数学模型培训案例分析(概率、统计模型)培训资料.ppt

;统计数据与模型选择;统计数据类型;统计数据与模型选择;统计数据与模型选择;概率统计模型案例分析;概率模型;2002MCM(B)飞机票超额预订问题 ;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;2002MCM(B)飞机票超额预订问题;回归模型;1990年上海A题—脑血流量测定 ;;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;1990年上海A题—脑血流量测定;Logistic模型（阻滞增长模型）;2007年全国A题—中国人口预测;2007年全国A题—中国人口预测;某时刻人口数为x0, 在以后某一时间 t 人口数x 的变化率正（常数）比例于x;马尔萨斯人口模型（指数增长模型）;Logistic模型(阻滞增长模型); r —— 固有增长率 r(x)—— 人口总数为x时的增长率 xm —— 人口容量（资源、环境能容 纳的最大人口数量） ;;;Logistic模型(阻滞增长模型);Logistic模型(阻滞增长模型);Logistic模型(阻滞增长模型);Logistic模型(阻滞增长模型);Logistic回归(Logit模型);2011年研D题—房地产行业数学模型;2011年研D题—房地产行业数学模型;Logistic回归(Logit模型);Logistic回归(Logit模型);模型特点： 虽然Logit(p)对X为线性，但概率p本身与X却是非线性关系； 若Logit(p)为正数，这意味着当解释变量的值增加时，被解释变量等于1的概率也增加；若Logit(p)为负数，表明随着解释变量的值增加，被解释变量等于1的概率的机会下降； 斜率系数βi的含义是，X每单位变化所导致的Logit(p)的变化。对于截距项β0 ，如同普通的线性模型，它没有明显的实际含义； 对于给定的解释变量X，我们真正想估计的并不是机会比率的对数，而是成功的概率p，因为它有直观的含义。一旦有了β0+βiXi的估计值，可计算出成功的概率p 。;Logistic回归(Logit模型);实际数据为例（妇女工作问题）： 如果第i个妇女有工作或正在寻找工作，取Yi=1，否则Yi=0。Ai为妇女的年龄，Si为妇女受教育年限。 模型为： ;;% 2 variables with 30 observations for women workers X = [31 16; 34 14; 41 16; 67 9; 25 12; 58 12; 45 14; 55 10; 43 12; 55 8;... 25 11; 41 14; 62 12; 51 13; 39 9; 35 10; 40 14; 43 10; 37 12; 27 13;... 28 14; 48 12; 66 7; 44 11; 21 12; 40 10; 41 15; 23 10; 31 11; 44 12;]; Y=[1;1;1;0;1;0;1;1;0;1;1;1;0;1;0;1;1;0;0;1;1;1;0;0;0;1;1;0;0;1]; [B dev stats] = glmfit(X,[Y ones(size(Y))],binomial); %The ones is needed because glmfit wants a column giving the number %of trials, which is always one the way were expressing the problem. stats.p % to see the significance of the coefficients [B0 dev0 stats0]=glmfit(ones(size(Y)), [Y ones(size(Y))],binomial,link, logit,const,off); % compare with the NULL model p_value=1-chi2cdf(dev0-dev,1); % Null hyperthesis is: model is NOT significant %recover the coefficient vec