乌龟性别与温度的数学模型讲解.doc

  1. 1、本文档共15页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
乌龟性别与温度的数学模型讲解.doc

数学建模期末作业 乌龟性别的决定因素问题 (习题10——10) 姓名:李红军 学号:2012212816 专业:数学与应用数学 年级:2012级 摘要 本文针对幼龟性别温度关系进行建立模型,在建模时建立温度与雄龟比例的模型,由于雄龟比例只可能在【0,1】之间取值,所以不能建立一般的统计回归模型,所以可以建立Logit模型。利用MATLAB统计工具箱中的命令glmfit求解。再求出各个系数估计值后用EXCEL表格进行处理算出每个温度下雄龟比例的估计值,对模型进行验证,为了提高模型的拟合效果可以在Logit模型中添加t的高次方,并用利用MATLAB统计工具箱中的命令regress求解,求出各个系数估计值,置信区间和模型相关系数。为了能直观的比较模型拟合效果可以利用MATLAB中的plot工具会出(t,logit) 温度 乌龟蛋个数 雄龟个数 雌龟个数 雄龟比例 27.2 10 1 9 10% 8 0 8 0% 9 1 8 11.1% 27.7 10 7 3 70% 6 4 2 66.7% 8 6 2 75% 28.3 13 13 0 100% 9 6 3 66.7% 8 7 1 87.5% 28.4 10 7 3 70% 8 5 3 62.5% 9 7 2 77.8% 29.9 11 10 1 90.9% 8 8 0 100% 9 9 0 100% 二、基本假设 假设1;幼龟性别只与温度有关 三、符号说明 符号 意义 单位 备注 t 乌龟孵化时的温度 ℃ P(x) 雄龟比例 S 乌龟蛋总数 个 X 雄龟个数 个 C 雌龟个数 个 四、问题分析 在本题由于是求温度与性别比例的模型,在数据表中每个温度都记录了三批乌龟,所以首先要对数据进行处理,利用excel算出每个温度对应下乌龟的总数,雄龟总个数,雌龟总个数和雄龟比例。 温度 乌龟蛋个数 雄龟个数 雌龟个数 雄龟比例 27.2 27 2 25 7.41% 27.7 24 17 7 70.83% 28.3 30 26 4 86.67% 28.4 27 19 8 70.37% 29.9 28 27 1 96.43% 为了使得运算更简单可以把温度进行预处理,把27.2看成0,以此类推可得 温度 乌龟蛋个数 雄龟个数 雌龟个数 雄龟比例 0 27 2 25 7.41% 0.5 24 17 7 70.83% 1.1 30 26 4 86.67% 1.2 27 19 8 70.37% 2.7 28 27 1 96.43% 为了更直观观察其回归关系,利用MATLAB绘制出散点图。 从图中可以看出回归曲线是一条近于3次样条的多项式回归曲线,其回归模型为 (1) 然而在这个问题中(1)是回归方程中P(x)的取值不一定在[0,1]中,即使P(x)取值在[0,1]中,有意在给定t是,误差项也只能取0,1两个值,显然不具有正态性,而且的方差依赖于与t,具有异方差性,这些都违反了普通回归分析的前提条件,因此,该题不能用用普通回归分析。 由于P(x)在[0,1]之间取值,可以使用Logit模型。 五、模型的建立与求解 5.1模型的建立 5.2模型的求解 Logit模型是一种广义线性模型,可利用MATLAB统计工具箱总的命令glmfit求解。 参数 参数估计值 标准差 B0 -101783 0.3739 B1 2.2110 0.4309 所以估计值为 即 所以当幼龟比例为1:1时计算出温度为27.7329度 令odd(t)为雄龟与雌龟比例,故有 当温度增加1度时odd比为 于是 由于b1=2.2110,所以温度每增加一度时雄龟与雌龟比例增加到原来的9.12484倍 5.3结果的分析及验证 对模型各个温度进行验证 温度 乌龟蛋个数 雄龟个数 雌龟个数 雄龟比例 雄龟估计值 0 27 2 25 7.41% 0.235357 0.5 24 17 7 70.83% 0.481812 1.1 30 26 4 86.67% 0.777955 1.2 27 19 8 70.37% 0.813801 2.7 28 27 1 96.43% 0.991768 5.3模型改进 从以上结果可知拟合偏差太大,不适合于做为最终结果。由于模型的右端是温度t的线性函数,可以考虑加入t的二次项后,看是否能提高模型的拟合程度。即考虑模型为 执行以下程序 [b2,dev2]=glmfit([t t.^2],[x s],binomial,logit); b2,pval=1-chi2cdf(dev-dev2,1) b2 = -1.6582 3.7840 -0.

文档评论(0)

挑战不可能 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档