2.1 一元线性回归模型有哪些基本假定？ 答：1. 解释变量 1x , ,2x ,p x 是非随机变量，观测值,1i x ,,2 i x ip x 是常数。 2. 等方差及不相关的假定条件为 ? ? ? ? ? ? ??????≠=====j i n j i j i n i E j i i ,0),,2,1,(,),cov(,,2,1, 0)(2 σεεε 这个条件称为高斯-马尔柯夫(Gauss-Markov)条件，简称G-M 条件。在此条件下，便可以得到关于回归系数的最小二乘估计及误差项方差2σ估计的一些重要性质，如回归系数的最小二乘估计是回归系数的最小方差线性无偏估计等。 3. 正态分布的假定条件为 ???=相互独立 n i n i N εεεσε,,,,,2,1),,0(~212 在此条件下便可得到关于回归系数的最小二乘估计及2σ估计的进一步结果，如它们分别是回归系数的最及2σ的最小方差无偏估计等，并且可以作回归的显著性检验及区间估计。 4. 通常为了便于数学上的处理，还要求,p n >及样本容量的个数要多于解释变量的个数。 在整个回归分析中，线性回归的统计模型最为重要。一方面是因为线性回归的应用最广泛；另一方面是只有在回归模型为线性的假设下，才能的到比较深入和一般的结果；再就是有许多非线性的回归模型可以通过适当的转化变为线性回归问题进行处理。因此，线性回归模型的理论和应用是本书研究的重点。 1. 如何根据样本),,2,1)(;,,,(21n i y x x x i ip i i =求出p ββββ,,,,210 及方差2σ的估计; 2. 对回归方程及回归系数的种种假设进行检验； 3. 如何根据回归方程进行预测和控制，以及如何进行实际问题的结构分析。 2.2 考虑过原点的线性回归模型 n i x y i i i ,,2,1,1 =+=εβ误差n εεε,,,21 仍满足基本假定。求1β的最小二 乘估计。 答：∑∑==-=-=n i n i i i i x y y E y Q 1 1 2112 1)())(()(ββ
城镇居民消费支出与收入的预测模型(一) 摘要]本文根据2000年～2006年十堰市城镇居民消费性支出与可支配收入基本数据，应用灰色预测模型对未来几年十堰市居民可支配收入进行了预测，应用线性回归模型对居民消费支出与可支配收入之间的数量关系的基本规律进行研究，并对其消费走势进行了预测分析，为制定新一轮的经济政策提供了决策依据。 关键词]可支配收入消费性支出灰色模型线性回归 近年来，我国经济快速发展，十堰市的经济也取得了长足的进步，随着居民可支配收入的增加，居民的消费支出也随着增加。目前，消费已成为制约经济发展的瓶颈，分析城镇居民消费支出与收入之间数量关系的基本规律，了解城镇居民消费支出与收入的情况及特点，掌握城镇居民消费支出与收入的变化趋势，采用适当方法，对未来几年城镇居民的消费支出与收入进行预测，帮助有关部门和经营者制定经济政策进而实施宏观调控等，对刺激经济持续、健康发展具有重要意义。本文通过对十堰市城镇居民年可支配收入和年消费性支出的建模分析，讨论了其相互关系、发展规模和未来发展趋势等，为制定新一轮的经济政策提供了决策依据。 一、收入水平的预测 1.居民的经济收入的高低直接决定、影响着消费水平。收入水平的准确与否直接影响着消费规模的预测，这里对收入水平的预测采用数学模型中的灰色预测模型。灰色模型（GreyModel）简称GM模型，是灰色
系统理论的基本模型，也是灰色控制理论的基础。灰色系统理论建模的主要任务是根据社会、经济、技术等系统的行为特征数据，找出因素本身或因素之间的关系，从而了解系统的动态行为和发展趋势。2.预测模型GM（1，1） 设,做1—AGO,得 ,建立白化形式的微分方程设，按最小二乘法得到， 其中 易求得，微分方程的解为 3.模型的建立。以2000年～2006年十堰市城镇居民人均收入情况为观测值，建立GM（1，1）预测模型。数据来源于《十堰统计年鉴（2007）》，见表1。 令表1提供的人均可支配收入的数据为X(0)(i)（i=1,2∧，7，得到相应的累加生成序列： 构造累加矩阵常数项 在Mathematica4.0中求解得 得所以建立预测模型： 即（1） 4.模型的检验 (1)残差检验。残差检验就是计算相对误差，对模型的回顾，以残差的大小来判断模型的好坏。模型(1)预测的数据与实际数据的误差与相对误差,见表2。
线性规划模型及其举例 摘要：在日常生活中，我们常常对一个问题有诸多解决办法，如何寻找最优方案，成为关键，本文提出了线性规划数学模型及其举例，在一定约束条件下寻求最优解的过程，目的是想说明线性规划模型在生产中的巨大应用。 关键词：资源规划；约束条件；优化模型；最优解 在工农业生产与经营过程中，人们总想用有限的资源投入，获得尽可能多的使用价值或经济利益。如：当任务或目标确定后，如何统筹兼顾，合理安排，用最少的资源（如资金、设备、原材料、人工、时间等）去完成确定的任务或目标；企业在一定的资源条件限制下，如何组织安排生产获得最好的经济效益（如产品量最多，利润最大）。 一.背景介绍 如果产出量与投入量存在（或近似存在）比例关系，则可以写出投入产品的线性函数式： 1()n i ij j j f x a x ==∑，1,2,,,1i m m =+ (1) 若将（1）式中第（1m +）个线性方程作为待求的目标函数，其余m 个线性方程作为资源投入的限制条件（或约束条件），则（1）式变为： OPT. 1()n j j j f x c x ==∑ ST. 1 n ij j j a x =∑> ( =, < )i b , 1,2,,i m = (2) 0,j x ≥ 1,2,,j n =… （2）式特点是有n 个待求的变量j x （1,2,,j n =…）；有1个待求的线性目标函数()f x ，有m 个线性约束等式或不等式，其中i b （1,2,,i m =…）为有限的资源投入常量。将客观实际问题经过系统分析后，构建线性规划模型，有决策变量，目标函数和约束条件等构成。 1．决策变量（Decision Variable,DV ）在约束条件范围内变化且能影响（或限定）目标函数大小的变量。决策变量表示一种活动，变量的一组数据代表一个解决方案，通常这些变量取非负值。 2．约束条件（Subject To,ST ）在资源有限与竞争激烈的环境中进行有目的性的一切活动，都
23 种定量研究方法，你会几种？ 量化研究方法2019-12-28 文章作者| 乔晓春 首先 我们对前面介绍的方法进行简单的归纳。我们把研究方法分为三个层面，即方法论、一般方法和特殊方法。 在一般方法层面又分为定量研究和定性研究方法，而定量研究方法所涵盖的内容最多，也是社会科学研究中使用最为广泛的方法，规范的定性研究方法在中国使用得并不多。这主要是因为中国学者对定性研究有自己的理解，甚至把理论研究、思辨研究都称为定性研究，这是错误的。 ?研究方法的三个层次 下面 给出23种具体定量研究方法的名称： 01. 社会科学应用统计学原理 02. 社会测量方法 03. 实验设计方法 04. 抽样调查方法 05. 应用线性回归模型 06. 分类数据分析 07. 生存分析（或事件史分析） 08. 空间数据分析 09. 多元数据分析 10. 分层分析 11. 纵向分析 12. 路径分析 13. 结构方程模型 14. 项目评估方法 15. 系统动态学 16. 贝叶斯方法 17. 队列分析 18. 随机过程或马尔科夫链 19. 系统仿真方法 20. 文献分析方法 21. 内容分析方法 22. 势分析方法 23. 复杂调查数据分析方法
在一般方法中的定性研究方法中，给出了下面几种方法： 1. 叙述研究 2. 现象学 3. 扎根理论 4. 民族志 5. 案例研究 6. 焦点组讨论 上面所列的研究方法课程，并不是可以随便想学哪一门课就可以学哪一门课的，它们之间具有内在逻辑联系。要想系统学习社会科学研究方法，需要遵循这种内在的逻辑顺序，否则会影响对内容的理解。 学习社会科学研究方法，第一门课应该是“研究设计和研究方法”。学习这门课，可以对社会科学研究的基本思路、原理、过程、各类方法等有基本的、全面的理解。在这门课中还会介绍一些简单的、与社会测量有关的内容，包括实验设计、问卷设计、抽样设计等。学完这门课以后，有人喜欢继续学习定量研究方法，也有人可能会喜欢学习定性研究方法，那么就可以开始学习第二个层次的课程。目前，国内社会科学领域均把定性研究方法作为独立的一门课。尽管这属于一类方法，其中还有很多具体的研究方法，但目前还很少有学校把每一种具体方法设置为一门课。学习定性研究方法，通常不需要任何前修课，但最好能够有过一些研究的经历，并掌握一定的社会科学理论。 对从来没有学过定量分析方法特别是统计学方法的人来说，最好从统计学基础课开始学。“社会科学应用统计学原理”被称为应用统计学或定量研究方法的第一门课。它将介绍统计学的基本概念、原理，以及针对单变量和双变量的描述、解释和推断方法。学完了解决单变量和双变量问题的方法以后，就将学习多变量问题的方法。针对多变量问题，最重要也是最基础的一门课就是“应用线性回归模型”。这门课是所有多变量分析模型或回归分析模型的基础，换句话说，如果这门课没有学或没有学好，会影响后续很多定量研究方法课程的学习。 我们通常认为，“研究设计和研究方法”“社会科学应用统计学”和“应用线性回归模型”这三门课是社会科学研究最基础性的课程。“基础”的含义是，它们是社会科学学者必备的常识性的知识和基本的方法，同时也是进一步学习其他方法的基础。说得严重一些就是，不掌握这些基础性知识就不具备从事社会科学研究的资格。 然而，要想把研究做得更好，还需要掌握更多的研究方法，并进一步学习后续课程。这些课程一方面介绍如何收集能够反映客观实际的数据，比如抽样调查方法。另一方面介绍不同类型、不同结构数据所使用的不同分析方法，比如针对分类变量用分类数据分析方法，针对纵向数据使用生存分析（也叫事件史分析）或纵向分析方法，针对空间数据使用空间分析方法或地理信息系统方法，针对多变量关系使用多变量分析方法，以及针对复杂因果关系结构通常使用路径分析或结构方程模型，等等。 社会科学领域的学生或学者尽管非常渴望学习研究方法，但经常会担心自己数学基础不好，怕学不懂。这种担心是不必要的。一方面是因为我们并不是专门研究方法，而是要应用方法，所以学习的重点是如何使用现成的研究方法。尽管在教学过程中会涉及方法的某些原理，但通常在讲解原理时，教师不应该过多地纠缠数学推导，而是要讲思路。另一方面是因为中国学生的数学基础可以说是世界上最好的，既然其他国家的学生能学，中国人肯定能学而且会学得更好。
线性规划 1.简介： 线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支,它是辅助人们进行科学管理的一种数学方法.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源. 线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.规划问题。一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域。 (x)都是线性函数，则该模型称为在优化模型中，如果目标函数f(x)和约束条件中的g i 线性规划。 2.线性规划的3个基本要素 （1）决策变量 （2）目标函数f(x) (x)≤0称为约束条件） （3）约束条件（g i 3.建立线性规划的模型 （1）找出待定的未知变量（决策变量），并用袋鼠符号表示他们。 （2）找出问题中所有的限制或者约束，写出未知变量的线性方程或线性不等式。
（3）找到模型的目标或判据，写成决策变量的线性函数，以便求出其最大值或最小值。以下题为例，来了解一下如何将线性规划用与实际的解题与生活中。 生产计划问题 某工厂生产甲乙两种产品，每单位产品消耗和获得的利润如表 试拟订生产计划，使该厂获得利润最大 解答：根据解题的三个基本步骤 （1）找出未知变量，用符号表示： 设甲乙两种产品的生产量分别为x 1与x 2 吨，利润为z万元。 （2）确定约束条件： 在这道题目当中约束条件都分别为：钢材，电力，工作日以及生产量不能为负的限制 钢材：9x 1+5 x 2 ≤360， 电力：4x 1+5 x 2 ≤200， 工作日：3x 1+10 x 2 ≤300， x 1≥0 ，x 2 ≥0， （3）确定目标函数： Z=7x 1+12 x 2
数学建模线性规划模型 数学建模教案,线性规划模型 一、问题的提出 在生产管理和经营活动中经常提出一类问题，即如何合理地利用有限的人力、物力、财力等资源，以便得到最好的经济效果。 例1 若需在长为4000mm的圆钢上，截出长为698mm和518mm两种毛坯，问怎样截取才能使残料最少, 初步分析可以先考虑两种“极端”的情况: (1)全部截出长为698mm的甲件，一共可截出 EQ F(4000,698) ?5件，残料长为510mm。 (2)全部截出长为518mm的乙件，一共可截出 EQ F(4000,518) ?7件，残料长为374mm。由此可以想到，若将 x个甲件和y 个乙件搭配起来下料，是否可能使残料减少,把截取条件数学化地表示出来就是: 698 x + 518y ? 4000 x ，y都是非负整数 目标是使:z = EQ F(698x + 518y,4000) (材料利用率)尽可能地接近或等于1。(尽可能地大) 该问题可用数学模型表示为: 目标函数 : max z = EQ F(698x + 518y,4000) 满足约束条件: 698 x + 518y ? 4000 ， (1) x ，y都是非负整数 . (2) 例2 某工厂在计划期内要安排生产I 、II两种产品，已知生产单位产品所需的设备台数及A、B两种原料的消耗，如下表所示。
I II 设备 1 2 8台数 原材料A 4 0 16kg 原材料B 0 4 12kg 该工厂每生产一件产品I可获利 2 元，每生产一件产品II可获利 3 元，问应如何安排生产计划使工厂获利最多, 这问题可以用以下的数学模型来描述:设 x, x分别表示在计划期内产品I、II 的产量。 1 2 因为设备的有效台数为8 ，这是一个限制产量的条件，所以在确定I 、II的产量时，要考虑不超过设备的有效台数，即可用不等式表示为: x + 2x ? 8 . 1 2同理，因原材料A 、B的限量，可以得到以下不等式: 4 x ? 16 1 4 x ? 12. 2 该工厂的目标是在不超过所有资源限量的条件下，如何确定产量x、x以得到最大 1 2的利润。若用 z 表示利润，这时z = 2x + 3 x。综上所述，该计划问题可用数学模型表 1 2 示为: 目标函数 : max z = 2x + 3 x 1 2 满足约束条件: x + 2x ? 8 1 2 4 x ? 16 1 4 x ? 12. 2
第3章线性规划模型的应用 1.某企业制造三种仪器，甲种仪器需要17小时加工装配，8小时检测，售价300元。乙种仪器需要10小时加工装配，4小时检测，售价200元。丙种仪器需要2小时加工装配，2小时检测，售价100元。三种仪器所用的元件和材料基本一样，可供利用的加工装配时间为1000小时，检测时间为500小时。又根据市场预测表明，对上述三种仪器的要求不超过50台、80台、150台。试求企业的最优生产计划。 解：首先将问题中的数据表示到如下表格： i maxZ=300x1+200x2+100x3 17x1+10x2+2x3≤1000 8x1+4x2+2x3≤500 x1≤50 x2≤80 x3≤150 x1,x2,x3≥0 2. 某铸造厂要生产某种铸件共10吨，其成分要求：锰的含量至少达到0.45%，硅的允许范围是 3.25%~5.5%。目前工厂有数量充足的锰和三种生铁可作为炉料使用。这些炉料的价格是：锰为15元/公斤，生铁A为340元/吨，生铁B为380元/吨，生铁C为280元/吨。这三种生铁含锰和含硅量（%）如表3.22所示，问工厂怎样选择炉料使成本最低。 表3.22 成分锰有部分是纯锰，部分是从生铁中提炼出来的，所以改进表格如下：
设铸件中含有三种生铁和锰的量分别为xi（i=1，2，3，4）吨，则数学模型如下： maxZ=340x1+380x2+280x3+15000x4 x1+x2+x3+x4=10 0.45%x1+0.5%x2+0.35%x3+x4≥0.45%*10 4%x1+1%x2+0. 5%x3≥3.25%*10 4%x1+1%x2+0. 5%x3≤5.5%*10 xi≥0（i=1，2，3，4） 3. 某工厂要做100套钢架，每套用长为2.9m，2.1m和1.5m的圆钢各一根。已知原料每根长7.4m，问应如何下料，可使所用原料最省。 解： 4. 绿色饲料公司生产雏鸡、蛋鸡、肉鸡三种饲料。这三种饲料是由A、B、C三种原料混合而成。产品的规格要求、产品单价、日销售量、原料单价见表3.23、表3.24。受资金和生产能力的限制，每天只能生产30吨，问如何安排生产计划才能获利最大？ 表3.23 产品名称规格要求销售量（吨）售价（百元） 雏鸡饲料原料A不少于50% 5 9 原料B不超过20% 蛋鸡饲料原料A不少于30% 18 7 原料C不超过30% 肉鸡饲料原料C不少于50% 10 8 表3.24
线性回归模型的应用 一、数据来源与处理 数据均来源于中华人民共和国国家统计局网站公布的《2008年中国统计年鉴》。选取1999年至2007年的相关数据,其中人均消费支出、人均年总收入、政府对农业的投入均采用当年年末新增值;商品零售价格指数、恩格尔系数均采用原值;为避免数据本身过小造成误差增大,用年末累计参加农村养老保险人数除以当年农村人口数后,再乘以一千。利用SPSS16.0软件进行数据统计处理。 二、模型变量的选择和说明 被解释变量:农村居民人均消费支出(E); 解释变量:人均年总收入(Y)、政府对农业的投入(C)、商品零售价格指数(P)、农村恩格尔系数(D)、参加养老保险人数占农村总人口的千分比(I)。 采用以下函数表达式表示各解释变量与被解释变量的关系:E=F(Y,C,P,D,I) 经简单测算和经验分析,发现农村居民人均消费支出除了与传统的人均年总收入成一元线性相关外,政府对农业的投入影响农民人均收入水平、商品零售价格指数影响消费者价格心理、农村恩格尔系数影响农村消费者消费行为、参加养老保险人数占农村总人口的千分比影响农村及其购买能力,这些因素在单独情况下,均与人均消费支出成一元线性相关。因此,猜想以上各被解释变量在综合作用情况下与解释变量成多元线性线性相关是完全可行、合理的。 三、线性回归模型形成的步骤 (1)相关性分析。线性回归方程拟引入一个因变量,即人均消费;五个自变量,即人均收入、政府投入、CPI、农村恩格尔系数和养老保险投保率。经计算得加权平均值及方差如表1。 由表2看出,人均消费与五个因变量相关性均较大。其中,人均收入与人均消费相关性高达99%,政府投入次之,达98.4%,恩格尔系数与CPI与人均消费的相关性分别达83%和80.6%,远高于养老保险参保率的47.8%。
首先，我们对前面介绍的方法进行简单的归纳。我们把研究方法分为三个层面，即方法论、 一般方法和特殊方法。在一般方法层面又分为定量研究和定性研究方法， 而定量研究方法所 涵盖的内容最多，也是社会科学研究中使用最为广泛的方法， 规范的定性研究方法在中国使 用得并不多。这主要是因为中国学者对定性研究有自己的理解， 甚至把理论研究、 思辨研究 都称为定性研究，这是错误的。 定咸研究方注 定忤研禿方法 丄[ 丄 I ■「 ] 坨济学恃室方法 沁介学畅定方法 人瓷学騎定方法 研究方法的三个层次 F 面给出23种具体定量研究方法的名称: 10) 分层分析 11) 纵向分析 12) 路径分析 13) 结构方程模型 14) 项目评估方法 15) 系统动态学 16) 贝叶斯方法 17) 队列分析 18) 随机过程或马尔科夫链 多元数据分析 9) 1) 社会科学应用统计学原理 2) 社会测量方法 3) 实验设计方法 4) 抽样调查方法 5) 应用线性回归模型 6) 分类数据分析 7) 生存分析（或事件史分析） 8) 空间数据分析
19)系统仿真方法 20)文献分析方法 21)内容分析方法 22)势分析方法 23)复杂调查数据分析方法 在一般方法中的定性研究方法中，给出了下面几种方法: 1) 叙述研究 2) 现象学 3) 扎根理论 4) 民族志 5) 案例研究 6) 焦点组讨论 上面所列的研究方法课程，并不是可以随便想学哪一门课就可以学哪一门课的，它们之间具有内在逻辑联系。要想系统学习社会科学研究方法，需要遵循这种内在的逻辑顺序，否则会影响对内容的理解。 学习社会科学研究方法，第一门课应该是“研究设计和研究方法”。学习这门课，可以对社会科学研究的基本思路、原理、过程、各类方法等有基本的、全面的理解。在这门课中还会介绍一些简单的、与社会测量有关的内容，包括实验设计、问卷设计、抽样设计等。学完这门课以后，有人喜欢继续学习定量研究方法，也有人可能会喜欢学习定性研究方法，那么就 可以开始学习第二个层次的课程。目前，国内社会科学领域均把定性研究方法作为独立的一 门课。尽管这属于一类方法，其中还有很多具体的研究方法，但目前还很少有学校把每一种 具体方法设置为一门课。学习定性研究方法，通常不需要任何前修课，但最好能够有过一些研究的经历，并掌握一定的社会科学理论。 对从来没有学过定量分析方法特别是统计学方法的人来说，最好从统计学基础课开始学。“社 会科学应用统计学原理”被称为应用统计学或定量研究方法的第一门课。它将介绍统计学的基本概念、原理，以及针对单变量和双变量的描述、解释和推断方法。学完了解决单变量和 双变量问题的方法以后，就将学习多变量问题的方法。针对多变量问题，最重要也是最基础
数学建模 第一章 线性规划 §1 线性规划 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(Linear Programming 简记LP)则是数学规划的一个重要分支。自从1947年G. B. Dantzig 提出求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划的适用领域更为广泛了，已成为现代管理中经常采用的基本方法之一。 1.1 线性规划的实例与定义 例1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000元与3000元。生产甲机床需用B A 、机器加工，加工时间分别为每台2小时和1小时；生产乙机床需用C B A 、、三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时数分别为A 机器10小时、B 机器8小时和C 机器7小时，问该厂应生产甲、乙机床各几台，才能使总利润最大？ 上述问题的数学模型：设该厂生产1x 台甲机床和2x 乙机床时总利润最大，则21,x x 应满足 （目标函数） 2134m ax x x z += (1) s.t. （ 约 束 条 件 ） ?????? ?≥≤≤+≤+0 ,781022122 121x x x x x x x （2） 这里变量21,x x 称之为决策变量，（1）式被称为问题的目标函数，（2）中的几个不等式是问题的约束条件，记为s.t.(即subject to)。
上述即为一规划问题数学模型的三个要素。由于上面的目标函数及约束条件均为线性函数，故被称为线性规划问题。 总之，线性规划问题是在一组线性约束条件的限制下，求一线性目标函数最大或最小的问题。 在解决实际问题时，把问题归结成一个线性规划数学模型是很重要的一步，但往往也是困难的一步，模型建立得是否恰当，直接影响到求解。而选取适当的决策变量，是我们建立有效模型的关键之一。 1.2 线性规划的Matlab 标准形式 线性规划的目标函数可以是求最大值，也可以是求最小值，约束条件的不等号可以是小于号也可以是大于号。为了避免这种形式多样性带来的不便，Matlab 中规定线性规划的标准形式为 b Ax x c x T ≤ that such min 其中c 和x 为n 维列向量，b 为m 维列向量，A 为n m ?矩阵。 例如线性规划 b Ax x c x T ≥ that such max 的Matlab 标准型为 b Ax x c x T -≤-- that such min 1.3 线性规划问题的解的概念 一般线性规划问题的标准型为 ∑==n j j j x c z 1min (3) ∑==≤n j i j ij m i b x a 1,,2,1 s.t.Λ (4) 可行解 满足约束条件（4）的解),,,(21n x x x x Λ=，称为线性规划问题的可行解，而使目标函数（3）达到最小值的可行解叫最优解。
线性规划模型在生活中的实际应用 一、线性规划的基本概念 线性规划是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支,它是辅助人们进行科学管理的一种数学方法.在经济管理、交通运输、工农业生产等经济活动中，提高经济效果是人们不可缺少的要求，而提高经济效果一般通过两种途径：一是技术方面的改进，例如改善生产工艺，使用新设备和新型原材料.二是生产组织与计划的改进，即合理安排人力物力资源.线性规划所研究的是：在一定条件下，合理安排人力物力等资源，使经济效果达到最好.一般地，求线性目标函数在线性约束条件下的最大值或最小值的问题，统称为线性规划问题.满足线性约束条件的解叫做可行解，由所有可行解组成的集合叫做可行域.决策变量、约束条件、目标函数是线性规划的三要素. 二、线性规划模型在实际问题中的应用 （1）线性规划在企业管理中的应用范围 线性规划在企业管理中的应用广泛，主要有以下八种形式： 1.产品生产计划：合理利用人力、物力、财力等，是获利最大. 2.劳动力安排：用最少的劳动力来满足工作的需要. 3.运输问题：如何制定运输方案，使总运费最少. 4.合理利用线材问题：如何下料，使用料最少. 5.配料问题：在原料供应的限制下如何获得最大利润. 6.投资问题：从投资项目中选取方案，是投资回报最大. 7.库存问题：在市场需求和生产实际之间，如何控制库存量从而获得更高利益. 8.最有经济计划问题：在投资和生产计划中如何是风险最小 . （2）如何实现线性规划在企业管理中的应用 在线性规划应用前要建立经济与金融体系的评价标准及企业的计量体系，摸清企业的资
源.首先通过建网、建库、查询、数据采集、文件转换等，把整个系统的各有关部分的特征进行量化，建立数学模型，即把组成系统的有关因素与系统目标的关系，用数学关系和逻辑关系描述出来，然后白较好的数学模型编制成计算机语言，输入数据，进行计算，不同参数获取的不同结果与实际进行分析对比，进行定量，定性分析，最终作出决策.
应用MATLAB进行非线性回归分析 摘要 早在十九世纪，英国生物学家兼统计学家高尔顿在研究父与子身高的遗传问题时，发现子代的平均高度又向中心回归大的意思，使得一段时间人的身高相对稳定。之后回归分析的思想渗透到了数理统计的其他分支中。随着计算机的发展，各种统计软件包的出现，回归分析的应用就越来越广泛。回归分析处理的是变量与变量间的关系。有时，回归函数不是自变量的线性函数，但通过变换可以将之化为线性函数，从而利用一元线性回归对其进行分析，这样的问题是非线性回归问题。下面的第一题：炼钢厂出钢水时用的钢包，在使用过程中由于钢水及炉渣对耐火材料的侵蚀，使其容积不断增大。要找出钢包的容积用盛满钢水时的质量与相应的实验次数的定量关系表达式，就要用到一元非线性回归分析方法。首先我们要对数据进行分析，描出数据的散点图，判断两个变量之间可能的函数关系，对题中的非线性函数，参数估计是最常用的“线性化方法”，即通过某种变换，将方程化为一元线性方程的形式，接着我们就要对得到的一些曲线回归方程进行选择，找出到底哪一个才是更好一点的。此时我们通常可采用两个指标进行选择，第一个是决定系数，第二个是剩余标准差。进而就得到了我们想要的定量关系表达式。第二题：给出了某地区1971—2000年的人口数据，对该地区的人口变化进行曲线拟合。也用到了一元非线性回归的方法。首先我们也要对数据进行分析，描出数据的散点图，然后用MATLAB编程进行回归分析拟合计算输出利用Logistic模型拟合曲线。 关键词：参数估计，Logistic模型，MATLAB
正文 一、一元非线性回归分析的求解思路： ?求解函数类型并检验。 ?求解未知参数。可化曲线回归为直线回归，用最小二乘法求解；可化曲线回归为多项式回归。 二、回归曲线函数类型的选取和检验 1、直接判断法 2、作图观察法，与典型曲线比较，确定其属于何种类型，然后检验。 3、直接检验法（适应于待求参数不多的情况） 4、表差法（适应于多想式回归，含有常数项多于两个的情况） 三、化曲线回归为直线回归问题 用直线检验法或表差法检验的曲线回归方程都可以通过变量代换转化为直线回归方程，利用线性回归分析方法可求得相应的参数估计值。 题目： 例 8.5.1 炼钢厂出钢水时用的钢包，在使用过程中由于钢水及炉渣对耐火材料的浸蚀，其容积不断增大。现在钢包的容积用盛满钢水时的重量y(kg)表示，相应的试验次数用x表示。数据见表8.5.1，要找出y与x的定量关系表达式。 表8.5.1 钢包的重量y与试验次数x数据
人力资源管理中需求预测方法--转换比率分析法 这种方法是根据历史数据，把企业未来的业务活动量转化为人力资源需求的预测方法。具体做法：根据历史数据，找出企业业务增量与人力资源增量之间的比例关系——据此预测实现未来目标的业务活动增量所需的总人员需求量，将总人员需求量按比例折算成各类人员的需求量。 例题：某商场根据过去的经验，在一年中每增加1 000万元的销售额，需增加20人，预计一年后销售额将增加6 000万元，如果管理人员、销售人员和后勤服务人员的比例是l:7:2，则新增加的l20人中，销售人员应为（）人。 答案：C 第一步：计算分配率，l20／（1+7+2）=120／10=12 第二步：分配，管理人员为1×12=12（人），销售人员约为7×12=84（人），后勤服务人员约为2×12=24（人）。 转换比率分析法的关键点是找出企业业务增量与人力资源增量和企业主体人员与辅助人员的比例关系，由此推断出企业各类人员的需求量。 回归分析法 回归分析法是数学预测法中的一种，它是从过去的情况推断未来变化的定量分析方法。最简单的回归分析是趋势分析，即根据企业或企业中各个部门过去的员工数量变动状况，对未来的人力需求变动趋势做出预测。简单的回归分析，是把过去趋势直接导向未来，这实际上是用时间因素对趋势的影响进行预测。因此，比较简单。在实际工作中，一般不会这样使用回归方法。 较为实用的回归方法是计量模型分析法。人力资源的需求水平通常总是和某个因素有关系，当这种关系是一种高度确定的相关关系时，从而得出一个回归方程。用这种方程进行预估就显得非常简单和方便了。这种方法的问题在于找出和人力资源有高度相关性的变量很困难。在应用这种方法时，这些变量的历史数据必须是容易得到的，同时，代表实际数值与线性数值的差距越少，这条线越接近事实，越有助于预测未来。应用线性回归模型可求得一个简单方程说明曲线的常数和斜率。 下面举例说明这一方法在预测中的应用。
-1- 第一章线性规划 §1 线性规划 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济 效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(Linear Programming 简记LP)则是数学规划的一个重要分支。自从1947 年G. B. Dantzig 提出 求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性 规划的适用领域更为广泛了，已成为现代管理中经常采用的基本方法之一。 1.1 线性规划的实例与定义 例1 某机床厂生产甲、乙两种机床，每台销售后的利润分别为4000 元与3000 元。 生产甲机床需用A、B机器加工，加工时间分别为每台2 小时和1 小时；生产乙机床 需用A、B、C三种机器加工，加工时间为每台各一小时。若每天可用于加工的机器时 数分别为A 机器10 小时、B 机器8 小时和C 机器7 小时，问该厂应生产甲、乙机床各几台，才能使总利润最大？ 上述问题的数学模型：设该厂生产1 x 台甲机床和2 x 乙机床时总利润最大，则1 2 x , x 应满足 （目标函数）1 2 max z = 4x + 3x (1) s.t.（约束条件） ?? ? ?? ? ? ≥ ≤ + ≤ + ≤ , 0 7 8 2 10 1 2 2 1 2 1 2 x x x x x x x （2） 这里变量1 2 x , x 称之为决策变量，（1）式被称为问题的目标函数，（2）中的几个不等式是问题的约束条件，记为s.t.(即subject to)。由于上面的目标函数及约束条件均为线性
1、 变量间统计关系和函数关系的区别是什么 答：函数关系是一种确定性的关系，一个变量的变化能完全决定另一个变量的变化；统计关系是非确定的，尽管变量间的关系密切，但是变量不能由另一个或另一些变量唯一确定。 2、 回归分析与相关分析的区别和联系是什么 答：联系：刻画变量间的密切联系； 区别：一、回归分析中，变量y 称为因变量，处在被解释的地位，而在相关分析中，变量y 与x 处于平等地位；二、相关分析中y 与x 都是随机变量，而回归分析中y 是随机的，x 是非随机变量。三、回归分析不仅可以刻画线性关系的密切程度，还可以由回归方程进行预测和控制。 3、 回归模型中随机误差项ε的意义是什么主要包括哪些因素 答：随机误差项ε的引入，才能将变量间的关系描述为一个随机方程。主要包括：时间、费用、数据质量等的制约；数据采集过程中变量观测值的观测误差；理论模型设定的误差；其他随机误差。 4、 线性回归模型的基本假设是什么 答：1、解释变量非随机；2、样本量个数要多于解释变量(自变量)个数；3、高斯-马尔科夫条件；4、随机误差项相互独立，同分布于2(0,)N σ。 5、 回归变量设置的理论根据在设置回归变量时应注意哪些问题 答：因变量与自变量之间的因果关系。需注意问题：一、对所研究的问题背景要有足够了解；二、解释变量之间要求不相关；三、若某个重要的变量在实际中没有相应的统计数据，应考虑用相近的变量代替，或者由其他几个指标复合成一个新的指标；四、解释变量并非越多越好。 6、 收集、整理数据包括哪些内容 答：一、收集数据的类型（时间序列、截面数据）；二、数据应注意可比性和数据统计口径问题（统计范围）；三、整理数据时要注意出现“序列相关”和“异
毕业论文开题报告 物流管理 高校餐饮物流成本控制研究 一、立论依据 1.研究意义、预期目标 研究意义：高校餐饮是高校后勤服务的重要组成部分，在高校后勤服务中发挥着非常重要的作用。高校后勤改革社会化打破了高校后勤“围墙经济”的传统格局，赋予了高校餐饮巨大的发展机遇，同时也使高校餐饮面临着严峻的挑战。高校餐饮改革和发展是摆在高校餐饮人面前的一项具有重要性和现实性的研究课题。高校餐饮想要进一步加强竞争力、提高利润率必然要在经营范围的扩张中更加注重成本控制，这样才能更好的实现利润。高校餐饮物流过程中各个环节环环相扣，形成一个物流体系，主要作业流程为采购、加工制作、运输、储存、回收，为降低高校餐饮物流成本，提高经营效益，加强以下环节的物流成本控制意义重大。 预期目标：本文主要以万里学院食堂为例，通过对万里学院食堂物流成本控制现状进行分析研究，确定优点与不足，取其精华去其糟粕，从而进一步改善高校餐饮物流成本控制，减低成本，提高竞争力。 2.国内外研究现状 近年来，我国的学术界综合集成国内外有关物流成本计算的模型和新型理论方法，应用ABC成本法、聚类分析法等物流成本测算方法，研究物流全过程，开发可操作性强的各类物流成本测算模型:物流成本总量的测算模型、第三方物流服务市场规模的测算模型、物流业成本水平的测算模型、物流成本节约效果的测算模型等。 张令荣、杨梅(2005)提出基于价值链的作业成本法分析一体化物流成本的数学模型。可以根据各项作业在价值增值过程中贡献比例的历史数据以及生产作业的流程分析，详细确定各个矩阵，输人有关决策结果，以此预测或模拟成本数据，并通过有关矩阵对应的变量，求取较优解或最优解，以便于进行物流成本控制。但此模型仅仅是理论上的假设，有待进一步的分析和实证。 李慧(2004)对物流作业成本法中的物流成本与作业量的相关关系进行研究，引人线性回归预测与控制原理对物流作业成本预测和物流作业量的优化控制，提出多作业正态线性回归模型。该模型实证了利用线性回归原理为物流成本计算、预测和物流作业量的优化控制提供一种新的管理和决策手段。但是，在实际应用线性回归模型时，由于物流成本计算、预测和控制是一个系统工作，
3.1.2 虚拟变量的应用 例3.1.2.1：为研究美国住房面积的需求，选用3120户家庭为建模样本，回归模型为： 123log log P Y βββ++logQ= 其中：Q ——3120个样本家庭的年住房面积（平方英尺） 横截面数据 P ——家庭所在地的住房单位价格 Y ——家庭收入 经计算：0.247log 0.96log P Y -+logy=4.17 2 0.371R = （）（） （） 上式中2β=0.247-的价格弹性系数，3β=0.96的收入弹性系数，均符合经济学的常识，即价格上升，住房需求下降，收入上升，住房需求也上升。 但白人家庭与黑人家庭对住房的需求量是不一样的，引进虚拟变量D ： 01i D ?=?? 黑人家庭 白人家庭或其他家庭 模型为：112233log log log log D P D P Y D Y βαβαβα+++++logQ= 例3.1.2.2：某省农业生产资料购买力和农民货币收入数据如下：（单位：十亿元） ①根据上述数据建立一元线性回归方程：
? 1.01610.09357y x =+ 20.8821R = 0.2531y S = 67.3266F = ②带虚拟变量的回归模型，因1979年中国农村政策发生重大变化，引入虚拟变量来反映农村政策的变化。 01i D ?=?? 19791979i i <≥年 年 建立回归方程为： ?0.98550.06920.4945y x D =++ （）（） （） 20.9498R = 0.1751y S = 75.6895F = 虽然上述两个模型都可通过显着性水平检验，但可明显看出带虚拟变量的回归模型其方差解释系数更高，回归的估计误差（y S ）更小，说明模型的拟合程度更高，代表性更好。 3.5.4 岭回归的举例说明 企业为用户提供的服务多种多样，那么在这些服务中哪些因素更为重要，各因素之间的重要性差异到底有多大，这些都是满意度研究需要首先解决的问题。国际上比较流行并被实践所验证，比较科学的方法就是利用回归分析确定客户对不同服务因素的需求程度，具体方法如下： 假设某电信运营商的服务界面包括了A1……Am 共M 个界面，那么各界面对总体服务满意度A 的影响可以通过以A 为因变量，以A1……Am 为自变量的回归分析，得出不同界面服务对总体A 的影响系数，从而确定各服务界面对A 的影响大小。 同样，A1服务界面可能会有A11……A1n 共N 个因素的影响，那么利用上述方法也可以计算出A11……A1n 对A1的不同影响系数，由此确定A1界面中的重要因素。 通过两个层次的分析，我们不仅得出各大服务界面对客户总体满意度影响的大小以及不同服务界面上各因素的影响程度，同时也可综合得出某一界面某一因素对总体满意度的影响大小，由此再结合用户满意度评价、与竞争对手的比较等因素来确定每个界面细分因素在以后工作改进中的轻重缓急、重要性差异等，从而起到事半功倍的作用。 例 3.5.4：对某地移动通信公司的服务满意度研究中，利用回归方法分析各服务界面对总体满意度的影响。 a. 直接进入法 显然，这种方法计算的结果中，C 界面不能通过显着性检验，直接利用分析结果是错误
习题一 1.1 用图解法求解下列线性规划问题，并指出各问题是具有唯一最优解、无穷多最优解、无界解或无可行解。 (1) min z ＝6x1＋4x2(2) max z ＝4x1＋8x2 st. 2x1＋x2≥1 st. 2x1＋2x2≤10 3x1＋4x2≥1.5 －x1＋x2≥8 x1, x2≥0 x1, x2≥0 (3) max z ＝x1＋x2(4) max z ＝3x1－2x2 st. 8x1＋6x2≥24 st. x1＋x2≤1 4x1＋6x2≥－12 2x1＋2x2≥4 2x2≥4 x1, x2≥0 x1, x2≥0 (5) max z ＝3x1＋9x2(6) max z ＝3x1＋4x2 st. x1＋3x2≤22 st. －x1＋2x2≤8 －x1＋x2≤4 x1＋2x2≤12 x2≤6 2x1＋x2≤16 2x1－5x2≤0 x1, x2≥0 x1, x2≥0 1.2. 在下列线性规划问题中，找出所有基本解，指出哪些是基本可行解并分别代入目标函数，比较找出最优解。 (1) max z ＝3x1＋5x2(2) min z ＝4x1＋12x2＋18x3 st. x1＋x3＝4 st. x1＋3x3－x4＝3 2x2＋x4＝12 2x2＋2x3－x5＝5 3x1＋2x2＋x5＝18 x j≥0 （j＝1, (5) x j≥0 （j＝1, (5) 1.3. 分别用图解法和单纯形法求解下列线性规划问题，并对照指出单纯形法迭代的每一步相当于图解法可行域中的哪一个顶点。 (1) max z ＝10x1＋5x2 st. 3x1＋4x2≤9 5x1＋2x2≤8 x1, x2≥0 (2) max z ＝100x1＋200x2 st. x1＋x2≤500 x1≤200 2x1＋6x2≤1200 x1, x2≥0 ９
某银行经理计划用一笔资金进行有价证券的投资，可供购进的证券以及其信用等级、到期年限、收益如下表所示．按照规定，市政证券的收益可以免税，其他证券的收益需按50%的税率纳税．此 表四 问：（1）若该经理有1000万元资金，应如何投资？ （2）如果能够以2.75%的利率借到不超过100万元资金，该经理应如何操作？ （3）在1000万元资金情况下，若证券A 的税前收益增加为4.5%，投资应否改变？若证券C 的税前收益减少为4.8%，投资应否改变？ 解：设利润函数为M(x),投资A 、B 、C 、D 、E 五种类型的证券资金分别为12345,,,,x x x x x 万元，则由题设条件可知
12345123452341234512345123451234512345()0.0430.0270.0250.0220.0451000400 225 1.4()9154325(),,,,0 M x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x =++++++++≤++≥++++≤++++++++≤++++≥ 利用MATLAB 求解最优解，代码如下： c=[-0.043 -0.027 -0.025 -0.022 -0.045]; A=[1 1 1 1 1;0 -1 -1 -1 0;0.6 0.6 -0.4 -0.4 3.6;4 10 -1 -2 -3]; b=[1000;-400;0;0]; Aeq=[]; beq=[]; vlb=[0;0;0;0;0]; vub=[]; [x,fval]=linprog(c,A,b,Aeq,beq,vlb,vub) 运行结果如下：