回归分析、方差分析、统计优化

概率统计数学模型新乡学院1、保险储备策略问题某企业每年耗用某种材料3650件，每日平均耗用10件，材料单价10元，一次订购费每件25元，每件年储存费2元，每件缺货一次费用4元，平均交货期10天，交货期内不同耗用量X的概率分布如下表所示，试求使用平均费用达到最小的订货量、订购次数及含有保险储量的最佳订货点。

Xi80859095100105110115120125130Pi0.010.020.050.150.250.200.150.100.040.020.01/*数学建模步骤:(1)问题分析及模型的建立:

a、求最佳订货量及订货次数;b、求最佳订货点和保险储备量(2)模型的Matlab实现方法*/(1)问题分析及模型的建立名词解释：保险储备是指企业在经济活动中，按照某一经济订货批量，在订货点发出订货单后，如果需求增大或送货延迟，就会发生缺货或供货中断。为防止由此造成的损失，需要多储备一些存货以备应急之需，称为保险储备。这些存货在正常情况下不动用，只有当存货过量使用或送货延迟时才使用。假设：a、求最佳订货量及订货次数货物订货量Q=RT记任意时刻t的库存量为q(t),则有：q(t+△t)=q(t)-R△t,0≤t<T解得q(t)=RT-Rt由以上可得：每天的平均费为：最佳订货量Q*及订货次数，归结为求订货周期T使C（T）最小b、求最佳订货点和保险储备量订货点：S=LR+B当库存量降到S时应订货，订货期内发生缺货则采取缺货不供应处理方式。设：因此得年度缺货费为N*C3E（Y），保险储备费为C2B，总费用为：T=N*C3E（Y）+C2（S-LR）求T最小，即由min{N*C3E（Y）+C2（S-LR）}确定S*、B*。

小结:模型的建立1定义：C1=25元/次，C2=2元/年，C3=4元/件×次，U=10元/件，D=3650件/年，R=10件/天，L=10天。2定义：Q=RT3定义：S=LR+B用枚举法求S*使min{N*C3E（Y）+C2（S-LR）}再由B*=S*-LR确定，最后求得：Q*，N*，S*，B*（2）模型的Matlab实现方法命令：min(X)—求向量的最小值实现方法：在Matlab中编辑M函数文件，已知数据：h=10;n=12,g=4;l=10;d=10;B=0:5:30;E=1:7;C=1:7;H=1:7;T=1:7;X=80:5:130Q=1:11;P=[0.01,0.02,0.05,0.15,0.25,0.20,0.15,0.10,0.04,0.02,0.01];fori=1:7s=l*d+B(i);forj=1:11ifX(j)>sQ(j)=X(j)-s;elseQ(j)=0;endendQ;E(i)=Q*P’;C(i)=n*g*E(i);H(i)=h*B(i);T(i)=C(i)+H(i);endE,C,R,T;Mint=min(T’);运算结果为：E=（5.60003.0001.40000.550000.20000.500)C=268.800144.00067.20026.4009.6002.4000H=050100150200250300T=26.800194.000167.200176.400209.600252.400300.00minT=167.2000,B*=10,S*=10.结果：（1）不采用储存策略，缺货费用较多；（2）保存较多的库存量，储备费用较多；（3）建立合理的保险储备量，则企业的年度平均费用最少.2、回归分析—商品销量与价格的关系某厂生产的一种电器的销量y与竞争对手的价格x1和本厂的价格x2有关，下表是该商品在10个城市的销售记录，试根据这些数据建立y与x1、x2的关系式。若某市本厂产品销价160元，竞争对手销价170元，预测商品在该市的销量.x1/元120140190130155175125145180150X2/元10011090150210150250270300250y/个10210012077469326696585（1）模型的建立将(x1,y)和(x2,y)各10个点绘成散点图，可以看出y与x2有比较明显的线性关系，而y与x1之间的关系则难以确定，用回归分析进行研究(plot(x,y,’:r+’))回归分析的类型:最简单形式:y=b0+b1x多元形式:y=b0+b1x1+b2x2+‥‥‥+bmxm更一般形式:(多元线性回归的标准形)y=b0+b1f1(x)+b2f2(x)+‥‥‥+bmfm(x)其中m≥2,x=(x1,x2,‥‥‥,xm),fj是已知函数b=(b0,b1,‥‥‥,bm)为回归系数在回归分析中自变量x=(x1,x2,‥‥‥,xm)是影响变量y的主要因素,是能够被控制和观察的,且还受到随机因素干扰,可以合理假设这种干扰服丛正态分布,模型记为:其中σ未知,现在得到n个独立观察数据(yi,xi1,xi2,…xim),i=1、2、…、n),n>m由模型得:记则回归模型的矩阵形式为：由以上分析，对于商品销售量与价格的回归模型为：(2)模型在Matlab中的实现方法命令形式：b=regress(Y,X)/*求解多元线性回归*/[b,bint,r,rint,stays]=regress(Y,X,alpha)实现方法：X1=[120140190130155175125145180150];X2=[10011090150210150250270300250];Y=[10210012077469326696585];X=[ones(10,1)x1’x2’];[b,bint,r,rint,stays]=regress(Y’,X,alpha)3、单因素方差分析—广告宣传对产品销售量的影响某公司为了研究三种内容的广告宣传对某种洗衣机销售量的影响，进行了统计调查，经过广泛宣传后，按寄回的广告上的订购计算，一年四个季度的销售量统计如下表所示：季度广告类型A1A2A31163184206217619819131701792184185190224其中A1是强调运输方便性的广告；A2是强调节省能源的经济广告；A3是强调噪音低的优良广告.试问哪一种类型的广告促进洗衣机销量增加所起的宣传效果最好？(1)问题分析及模型的建立单因素方差分析：若只考虑一个因素对实验指标的影响，而用方差进行分析，这种这种方法称为单因素方差分析。方差分析的主要目的是通过实验数据分析推断因素A对实验指标影响是否显著，即当因素A取不同水平的实验指标有无显著差异。假设检验的因子有m种水平，X1，X2，…，Xm是m个相互独立的正态总体，分别服从于N（μi，σ2），i=1,2,…,m；另外，xij（i=1,2,…,m；j=1,2…ni,)是抽得的分别服从于正态分布的简单随机样本。单因素方差分析模型是：xij=μi+εij

εij

～N(0，σ2)对于上述模型中所提出的多个正态总体均值是否相等的问题，提出假设检验：H0:μ1=μ2=…=

μm定义其中Q1为内差平方和，Q1是反映数据xij在抽样过程中产生总的程度的一个评价指标。Q2是各组平均值与总平均值的离差平方和。通过Q2取值的大小可以反映原假设H0是否成立构造F检验统计量为：∽F(m-1，n-m)检验方法：给定显著水平α，当F>Fα(m-1,n-m)时，则拒绝H0，其方差分析表如下所示：方差来源平方和自由度方差F值因子Q2m-1s22=Q2/(m-1)s22/s12误差Q1n-ms12=Q1/(n-m)总和QN-1s22=Q/(n-1)方差分析一般用的显著性水平是：取α=0.01、0.05概念解释：洗衣机销售是一个试验指标，新闻广告是影响试验指标的一个因素A，三个不同广告内容可以看种不同状态，称为水平，记为A1，A2，A3，该试验是一个单因子三水平的试验。试验分析：I、虽然用同一种广告，但在同一年里不同季度的销售量不同，分析原因可以认为是由于其他随机原因造成。II、不同的新闻广告引起洗衣机销售量的不同，可能是广告内容的不同所致，也可能是其他随机因素所致。III、由于存在其他随机因素，为了便于简化与可操作性，假设这些随机因素对洗衣机销售量的影响是次要的，并且假设三种广告类型为三种不同的总体，由于经常遇到的是正态总体，因此，假定它们分别是方差相同的正态总体。所以该问题是一个单因素方差分析模型。(2)模型求解及Matlab中的实现方法单因素方差分析anova1():命令形式：p=anova1(X)其中X为m×n阶的矩阵。功能：返回p=P{F>Fα(m-1,n-1)},当p>α时，表示接收H0。模型求解命令：fm=[163184206；176198191；170179218；185190224]；anova1(fm).其运算结果为：ans=0.0039(p值）其方差分析表如下：SourceSSdfMSFProb>FColums2668.1721334.0810.930.0039Error1098.59122.06Total3766.6711由计算结果知p=0.0039<α=0.05，故拒绝H0。查表可求得F0.05(2,9)=4.26<F=10.93,所以拒绝H0认为不同类型的广告内容对洗衣机销售有显著影响。最好广告形式的确定方法：定义αi称为第i个水平对试验结果的效应值，αi反映第i个水平因子对试验指标作用的大小。根据上述计算可知，广告内容对洗衣机销量有显著影响，因此计算出各水平效应值如下：效应值α3最大，说明广告A3引起的洗衣机销量最多，即广告A3对洗衣机销量所起的宣传效果最好。4、统计优化设计—车灯线光源的优化设计安装在汽车头部的车灯的形状为一旋转抛物面，车灯的对称轴水平地指向正前方，其开口半径为36mm，深度为21.6mm。经过车灯的焦点，在与对称轴相垂直的水平方向，对称地放置一定长度的均匀