数学建模实验答案-概率模型
- 格式:doc
- 大小:2.07 MB
- 文档页数:28
数学建模培训之概率统计模型§ 1 概率初等模型一. 遗传模型为了揭示生命的奥秘,现代人越来越重视遗传学的研究,特别是遗传特征的逐代传播,引起人们更多的重视.无论是人还是动植物都会将本身的特征遗传给下一代,这是因为后代继承了双亲的基因,形成了自己的基因对,而基因对则确定了后代所应具有的特征.以下仅就常染色体遗传方式建立遗传数学模型,来分析逐代总体的基因型分布趋势,为有目的的遗传控制提供依据。
1.问题分析所谓常染色体遗传,是指后代从每个亲体的基因中各继承一个基因从而形成自己的基因型.如果所考虑的遗传特征是由两个基因A 和B 控制的,那么就有三种可能的基因型:AA ,AB 和BB .例如,金鱼草是由两个遗传基因决定它开花的颜色,AA 型开红花,AB 型的开粉花,而BB 型的开白花.这里的AA 型和AB 型表示了同一外部特征(红色),则人们认为基因A 支配基因B ,也说成基因B 对于A 是隐性的.当一个亲体的基因型为AB ,另一个亲体的基因型为BB ,那么后代便可从BB 型中得到基因B ,从AB 型中得到A 或B ,且是等可能性地得到.问题:某植物园中一种植物的基因型为AA ,AB 和BB .现计划采用AA 型植物与每种基因型植物相结合的方案培育植物后代,试预测,若干年后,这种植物的任一代的三种基因型分布情况.2.模型假设 (1)按问题分析,后代从上一代亲体中继承基因A 或B 是等可能的,即有双亲体基因型的所有可能结合使其后代形成每种基因型的概率分布情况如表5-1.表5-1(2) 以n n b a ,和n c 分别表示第n 代植物中基因型为AA ,AB 和BB 的植物总数的百分率,)(n x 表示第n 代植物的基因型分布,即有,)(⎪⎪⎪⎭⎫⎝⎛=n n n n c b a x ,2,1,0=n (1) 特别当n =0时,T c b a x ),,(000)0(=表示植物基因型的初始分布(培育开始时所选取各种基因型分布),显然有.1000=++c b a3.模型建立注意到原问题是采用AA 型与每种基因型相结合,因此这里只考虑遗传分布表的前三列. 首先考虑第n 代中的AA 型,按上表所给数据,第n 代AA 型所占百分率为1110211---⋅+⋅+⋅=n n n n c b a a 即第n-1代的AA 与AA 型结合全部进入第n 代的AA 型,第n -1代的AB 型与AA 型结合只有一半进入第n 代AA 型,第n -1代的BB 型与AA 型结合没有一个成为AA 型而进入第n 代AA 型,故有1121--+=n n n b a a (2)同理,第n 代的AB 型和BB 型所占有比率分别为1121--+=n n n c b b (3)0=n c (4)将(2)、(3)、(4) 式联立,并用矩阵形式表示,得到,)1()(-=n n Mx x),2,1( =n (5)其中⎪⎪⎪⎭⎫ ⎝⎛=00012/1002/11M利用(5)进行递推,便可获得第n 代基因型分布的数学模型)0()2(2)1()(x M x M Mx x n n n n ====-- (6)(6)式明确表示了历代基因型分布均可由初始分布)0(x与矩阵M 确定.4.模型求解这里的关键是计算nM .为计算简便,将M 对角化,即求出可逆阵P ,使Λ=-MP P 1,即有1-Λ=P P M从而可计算 1-Λ=P P M nn),2,1( =n其中Λ为对角阵,其对角元素为M 的特征值,P 为M 的特征值所对应的特征向量.分别为,11=λ 212=λ,03=λ⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎪⎭⎫ ⎝⎛=121,011,001321p p p故有1100210111,0211-=⎪⎪⎪⎭⎫ ⎝⎛--=⎪⎪⎪⎪⎭⎫ ⎝⎛=ΛP P即得⎪⎪⎪⎭⎫ ⎝⎛--⎪⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎭⎫ ⎝⎛--=1002101110211100210111nnM ⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--=--00021210211211111n n n n 于是 ⎪⎪⎪⎭⎫ ⎝⎛⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛--=⎪⎪⎪⎭⎫ ⎝⎛=--00011)(000212102112111c b a c b a x n nn nn n n n或写为⎪⎪⎪⎩⎪⎪⎪⎨⎧=+=--=--0)21()21()21()21(1010010n n n n n n nc c b b c b a 由上式可见,当∞→n 时,有0,0,1→→→n n n c b a即当繁殖代数很大时,所培育出的植物基本上呈现的是AA 型,AB 型的极少,BB 型不存在.5.模型分析(1)完全类似地,可以选用AB 型和BB 型植物与每一个其它基因型植物相结合从而给出类似的结果.特别是将具有相同基因植物相结合,并利用前表的第1、4、6列数据使用类似模型及解法而得到以下结果:000021,0,,21b c c b b a a n n n +→→+→这就是说,如果用基因型相同的植物培育后代,在极限情形下,后代仅具有基因AA 与BB ,而AB 消失了.(2)本例巧妙地利用了矩阵来表示概率分布,从而充分利用特征值与特征向量,通过对角化方法解决了矩阵n 次幂的计算问题,可算得上高等代数方法应用于解决实际的一个范例.二. 传送系统的效率模型1.问题的提出在机械化生产车间里你可以看到这样的情景:排列整齐的工作台旁工人们紧张地生产同一种产品,工作台上方一条传送带在运转,带上设置着若干钩子,工人们将产品挂在经过他上方的钩子上带走,如图1.当生产进入稳定状态后,每个工人生产出一件产品所需时间是不变的,而他要挂产品的时刻却是随机的.衡量这种传送系统的效率可以看它能否及时地把工人们生产的产品带走,显然在工人数目不变的情况下传送带速度越快,带上钩子越多,效率会越高.我们要构造一个衡量传送系统效率的指标,并且在一些简化假设下建立一个模型来描述这个指标与工人数目、钩子数量等参数的关系.2.问题的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。
数学建模实验答案-概率模型
实验10 概率模型(2学时)
(第9章 概率模型)
1.(验证)报童的诀窍p302~304, 323(习题2)
关于每天报纸购进量的优化模型:
已知b 为每份报纸的购进价,a 为零售价,c 为退回价(a > b > c ),每天报纸的需求量为r 份的概率是f (r )(r =0,1,2,…)。
求每天购进量n 份,使日平均收入,即
1
()[()()()]()()()n
r r n G n a b r b c n r f r a b nf r ∞
==+=----+
-∑∑
达到最大。
视r 为连续变量,f (r )转化为概率密度函数p (r ),则所求n *满足
*
()n a b
p r dr a c
-=
-⎰
已知b =, a =1, c =,r 服从均值μ=500(份),均方差σ=50(份)的正态分布。
报童每天应购进多少份报纸才能使平均收入最高,这个最高收入是多少
[提示:normpdf, normcdf]
要求:
(1) 在同一图形窗口内绘制10
()()n
y n p r dr =⎰和2()a b
y n a c
-=
-的图形,观察其交点。
[提示] 22
()2()r p r μσ--
=
,0
()()()n n
p r dr p r dr p r dr -∞
-∞
=-⎰⎰
⎰
☆(1) 运行程序并给出结果:
(2) 求方程0()n
a b
p r dr a c
-=
-⎰的根n *(四舍五入取整),并求G (n *)。
mu=500;sigma=50;
a=1; b=; c=;
r=n+1;
while (a-b)*n*normpdf(r,mu,sigma)>1e-6
r=r+1;
end
r=n+1:r;
G=sum((a-b)*n*normpdf(r,mu,sigma));
r=0:n;
G=G+sum(((a-b)*r-(b-c)*(n-r)).*normpdf(r,mu,sigma))
☆(2) 运行程序并给出结果:
2.(编程)轧钢中的浪费p307~310
设要轧制长l=的成品钢材,由粗轧设备等因素决定的粗轧冷却后钢材长度的均方差σ=,问这时钢材长度的均值m应调整到多少使浪费最少。
平均每得到一根成品材所需钢材的长度为
()
()
m
J m
P m
=
其中,
2
2
()
2
()(), ()
2
x m
l
P m p x dx p xσ
πσ
-
-
∞
==
⎰
求m使J(m)达到最小。
等价于求方程
()
()
z
z
z
λ
ϕ
Φ
=-
的根z*。
其中:
()z Φ是标准正态变量的分布函数,即 ()()z
z y dy ϕ∞
Φ=⎰
()z ϕ是标准正态变量的概率密度函数,即
22
()z z ϕ-
=
*
,,*z l m m
l
z σσ
μσ
λμλ-=⇒=
=
-=
(1) 绘制J (m )的图形(l =2, σ=),观察其最小值的位置。
★(1) 给出程序和运行结果:
(2) 求使J (m )达到最小值的m *。
由(1)可观察到J(m)达到最小值的区间。
分别用求无约束最小值的MATLAB 函数fminbnd, fminsearch, fminunc 求解,并比较结果。
★(2) 给出程序及运行结果(比较[310]):
(3) 在同一图形窗口内绘制1()
()()
z y z z ϕΦ=和2()y z z λ=-的图形,观察它们的交点。
(参考题1的(1))
★(3) 给出程序及运行结果(比较[309]图2):
z=-2::2;
y1=(1-normcdf(z,0,1))./normpdf(z,0,1); l=2; sigma=;
(4)求方程
()
()
z
z
z
λ
ϕ
Φ
=-的根z*,并求m=l-σz*。
(参考题1的(2))
提示:由(3)得到的图形可观察到z*的大概位置。
★(4) 给出程序及运行结果(比较[310]):
3.(验证)航空公司的预订票策略p313~316
模型如下:
给定λ, n , p , b /g ,求m 使单位费用获得的平均利润J (m ) 最大。
∑--=---+-=1
1])()/1([1
)(n m k k p n k m g b qm n m J λ
约束条件为 1
()(01)m n j j k k P m p α
α---==
≤<<∑
其中:
m 预订票数量的限额。
λ( < 1 ) 利润调节因子。
n 飞机容量。
p 每位乘客不按时前来登机的概率,q = 1 – p 。
b 每位被挤掉者获得的赔偿金。
g 机票价格。
b /g 赔偿金占机票价格的比例。
不按时前来登机的乘客数K 服从二项分布,其概率为
p q p q p C k K P p k m k k
m k -=≤≤===-1,10,)(
被挤掉的乘客数超过j 人的概率为
∑---==
1
)(j n m k k
j p
m P
(等价于m 位预订票的乘客中不按时前来登机的不超过m – n – j – 1
人)
该模型无法解析地求解,我们设定几组数据,用程序作数值计算。
[提示:binopdf, binocdf]
要求:
(1)已知n=300,λ=,p=,b/g=和,取一组值m=300:2:330,求出对应的
y=1/(lambda*n) *(q*m-(1+b_g)*sum((m-k-n).*binopdf(k,m,p)))-1;
☆(1) 运行程序并给出结果(比较[315]表1(n=300)):
(2)对(1)中改变p=和m=300:2:344,求对应的结果。
(3)对(1)中改变n=150和m=150:2:170,求对应结果。
(与教材时的计算结果比较。
)
(4)对(1)中改变n=150、m=150:2:176和p=,求对应结果。
注意!结果与教材相差较大,原因待查。
4.(编程)航空公司的预订票策略(改进)p316~317 已知:
第2类乘客(t 人)都按时前来登机。
第1类乘客(m – t 人)不按时前来登机的乘客数K 服从二项分布,其概率为
p q p q p C k K P p k t m k k t m k -=≤≤===---1,10,)(
被挤掉的第1类乘客数超过j 人的概率为
∑---==1
0)(j n m k k j p
m P (等价于预订的第1类乘客中不按时前来登机的不超
过( m – t ) – ( n – t ) – j – 1人)
单位费用获得的平均利润为
∑--=---+------=101])()/1()1([])1([1)(n m k k p n k m g b t p qm t n m J ββλ
要求:
已知n=300, λ=, p=, b/g=, β=,t=100,取一组值m=300:2:330,求出对应的J(m)、P5(m)和P10(m)。
参考实验的程序,编写解决本问题的程序。
★ 给出编写的程序和运行结果:
% 航空公司的预订票策略(改进)
function main()
clear; clc; format short g;
n=300; m=(300:2:330)'; p=; %修改的参数
lambda=; % λ值
b_g=;
t=100; beta=;
J1=zeros(size(m));
for i=1:length(m)
J1(i)=J(m(i),n,lambda,p,b_g,t,beta);
end
P5=binocdf(m-n-5-1,m-t,p); %二项分布
P10=binocdf(m-n-10-1,m-t,p);
round(10000*[m,J1,P5,P10])/10000 %显示结果
function y=J(m,n,lambda,p,b_g,t,beta) %均是标量q=1-p; k=0:m-n-1;
y=1/(lambda*(n-(1-beta)*t))...
*(q*m-(1-beta-p)*t-(1+b_g)*sum((m-k-n).*binopdf(k,m-t,p)))-1;
附1:实验提示
附2:第9章概率模型[302] 报童的诀窍
[304]****本节完****
[307] 轧钢中的浪费
[309] 题2(3)答案
[310] 题2(2)(4)答案****本节完****
[313] 航空公司的预订票策略
[317]****本节完****。