第一篇：數學建模各種分析方法

現代統計學

1.因子分析(Factor Analysis)

因子分析的基本目的就是用少數幾個因子去描述許多指標或因素之間的聯系，即將相關比較密切的幾個變量歸在同一類中，每一類變量就成為一個因子（之所以稱其為因子，是因為它是不可觀測的，即不是具體的變量），以較少的幾個因子反映原資料的大部分信息。

運用這種研究技術，我們可以方便地找出影響消費者購買、消費以及滿意度的主要因素是哪些，以及它們的影響力（權重）運用這種研究技術，我們還可以為市場細分做前期分析。

2.主成分分析

主成分分析主要是作為一種探索性的技術，在分析者進行多元數據分析之前，用主成分分析來分析數據，讓自己對數據有一個大致的了解是非常重要的。主成分分析一般很少單獨使用：a，了解數據。(screening the data),b,和cluster analysis一起使用，c，和判別分析一起使用，比如當變量很多，個案數不多，直接使用判別分析可能無解，這時候可以使用主成份發對變量簡化。（reduce dimensionality）d,在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數），還可以用來處理共線性。

主成分分析和因子分析的區別

1、因子分析中是把變量表示成各因子的線性組合，而主成分分析中則是把主成分表示成個變量的線性組合。

2、主成分分析的重點在于解釋個變量的總方差，而因子分析則把重點放在解釋各變量之間的協方差。

3、主成分分析中不需要有假設(assumptions),因子分析則需要一些假設。因子分析的假設包括：各個共同因子之間不相關，特殊因子（specific factor）之間也不相關，共同因子和特殊因子之間也不相關。

4、主成分分析中，當給定的協方差矩陣或者相關矩陣的特征值是唯一的時候，的主成分一般是獨特的；而因子分析中因子不是獨特的，可以旋轉得到不同的因子。

5、在因子分析中，因子個數需要分析者指定（spss根據一定的條件自動設定，只要是特征值大于1的因子進入分析），而指定的因子數量不同而結果不同。在主成分分析中，成分的數量是一定的，一般有幾個變量就有幾個主成分。

和主成分分析相比，由于因子分析可以使用旋轉技術幫助解釋因子，在解釋方面更加有優勢。大致說來，當需要尋找潛在的因子，并對這些因子進行解釋的時候，更加傾向于使用因子分析，并且借助旋轉技術幫助更好解釋。而如果想把現有的變量變成少數幾個新的變量（新的變量幾乎帶有原來所有變量的信息）來進入后續的分析，則可以使用主成分分析。當然，這中情況也可以使用因子得分做到。所以這中區分不是絕對的。

總得來說，主成分分析主要是作為一種探索性的技術，在分析者進行多元數據分析之前，用主成分分析來分析數據，讓自己對數據有一個大致的了解是非常重要的。主成分分析一般很少單獨使用：a，了解數據。(screening the data),b,和cluster analysis一起使用，c，和判別分析一起使用，比如當變量很多，個案數不多，直接使用判別分析可能無解，這時候可以使用主成份發對變量簡化。（reduce dimensionality）d,在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數），還可以用來處理共線性。

在算法上，主成分分析和因子分析很類似，不過，在因子分析中所采用的協方差矩陣的對角元素不在是變量的方差，而是和變量對應的共同度（變量方差中被各因子所解釋的部分）。

3.聚類分析(Cluster Analysis)

聚類分析是直接比較各事物之間的性質，將性質相近的歸為一類，將性質差別較大的歸入不同的類的分析技術。

在市場研究領域，聚類分析主要應用方面是幫助我們尋找目標消費群體，運用這項研究技術，我們可以劃分出產品的細分市場，并且可以描述出各細分市場的人群特征，以便于客戶可以有針對性的對目標消費群體施加影響，合理地開展工作。

4.判別分析(Discriminatory Analysis)

判別分析(Discriminatory Analysis)的任務是根據已掌握的1批分類明確的樣品，建立較好的判別函數，使產生錯判的事例最少，進而對給定的1個新樣品，判斷它來自哪個總體。

根據資料的性質，分為定性資料的判別分析和定量資料的判別分析；采用不同的判別準則，又有費歇、貝葉斯、距離等判別方法。

費歇（FISHER）判別思想是投影，使多維問題簡化為一維問題來處理。選擇一個適當的投影軸,使所有的樣品點都投影到這個軸上得到一個投影值。對這個投影軸的方向的要求是：使每一類內的投影值所形成的類內離差盡可能小，而不同類間的投影值所形成的類間離差盡可能大。

貝葉斯（BAYES）判別思想是根據先驗概率求出后驗概率，并依據后驗概率分布作出統計推斷。所謂先驗概率,就是用概率來描述人們事先對所研究的對象的認識的程度；所謂后驗概率，就是根據具體資料、先驗概率、特定的判別規則所計算出來的概率。它是對先驗概率修正后的結果。

距離判別思想是根據各樣品與各母體之間的距離遠近作出判別。即根據資料建立關于各母體的距離判別函數式，將各樣品數據逐一代入計算，得出各樣品與各母體之間的距離值，判樣品屬于距離值最小的那個母體。5.對應分析(Correspondence Analysis)

對應分析是一種用來研究變量與變量之間聯系緊密程度的研究技術。

運用這種研究技術，我們可以獲取有關消費者對產品品牌定位方面的圖形，從而幫助您及時調整營銷策略，以便使產品品牌在消費者中能樹立起正確的形象。

這種研究技術還可以用于檢驗廣告或市場推廣活動的效果，我們可以通過對比廣告播出前或市場推廣活動前與廣告播出后或市場推廣活動后消費者對產品的不同認知圖來看出廣告或市場推廣活動是否成功的向消費者傳達了需要傳達的信息。

6.典型相關分析

典型相關分析是分析兩組隨機變量間線性密切程度的統計方法，是兩變量間線性相關分析的拓廣。各組隨機變量中既可有定量隨機變量，也可有定性隨機變

量(分析時須F6說明為定性變量)。本法還可以用于分析高維列聯表各邊際變量的線性關系。注意：

1．嚴格地說，一個典型相關系數描述的只是一對典型變量之間的相關，而不是兩個變量組之間的相關。而各對典型變量之間構成的多維典型相關才共同揭示了兩個觀測變量組之間的相關形式。

2．典型相關模型的基本假設和數據要求

要求兩組變量之間為線性關系，即每對典型變量之間為線性關系；

每個典型變量與本組所有觀測變量的關系也是線性關系。如果不是線性關系，可先線性化：如經濟水平和收入水平與其他一些社會發展水之間并不是線性關系，可先取對數。即log經濟水平，log收入水平。3．典型相關模型的基本假設和數據要求

所有觀測變量為定量數據。同時也可將定性數據按照一定形式設為虛擬變量后，再放入典型相關模型中進行分析。

7.多維尺度分析(Multi-dimension Analysis)

多維尺度分析(Multi-dimension Analysis)是市場研究的一種有力手段，它可以通過低維空間（通常是二維空間）展示多個研究對象（比如品牌）之間的聯系，利用平面距離來反映研究對象之間的相似程度。由于多維尺度分析法通常是基于研究對象之間的相似性（距離）的，只要獲得了兩個研究對象之間的距離矩陣，我們就可以通過相應統計軟件做出他們的相似性知覺圖。

在實際應用中，距離矩陣的獲得主要有兩種方法：一種是采用直接的相似性評價，先所有評價對象進行兩兩組合，然后要求被訪者所有的這些組合間進行直接相似性評價，這種方法我們稱之為直接評價法；另一種為間接評價法，由研究人員根據事先經驗，找出影響人們評價研究對象相似性的主要屬性，然后對每個研究對象，讓被訪者對這些屬性進行逐一評價，最后將所有屬性作為多維空間的坐標，通過距離變換計算對象之間的距離。

多維尺度分析的主要思路是利用對被訪者對研究對象的分組，來反映被訪者對研究對象相似性的感知，這種方法具有一定直觀合理性。同時該方法實施方便，調查中被訪者負擔較小，很容易得到理解接受。當然，該方法的不足之處是犧牲了個體距離矩陣，由于每個被訪者個體的距離矩陣只包含1與0兩種取值，相對較為粗糙，個體距離矩陣的分析顯得比較勉強。但這一點是完全可以接受的，因為對大多數研究而言，我們并不需要知道每一個體的空間知覺圖。

多元統計分析是統計學中內容十分豐富、應用范圍極為廣泛的一個分支。在自然科學和社會科學的許多學科中，研究者都有可能需要分析處理有多個變量的數據的問題。能否從表面上看起來雜亂無章的數據中發現和提煉出規律性的結論，不僅對所研究的專業領域要有很好的訓練，而且要掌握必要的統計分析工具。對實際領域中的研究者和高等院校的研究生來說，要學習掌握多元統計分析的各種模型和方法，手頭有一本好的、有長久價值的參考書是非常必要的。這樣一本書應該滿足以下條件：首先，它應該是“淺入深出”的，也就是說，既可供初學者入門，又能使有較深基礎的人受益。其次，它應該是既側重于應用，又兼顧必要的推理論證，使學習者既能學到“如何”做，而且在一定程度上了解“為什么”這樣做。

最后，它應該是內涵豐富、全面的，不僅要基本包括各種在實際中常用的多元統計分析方法，而且還要對現代統計學的最新思想和進展有所介紹、交代。因子分析

主成分分析通過線性組合將原變量綜合成幾個主成分，用較少的綜合指標來代替原來較多的指標(變量)。在多變量分析中，某些變量間往往存在相關性。是什么原因使變量間有關聯呢？是否存在不能直接觀測到的、但影響可觀測變量變化的公共因子？因子分析(Factor Analysis)就是尋找這些公共因子的模型分析方法，它是在主成分的基礎上構筑若干意義較為明確的公因子，以它們為框架分解原變量，以此考察原變量間的聯系與區別。

例如，隨著年齡的增長，兒童的身高、體重會隨著變化，具有一定的相關性，身高和體重之間為何會有相關性呢？因為存在著一個同時支配或影響著身高與體重的生長因子。那么，我們能否通過對多個變量的相關系數矩陣的研究，找出同時影響或支配所有變量的共性因子呢？因子分析就是從大量的數據中“由表及里”、“去粗取精”，尋找影響或支配變量的多變量統計方法。

可以說，因子分析是主成分分析的推廣，也是一種把多個變量化為少數幾個綜合變量的多變量分析方法，其目的是用有限個不可觀測的隱變量來解釋原始變量之間的相關關系。

因子分析主要用于：

1、減少分析變量個數；

2、通過對變量間相關關系探測，將原始變量進行分類。即將相關性高的變量分為一組，用共性因子代替該組變量。

1.因子分析模型

因子分析法是從研究變量內部相關的依賴關系出發，把一些具有錯綜復雜關系的變量歸結為少數幾個綜合因子的一種多變量統計分析方法。它的基本思想是將觀測變量進行分類，將相關性較高，即聯系比較緊密的分在同一類中，而不同類變量之間的相關性則較低，那么每一類變量實際上就代表了一個基本結構，即公共因子。對于所研究的問題就是試圖用最少個數的不可測的所謂公共因子的線性函數與特殊因子之和來描述原來觀測的每一分量。

因子分析模型描述如下：

（1）X =(x1，x2，…，xp)￠是可觀測隨機向量，均值向量E(X)=0，協方差陣Cov(X)=∑，且協方差陣∑與相關矩陣R相等（只要將變量標準化即可實現）。

（2）F =(F1，F2，…，Fm)￠（m

（3）e =(e1，e2，…，ep)￠與F相互獨立,且E(e)=0, e的協方差陣∑是對角陣，即各分量e之間是相互獨立的，則模型：

x1 = a11F1+ a12F2 +…+a1mFm + e1

x2 = a21F1+a22F2 +…+a2mFm + e2

………

xp = ap1F1+ ap2F2 +…+apmFm + ep

稱為因子分析模型，由于該模型是針對變量進行的，各因子又是正交的，所以也稱為R型正交因子模型。

其矩陣形式為:

x =AF + e.其中：

x=，A=，F=，e=

這里，（1）m ￡ p；

（2）Cov(F,e)=0，即F和e是不相關的；

（3）D(F)= Im，即F1,F2,…,Fm不相關且方差均為1；

D(e)=，即e1,e2,…,ep不相關，且方差不同。

我們把F稱為X的公共因子或潛因子，矩陣A稱為因子載荷矩陣，e 稱為X的特殊因子。

A =(aij)，aij為因子載荷。數學上可以證明，因子載荷aij就是第i變量與第j因子的相關系數，反映了第i變量在第j因子上的重要性。

2.模型的統計意義

模型中F1，F2，…，Fm叫做主因子或公共因子，它們是在各個原觀測變量的表達式中都共同出現的因子，是相互獨立的不可觀測的理論變量。公共因子的含義，必須結合具體問題的實際意義而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1,2,…,p)所特有的因子，各特殊因子之間以及特殊因子與所有

公共因子之間都是相互獨立的。模型中載荷矩陣A中的元素(aij)是為因子載荷。因子載荷aij是xi與Fj的協方差，也是xi與Fj的相關系數，它表示xi依賴Fj的程度。可將aij看作第i個變量在第j公共因子上的權，aij的絕對值越大(|aij|￡1)，表明xi與Fj的相依程度越大，或稱公共因子Fj對于xi的載荷量越大。為了得到因子分析結果的經濟解釋，因子載荷矩陣A中有兩個統計量十分重要，即變量共同度和公共因子的方差貢獻。

因子載荷矩陣A中第i行元素之平方和記為hi2，稱為變量xi的共同度。它是全部公共因子對xi的方差所做出的貢獻，反映了全部公共因子對變量xi的影響。hi2大表明x的第i個分量xi對于F的每一分量F1，F2，…，Fm的共同依賴程度大。

將因子載荷矩陣A的第j列(j =1,2,…,m)的各元素的平方和記為gj2，稱為公共因子Fj對x的方差貢獻。gj2就表示第j個公共因子Fj對于x的每一分量xi(i=1,2,…,p)所提供方差的總和，它是衡量公共因子相對重要性的指標。gj2越大，表明公共因子Fj對x的貢獻越大,或者說對x的影響和作用就越大。如果將因子載荷矩陣A的所有gj2(j =1,2,…,m)都計算出來，使其按照大小排序，就可以依此提煉出最有影響力的公共因子。

3.因子旋轉

建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個主因子的意義，以便對實際問題進行分析。如果求出主因子解后，各個主因子的典型代表變量不很突出，還需要進行因子旋轉，通過適當的旋轉得到比較滿意的主因子。

旋轉的方法有很多，正交旋轉(orthogonal rotation)和斜交旋轉(oblique rotation)是因子旋轉的兩類方法。最常用的方法是最大方差正交旋轉法(Varimax)。進行因子旋轉，就是要使因子載荷矩陣中因子載荷的平方值向0和1兩個方向分化，使大的載荷更大，小的載荷更小。因子旋轉過程中，如果因子對應軸相互正交，則稱為正交旋轉；如果因子對應軸相互間不是正交的，則稱為斜交旋轉。常用的斜交旋轉方法有Promax法等。

4.因子得分

因子分析模型建立后，還有一個重要的作用是應用因子分析模型去評價每個樣品在整個模型中的地位，即進行綜合評價。例如地區經濟發展的因子分析模型建立后，我們希望知道每個地區經濟發展的情況，把區域經濟劃分歸類，哪些地區發展較快，哪些中等發達，哪些較慢等。這時需要將公共因子用變量的線性組合來表示，也即由地區經濟的各項指標值來估計它的因子得分。

設公共因子F由變量x表示的線性組合為:

Fj = uj1 xj1+ uj2 xj2+…+ujpxjp

j=1,2,…,m

該式稱為因子得分函數，由它來計算每個樣品的公共因子得分。若取m=2，則將每個樣品的p個變量代入上式即可算出每個樣品的因子得分F1和F2，并將其在平面上做因子得分散點圖，進而對樣品進行分類或對原始數據進行更深入的研究。

但因子得分函數中方程的個數m小于變量的個數p，所以并不能精確計算出因子得分，只能對因子得分進行估計。估計因子得分的方法較多，常用的有回歸估計法，Bartlett估計法，Thomson估計法。

（1）回歸估計法

F = X b = X(X ￠X)-1A￠ = XR-1A￠

(這里R為相關陣，且R = X ￠X)。

（2）Bartlett估計法

Bartlett估計因子得分可由最小二乘法或極大似然法導出。

F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X =(A￠W-1A)-1A￠W-1X

（3）Thomson估計法

在回歸估計法中，實際上是忽略特殊因子的作用，取R = X ￠X，若考慮特殊因子的作，此時R = X ￠X＋W，于是有：

F = XR-1A￠ = X(X ￠X＋W)-1A￠

這就是Thomson估計的因子得分，使用矩陣求逆算法(參考線性代數文獻)可以將其轉換為：

F = XR-1A￠ = X(I+A￠W-1A)-1W-1A￠

5.因子分析的步驟

因子分析的核心問題有兩個：一是如何構造因子變量；二是如何對因子變量進行命名解釋。因此，因子分析的基本步驟和解決思路就是圍繞這兩個核心問題展開的。

（i）因子分析常常有以下四個基本步驟：

（1）確認待分析的原變量是否適合作因子分析。

（2）構造因子變量。

（3）利用旋轉方法使因子變量更具有可解釋性。

（4）計算因子變量得分。

（ii）因子分析的計算過程：

（1）將原始數據標準化，以消除變量間在數量級和量綱上的不同。

（2）求標準化數據的相關矩陣；

（3）求相關矩陣的特征值和特征向量；

（4）計算方差貢獻率與累積方差貢獻率；

（5）確定因子：

設F1，F2，…, Fp為p個因子，其中前m個因子包含的數據信息總量（即其累積貢獻率）不低于80%時，可取前m個因子來反映原評價指標；

（6）因子旋轉：

若所得的m個因子無法確定或其實際意義不是很明顯，這時需將因子進行旋轉以獲得較為明顯的實際含義。

（7）用原指標的線性組合來求各因子得分：

采用回歸估計法，Bartlett估計法或Thomson估計法計算因子得分。

（8）綜合得分

以各因子的方差貢獻率為權，由各因子的線性組合得到綜合評價指標函數。

F =(w1F1+w2F2+…+wmFm)／(w1+w2+…+wm)

此處wi為旋轉前或旋轉后因子的方差貢獻率。

（9）得分排序：利用綜合得分可以得到得分名次。

在采用多元統計分析技術進行數據處理、建立宏觀或微觀系統模型時，需要研究以下幾個方面的問題：

· 簡化系統結構，探討系統內核。可采用主成分分析、因子分析、對應分析等方法，在眾多因素中找出各個變量最佳的子集合，從子集合所包含的信息描述多變量的系統結果及各個因子對系統的影響。“從樹木看森林”，抓住主要矛盾，把握主要矛盾的主要方面，舍棄次要因素，以簡化系統的結構，認識系統的內核。

· 構造預測模型，進行預報控制。在自然和社會科學領域的科研與生產中，探索多變量系統運動的客觀規律及其與外部環境的關系，進行預測預報，以實現對系統的最優控制，是應用多元統計分析技術的主要目的。在多元分析中，用于預報控制的模型有兩大類。一類是預測預報模型，通常采用多元線性回歸或逐步回歸分析、判別分析、雙重篩選逐步回歸分析等建模技術。另一類是描述性模型，通常采用聚類分析的建模技術。

· 進行數值分類，構造分類模式。在多變量系統的分析中，往往需要將系統性質相似的事物或現象歸為一類。以便找出它們之間的聯系和內在規律性。過去許多研究多是按單因素進行定性處理，以致處理結果反映不出系統的總的特征。進行數值分類，構造分類模式一般采用聚類分析和判別分析技術。

如何選擇適當的方法來解決實際問題，需要對問題進行綜合考慮。對一個問題可以綜合運用多種統計方法進行分析。例如一個預報模型的建立，可先根據有關生物學、生態學原理，確定理論模型和試驗設計；根據試驗結果，收集試驗資料；對資料進行初步提煉；然后應用統計分析方法(如相關分析、逐步回歸分析、主成分分析等)研究各個變量之間的相關性，選擇最佳的變量子集合；在此基礎上構造預報模型，最后對模型進行診斷和優化處理，并應用于生產實際。

第二篇：數學建模常用的十種方法

數學建模常用的十種方法

時可以通過模擬來檢驗自己模型的正確性，是比賽時必用的方法）

2、數據擬合、參數估計、插值等數據處理算法（比賽中通常會遇到大量的數據需要處理，而處理數據的關鍵就在于這些算法，通常使用Matlab作為工具）

3、線性規劃、整數規劃、多元規劃、二次規劃等規劃類問題（建模競賽大多數問題屬于最優化問題，很多時候這些問題可以用數學規劃算法來描述，通常使用Lindo、Lingo軟件實現）

4、圖論算法（這類算法可以分為很多種，包括最短路、網絡流、二分圖等算法，涉及到圖論的問題可以用這些方法解決，需要認真準備）

5、動態規劃、回溯搜索、分支定界等計算機算法（這些算法是算法設計中比較常用的方法，很多場合可以用到競賽中）

6、最優化理論的三大非經典算法：模擬退火法、神經網絡、遺傳算法（這些問題是用來解決一些較困難的最優化問題的算法，對于有些問題非常有幫助，但是算法的實現比較困難，需慎重使用）

7、網格算法和窮舉法（網格算法和窮舉法都是暴力搜索最優點的算法，在很多競賽題中有應用，當重點討論模型本身而輕視算法的時候，可以使用這種暴力方案，最好使用一些高級語言作為編程工具）

8、一些連續離散化方法（很多問題都是實際來的，數據可以是連續的，而計算機只認的是離散的數據，因此將其離散化后進行差分代替微分、求和代替積分等思想是非常重要的）

9、數值分析算法（如果在比賽中采用高級語言進行編程的話，那一些數值分析中常用的算法比如方程組求解、矩陣運算、函數積分等算法就需要額外編寫庫函數進行調用）

10、圖象處理算法（賽題中有一類問題與圖形有關，即使與圖形無關，論文中也應該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進行處理）

第三篇：淺談小學數學建模的意義和方法

淺談小學數學建模的意義和方法

【摘要】：《新標準》強調讓學生親身經歷將實際問題抽象成數學模型并進行解釋與應用的過程。通過開展數學建模活動讓學生領悟數學思想方法，讓學生做數學、“創造”數學、交流數學、應用數學、感悟數學。數學建模活動在大中學中早已蓬勃地開展，而在小學階段進行數學建模教學還沒引起人們足夠的重視。作為一線的老師應該引起重視，教師必須在平時的教學工作中給學生強烈的數學建模的意識，同時開展與生活緊密聯系的數學建模活動。

【關鍵詞】： 數學建模;數學應用;意義;基本方法

隨著科學技術的迅速發展和計算機的日益普及，人們對各種問題的要求越來越精確，使得數學的應用越來越廣泛和深入，特別是經濟發展的全球化、計算機應用的迅猛發展，數學理論與方法的不斷擴充使得數學已經成為當代高科技的一個重要組成部分和思想庫，數學已經成為一種能夠普遍實施的技術。培養學生應用數學的意識和能力已經成為數學教學的一個重要方面。

面向21世紀的《義務教育階段的數學課程標準》強調：“要從學生已有的生活經驗出發，讓學生親身經歷將實際問題抽象成數學模型并進行解釋與應用的過程，進而使學生獲得對數理解的同時，在思維能力、情感態度與價值觀等多方面得到進步和發展。”

《新標準》要求學生的數學學習內容應當是現實的，有意義的，富有挑戰性的。這些內容有利于學生主動地進行觀察、實驗、猜測、驗證、推理與交流等數學活動。有效的數學學習活動不能單純地依賴模仿和記憶。動手實踐、自主探索與合作交流是學生學習數學的重要方式。學生的數學學習活動應當是一個主動、活潑的、生動和富有個性的過程。在《新標準》首次提到了數學模型的概念的同時嚴士鍵教授在《數學教育應面向21世紀而努力》一文中指出：“分析問題和解決問題通常意味著以下一些環節：將實際問題化成可以處理的但又對原來的問題有用的數學問題，尋找或創造適當的解決問題的數學方法（包括計算方法），有時還需要對問題的解決做一些解釋和討論。” 而分析和解決實際問題的能力實質就是數學建模的能力。從小培養和發展兒童構建、應用數學模型的意識和能力是擺在小學數學教師面前的重要課題。

一、對數學建模的認識

（五）有利于培養學生的創造性思維能力

從方法論角度看，數學建模是一種數學思想方法，是解決實際問題的一種強有力的數學工具。從具體教學角度看，數學建模是一種數學活動。作為一個數學活動，它不像傳統的練習數學習題，做出來答案是唯一的。相反，它沒有現成的答案，現成的模式，只能發揮學生自己的創造性思維去解決．要有豐富的想象力、聯想力、洞察力和創造力 數學建模的整個過程就是學生創造性思維能力的綜合體現。

（六）有利于培養學生的數學應用意識，提高解決實際問題的能力

數學建模向學生介紹的是實際問題，如讓學生自己設計春游的路線，安排車輛和午餐，讓學生幫媽媽上街買菜，到銀行存錢，預測中獎的可能性等，從生活實際出發，并適時地上升到抽象理論，通過觀察、比較、分析、結合、抽象、概括和必要的邏輯推理，得出數學概念和規律，然后再把它用之于更廣泛的具體內容中去，既使學生受到把實際問題抽象成數學問題的訓練，養成用數學的思維方法來觀察生活的習慣，又能使學生深切感受到數學的作用，領悟到數學的基本思想方法，提高了解決實際問題的能力，生活觀察能力、思維創新能力、信息歸納能力、實際應用能力等，使孩子們終身受益。

(七)有利于培養學生的自學能力和使用文獻的能力

由于建模活動需要很多知識，學生自有的知識不可能面面俱到；老師也不可能有太多的時同為其補課．只有通過學生自己查閱資料，獲得大量的知識．拓寬知識面．這樣對學生自覺學習和積累知識是一種促動，對其能力的培養也是一個很好的鍛煉，并提高了學生使用資料的能力。

（八）有利于提高教師的數學素養和綜合素質

通過數學建模理論的學習和研討,有利于提高教師的數學素養.教師在引導學生開展數學建模活動中，不僅需要擁有系統的數學理論知識，以明確小學數學教學的重點之所在，而且要注意通過揭示數學知識的抽象過程,讓學生體驗到數學的本質及其發展過程，從而掌握“簡化”的經驗和技巧。同時，數學建模也和其他學科有著緊密的聯系，這就需要老師不斷的提升自己。

三、小學數學建模的方法和途徑

(一)常規的課堂教學中滲透建模思想

在常規的數學課堂教學中，適時地滲透建模思想，切入應用問題或改編教材的習題，使之更與生活實際相符合，促進學生“用數學”，使學生所學知識更系統、更完善。如在新知識的引入、鞏固等環節，可以用幾分鐘的時間穿插介紹一個數學應用或數學建模問題，讓學生在課堂上通過討論先完成“問題數學化”的過程，而把問題的具體求解過程留給課外去完成。如把求周長的練習題改成為爸爸挑選一條回家的路線，長方形的面積問題改成為學校音樂會設計一個排位計劃，統計初步知識中“數據的收集和整理”可改成讓學生對

［1］張思明，中學數學建模教學的實踐與探索，［M］北京教育出版社，1998。［2］嚴士健主編，《面向21世紀的中國數學教育》，江蘇教育出版社，1994年。［3］張奠宙主編，《數學教育研究導引》，江蘇教育出版社，1994年。［4］梁小明

吳巧敏《做數學中學數學》，《小學教師》，2002.9。［5］高波《初中數學建模教學的初步構想》，《中學數學教與學》，2002.7。6］葉其孝主編．rf1學數學建模[M]．長沙：湖南教育出版社，1998。

2015.03.15 ［

第四篇：數學建模2011

2011高教社杯全國大學生數學建模競賽B題評閱要點

[說明]本要點僅供參考，各賽區評閱組應根據對題目的理解及學生的解答，自主地進行評閱。

針對這個題目，評閱時請注意“數學模型、求解方法、結果與分析”這三個方面。

數學模型：盡量用數學語言、符號和公式表述，優化模型要給出明確的決策變量、目標函數和約束條件，表述準確全面。

求解方法：盡量用數學語言對算法的思路、步驟、數據的處理過程、所使用的軟件給出明確的描述。

結果與分析：要有明確的數值結果，表達簡明、清晰。

第一部分：

（1）要求明確給出分配各個交巡警服務平臺具體管轄范圍的數學模型和具體的管轄范圍（一般指路口，也可考慮相關道路）。合理性主要體現在兩個方面：所有平臺最長出警時間盡可能短，且它們的工作量（每天的出警次數）盡量均衡，優秀論文中應該給出這兩個量化指標。

參考結果：最大出警時間大于3分鐘的有6個路口，最長出警時間約為5.7分鐘；同時應有工作量均衡性的度量指標。

（2）要求給出決定對13個路口實施封鎖的數學模型，通過求解模型，具體給出13個目標路口各由哪一個平臺實施封鎖，以及對每個路口的封鎖時間和完成封鎖的最大時間。

參考結果：最優方案的最大的封鎖時間約為8分鐘。

（3）模型應該考慮增設平臺后，使其減少最大出警時間與各平臺間工作量的均衡性效果，要具體給出需增加新平臺的個數和位置，且給出其定量依據。

第二部分：

（1）應該根據最大出警時間和工作量的均衡性這兩個因素建立模型，求解給出最大出警時間和工作量均衡性的具體指標，分析現有平臺設置方案的合理性。依據這些結果，對明顯不合理的提出改進方案：如增加平臺或移動平臺，都必須要有具體的平臺數量和位置，且闡述這樣做的理由和定量依據。

（2）要求給出能封鎖住嫌疑人的數學模型，并給出算法和具體結果。

能封鎖住的基本約束條件是：“出事地點到將要封鎖的路口所需時間加3分鐘大于等于指派平臺到封鎖路口的所需時間”。在這個約束條件之下給出最優封鎖方案。

第五篇：數學建模

第一篇 我的大學職業生涯規劃

作為當代大學生，若是帶著一臉茫然，踏入這個擁擠的社會怎能滿足社會的需要，使自己占有一席之地？每當人類經過一次重大變革，總是新的機會在產生，有的機會在消失。只有那些先知先結的人才能抓住機會走向成功，而那些抱著舊觀念不放的將會被社會所淘汰。在茫茫人海中，如何能先拔頭籌，就看你是否準備充分了，所以，對自己個人職業生涯規劃做個適當的規劃是很有必要的。有了目標，才會有動力！

一、自我分析

1.價值觀

我崇尚自由自在的生活，不喜歡被拘束。舒服安逸富裕的生活，是我的向往。從小就被教育要有團體合作精神，所以我一直認為，人最可貴的就是能團結合作，全力以赴。這樣可以做到事半功倍。

我的職業價值觀（進行過職業價值觀測試）：工作的目的和價值,在于不斷創新,不斷取得成就,不斷得到領導與同事的贊揚或不斷實現自己想要做的事..獲得優厚的報酬,使自己有足夠的財力去獲得自己想要的東西,使生活過得較為富足。希望一起工作的大多數同事和領導人品較好,相處在一起感到愉快，,是一種極大的滿足。是一種極大的滿足。

2.性格

我是一個喜歡不被束縛的開朗女孩，喜歡讀書，看電影。開朗，幽默,樂觀的。也很率性。喜歡交朋友,擅長于與人溝通，人際關系佳，忠實可靠。

3.興趣

平常喜歡打籃球,聽音樂，逛街，交朋友。還喜歡上網，看些小說，喜歡看各種雜志類書籍。積極的培養各方面的興趣，比如學吉他，對辯論方面的知識也很想去了解,想成為全方面人才。

4.能力

計算機應用，office軟件應用,聽從指揮，有計劃有思考的去完成一件任務。有責任心，上進心，做事認真投入,擅長想象思維。可以充分發揮善于運用抽象思維、邏輯推理等能力來分析解決問題的優勢，發揚獨立鉆研的學習精神。由于參加學生會和長期擔任班干部,有豐富得管理經驗,實踐能力強。但缺乏耐心、毅力。

5.職業興趣

我的職業興趣很廣泛，由于我是學管理的,對管理方面的知識比較了解,可以學以致用。希望能夠在企業人事行政管理方面有所發展,自我表現和體現我的價值所在。

6.職業個性

喜歡獨立地計劃自己的活動和指導別人的活動，在獨立的和負有職責情景中感到愉快，喜歡對將來發生的事情作出決定,想努力成位一位優秀的領導者。在工作中形成一定個人魅力，得到大家的肯定及尊重。軟硬兼用,以身作則。對自己未來有信心。

7.職業價值觀

希望工作以團隊合作的方式進行，大多數同事和領導在工作中有融洽的人際關

系，相處在一起感到愉快、自然，認為這就是很有價值的事。重視工作中人與人之間的關系，希望能建立良好的同事關系。愉快、協調的團隊協作是我這種類型的人所追求的。

第二篇 我的未來規劃

從上大學后就一直處在困惑之中，時常問自己：“到底我的人生之路將如何？我的人生之路將如何走下去？怎樣才能使自己一生無悔呢？” 一位哲人這樣說過：“走好每一步，這就是你的人生”。是啊，人生就是一個不斷選擇的過程，每走一步自己都要做出選擇，同時每個人都在設計自己的人生，都在實現自己的夢想.人生之路說長也長，因為它是自己一生意義的詮釋；人生之路說短也短，因為自己生活過的每一天都是自己的人生。在這世界我就像一棵很不起眼的小樹，可是小樹也有它的理想，為了讓小樹能夠更好的實現自己的理想,長成參天大樹。于是對自己做出以下一生的規劃，以便于時常提醒自己不要忘記目標。

其實我自己對經濟就比較感興趣，希望在大學能夠學經濟管理之類的專業，但由于父母認為我的性格不適合，所以在選擇專業的時候選擇經濟與法學（國際經濟與貿易）。

一、具體行動計劃

1、學業方面：

可以說對自己這學期的表現很不滿意。但另一方面，也總結了一些大學里的學習方法，對以后的學業方面還是比較有信心的。

具體的說，今后首先要保證聽課的質量，這樣才是最有效的學習方法。

認真的上好每一堂課，做好每一次筆記。做到不遲到，不曠課，按時完成老師布置的任務。

2、日語學習：

然真的上好每一堂日語課，每天要被日語單詞，記甲名，多讀多練習，既然選擇了就要堅持到底，雖然日語很難學，但是不可以讓家里的人失望，不可以對不起自己，所以要加油！

3、其他活動：

有時間去做一些有意義的商業演出活動，在當中可以學到很多東西，順便鍛煉寫自己的能力，提高自己的水平。

4、豐富自己的業余生活：

Work hard，play harder！

學習或工作不再狀態的時候要適當放松，去玩一玩。玩的時候就不去想沒有完成的工作。不去想那些不開心的事情，不讓自己那么的心煩。放松的時候可以找朋友區逛逛街，或者喝喝奶茶。好好的調整自己，不開心的總是會過去的。呼吸一下新鮮空氣，一切都會好的，加油！

5、人際交往

遇到問題多和人溝通，多向人請教，相信別人都是愿意幫助自己的。做好自己，認真待人，多對人微笑。

二、結語

堅持久是勝利！

一篇規劃寫下來發現一切都那么美好，實現起來卻不容易。雖說不容易，但其實也簡單——不過是堅持。相信我可以度過充實而美好的大學生活。當眼淚要劃過臉龐，我要微笑的拿手抹掉。當悲傷來襲，我要告訴自己一切都會好的，一切都會過去的。要相信明天會更好。相信我可以美好的度過大學的生活！明天,加油！