数学建模实验答案-概率模型

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)
例 1 画出正态分布 N (0,1) 和 N (0,22 ) 的概率密度函数图形.
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)
9.1 传送系统的效率
背
传送带
景 挂钩
产品
工作台
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
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。
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’
P( A) 95 , P( AB) 92
100
100
P(B | A) P( AB) 92 P( A) 95
全概率公式和贝叶斯公式
u0 u0
L(
x)
c 2
x
0
(
x
r
)
p(r
)dr

2
记为X ~ N（， 2 )
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。
如：同龄人的身高、体重、考试分数、某地区年降水量等。
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
数学期望
Y gX

E( X ) xk pk k 1

E( X ) xf ( x)dx E(Y ) EgX g( xk ) pk k 1
E(Y ) Eg( X )

g( x) f ( x)dx

4、MATLAB中相关的的概率命令
常见的几种分布的命令字符为： 正态分布：norm 指数分布：exp 泊松分布：poiss 二项分布：bino
G(n)

n
0
[(
a

b)r

(b

c)(n

r
)]
p(r
)drຫໍສະໝຸດ n(ab)np(r
)dr
dG (a b)np(n)
n
(b c) p(r)dr
dn
0

(a b)np(n) n (a b) p(r)dr
n

(b c)0 p(r)dr (a b)n p(r)dr
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 X ~ B(10,0.08)
即P{X n} 0.95

事件 Ai ={掷出i点}, i =1,2,3,4,5,6 基本事件 事件 B={掷出奇数点}
当且仅当集合A中的一个样本点出现时,称 事件A发生. 如在掷骰子试验中，观察掷出的点数 .
样本空间为 : S 1,2 ,3 ,4 ,5 ,6 .
B发生当且仅当
B中的样本点1,
3,5中的某一个
事件 B={掷出奇数点} 1,3,5
出现.
两个特殊的事件：
即在试验中必定发生的事件，常用S表示;
即在一次试验中不可能发生的事件，常用 表示 . 例如，在掷骰子试验中，“掷出点数小于7”是必 然事件 ; 而“掷出点数 8”则是不可能事件.
1.1.4 随机变量
表示随机现象结果的变量. 常用大写字母 X、Y、Z …表示.
事件的表示
在试验中，A中某个样本点出现了， 就说 A 出现了、发生了，记为A. 维恩图 ( Venn ). 事件的三种表示 用语言、用集合、用随机变量.
A1 A2 An , 简记为 Ai .
i 1
n
、同时发生所构成的事件为事 称事件 A1、A2、 件 A1、A2、 的交事件 . 记之为 A1 A2 , 简记为
i 1
Ai .

对立事件与互斥事件的关系 :
对立一定互斥, 但互斥不一定对立.
两事件A、B互斥： AB
1.1.3 随机事件
1. 随机事件 —— 某些样本点组成的集合, Ω的子集，常用A、B、C…表示. 2. 基本事件 —— Ω的单点集. 3. 必然事件 (Ω) 4. 不可能事件 (φ) —— 空集. 5. 随机变量 表示随机现象结果的变量. 常用大写字母 X、Y、Z …表示.
如在掷骰子试验中，观察掷出的点数 .

确定性现象的特征
条件完全决定结果
随机现象
在一定条件下可能出现也可能不出现的现象.
实例1 在相同条件下掷一枚均匀的硬币，观察 正反两面出现的情况.
结果有可能出现正面也可能出现反面.
实例2 明天的天气可
特征: 条件不能完全决定结果
能是晴 , 也可能是多云
或雨.
说明 1. 随机现象揭示了条件和结果之间的非确定性联 系 , 其数量关系无法用函数加以描述. 2. 随机现象在一次观察中出现什么结果具有偶然 性, 但在大量试验或观察中, 这种结果的出现具有 一定的统计规律性 , 概率论就是研究随机现象这 种本质规律的一门数学学科. 如何来研究随机现象?
P( A)
m n
A
所包含样本点的个数 样本点总数
.
古典概型的基本模型:摸球模型
(1) 无放回地摸球
(2) 有放回地摸球
例1 某接待站在某一周曾接待过 12次来访,已知 所有这 12 次接待都是在周二和周四进行的,问是 否可以推断接待时间是有规定的.
解 假设接待站的接待时间没有
规定,且各来访者在一周的任一天
0.0000003 .
小概率事件在实际中几乎是不可能发生的 , 从 而可知接待时间是有规定的.
例2 假设每人的生日在一年 365 天中的任一天 是等可能的 , 即都等于 1/365 ,求 64 个人中至少 有2人生日相同的概率.
解 64 个人生日各不相同的概率为
p1
365
364
(365 36564
2. 假设遗传基因是由两个基因A和B控制的，则有 三种可能基因型：AA、AB和BB。
例如：金鱼草是由两个基因决定它开花的颜色，AA 型开红花，AB型开粉花，而BB型开白花。这里AA型 和AB型表示了同一外部特征，此时可以认为基因A 支配了基因B，也可以说基因B对基因A是隐性的。

x1 2，F1统计量和与χ y1 对应的概率p。 相关系数 R 回归系数 a ， b 以及它们的置信区间 0 残差向量e=Y-Y 及它们的置信区间 X , Y 1 xn yn
残差及其置信区间可以用rcoplot(r,rint)画图。
3、将变量t、x、y的数据保存在文件data中。 save data t x y 4、进行统计分析时，调用数据文件data中的数 据。 load data 方法2 1、输入矩阵：
data=[78,79,80,81,82,83,84,85,86,87; 23.8,27.6,31.6,32.4,33.7,34.9,43.2,52.8,63.8,73.4; 41.4,51.8,61.7,67.9,68.7,77.5,95.9,137.4,155.0,175.0]
线性模型 (Y , X , I n ) 考虑的主要问题是： （1） 用试验值（样本值）对未知参数 和 2 作点估计和假设检验，从而建立 y 与
x1 , x 2 ,..., x k 之间的数量关系；
（2）在 x1 x01 , x2 x02 ,..., xk x0 k , 处对 y 的值作预测与控制，即对 y 作区间估计.
1 ( x0 x ) 2 ˆ 1 d n t (n 2) n Lxx 2
Q ˆ n2
2
设y在某个区间(y1, y2)取值时, 应如何控制x 的取值范围, 这样的问题称为控制问题。
可线性化的一元非线性回归 需要配曲线，配曲线的一般方法是： • 先对两个变量x和y 作n次试验观察得画出 散点图。 • 根据散点图确定须配曲线的类型。 • 由n对试验数据确定每一类曲线的未知参数 a和b采用的方法是通过变量代换把非线性 回归化成线性回归，即采用非线性回归线 性化的方法。

五等奖：
（4）固定奖金
500 1800 30 18000 10 179010
3230100
6
当期设奖奖金： 10 2
7
48 % 9 . 6 10
特等奖： 9 . 6 10 6 3230100 60 % 3821940
税后：
3821940 1 20 % 3057552
1.一期共有几注彩票？一期彩票销售总额是 多少？ 2.一期彩票售完，可为社会筹集多少资金？ 3.在一期中，不同奖级的中奖注数分别是多 少？ 4.一期特等奖，一等奖以及二等奖单注的中 奖金额在税前税后分别是多少？
(1)一期共有
10
7
注彩票，销售总额为
7
2 10
7
元
7
ห้องสมุดไป่ตู้
（2）为社会筹集资金为： 2 10
（3）对奖规则：特别号只对特等奖有效，其余奖级
既可对左边，也可对右边。例如，摇出的基本号是 123678，特别号是9，那么各奖级中奖情况为：特等 奖123678…9；一等奖123678；二等奖12367#或 #23678;三等奖1236##或##3678；四等奖123###或 ###678；五等奖12####或####78. 模型假设: （1）每个投注号码只有一次中奖机会，不兼中兼得 （奖级大的优先）； （2）为便于计算，设每个号码都有人买，并且忽略 重号票的情况； （3）中奖者须依法缴纳个人偶然所得税（当中奖金 额大于或等于10000元时，须缴税20%）。
（1）彩票的约定：彩票每注投注号由一个6位数基本 号码和一个特别号码组成，每位号码均从0至9这十个 数字中产生，每注2元。 （2）奖金的设定：彩票销售总额的48%为当期设奖 奖金，50%为社会筹集资金。彩票总奖金额分设特， 一，二，三，四，五共6个奖级。其中，特等奖为当期 设奖奖金减去固定奖金后的60%；一等奖为当期设奖 奖金减去固定奖金后的20%；二等奖为当期设奖奖金 减去固定奖金后的10%；三等奖为固定奖金，单注奖 金为500元；四等奖为固定奖金，单注奖金为30元；五 等奖为固定奖金，单注奖金为10元。

（0349）《数学建模》网上作业题及答案1：第一批次2：第二批次3：第三批次4：第四批次5：第五批次6：第六批次1：[填空题]名词解释13．符号模型14．直观模型15．物理模型16．计算机模拟17．蛛网模型18．群体决策参考答案：13．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。

14．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。

15．物理模型：主要指科技工作者为一定的目的根据相似原理构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行模拟实验，间接地研究原型的某些规律。

16．计算机模拟：根据实际系统或过程的特性，按照一定的数学规律用计算机程序语言模拟实际运行情况，并依据大量模拟结构对系统或过程进行定量分析。

17．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。

18．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。

2：[填空题]名词解释7．直觉8．灵感9．想象力10．洞察力11．类比法12．思维模型参考答案：13．符号模型：是在一定约束条件或假设下借助于专门的符号、线条等，按一定形式组合起来描述原型。

14．直观模型：指那些供展览用的实物模型以及玩具、照片等，通常是把原型的尺寸按比例缩小或放大，主要追求外观上的逼真。

15．物理模型：主要指科技工作者为一定的目的根据相似原理构造的模型，它不仅可以显示原型的外形或某些特征，而且可以用来进行模拟实验，间接地研究原型的某些规律。

16．计算机模拟：根据实际系统或过程的特性，按照一定的数学规律用计算机程序语言模拟实际运行情况，并依据大量模拟结构对系统或过程进行定量分析。

17．蛛网模型：用需求曲线和供应曲线分析市场经济稳定性的图示法在经济学中称为蛛网模型。

18．群体决策：根据若干人对某些对象的决策结果，综合出这个群体的决策结果的过程称为群体决策。

k = n+1
k k m−k ( k − n ) C ∑ mp q
m
问题化归为：对给定的b, g, n, p，确定m， 使得Eη最大 为了进一步简化计算，以每张机票的价格g为单位计 算平均利润，得：
b m Eη k k m−k = mp − (1 + ) ∑ ( k − n)C m p q g k = n+1 g
S ~ B( m , p )
1 n s = E ( S ) = mp = m[1 − (1 − ) ] m
模型与求解 传送系统效率指标： 1 n s m D = = [1 − (1 − ) ] n n m 为了得到比较简单的结果，在钩子数 m 相对于工人 数 n 较大 ( m >> n)，即 n m 较小的情况下，将多项 式 (1 − 1 ) n 展开后只取前3项，则 m m n n( n − 1) n−1 D = [1 − (1 − + )] = 1 − 2 n m 2m 2m 当n=10, m=40时， D ≈ 87.5% 利用D的精确模型计算得， D ≈ 89.4%
模型描述：构造衡量传送系统效率的指标，并在简 化假设下建立模型描述这个指标与工人数目、钩子 数量等参数的关系。
2、模型的分析
为了用传送帯及时带走的产品数量来表示传送带的效率，在工 人们生产周期（即生产一件产品的时间）相同的情况下，需要假设 工人们在生产出一件产品后，要么恰好有空钩子经过他的工作台， 使他可以将产品挂上带走，要么没有空钩子经过，迫使他将产品放 下并立即投入下一件产品的生产，以保持整个系统周期性地运转。 工人们的生产周期虽然相同，但是由于各种随机因素的干扰， 经过相当长时间后，他们生产完一件产品的时刻就不会一致，可以 认为是随机的，并且在一个生产周期内任一时刻的可能性是一样的。 由上分析，传送帯长期运转的效率等价于一周期的效率，而一 周期的效率可以用它在一周期能带走的产品数与一周期内生产的全 部产品数之比来描述。

挂产品的概率： 任一只钩子非空的概率为
则传送系统效率为：d=s/n=mp/n
=
m[1(1 1)n]
n
m
mn Dm [1(1nn(n1)) ]1n1
n m 2m 2
2m
D87 .5% 当n＝10,m=40
报童的诀窍
问题：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。设报纸每份的购进价为b， 零售价为a，退回价为c，假设a>b>c。即报童售出
每位被挤掉的乘客获得的赔偿金为常数b。
4 模型建立
先不考虑社会声誉的影响。
公司的经济利益用平均利润（数学期望）S 来衡量
订票的总人数是 m，m有可能超出 n
当有 k个人误机时，
航空公司可能从航班中得到的利润为
s m kg r,
m k n
s n g r (m k n )b , m k n
E ( X )x ip i ( i 1 ,2 , ,n )
连续型随机变量 X 的概率密度函数为 f ( x) 则随机变量 X 的数学期望值为

E(X) xf(x)dx
期望值反映了随机变量取值的“平均”意义！
传送系统的效率
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的 生产同一种产品，工作台上方一条传送带 在运转，带上若干个钩子，工人们将产品 挂在经过他上方的钩子上带走，当生产进 入稳态后，请大家构造一个衡量传送系统 效率的指标，并建立模型描述此指标与工 人数量、钩子数量等参数的关系。
mnj1
minPj(m) Pk k0
mJ (a m ) x S r 0 .1 6 n p m 1 b g m k n 0 1 P km n k 1

数学建模概率模型案例概率模型是数学建模的重要工具之一，广泛应用于各个领域。

以下是一个基于概率模型的数学建模案例。

问题描述：医院的急诊科接诊员需要根据患者的症状来判断是否需要进行心电图检查。

根据以往的医疗记录，我们知道有一种患者患有心脏病的概率是0.1，有心脏病的患者在进行心电图检查时有90%的准确率，没有心脏病的患者在进行心电图检查时有95%的准确率。

急诊科接诊员在给患者进行评估时会根据患者的症状判断是否需要进行心电图检查，但出于经济和时间的考虑，每天只能对20%的患者进行心电图检查。

问题分析：在这个问题中，我们需要建立一个概率模型来评估患者是否需要进行心电图检查。

我们需要考虑两个因素：患者是否有心脏病以及是否进行了心电图检查。

建立概率模型：1.定义事件：-A：患者有心脏病-B：患者进行了心电图检查-C：急诊科接诊员推荐患者进行心电图检查2.计算概率：-P(A)=0.1，患者有心脏病的概率-P(A')=0.9，患者没有心脏病的概率-P(B，A)=0.9，有心脏病的患者进行心电图检查的准确率-P(B，A')=0.95，没有心脏病的患者进行心电图检查的准确率3.根据贝叶斯定理计算后验概率：-P(A，B)=P(B，A)*P(A)/P(B)-P(A'，B)=P(B，A')*P(A')/P(B)4.根据给定条件计算先验概率：-P(B)=P(B，A)*P(A)+P(B，A')*P(A')5.根据条件概率计算P(C，B)：-P(C，B)=P(C,B)/P(B)进一步分析：根据模型，我们可以进行一些进一步的分析。

1.如果患者没有进行心电图检查，根据模型我们可以计算出他是否有心脏病的概率。

2.如果患者进行了心电图检查，根据模型我们可以计算出他有心脏病的概率。

3.根据模型的输出，急诊科接诊员可以根据患者的症状和推荐指标来判断是否进行心电图检查。

总结：这个案例展示了如何建立一个基于概率模型的数学建模问题。

Computer Science | Software Engineering & Information System
2随机数生成
v1 随机数 用于信息安全，网络游戏，计算机仿真和模拟计算等。
Rand [0,1] Randn 标准正态 Randstream 适合于7.7及其以后版本，调用类函数
统计工具箱中以rnd结尾的用来生成符合某种分布的随机数，如 Normrnd 正态分布 Binornd 二项分布 Exprnd 指数分布等 v2 histrate函数（非自带）
Computer Science | Software Engineering & Information System
1数据处理
Ø1.1 用菜单导入数据 对txt文档，直接使用file－import data 例如example 02-01;02-05(长短不齐)
Ø1.2 调用高级函数导入数据 importdata(‘examp02-01.txt’),把文件复制到目录下，重命名
Computer Science | Software Engineering & Information System
4方差分析
预备知识 有关术语简介 因素或因子：所要检验的对象 水平：因子的不同表现 观察值：在每个因素水平下得到的样本值 方差分析能做： 1 检验多个总体均值是否相等（不同院系的高数成绩） 2 需要研究生产条件或实验条件的改变对产品的质量或产量有无影响，比如 种植业研究诸多因素对因变量的影响（品种、施肥量、密度对产量）。在诸多 影响因素中哪些是主要的？ 3 确定最优组合
3参数估计
1 参数估计 统计工具箱中以fit结尾的函数，用来求常见分布的参数的最大似然估计和 置信区间估计。

概率与统计
概率论中所研究的随机变量的分布都是 已知的。 统计学中所研究的随机变量的分布是未 知的或部分未知的，必须通过对所研究 的随机变量进行重复独立的观察和试验， 得到所需的观察值（数据），对这些数 据分析后才能对其分布做出种种判断， 即“从局部推断总体”。

统计学
给定一组数据，统计学可以摘要并且描述这
……
……
Matlab相关命令介绍
normfit 正态分布中的参数估计
[muhat,sigmahat,muci,sigmaci]=normfit(x,alpha) 对样本数据 x 进行参数估计，并计算置信度为 1-alpha 的置信区间 alpha 可以省略，缺省值为 0.05，即置信度为 95%
频率
随机试验进行次数

概率
基本知识
随机变量 数字特征（均值、方差、相关系数、特征函数…）
统计分析（假设检验、相关分析、回归分析…)
Matlab 中的随机函数
rand(m,n)
生成一个满足均匀分布的 m n 随机矩阵，矩阵的每
个元素都在 (0,1) 之间。
注：rand(n)=rand(n,n)
Matlab中的取整函数
fix(x) floor(x) ceil(x) round(x)
: 截尾取整，直接将小数部分舍去 : 不超过 x 的最大整数 : 不小于 x 的最小整数
: 四舍五入取整
取整函数举例
x1=fix(3.9);
x2=fix(-3.9); x3=floor(3.9); x4=floor(-3.2); x5=ceil(3.1); x6=ceil(-3.9); x7=round(3.9); x1=3 x2=-3 x3=3 x4=-4 x5=4 x6=-3 x7=4 x8=-3 x9=-4

第一部分课后习题1.学校共1000名学生，235人住在A宿舍，333人住在B宿舍，432人住在C宿舍。

学生们要组织一个10人的委员会，试用下列办法分配各宿舍的委员数：（1）按比例分配取整数的名额后，剩下的名额按惯例分给小数部分较大者。

（2）节中的Q值方法。

（3）d’Hondt方法：将A，B，C各宿舍的人数用正整数n=1，2，3，…相除，其商数如下表：将所得商数从大到小取前10个（10为席位数），在数字下标以横线，表中A，B，C行有横线的数分别为2，3，5，这就是3个宿舍分配的席位。

你能解释这种方法的道理吗。

如果委员会从10人增至15人，用以上3种方法再分配名额。

将3种方法两次分配的结果列表比较。

（4）你能提出其他的方法吗。

用你的方法分配上面的名额。

2.在超市购物时你注意到大包装商品比小包装商品便宜这种现象了吗。

比如洁银牙膏50g装的每支元，120g装的元，二者单位重量的价格比是：1。

试用比例方法构造模型解释这个现象。

（1）分析商品价格C与商品重量w的关系。

价格由生产成本、包装成本和其他成本等决定，这些成本中有的与重量w成正比，有的与表面积成正比，还有与w无关的因素。

（2）给出单位重量价格c与w的关系，画出它的简图，说明w越大c越小，但是随着w的增加c减少的程度变小。

解释实际意义是什么。

3.一垂钓俱乐部鼓励垂钓者将调上的鱼放生，打算按照放生的鱼的重量给予奖励，俱乐部只准备了一把软尺用于测量，请你设计按照测量的长度估计鱼的重量的方法。

假定鱼池中只有一种鲈鱼，并且得到8条鱼的如下数据（胸围指鱼身的最大周长）：先用机理分析建立模型，再用数据确定参数4.用宽w的布条缠绕直径d的圆形管道，要求布条不重叠，问布条与管道轴线的夹角 应多大（如图）。

若知道管道长度，需用多长布条（可考虑两端的影响）。

如果管道是其他形状呢。

5.用已知尺寸的矩形板材加工半径一定的圆盘，给出几种简便、有效的排列方法，使加工出尽可能多的圆盘。

第二章 概率统计模型
一个例子
• 二战时期，，为了提高飞机的防护能力，英国的科学家、 设计师和工程师决定给飞机增加护甲.
• 为了不过多加重飞机的负载，护甲必须加在最必要的地 方，那么是什么地方呢?
• 统计学家将每架中弹但仍返航的飞机的中弹部位描绘在 图纸上，然后将这些图重叠，形成了一个密度不均的弹 孔分布图.
中间距离法、重心法、类平均法、可变法和离差 平法和法。
• 最短距离法： 两个类别中距离最短的样品距离为类间距离。
• 最长距离法： 两个类别中距离最长的样品距离为类间距离。
方法选择
• 当数据量不大的时候，一般会利用系统聚类法， 从而达到最佳聚类结果。如果要聚类的数据量很 大，则利用系统聚类法会消耗太多计算时间，一 般选择K均值法，可以大大减少计算时间。
•
变量相似性度量
•
• 相关系数 •相关系数经常用来度量变量间的相似性。 代表第i个变量xi的平均值，则第i个变量和第j 个变量的相关系数定义为
分析
• 采用不同的距离公式，会得到不同的聚类结果。在聚类分析时， 可以根据需要选择符合实际的距离公式。在样品相似性度量中， 欧氏距离具有非常明确的空间距离概念，马氏距离有消除量纲影 响的作用；如果对变量作了标准化处理，通常可以采用欧氏距离。
• 分析：
评价电梯运行方案往往以电梯高峰期运行时间为依据。 一般来说，可以预估电梯可能停靠楼层数、电梯运载次数、电梯 停靠时间等参数来计算电梯高峰期运行总时间。 但这种估计的方法十分粗略，可能与实际结果相差巨大。 我们的目的是模拟电梯一次循环所需的平均时间，并设计电梯停 靠方案以使这个时间最短。 这里的主要随机量是各楼层乘客的到达数。 可以考虑采用蒙特卡罗方法对电梯上下楼的方案进行随机模拟。

1 Xi = 0 第i站有人下车 i站有人下车 第i站无人下车 i = 1,2,L,10
则由题意可知：
X = ∑ Xi
i =1
10
因为每位乘客在每一车站下车是等可能的，所 9 以每一位乘客在第i站不下车的概率为 10 ， 5
9 20 于是20位乘客在第i站都不下车的概率为( ) ， 9 20 10 在第i站有人下车的概率为1− ( ) ； 10
P2 由(3-4)式给出。
为了得到简明便于解释的结果，需对(3-4) 式进行简化。 因为通常n》m，n》1，取(3-4)式右端展开级 数的前两项
P2 ≈ 1 − (1 −
最后得到
λ mi
n
+ L) ≈
λ mi
n
(3 − 7)
µ=
λ mi (n − i )
n
(3 − 8)
22
1 − P2 n − λmi σ = = µ (n − i ) P λmi (n − i )
1
设A表示“第二次取出的球都是新球”的事件；
Bi （i＝0,1,2,3）表示“第一次比赛时用了i个 新球”的事件
则由题意得：
3 C 9i C 3 − i p ( Bi ) = 3 C12 于是由全概率公式
p( A|Bi ) =
3
3 C 9− i 3 C12
p( A) = p( AB0 + AB1 + AB2 + AB3 ) = ∑ p( Bi ) p( A|Bi )
i
λm
n −1
)
i
(3 − 4)
健康人被感染的人数也服从二项分布，其平均 值为µ，即健康人每天平均被感染人数，利用假设 (1)显然
µ = sP2 = (n − i ) P 2

y
0
0.1
0.2
0.3
0.4
0.5 x
0.6
0.7
0.8
0.9
1
3. 两个人玩双骰子游戏，一个人掷骰子，另一个人打赌 掷骰子者不能掷出所需点数，输赢的规则如下：如果第一次 掷出 3 或 11 点，打赌者赢；如果第一次掷出 2、7 或 12 点， 打赌者输；如果第一次掷出 4,5,6,8,9 或 10 点，记住这个点 数， 继续掷骰子， 如果不能在掷出 7 点之前再次掷出该点数， 则打赌者赢. 请模拟双骰子游戏，要求写出算法和程序，估 计打赌者赢的概率. 你能从理论上计算出打赌者赢的精确概 率吗？请问随着试验次数的增加，这些概率收敛吗？ 解答 （一）算法 输入 模拟试验的次数 n； 输出 打赌者赢的概率 p. 第 1 步 初始化计数器 k=0； 第 2 步 对 i=1,2,…,n，循环进行第 3～7 步； 第 3 步 产生两个在 1～6 这 6 个整数中机会均等地取 值的随机数， 并把这两个随机数之和赋值给 x； 第 4 步 如果 x 是 3 或 11，那么 k 加 1，进入下一步循 环；否则，做第 5 步； 第 5 步 如果 x 不是 2、7 和 12，那么做第 6～8 步；否 则，直接进入下一步循环； 第 6 步 产生两个在 1～6 这 6 个整数中机会均等地取 值的随机数， 并把这两个随机数之和赋值给 y； 第 7 步 如果 y 不等于 x，也不等于 7，重复第 6 步所 做的； 第 8 步 如果 y 等于 7，那么 k 加 1，进入下一步循环； 否则，直接进入下一步循环； 第 9 步 计算概率 p=k./n .
第一章习题参考答案
1. 请编写绘制以下图形的 MATLAB 命令，并展示绘得 的图形.
x2 2 (1) x y 1、x y 4 分别是椭圆 y 1 的内切 4

n=round(n)
mu=500;sigma=50;
a=1; b=0.75; c=0.6;
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))
被挤掉的乘客数超过j人的概率为
（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]
(i)二项分布的概率密度函数：Y = binopdf(X,N,P)
计算X中每个X(i)的概率密度函数，其中，N中对应的N(i)为试验数，P中对应的P(i)为每次试验成功的概率。Y, N,和P的大小类型相同，可以是向量、矩阵或多维数组。输入的标量将扩展成一个数组，使其大小类型与其它输入相一致。
%9.6航空公司的预订票策略
functionmain()
clear; clc; formatshortg;
n=300; m=[300:2:330]'; p=0.05;%修改的参数
lambda=0.6;%λ值
b_g1=0.2; b_g2=0.4;
J1=zeros(size(m));J2=zeros(size(m));
functiony=J(m,n,lambda,p,b_g)%均是标量
q=1-p; k=0:m-n-1;
y=1/(lambda*n) *(q*m-(1+b_g)*sum((m-k-n).*binopdf(k,m,p)))-1;