下载文档原格式
运筹学：应用分析、试验、量化的方法，对经济管理系统中人力、物力、财力等资源进行统筹安排，为决策者提供有依据的最优方案，以实现最有效的管理。
第一章、线性规划的图解法1.基本概念线性规划：是一种解决在线性约束条件下追求最大或最小的线性目标函数的方法。
线性规划的三要素：变量或决策变量、目标函数、约束条件。
目标函数：是变量的线性函数。
约束条件：变量的线性等式或不等式。
可行解：满足所有约束条件的解称为该线性规划的可行解。
可行域：可行解的集合称为可行域。
最优解：使得目标函数值最大的可行解称为该线性规划的最优解。
唯一最优解、无穷最优解、无界解（可行域无界）或无可行解（可行域为空域）。
凸集：要求集合中任意两点的连线段落在这个集合中。
等值线：目标函数z，对于z的某一取值所得的直线上的每一点都具有相同的目标函数值，故称之为等值线。
松弛变量：对于“≤”约束条件，可增加一些代表没使用的资源或能力的变量，称之为松弛变量。
剩余变量：对于“≥”约束条件，可增加一些代表最低限约束的超过量的变量，称之为剩余变量。
2.线性规划的标准形式约束条件为等式（=）约束条件的常数项非负（b j≥0）决策变量非负（x j≥0）3.灵敏度分析：是在建立数学模型和求得最优解之后，研究线性规划的一些系数的变化对最优解产生什么影响。
4.目标函数中的系数c i的灵敏度分析目标函数的斜率在形成最优解顶点的两条直线的斜率之间变化时，最优解不变。
5.约束条件中常数项b i的灵敏度分析对偶价格：约束条件常数项中增加一个单位而使最优目标函数值得到改进的数量。
当某约束条件中的松弛变量（或剩余变量）不为零时，这个约束条件的对偶价格为零。
第二章、线性规划问题在工商管理中的应用1.人力资源分配问题（P41）设x i为第i班次开始上班的人数。
2.生产计划问题（P44）3.套材下料问题（P48）下料方案表（P48）设x i为按各下料方式下料的原材料数量。
4.配料问题（P49）设x ij为第i种产品需要第j种原料的量。
第五章灵敏度分析灵敏度分析（Sensitivity Analysis）是指在决策分析中，根据改变决策变量的数值，研究对最优解产生影响的因素。
通过灵敏度分析，可以评估决策变量的变化对最优解的敏感程度，帮助决策者了解决策方案的稳定性和可靠性，并能够帮助决策者制定出合理的决策方案。
在灵敏度分析中，常用的指标包括目标函数系数的灵敏度分析、资源限制系数的灵敏度分析和松弛度分析。
首先，进行目标函数系数的灵敏度分析。
目标函数系数代表着对决策变量的偏好程度，通过改变目标函数系数的数值，可以分析对最优解的影响。
如果目标函数系数变化较大，但最优解随之变化较小，则说明最优解对该目标函数系数相对不敏感。
反之，如果目标函数系数变化较小，但最优解随之变化较大，则说明最优解对该目标函数系数相对较敏感。
其次，进行资源限制系数的灵敏度分析。
资源限制系数反映了资源约束对最优解的影响程度，通过改变资源的可用量，可以分析对最优解的影响。
如果资源限制系数变化较大，但最优解随之变化较小，则说明最优解对该资源限制系数相对不敏感。
反之，如果资源限制系数变化较小，但最优解随之变化较大，则说明最优解对该资源限制系数相对较敏感。
最后，进行松弛度分析。
松弛度是指资源使用量与其可用量之差，表示资源的闲置程度。
通过分析松弛度，可以了解决策方案的稳健性。
如果一些资源的松弛度较大，则说明该资源具有一定的闲置容量，决策方案对该资源限制相对较不敏感。
反之，如果一些资源的松弛度较小，则说明该资源的利用率较高，决策方案对该资源限制相对较敏感。
在灵敏度分析中，还可以进行多因素综合分析，研究多个因素同时改变时对最优解的影响。
通过综合分析，可以确定各个因素对最优解的贡献程度，帮助决策者优化决策方案。
总之，灵敏度分析是决策分析中重要的工具，能够评估决策方案的稳定性和可靠性，对于决策者进行决策方案选择具有重要的指导作用。
灵敏度分析应该结合具体的决策问题和决策变量的特征来进行，并且要注意分析结果的合理性和可靠性。
第五章 实验室质量控制基础知识§5-1 误差一、基本概念在一系列的实际测定过程中，即使采用最可靠的分析方法，使用最精密的仪器，由技术很熟练的分析人员对同一试样进行多次测定，所得的结果也不会都完全相同。
所以，在进行分析时，往往要平均测定多次，然后取几次结果的平均值作为这组分析结果的代表，但是平均值同真实值之间还会存在差异，因此分析结果中误差是不可避免的。
在工作中，我们应该了解产生误差的原因，采取措施减小误差，并对所测定的数据进行科学的处理，获得可靠的分析结果。
1．准确度与误差（Error ）准确度是指测得值与真实值之间接近的程度。
准确度的高低用误差的大小来衡量。
即误差越小，准确度越高；误差越大，准确度越低。
（1）误差的表示方法 ① 绝对误差测量值和真值之差，称为绝对误差。
绝对误差 = 测量值 - 真值。
② 相对误差绝对误差与真值的比值，叫作相对误差。
相对误差（RE%） =%100⨯真值绝对误差由于真值一般是不知道的，所以绝对误差常以绝对偏差表示。
③ 绝对偏差某一测量值与多次测量值的均值之差称为绝对偏差，用di 表示。
④ 相对偏差绝对偏差与均值的比值，叫作相对偏差相对偏差（%）=%100⨯-xd i⑤ 平均偏差绝对偏差的绝对值之和的平均值，叫平均偏差，用 表示。
∑=-=ni i d n d 11⑥ 相对平均偏差相对平均偏差是平均偏差与均值的比值。
相对平均偏差（%）=%100⨯--xd⑦ 极差一组测量值内最大值与最小值之差，称为极差，用R 表示R=Xmax - Xmin⑧ 差方和S 、方差s2、标准偏差s 、相对标准偏差RSD ％或变异系数CV ％ S 2121)(1i ni ini x n x ==∑-∑=∑∑==--=ni n i i i x n x n s 11222])(1[11∑∑==--=n i ni i i x n x n s 1122])(1[11RSD ％ =%100⨯-xs（3）准确度和精密度某单次重复测定值的总体均值与真值之间的符合程度叫作准确度。
第5章灵敏度分析灵敏度分析是指在建立模型之后，通过改变模型中的一个或多个参数，观察模型的输出结果发生的变化程度。
也就是说，灵敏度分析是通过改变输入参数来检测模型对参数变化的敏感程度，从而评估输入参数对模型输出结果的影响。
在实际应用中，灵敏度分析有助于确定模型的输入参数，以及优化模型的结果。
灵敏度分析可以从不同的角度进行分类。
一种常见的分类方法是根据分析的目标，将灵敏度分析分为全局灵敏度分析和局部灵敏度分析。
全局灵敏度分析是通过改变所有参数的取值范围，观察模型输出结果的变化情况，从而评估每个参数对模型输出结果的影响程度。
全局灵敏度分析通常使用敏感性指标来衡量参数对输出结果的贡献程度。
常见的敏感性指标包括Sobol指数、Morris方法和FAST方法等。
这些方法可以通过统计学的方式分析不同参数对模型输出结果的影响程度。
局部灵敏度分析是在给定一个参数值的情况下，通过改变该参数的取值范围，观察模型输出结果的变化情况，从而评估该参数对模型输出结果的影响程度。
局部灵敏度分析通常使用敏感度系数来衡量参数对输出结果的贡献程度。
敏感度系数可以通过计算参数对输出结果的一阶导数或二阶导数来得到。
灵敏度分析在实际应用中有很多的应用场景。
例如，在金融领域中，可以通过灵敏度分析来评估不同投资组合的风险敏感性；在环境领域中，可以通过灵敏度分析来评估不同因素对环境污染的影响程度；在工程领域中，可以通过灵敏度分析来评估不同参数对工程设计的影响程度。
在进行灵敏度分析时，需要注意以下几点。
首先，应该选择合适的参数范围，在整个参数变化范围内均匀地选取参数值。
其次，应该选择合适的敏感性指标或敏感度系数来评估参数的影响程度。
最后，应该进行敏感性分析的可行性研究，确保所选择的参数和指标可以反映真实的模型情况。
总之，灵敏度分析是建立模型之后的一项重要工作，可以通过改变模型中的参数来评估参数对模型输出结果的影响程度。
灵敏度分析可以帮助我们确定模型的输入参数，以及优化模型的结果，在实际应用中具有广泛的应用前景。
