下载文档原格式
数学建模基础练习一及参考答案数学建模基础练习一及参考答案练习1matlab练习一、矩阵及数组操作：1．利用基本矩阵产生3×3和15×8的单位矩阵、全1矩阵、全0矩阵、均匀分布随机矩阵（[-1，1]之间）、正态分布矩阵（均值为1，方差为4）,然后将正态分布矩阵中大于1的元素变为1，将小于1的元素变为0。
2．利用fix及rand函数生成[0，10]上的均匀分布的10×10的整数随机矩阵a，然后统计a中大于等于5的元素个数。
3．在给定的矩阵中删除含有整行内容全为0的行，删除整列内容全为0的列。
4．随机生成10阶的矩阵，要求元素值介于0~1000之间，并统计元素中奇数的个数、素数的个数。
二、绘图：5．在同一图形窗口画出下列两条曲线图像，要求改变线型和标记：y1=2x+5；y2=x^2-3x+1，并且用legend标注。
6．画出下列函数的曲面及等高线：z=sinxcosyexp(-sqrt(x^2+y^2))．7．在同一个图形中绘制一行三列的子图，分别画出向量x=[158101253]的三维饼图、柱状图、条形图。
三、程序设计：8．编写程序计算（x在[-8，8]，间隔0.5）先新建的，在那上输好，保存，在命令窗口代数；9．用两种方法求数列：前15项的和。
10．编写程序产生20个两位随机整数，输出其中小于平均数的偶数。
11．试找出100以内的所有素数。
12．当时，四、数据处理与拟合初步：13.随机产生由10个两位随机数的行向量A,将A中元素按降序排列为B,再将B重排为A。
14．通过测量得到一组数据：t12345678910y4.8424.3623.7543.3683.1693.0383.0343.0163.0123.005分别采用y=c1+c2e^(-t)和y=d1+d2te^(-t)进行拟合，并画出散点及两条拟合曲线对比拟合效果。
15．计算下列定积分：16．（1）微分方程组当t=0时，x1(0)=1，x2(0)=-0.5，求微分方程t在[0，25]上的解，并画出相空间轨道图像。
数学建模作业8（1）为了大致地分析y 与1x 和2x 的关系，首先利用表一的数据分别作出y 对1x 和2x 的散点图y 与x1的关系 程序代码：x1=[-0.05 0.25 0.60 0 0.25 0.20 0.15 0.05 -0.15 0.15 0.20 0.10 0.40 0.45 0.35 0.30 0.50 0.50 0.40 -0.05 -0.05 -0.10 0.20 0.10 0.50 0.60 -0.05 0 0.05 0.55];y=[7.38 8.51 9.52 7.50 9.33 8.28 8.75 7.87 7.10 8.00 7.89 8.15 9.10 8.86 8.90 8.87 9.26 9.00 8.75 7.95 7.65 7.27 8.00 8.50 8.75 9.21 8.27 7.67 7.93 9.26];A=polyfit(x1,y,1) y1=polyval(A,x1); plot(x1,y1,x1,y,'go')y 与x2的关系x2=[5.50 6.75 7.25 5.50 7.00 6.50 6.75 5.25 5.25 6.00 6.50 6.25 7.00 6.90 6.80 6.80 7.10 7.00 6.80 6.50 6.25 6.00 6.50 7.00 6.80 6.80 6.50 5.75 5.80 6.80];y=[7.38 8.51 9.52 7.50 9.33 8.28 8.75 7.87 7.10 8.00 7.89 8.15 9.10 8.86 8.90 8.87 9.26 9.00 8.75 7.95 7.65 7.27 8.00 8.50 8.75 9.21 8.27 7.67 7.93 9.26];A=polyfit(x2,y,2) x3=5.25:0.05:7.25; y2=polyval(A,x3); plot(x2,y,'go',x3,y2)图1 y 对x1的散点图 图2 y 与x2的散点图从图1 可以发现，随着1x 的增加，y 的值有比较明显的线性增长趋势，图中的直线是用线性模型 011y x ββε=++ （1）拟合的（其中ε是随机误差），而在图2中，当2x 增大时，y 有向上弯曲增长的趋势，图中的曲线是用二次函数模型 201122y x x βββε=+++ （2） 拟合的。
MATLAB在销售与客户关系管理中的应用技巧引言：MATLAB（Matrix Laboratory）是一款广泛应用于科学和工程领域的计算软件，它的强大功能可以在众多领域发挥作用。
本文将重点讨论MATLAB在销售与客户关系管理中的应用技巧，探讨如何利用MATLAB的数据分析与处理能力优化销售策略和提高客户关系管理效率。
一、基于MATLAB的销售数据分析销售数据是企业了解市场、优化销售策略的重要依据。
利用MATLAB，我们可以利用其强大的数据处理和分析能力，对销售数据进行综合分析，找出潜在的市场趋势和销售机会。
1.1 数据预处理首先，我们需要对原始销售数据进行预处理，包括数据清洗、格式转换和缺失值处理等。
MATLAB提供了众多内置函数和工具箱，使数据处理变得更加简便高效。
例如，可以使用MATLAB的统计工具箱中的函数对数据进行清洗和格式转换，通过填补缺失值来减少数据噪音。
1.2 销售趋势分析通过利用MATLAB的统计分析和数据可视化功能，我们可以对销售数据进行趋势分析。
例如，通过绘制销售额随时间变化的趋势图，我们可以更清晰地了解销售的波动情况。
此外，MATLAB还提供了时间序列分析和预测工具，可以根据历史销售数据，预测未来销售趋势，从而指导企业制定更合理的销售策略。
1.3 客户细分分析在销售与客户关系管理中，客户细分分析是非常重要的一环。
通过MATLAB的数据处理和聚类分析功能，我们可以将客户按照购买行为、偏好和消费能力等特征进行分类，为企业提供更有针对性的销售策略。
例如，我们可以利用K均值聚类算法对客户进行分群，找出潜在的高价值客户，并采取针对性的销售活动。
二、MATLAB在客户关系管理中的应用技巧除了销售数据分析外，MATLAB还可以在客户关系管理方面发挥重要作用，通过数据挖掘和机器学习技术，为企业提供更精准的客户管理策略。
2.1 客户满意度分析企业的核心目标之一是提高客户满意度。
利用MATLAB的机器学习和情感分析技术，可以将客户的反馈和评价进行情感分类，从而了解客户满意度的变化趋势。
数学建模作业8-牙膏销售量模型a=polｙfit（x１,ｙ，１);y1＝polyval(a,x１)；b=polyｆｉｔ(x2，y,2）;ｘ3=5．00:0.05：7.２5;y2=pｏlｙval(b,ｘ3）;sｕｂplot(2，1，1）；ｐlｏt（x1,y,＇*＇,ｘ1,y1，＇ｂ')；title(＇í?1y??x1μ?é￠μ?í?'); subｐｌot（2,1，2);plｏt(x2,y,'o',ｘ３,ｙ2，'b')；tiｔle('í?２ y??ｘ２μ?é￠μ?í?')x的增加，y的值有比较明显的线性增长趋势，图中的直线是用线性从图1可以发现,随着1模型011(1)y x ββε=++拟合的(其中ε是随机变量)。
而在图2中，当2x 增大时，y 有向上弯曲增加的趋势，图中的曲线是用二次函数模型201222(2)y x x βββε=+++拟合的。
综合上面的分析,结合模型(1)和（2)建立如下的回归模型20112232(3)y x x x ββββε=++++(３）式右端1x 和2x 称为回归变量（自变量),20112232x x x ββββ+++是给定价差1x ，广告费用2x 时,牙膏销售量y 的平均值，其中的参数0123,,,ββββ称为回归系数,由表1的数据估计,影响y 的其他因素作用都包含在随机误差ε中。
如果模型选择合适，ε应该大致服从均值为0的正态分布。
五、模型求解（显示模型的求解方法、步骤及运算程序、结果) ２)、确定回归模型系数,求解出教程中模型（3)：建立程序c ｈengxu2.ｍ如下：ｘ１=[-０．05 0.25 ０.60 ０0.2５０.2０0.１5 0.05 -0．１5 0．１5 ０.20 0.10 0.40 0.4５ 0.３5 0．30 0.50 0.50 ０.40 -0.0５－0.０５ -0.1０ 0．２0 ０．10 ０.５0 ０.6０ -0.0５ 0 0．０5 0．55]'；x2=[5．50 6.7５ 7.25 5.50 7.00 ６.50 ６.75 5.２5 5.2５６．０0 6.５0 6.2５ 7．０0 6.９0 6.80 6.80 7.1０７．０0 6.80 ６.50 ６.2５ 6.00 6.50 7．00 6．80 6.80 6．50 5.7５ 5.8０ 6.８0]'； X=[on ｅs （30,1） x1 x2 ｘ2.＾2];Y=[7.38 8.51 ９.52 ７.5０ 9.33 8．28 8.7５ 7.8７ 7.１0 8.00 7.８９ 8．15 9.10 ８.86 8．９０ 8．8７ 9．26 9．０0 ８.75 ７.９5 7.65 7.27 8.０0 8.50 ８.75 9.21 ８.27 7.6７ 7．93 9.26]';[ｂ，ｂｉnt,r,rint,sta ｔs]=r ｅgress(Y,Ｘ); b,bint ，stats结果如下：ｂ=17.32441．３07０-3．6９560．348６ｂint =5.7282 28.920６0.6829 1.９31１-7.49８９0．1077０.０3790．659４ｓｔats =0．9054 8２.９409 ０.00000.0490表2模型（3）的计算结果参数参数估计值参数置信区间β17.3244 [5.7282，28.9206]β 1.3070 [0.6829，1.9311]1β-3.6956 [-7.4989,0.1077]2β0.3486 [0.0379,0.6594] 3结果如下：b =29.11３311.1３42-7.６080０.6７１2-1.47７７bint=１3.70１3 44.5２521．9７78 2０.２906-1２．69３２-2.５２2８０.253８１．０887-2.８518 -０.1０３7sｔats ＝0.9209 ７2.7771 0.00000.0426表３模型（5)的计算结果参数参数估计值参数置信区间β29.1133 [13.7013,44.5252]β11.1342 [1.9778,20.2906]1β-7.6080 [-12.6932，-2.5228] 2β0.6712 [0.2538，1.0887]34β-1.4777 [-2.8518，-0.1037]2R =0.9209 F=72.7771 p<0.0001 2s =0.0426表3与表２的结果相比，2R 有所提高,说明模型（５）比模型(3)有所进步。
基于ＭＡＴＬＡＢ的商品销售额预测模型作者：唐家德来源：《商场现代化》2007年第25期[摘要] 文章运用MATLAB软件中的一些时间序列建模方法及回归分析方法对某商品的季度销售额作了预测分析,得到了较高的预测精度,在实际应用中预测值的准确对于指导商家的战略决策起着重要作用。
[关键词] 时间序列回归模型 D—W检验 MATLAB一、问题提出某公司（记为A）想用全行业的销售额作为自变量来预测公司的销售额,表1给出了1977年～1981年公司销售额和行业销售额的分季度数据(单位:百万元)。
表1A公司的公司销售额和行业销售额的分季度数据(单位:百万元)二、问题分析及建立模型1.问题分析表1的数据是以时间序列为序的，称为时间序列。
由于公司销售额和行业销售额等经济变量均有一定的滞后性，因此，在这样的时间序列数据中，同一变量的顺序观测值之间出现相关现象（称自相关）是很自然的。
然而，一旦数据中存在这种自相关序列，如果仍采用普通的回归模型直接处理，将会出现不良后果，其观测也会失去意义，为此，我们必须先来诊断数据是否存在自相关，如果存在，就要考虑自相关关系，建立新的模型。
2.基本回归模型的建立记该公司的行业销售额为xt,公司销售额为yt,t=1，2，……，n(=20)。
因变量yt与自变量xt的散点图见图1。
MATLAB绘图命令如下：x=[127.3 130.0 132.7 129.4 135.0 137.1 141.2 142.8 145.5 145.3 148.3 146.4 150.2 153.1 157.3 160.7 164.2 165.6 168.7 171.7];y=[20.96 21.40 21.96 21.52 22.39 22.76 23.48 23.66 24.10 24.01 24.54 24.30 25.00 25.64 26.36 26.98 27.52 27.78 28.24 28.78];plot(x,y,'+')从图1可以看出，随着行业销售额的增加，公司销售额也增大，而且两者有很强的线性关系，因此可以建立线性回归模型（1）模型（1）中除了行业销售额外，影响的其他因素的作用包含在随机误差内，这里假设（对t）相互独立，且服从均值为零的正态分布，t=1，2，……，n.根据表1的数据，对模型（1）直接用MATLAB统计工具箱求解，得到的回归系数估计值及其置信区间（置信水平）、检验统计量R2,F,P的结果见表2。
