数学建模之秩和比综合评价方法(RSR)

这篇具有很好参考价值的文章主要介绍了数学建模之秩和比综合评价方法(RSR)。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。

本文参考的是司守奎,孙兆亮主编的数学建模算法与应用(第二版)

秩和比综合评价方法(RSR)在医疗卫生领域的多指标综合评价、统计预测预报、统计质量控制等方面已经得到了广泛应用。

其中秩序和比是行或者列秩次的平均值,是一个非参数的统计量,具有0-1连续变量的特征。

下面介绍秩和比综合评价方法的一般步骤:

第一步,数据预处理。凡是评价方法中,都需要面对效益型、区间型、成本型等指标。一般的情况都是将非效益型指标转换为效益型指标,因为这样能够直接通过数值大小进行指标优劣的评判,方便后续工作的展开。

第二步,编秩。由于已经数据预处理过,那么编秩,按照数值从小到大编即可,也就是给给数值一个正整数序号,序号根据数值从小到大也从小到大给,数值相同则给同样的序号。
数学建模之秩和比综合评价方法(RSR)
数学建模之秩和比综合评价方法(RSR)
第三步,确定权重,计算秩和比。权重的确立可以通过熵权法或者层次分析法等获得。

数学建模之秩和比综合评价方法(RSR)
第四步,计算概率单位。

数学建模之秩和比综合评价方法(RSR)
第五步,计算直线回归方程。
数学建模之秩和比综合评价方法(RSR)
第六步,分档排序,得出评价。

数学建模之秩和比综合评价方法(RSR)
下面展示一道例题:
数学建模之秩和比综合评价方法(RSR)
第一步,数据预处理。

data = [75.2 3.5 38.2 370.1 101.5 10.0
    76.1 3.3 36.7 369.6 101.0 10.3
    80.4 2.7 30.5 309.7 84.8 10.0
    77.8 2.7 36.3 370.1 101.4 10.2
    75.9 2.3 38.9 369.4 101.2 9.61
    74.3 2.4 36.7 335.3 91.9 9.2
    74.6 2.2 37.5 356.2 97.6 9.3
    72.1 1.8 40.3 401.7 101.1 10.0
    72.8 1.9 37.1 372.8 102.1 10.0
    72.1 1.5 33.2 358.1 97.8 10.4
    ];%待评价指标

data(:,[2,6]) = -data(:,[2,6]);%数据预处理,将成本型指标转换为效益性

第二步,编秩。

ra = tiedrank(data)%编秩,即对每个指标各自进行排序

第三步,确定权重,计算加权秩和比。

数学建模之秩和比综合评价方法(RSR)

weight = [0.093 0.418 0.132 0.100 0.098 0.159];%各指标的权重
[row,col] = size(data);% 获取数据的维度信息
RSR = mean(ra, 2)/row;% 计算秩和比
W = repmat(weight, [row,1]);
WRSR = sum(ra.*W, 2)/row;%计算加权秩和比
[sWRSR, ind] = sort(WRSR)%对加权秩合比排序

第四步,计算概率单位。

p = [1:row] / row; %计算累计频率
p(end) = 1 - 1 / (4 * row) %修正最后一个累计频率,最后一个累计频率按1-1/4n)估计
probit = norminv(p,0,1) + 5 % 计算标准正太分布的p分位数+5

第五步,计算直线回归方程。

x = [ones(row,1),probit'];% 构造一元线性回归分析的数据矩阵
[ab, abint, r, rint, stats] = regress(sWRSR,x)

第六步,分档排序,得出评价。
数学建模之秩和比综合评价方法(RSR)

WRSRfit = ab(1) + ab(2) * probit; % 计算WRSR的估计值
WRSRfit'
y = [1983:1992];
y(ind)'

matlab完整代码如下:文章来源地址https://www.toymoban.com/news/detail-439915.html

clc,clear
data = [75.2 3.5 38.2 370.1 101.5 10.0
    76.1 3.3 36.7 369.6 101.0 10.3
    80.4 2.7 30.5 309.7 84.8 10.0
    77.8 2.7 36.3 370.1 101.4 10.2
    75.9 2.3 38.9 369.4 101.2 9.61
    74.3 2.4 36.7 335.3 91.9 9.2
    74.6 2.2 37.5 356.2 97.6 9.3
    72.1 1.8 40.3 401.7 101.1 10.0
    72.8 1.9 37.1 372.8 102.1 10.0
    72.1 1.5 33.2 358.1 97.8 10.4
    ];%待评价指标
weight = [0.093 0.418 0.132 0.100 0.098 0.159];%各指标的权重
data(:,[2,6]) = -data(:,[2,6]);%数据预处理,将成本型指标转换为效益性

ra = tiedrank(data)%编秩,即对每个指标各自进行排序
[row,col] = size(data);% 获取数据的维度信息
RSR = mean(ra, 2)/row;% 计算秩合比
W = repmat(weight, [row,1]);
WRSR = sum(ra.*W, 2)/row;%计算加权秩和比
[sWRSR, ind] = sort(WRSR);%对加权秩合比排序

p = [1:row] / row; %计算累计频率
p(end) = 1 - 1 / (4 * row) %修正最后一个累计频率,最后一个累计频率按1-1/4n)估计
probit = norminv(p,0,1) + 5 % 计算标准正太分布的p分位数+5


x = [ones(row,1),probit'];% 构造一元线性回归分析的数据矩阵
[ab, abint, r, rint, stats] = regress(sWRSR,x)
WRSRfit = ab(1) + ab(2) * probit; % 计算WRSR的估计值
WRSRfit'
y = [1983:1992];
y(ind)'


到了这里,关于数学建模之秩和比综合评价方法(RSR)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

  • 数学建模笔记(七):综合评价模型

    代表性,也就是这一指标的区分度,最具代表性就是对观测记录最具区分度 强调通行能力前后的变化 (一)指标一致化处理 (二)指标无量纲化处理 (三)定性指标量化 主观评价要量化,无法避免主观因素 f ( 3 ) f(3) f ( 3 ) 使用了两次,其实有四个式子,才解出了四个量

    2024年02月05日
    浏览(62)
  • 数学建模常用算法—模糊综合评价

    目录 模型的含义 模型的数学概念 模型的建立与求解 matlab代码实现 今天给大家讲解一下国赛中常用到的评价模型,模糊综合评价法。 模糊综合评价法是一种基于模糊数学的综合评价方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价,即用模糊数学对

    2023年04月12日
    浏览(58)
  • 数学建模综合评价模型与决策方法

    评价方法主要分为两类,其主要区别在确定权重的方法上 一类是主观赋权法,多次采取综合资讯评分确定权重,如综合指数法,模糊综合评判法,层次评判法,功效系数法等 另一类是客观赋权法,根据各指标间的相关关系或各指标变异程度来确定权数,如主成分分析法,因

    2024年04月23日
    浏览(44)
  • 数学建模常用模型(七) :模糊综合评价法

    模糊综合评价法(Fuzzy Comprehensive Evaluation Method)是一种基于模糊数学理论的评价方法,用于处理模糊、不确定或多指标的决策问题。该方法将模糊集合理论与数学模型相结合,通过量化和综合各种评价指标的模糊信息,得出最终的评价结果。 模糊综合评价法在许多领域中应

    2024年01月21日
    浏览(56)
  • 数学建模—评价模型—灰色关联度分析Vs灰色综合评价

            黑色系统:只明确系统和环境的关系,内部未知         白色系统:内部结构、元素、组成、实现机理已知         灰色系统:部分明确系统与环境见关系、系统结构、实现过程。 灰色系统实例:(1)社会经济系统(企业收入、相关因素) 灰色系统理论

    2024年02月04日
    浏览(52)
  • 数学建模学习(4):TOPSIS 综合评价模型及编程实战

            需求:我们需要对各个银行进行评价,A-G为银行的各个指标,下面是银行的数据: 清空代码和变量的指令 层次分析法 每一行代表一个对象的指标评分 A为自己构造的输入判别矩阵 求特征值特征向量,找到最大特征值对应的特征向量  找到最大的特征值  找到最大

    2024年02月16日
    浏览(54)
  • 数学建模学习(3):综合评价类问题整体解析及分析步骤

    对物体进行评价,用具体的分值评价它们的优劣 选这两人其中之一当男朋友,你会选谁? 不同维度的权重会产生不同的结果 所以找到 每个维度的权重是最核心的问题 0.25 供应商 ID 可靠性 指标 2 指标 3 指标 4 指标 5 1 1 4 100 56 1000 2 2 6 105 55 2000 正向指标处理:即越大越好的指标

    2024年02月16日
    浏览(52)
  • 【数学建模】历年数学建模国赛评价类题目汇总

    年份 题目 模型/算法/解题方法 1993B题:足球甲级联赛排名问题 评价与决策 2005A题:长江水质的评价与预测问题 综合评价和预测问题(非常典型和传统的问题) 2005C题:雨量预报方法的评价问题 综合评价问题 2006B题:艾滋病疗法的评价及预测问题 评价和预测(分类、拟合、线性

    2024年02月07日
    浏览(55)
  • 数学建模 —— 评价模型

    对于评价类模型,最好还是使用 Topsis法,主成分分析主观因素太大,灰色关联分析因为这个灰色理论近几年才在国内出现,使用范围较小,可能评委老师了解不多。模糊综合评价的话也可以使用,但是能用 Topsis法最好还用 Topsis法。 评价类模型主要研究的是多个指标中各个指

    2024年02月07日
    浏览(74)
  • (数学建模)评价类-主成分分析

    目录 一、模式是干什么的 1.1基本原理 1.2假设(假设检验用SPSS,后面介绍) 1.3计算步骤 二、算法是干啥的,算法和模型怎么对应 2.1程序清单 1.2部分代码的作用 1.3关键程序解释  三、SPSS  (matlab代码用来进行主成分评价,spss用来判断主成分的前提二是否满足) 1、通过正交

    2024年02月07日
    浏览(43)

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