数学建模之概率模型详解

这篇具有很好参考价值的文章主要介绍了数学建模之概率模型详解。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

码字总结不易,老铁们来个三连:点赞、关注、评论
作者:[左手の明天]
 原创不易,转载请联系作者并注明出处
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。

现实世界的变化受着众多因素的影响,包括确定的和随机的。如果从建模的背景、目的和手段看,主要因素是确定的,随机因素可以忽略,或者随机因素的影响可以简单地以平均值的作用出现,那么就能够建立确定性模型。如果随机因素对研究对象的影响必须考虑,就应建立随机模型。

讨论如何用随机变量和概率分布描述随机因素的影响,建立随机模型——概率模型

随机模型-确定性因素和随机性因素

确定性模型

研究的对象通常包含随机因素,但是如果从建模的背景、目的和手段看,主要因素是确定的,而随机因素可以忽略,或者随机因素的影响可以简单地以平均值的作用出现,那么就能够建立确定性模型

随机性模型

随机因素对研究对象的影响必须考虑,就应该建立随机性模型

数学建模之概率模型详解

目录

概率论基本知识

1、古典概型

2、随机变量及其分布

3、数学期望的概念和计算

 4、MATLAB中相关的的概率命令

概率模型的典型案例

传送系统的效率

背景

模型分析

模型假设

模型建立

​模型解释 

模型评注

报童的诀窍

问题提出

模型分析

​模型假设 

模型建立

模型求解

结果解释 

模型评注 

模型应用

随机存贮策略

问题提出

模型假设

模型分析

模型建立

模型求解

模型评注 

轧钢中的浪费

问题提出

模型假设

模型分析

模型建立

模型求解

 模型应用

随机人口模型

问题提出

 模型假设

模型建立

模型求解

模型评注


看这看这


概率论基本知识

1、古典概型

条件概率:在事件B发生的条件下,事件A发生的概率

数学建模之概率模型详解

例:现有100个零件,其中95个长度合格,94个直径和格,92个两个尺寸都合格。任取一个,发现长度合格,问直径合格的概率。

设A=‘长度合格’,B=‘直径合格’

数学建模之概率模型详解数学建模之概率模型详解

全概率公式和贝叶斯公式

 设B1,B2,…,Bn为样本空间S的一个划分,且有P(Bi)>0,  i=1,2,…,n,则对E的任一事件A,有:

数学建模之概率模型详解

例:某电子设备制造厂所用的某种晶体管是由三家元件制造厂提供的,根据以往的记录有以下的数据:

数学建模之概率模型详解

设这三家的产品在仓库中是均匀混合的,且无区别的标志。现在仓库中随机地抽取一只晶体管,

(1)求它是次品的概率;

(2)若已知取到的是次品,问此次品是哪个厂生产的可能性更大?

数学建模之概率模型详解

2、随机变量及其分布

二项分布

数学建模之概率模型详解

贝努利试验

设随机试验E只有两种可能的结果:A及,且 P(A)=p,(0<p<1), 将试验E独立地重复进行n次, 简称n重贝努利试验(Bernoulli)。 n重贝努利试验中事件A出现的次数服从二项分布

泊松分布

数学建模之概率模型详解

n重贝努利试验中小概率事件出现的次数近似地服从泊松分布.

指数分布

数学建模之概率模型详解

背景:指数分布常用于可靠性统计研究中,如元件的寿命,动物的寿命,电话问题中的通话时间,服务时间等。

正态分布

数学建模之概率模型详解

背景:如果决定试验结果X的是大量随机因素的总和,假设各个因素之间近似独立,并且每个因素的单独作用相对均匀地小,那么X的分布近似正态分布。 

3、数学期望的概念和计算

描述了随机变量的概率取值中心—均值

数学建模之概率模型详解

 4、MATLAB中相关的的概率命令

 数学建模之概率模型详解

 MATLAB工具箱对每一种分布都提供5类函数,其命令字符为:

概率密度:pdf       
概率分布:cdf
逆概率分布:inv     
均值与方差:stat
随机数生成:rnd

当需要一种分布的某一类函数时,将以上所列的分布命令字符与函数命令字符接起来,并输入自变量(可以是标量、数组或矩阵)和参数即可.

如对均值为mu、标准差为sigma的正态分布,举例如下:

  • 1.密度函数:p=normpdf(x,mu,sigma)     (当mu=0,sigma=1时可缺省)

数学建模之概率模型详解

 在MATLAB中输入以下命令:

x=-6:0.01:6; 
y=normpdf(x); z=normpdf(x,0,2);
plot(x,y,x,z)
  • 2.概率分布:P=normcdf(x,mu,sigma)

数学建模之概率模型详解

  • 3.逆概率分布:x=norminv(P,mu,sigma).      即求出x ,使得P{X<x}=P,此命令可用来求分位数.

例3 有10台机床,每台发生故障的概率为0.08,而10台机床工作独立,每台故障只需一个维修工人排除.问至少要配备几个维修工人,才能保证有故障而不能及时排除的概率不大于5%。

解:随机变量X示发生故障的机床的台数,则 数学建模之概率模型详解

 数学建模之概率模型详解

  • 4.均值与方差:[m,v]=normstat(mu,sigma)

 例5    求正态分布N(3,5^2)的均值与方差

命令为:[m,v]=normstat(3,5)

结果为:m=3,v=25

  • 5.随机数生成:normrnd(mu,sigma,m,n).产生m×n阶的正态分布随机数矩阵.

例6  命令:M=normrnd(0,3,100,1)


概率模型的典型案例

传送系统的效率

背景

数学建模之概率模型详解

工人将生产出的产品挂在经过他上方的空钩上运走,若工作台数固定,挂钩数量越多,传送带运走的产品越多。 

在生产进入稳态后,给出衡量传送带效率的指标,研究提高传送带效率的途径。

构造一个衡量传送系统效率的指标,并建立模型来描述工人数目、钩子数量等参数的关系。

模型分析

  • 进入稳态后为保证生产系统的周期性运转,应 假定工人们的生产周期相同,即每人作完一件产品后,要么恰有空钩经过他的工作台,使他可将产品挂上运走,要么没有空钩经过,迫使他放下这件产品并立即投入下件产品的生产。
  • 工人们生产周期虽然相同,但稳态下每人生产完一件产品的时刻不会一致,可以认为是随机的,并且在一个周期内任一时刻的可能性相同
  • 可以用一个周期内传送带运走的产品数占产品总数的比例,作为衡量传送带效率的数量指标。

模型假设

1)n个工作台均匀排列,n个工人生产相互独立,生产周期是常数;

2)生产进入稳态,每人生产完一件产品的时刻在一个周期内是等可能的;

3)一周期内m个均匀排列的挂钩通过每一工作台的上方,到达第一个工作台的挂钩都是空的;

4)每人在生产完一件产品时都能且只能触到一只挂钩,若这只挂钩是空的,则可将产品挂上运走;若该钩非空,则这件产品被放下,退出运送系统。

模型建立

定义传送带效率为一周期内运走的产品数(记作s,待定)与生产总数 n(已知)之比,记作 D=s/n

为确定s,从工人考虑还是从挂钩考虑,哪个方便?

一周期内有m个挂钩通过每一工作台的上方

设每只挂钩为空的概率为q,则 p=1-q

设每只挂钩不被一工人触到的概率为r,则

设每只挂钩被一工人触到的概率为u,则 r=1-u

数学建模之概率模型详解模型解释 

传送带效率(一周期内运走产品数与生产总数之比)

数学建模之概率模型详解

若(一周期运行的)挂钩数m远大于工作台数n, 则 

数学建模之概率模型详解

 定义E=1-D (一周期内未运走产品数与生产总数之比)

数学建模之概率模型详解

 数学建模之概率模型详解

模型评注

提高效率的途径:增加m

方法一:增加一周期内通过工作台的钩子数,比如再增加m个钩子,此时钩子的总数为2m,其他条件不变:

数学建模之概率模型详解

方法二:在原来放置1只钩子处放置2只钩子,称为一个钩对,今一周期内通过m个钩对,任一钩对被一名工人触到的概率为1/m不被触到的概率为1-1/m,于是任一钩对为空的概率为

数学建模之概率模型详解

 钩对上只挂上1件产品的概率为

数学建模之概率模型详解

 一周期内通过的m个钩对(2m个钩子)中,空钩的平均数

数学建模之概率模型详解

 于是带走产品的平均数为

数学建模之概率模型详解

 未带走产品的平均数为

数学建模之概率模型详解

 数学建模之概率模型详解

 数学建模之概率模型详解

报童的诀窍

问题提出

报童每天清晨从报社购进报纸零售,晚上将没有卖掉的报纸退回。每份报纸

a (零售价) > b(购进价) > c(退回价)

售出一份报纸赚 a-b;退回一份报纸赔 b-c,请为报童筹划一下,每天购进多少份报纸,可使收入最大?

模型分析

报童每天购进的报纸太多,卖不完,将要赔钱。
报童每天购进的报纸太少,不够卖,会少赚钱。

数学建模之概率模型详解模型假设 

调查需求量的随机规律——每天需求量为 r 的概率 f(r), r=0,1,2…

设每天购进报纸 n 份,日平均收入为 G(n)

模型建立

已知售出一份赚 a-b;退回一份赔 b-c

数学建模之概率模型详解

模型求解

通常需求量r的取值和购进量n都相当大,将r视为连续型随机变量更便于分析与计算。

数学建模之概率模型详解

 数学建模之概率模型详解

结果解释 

数学建模之概率模型详解

模型评注 

a-b: 售出一份赚的钱,b-c : 退回一份赔的钱,最优购进量n应使卖不完和卖完的概率之比,恰好等于卖出 一份所赚的钱与退回一份所赔的钱之比。显然当报童与报社签订的合同使报童每份赚钱与赔钱之比越大时,报童购进的份额就应越多。

模型应用

若每份报纸的购进价为b=0.75,售出价为a=1元,退回价为c=0.6,需求量服从均值为=500份,均方差为=50份的正态分布,问报童每天应购进多少报纸才能使收入最高?

数学建模之概率模型详解

随机存贮策略

问题提出

商店在一周中的销售量是随机的。每逢周末根据库存决定是否订货,供下周销售。订货依据的一种简单策 略是制定一个下界 s和一个上界S。当周末库存小于s 时订货,否则不订货。且订货量使得下周初的存量达到 S,这种策略称为(s, S)随机存贮策略。

只考虑订货费、存贮费、缺货费、购进费,制订(s, S)存贮策略,使(平均意义下)总费用最小。

存贮策略(s, S)的优劣与总费用(平均意义下),销售量 的随机规律及单项费用有关。

模型假设

  • 每次订货费c0, 每件商品购进价c1,每件商品一周贮存费c2,每件商品缺货损失费c3  (c1<c3)
  • 每周销售量 r 随机、连续,概率密度 p(r)
  • 周末库存量x, 订货量 u, 周初库存量 x+u
  • 一周的销售是集中在周初进行的,每周贮存量按 x+u-r 计算

模型分析

按照(s, S)策略的要求:

  • 当周末存贮量x≥s时,=0,
  • 当周末存贮量x<s时,>0,且x+=S,

确定s,S应以总费用最小为标准,因为r随机,所以贮存量与缺货量也是随机的,致使一周的贮存费和缺货费等也是随机的。所以目标函数应取一周总费用的期望值。

模型建立

数学建模之概率模型详解

 数学建模之概率模型详解

模型求解

  •  1)设 x<s, 求 u 使 J(u) 最小,确定S

数学建模之概率模型详解

由上式可知,S可通过概率比确定,而它使得平均费用最小。

若购进价c1一定时,贮存费c2越小,缺货费c3越大,则S应越大,这是符合常识的。

  •  2)对库存 x,确定订货点s

数学建模之概率模型详解

数学建模之概率模型详解

模型评注 

在这个模型中,贮存费用的计算是比较困难的,因为一般地,贮存费应与贮存时间有关,所以应对一周内贮存量的变化情况作出适当的假定。

按照模型假设4,设x=0, 贮存量Q在一周内的变化情况,如图所示

数学建模之概率模型详解

轧钢中的浪费

问题提出

把粗大的钢坯变成合格的钢材通常需要两道工序。

第一道是粗轧(热轧), 形成钢材的雏形。

第二道是精轧(冷轧),得到规定的长度成品材。

粗轧时由于受设备、环境等众多因素的影响,得到的钢材的长度是随机的,大体上呈正态分布,其均值可以在轧制过程中由轧机调整,而均方差则是由设备的精度决定的,不能随意改变。

如果粗轧后的钢材长度大于规定长度,则精轧切掉多余部分,造成浪费。

如果粗轧钢材长度小于规定长度,则整根报废,造成更大的浪费。

显然应综合考虑这两种因素,使得总的浪费最小。

数学建模之概率模型详解

模型假设

设成品材的规定长度为l和粗轧后钢材长度的均方差, 确定粗轧后钢材长度的均值m,使得当轧机调整到m进行粗轧,再通过精轧以得到的成品材时总的浪费最小。

模型分析

记粗轧时可以调整的均值为 m,则粗轧得到的钢材长度x为正态随机变量,记作 x~N(m, )

数学建模之概率模型详解

模型建立

选择合适的目标函数,并用已知的和待确定的量l, , m,把目标函数表示出来。

粗轧一根钢材总浪费=切掉多余部分的浪费+整根报废的浪费

数学建模之概率模型详解

粗轧N根钢材,所用钢材总长度mN,其中可以轧成成品材的只有PN根,成品材长度l PN。于是
浪费总长度mN-lPN,粗轧一根钢材平均浪费的长度为

数学建模之概率模型详解

得到一根成品材平均浪费的长度为

 数学建模之概率模型详解

略去常数l,选取目标函数为

数学建模之概率模型详解

 实际上,J(m)恰好是平均每得到一根成品材所需钢材的长度

数学建模之概率模型详解

 数学建模之概率模型详解

模型求解

数学建模之概率模型详解

数学建模之概率模型详解

 模型应用

例 设l=2(米), =20(厘米),求m使浪费最小。

数学建模之概率模型详解

 例 设l=2(米), =10(厘米),求 m 使浪费最小.

 数学建模之概率模型详解

模型假定粗轧钢材长度小于规定长度l→整根报废,实际上这种钢材还常常轧成较小规格如长为 l1(<l)的成品材,只有当x<l1时才整根报废。即粗轧钢材长度在规定长度[l1, l]内降级使用,减免浪费。如何建立目标函数?

数学建模之概率模型详解

 数学建模之概率模型详解

若先轧N根钢材,则成品材有NP根,降级材有NP1根,设每一根降级材可折合(<1)根成品材,那么选用每一根成品材浪费的平均长度为目标函数J,则

数学建模之概率模型详解

 数学建模之概率模型详解

随机人口模型

问题提出

已知初始人口并且给定了生育率、死亡率等数据后,可以按照确定性模型确切地预测未来的人口。

但是事实上,一个人的出生与死亡可以说是随机事件,无法准确预测。

之所以应用确定性模型描述人口的发展,是因为考察的是一个国家或地区的数量很大的人口,用对总数而 言的平均生育率、死亡率代替出生、死亡的概率,将 人口作为连续型随机变量处理。

如果研究的对象是一个村落或一个家族的人口,数量不大,需作为离散型随机变量看待时,就要利用随机人口模型来描述其变化过程了。

数学建模之概率模型详解

 模型假设

数学建模之概率模型详解

1)出生一人的概率与成正比,记;出生二人及二人以上的概率为o()。 

2)死亡一人的概率与成正比,记;死亡二人及二人以上的概率为o()。

3)出生和死亡是相互独立的随机事件。

数学建模之概率模型详解

模型建立

数学建模之概率模型详解

 按照全概率公式

数学建模之概率模型详解

 数学建模之概率模型详解

 这是一组递推微分方程,求解困难且不必要。

转而求解X(t)的期望和方差。

模型求解

数学建模之概率模型详解

数学建模之概率模型详解

模型评注

这个随机模型得到的人口期望值的结果与最简单的确定性指数增长模型的结果相对应。

本模型更积极的意义是可以描述一般的生灭过程, 如 电梯的升降、各种排队系统等。文章来源地址https://www.toymoban.com/news/detail-430184.html

到了这里,关于数学建模之概率模型详解的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数学建模之“TOPSIS数学模型”原理和代码详解

    TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)是一种多准则决策分析方法, 用于解决多个候选方案之间的排序和选择问题 。它基于一种数学模型, 通过比较每个候选方案与理想解和负理想解之间的相似性来评估其优劣。 TOPSIS方法包括以下步骤: 确定决策准则:

    2024年02月12日
    浏览(38)
  • 数学建模之统计回归模型详解

    码字总结不易,老铁们来个三连: 点赞、关注、评论 作者:[左手の明天]   原创不易,转载请联系作者并注明出处 版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 由于客观事物内部规律的复杂及人们认识程度的限制,无法分

    2024年02月09日
    浏览(48)
  • 数学建模之稳定性模型详解

    码字总结不易,老铁们来个三连: 点赞、关注、评论 作者:[左手の明天]   原创不易,转载请联系作者并注明出处 版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。 对象仍是动态过程,而建模目的是研究时间充分长以后过程的

    2024年02月05日
    浏览(49)
  • 【不带权重的TOPSIS模型详解】——数学建模

    部分资料取自于b站:数学建模学习交流清风老师 TOPSIS法可翻译为 逼近理想解排序法 ,国内常简称为 优劣解距离法 它是一种常用的综合评价方法,其能充分利用原始数据的信息,其结果能精确地反映各评价方案之间地差异。 举个例子: 数学成绩越高代表学习能力越强。跑

    2024年02月12日
    浏览(43)
  • 2023全国大学生数学建模竞赛E题详解+Python代码源码(三)SARIMA模型

    简单介绍一下我自己:博主专注建模四年,参与过大大小小数十来次数学建模,理解各类模型原理以及每种模型的建模流程和各类题目分析方法。参与过十余次数学建模大赛,三次美赛获得过二次M奖一次H奖,国赛二等奖。 希望各位以后遇到建模比赛可以艾特一下我,我可以

    2024年02月09日
    浏览(51)
  • 算法、数据结构、计算机系统、数据库MYSQL、概率论、数学实验MATLAB、数学建模、马原、英语、杂项、QT项目

    可以三个条件 以此类推 (condition1)?x:(condition2)?y:z string变成int int 变成string 可以用循环 模运算展开式推导 我们要证明等式: (a * b) mod m = ((a mod m) * (b mod m)) mod m 假设 a = q1 * m + r1 ,其中 q1 是 a 除以 m 的商, r1 是 a 除以 m 的余数。类似地,假设 b = q2 * m + r2 ,其中

    2024年02月08日
    浏览(60)
  • 【数学建模】-- 数学规划模型

    概述: 什么是数学规划? 数学建模中的数学规划是指利用数学方法和技巧对问题进行数学建模,并通过数学规划模型求解最优解的过程。数学规划是一种数学优化方法,旨在找到使目标函数达到最大值或最小值的变量取值,同时满足一系列约束条件。 数学规划包括多种不同

    2024年02月12日
    浏览(39)
  • 2023年MathorCup 高校数学建模挑战赛-A 题 量子计算机在信用评分卡组合优化中的应用-思路详解(模型代码答案)

    运筹优化类题目,不同于目标规划,该题限制了必须使用量子退火算法QUBO来进行建模与求解。本身题目并不难,但是该模型较生僻,给出的参考文献需要耗费大量时间去钻研。建议擅长运筹类题目且建模能力强的队伍选择。 问题 1 :在 100 个信用评分卡中找出 1 张及其对应阈

    2024年02月06日
    浏览(38)
  • 【数学建模】优化模型——规划模型

    在数学建模中,优化类问题是很常见的一种问题。这种问题里面通常涉及多个 变量 和 约束条件 ,并需要在这些变量和条件之下 优化某个函数 。最常见的例子就是,“达到最好效果”、“取得最大利润”、“极大降低风险”等等。遇到这类字眼,应首先考虑优化模型求解。

    2024年01月25日
    浏览(39)
  • 2022 数学建模B题成品论文 参考文章 含全部建模 步骤 数学模型 图像

    完整见https://mianbaoduo.com/o/bread/mbd-Y5eVm5xw 无人机遂行编队飞行中的纯方位无源定位 摘要 一、问题重述 1.1 问题背景 由于无人机集群在遂行编队飞行时, 应尽可能的避免外界干扰, 因此需要尽可能的保持电磁静默减少电磁波信号的发射.为保持编队队形, 拟采用纯方位无源

    2024年02月08日
    浏览(54)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包