险受到的冲击最大。基本养老保险制度的负担系数从1984年的0.185提高到2003年的0.331，增长了近80%。预计到本世纪30年代，我国人口老龄化将达到高峰。如果对这个问题没有恰当的应对策略，不仅社会保障制度无法平稳运行，而且将影响社会经济的可持续发展。

尽管社会各界对未来中国人口发展趋势性的判断能够达成较为一致的看法，但具体测算结果仍具有较大差异。相应地，对当前是否应当调整中国现行的人口政策也存在较多分歧。一种意见认为，中国人口增速虽然回落，但人口基数依然庞大，国内资源稀缺的矛盾依然较为突出，因而当前及今后一段时期内还应继续坚持现行的计划生育政策。另一种意见则认为，中国的计划生育政策已经执行了30多年，人口增长率已经呈现明显的下降趋势，而且也产

生了一些问题，如人口结构失衡、低生育率、男女比例失调问题，甚至于民族性格的改变等。认为目前已到了重新审视计划生育政策的时候，目前中国人口的主要矛盾已经是老龄化问题。这两种意见各有其理论和实践基础，但又均没有充分的科学依据。到底如何来评估现行人口政策的影响，人口政策是否有必要调整？人口政策调整与否，在不同的情景下，未来我国的人口发展趋势及其对社会经济的影响如何？如何解决人口增长与经济、资源、环境和社会等诸多约束之间的矛盾？不同的人口政策和发展趋势对我国就业问题、教育问题和住房问题会产生什么样的影响？这些问题均需要进行深入的研究，不仅仅是定性分析，还要结合定量测算，科学地评估当前我国的人口政策，以及未来调整人口政策的可行性及如何调整，在此基础上得出可行的政策建议。

目前我国一些部门和学者对人口问题，包括人口战略等开展了许多研究，但也存在一些值得改善的地方。例如，研究对象的片面性问题。如人口部门的研究主要关注人口自身的增长问题，对其他影响人口增长的因素考虑较少。实际上人口增长脱离不了复杂的社会经济系统，它有众多的制约因素，如经济发展水平、资源环境约束、社会保障状况等。要深入考察人口问题和人口政策，需要从复杂系统的角度出发。又如人口的数据问题。由于与人口相关的数据很多是通过估算得到的，因此在准确性方面就大打折扣。刚刚完成的全国第六次人口普查为下一步的研究奠定很好的数据基础。

中共中央政治局2011年4月26日就世界人口发展和全面做好新形势下我国人口工作进行第二十八次集体学习。中共中央总书记胡锦涛在主持学习时强调，要充分认识我国人口问题的长期性、复杂性、艰巨性，不断增强做好人口工作的自觉性和主动性，加强战略研究，加强政策统筹，加强工作协调，加强任务落实，不断开创人口工作新局面，为“十二五”时期经济社会发展创造更加有利的人口环境。

问题一：试建立数学模型分析我国人口发展趋势对经济社会发展某一方面的影响，如考虑我国人口发展趋势对经济发展的影响：对经济增长速度、消费结构、产业结构、进出口等的影响，以及人口因素对劳动力市场的影响（劳动力短缺和工资成本持续上升等）；人口发展趋势对社会发展的影响：人口结构老龄化的社会影响、从业人口的养老负担系数等。（具体相关数据请自行查找，并务必在参考文献中注明出处）

问题二：考虑人口发展趋势及其经济社会发展某一方面影响基础上，并就该方面提出调整和完善人口政策的具体政策建议，并分析其可行性和正负作用。

注：论文电子版请提交到：ch8683897@126.com

C题：组合投资的收益和风险问

某公司现有数额为20亿的一笔资金可作为未来5年内的投资资金，市场上有8个投资项目（如股票、债券、房地产、„）可供公司作投资选择。其中项目

1、项目2每年初投资，当年年末回收本利（本金和利润）；项目

3、项目4每年初投资，要到第二年末才可回收本利；项目

5、项目6每年初投资，要到第三年末才可回收本利；项目7只能在第二年年初投资，到第五年末回收本利；项目8只能在第三年年初投资，到第五年末回收本利。

一、公司财务分析人员给出一组实验数据，见表1。

试根据实验数据确定5年内如何安排投资？使得第五年末所得利润最大？

二、公司财务分析人员收集了8个项目近20年的投资额与到期利润数据，发现：在具体对

这些项目投资时，实际还会出现项目之间相互影响等情况。

8个项目独立投资的往年数据见表2。同时对项目3和项目4投资的往年数据；同时对项目5和项目6投资的往年数据；同时对项目

5、项目6和项目8投资的往年数据见表3。(注：同时投资项目是指某年年初投资时同时投资的项目)

试根据往年数据，预测今后五年各项目独立投资及项目之间相互影响下的投资的到期利润率、风险损失率。

三、未来5年的投资计划中，还包含一些其他情况。

对投资项目1，公司管理层争取到一笔资金捐赠，若在项目1中投资超过20000万，则同时可获得该笔投资金额的1%的捐赠，用于当年对各项目的投资。

项目5的投资额固定，为500万，可重复投资。

各投资项目的投资上限见表4。

在此情况下，根据问题二预测结果，确定5年内如何安排20亿的投资？使得第五年末所得利润最大？

四、考虑到投资越分散，总的风险越小，公司确定，当用这笔资金投资若干种项目时，总体风险可用所投资的项目中最大的一个风险来度量。

如果考虑投资风险，问题三的投资问题又应该如何决策？

五、为了降低投资风险，公司可拿一部分资金存银行，为了获得更高的收益，公司可在银行贷款进行投资，在此情况下，公司应该如何对5年的投资进行决策?

附：

表1.投资项目预计到期利润率及投资上限

项目 1 2 3 4 5 6 7 8

预计到期利润率（%）0.1 0.11 0.25 0.27 0.45 0.5 0.8 0.55

上限（万元）60000 30000 40000 30000 30000 20000 40000 30000 注：到期利润率是指对某项目的一次投资中，到期回收利润与本金的比值。

表2.各投资项目独立投资时历年的投资额及到期利润（万元）

项目 1 2 3 4 5 6 7 8

1986 投资额 3003 5741 4307 5755 4352 3015 6977 4993到期利润 479 126 1338 910-7955 5586 22591 8987

1987 投资额 7232 6886 5070 7929 7480 5463 3041 4830到期利润 1211 164 2210 1539 5044-1158 6386 9398

1988 投资额 3345 5659 6665 7513 5978 4558 5055 4501到期利润 507 629 2540 1233-3608-6112 36832 10355

1989 投资额 5308 6272 6333 6749 4034 7392 6442 4092到期利润 787 602 836 1616 8081 4946 16834-7266

1990 投资额 4597 5294 5148 5384 6220 6068 6095 5270到期利润 711 365 2765 1099 22300 8319-19618-2697

1991 投资额 4378 5095 5973 7294 6916 6276 7763 6335到期利润 756 621 2549 1559 5130-9028 22230 273

31992 投资额 6486 7821 4449 5586 5812 6577 6276 5848到期利润 846 935 1078 1006 9358 1318-59901 24709

1993 投资额 6974 3393 4268 5414 5589 4472 6863 3570到期利润 1489 593 1955 1740 9207 4237 38552 14511 1994 投资额 4116 4618 5474 6473 5073 6345 6866 3044到期利润 353 749 2041 1548 7044-2291-39691 4570

1995 投资额 7403 5033 6859 6707 5377 4783 5202 6355到期利润 1117 911 1392 1168 7488 1464 70314 19245

1996 投资额 4237 4996 5603 5597 5231 4181 6830 5018到期利润 571 964 3077 1881 7209 5721-21568 5075

1997 投资额 3051 5707 4877 3844 7434 4222 5370 5960到期利润 449 868 1138 1131 5196 3173 99069 14864

1998 投资额 7574 5052 5460 3681 7936 7745 6391 3861到期利润 1396 958 1372 1221 5849 10740-27334-4626 1999 投资额 3510 5870 5697 5701 3898 7216 5135 4218到期利润 364 1089 1456 1757-629 10770-24878-5786

2000 投资额 6879 7396 5516 5623 7471 5501 3174 4210到期利润 994 1558 2864 1461 7769 7151 8981 21833 2001 投资额 3511 4780 6255 6925 6598 6043 4862 7988到期利润 638 1175 3230 2223 8020 7916-46712 21357

2002 投资额 3660 7741 4315 4379 7120 6131 3661 5393到期利润 538 1527 1155 1494 4616 6411 64239-11538

2003 投资额 4486 4756 3871 5529 5807 55763029到期利润 466 862 1022 2046 5395 617811819

2004 投资额 7280 7312 6471 7760

到期利润 1389 1319 2060 3227

2005 投资额 3082 5083

到期利润 403 787

表3.一些投资项目同时投资时历年的投资额及到期利润（万元）

项目 同时投资项目1、2 同时投资项目5、6 同时投资项目5、6、83 4 5 6 5 6 8

1986 投资额 4307 5755 4352 3015 4352 3015 4993到期利润 1026 2686 1442 2634 6678 2542-3145 1987 投资额 5070 7929 7480 5463 7480 5463 4830到期利润 2188 3558 3009 2935-3861 15120 13270 1988 投资额 6665 7513 5978 4558 5978 4558 4501到期利润 3272 3222 443 14400 4794 1884-3356

1989 投资额 6333 6749 4034 7392 4034 7392 4092到期利润 2050 2778 344 4473 3002 1549 10820

1990 投资额 5148 5384 6220 6068 6220 6068 5270到期利润 1513 2533 601-6448-852-4651-1593

1991 投资额 5973 7294 6916 6276 6916 6276 6335

到期利润 2733 3542 10300 9217 20610 5595 7283 1992 投资额 4449 5586 5812 6577 5812 6577 5848到期利润 3005 2448 318 1087 4750-179 14000

1993 投资额 4268 5414 5589 4472 5589 4472 3570到期利润 2015 2609 5168-2930 3170-235 14460 1994 投资额 5474 6473 5073 6345 5073 6345 3044到期利润 1782 2969-981 2413 7304 19090 7065 1995 投资额 6859 6707 5377 4783 5377 4783 6355到期利润 3701 2636 6695 52 3795 2029 10510 1996 投资额 5603 5597 5231 4181 5231 4181 5018到期利润 3581 1809 952 844-2671 6334 12970

1997 投资额 4877 3844 7434 4222 7434 4222 5960到期利润 1510 1724-124 8984-4299 3307 10170 1998 投资额 5460 3681 7936 7745 7936 7745 3861到期利润 3996 1450 7717 2803 8062 6753 10050 1999 投资额 5697 5701 3898 7216 3898 7216 4218到期利润 3204 2488 7598-4722-968 14900-2294 2000 投资额 5516 5623 7471 5501 7471 5501 4210到期利润 1454 2199 7518 9321 6580 2131 10060 2001 投资额 6255 6925 6598 6043 6598 6043 7988到期利润 3258 2646 8671-6551 11460-4521-8039 2002 投资额 4315 4379 7120 6131 7120 6131 5393到期利润 2661 1984 2029 20300 4379 1035 4456 2003 投资额 3871 5529 5807 5576 5807 5576 3029到期利润 1800 2443 7424 8639 12680 5112 2154 2004 投资额 6471 7760

到期利润 3047 3682

2005 投资额

到期利润

表4.各投资项目的投资上限

项目 1 2 3 4 5 6 7 8

上限（万元）60000 60000 35000 30000 30000 40000 30000注：本题电子版请提交到：ch8683897@126.com 30000