1. 数学建模怎么做啊
数学建模就是通过计算得到的结果来解释实际问题，并接受实际的检验，来建立数学模型的全过程。当需要从定量的角度分析和研究一个实际问题时，人们就要在深入调查研究、了解对象信息、作出简化假设、分析内在规律等工作的基础上，用数学的符号和语言作表述来建立数学模型。
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。以数学思想来包容问题的精髓，数学思路贯穿问题的全过程，进而用数学语言来描述问题。要求符合数学理论，符合数学习惯，清晰准确。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量常量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所要建立模型的思路进行阐述，对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。
2. 数学建模 关于最佳评分标准
1、最优是与指标相对应的。要选出最优的，必须建立相应的指标。
本题中指标可以是：1、是否反映该课程的特色2、是否反映学生的水平3、是否反映教学水平。
2、对于每一个指标的构成进行建模，（需要与评分标准相对应）。
根据题意，指标的影响因素有：考试成绩 作业 出勤 实验 四项。记为列向量f=(s,h,a,e)T
课程特色：每一门课程侧重点不同，自然构成成分不同：比如 实验课，我们要做的就是动手能力，做题100分也没用，此时构成成分中实验比重大；而数学分析，这种课程重点是要会思考会分析，自然习题和考试很重要，也就是说考试成绩和平时作业比重大。如何来定量确定四个因素对课程特色的反映重要程度呢？一种方式是：层次分析法。
由层次分析法得出的权向量w=(w1,w2,w3,w4),那么该课程的特色是：char=wc*f
学生水平：同理建立权重，得到是：stu=ws*f
学生水平：同理建立权重，得到是tea=wt*f
3、学生综合考核应该是去除课程特色和教学水平后仅仅反映学生学习水平的。故而最后的评价策略应该是：w=ws.*wc.*wt
3、实证分析：
C语言的评分标准：
wc=(0.5,0.2,0,0.3)
wt=(0.4,0.1,0.3,0.2)
ws=(0.5,0.2,0,0.3)
得到：w=(0.81, 0.03,0.16 )
与题目中B 70% 10% 0% 20%
接近。
3. 数学建模题，各位网友请求指导
设总乘车路程为X，总费用为Y，一路上换乘了n辆出租车，第k辆车的路程为xk，费用为yk
则X=x1+x2+...+xn，Y=y1+y2+...+yn
由于x1,x2,...,xn地位相同，不妨令0<x1<=x2<=...<=xn
根据已知条件，当0<xk<=3时，yk=9，yk/xk=9/xk，单调递减
当3<xk<=10时，yk=9+(xk-3)*1.9=1.9xk+3.3，yk/xk=1.9+3.3/xk，单调递减
当xk>10时，yk=9+7*1.9+(xk-10)*2.85=2.85xk-6.2，yk/xk=2.85-6.2/xk，单调递增
所以，当xk=10时，每公里运费yk/xk取到最小值=2.23
因此乘车的策略即为，乘坐一辆出租车到10km时，换乘下一辆出租车，照此规律换乘。
4. 数学建模具体有些什么内容如何进行
一、定义
数学建模是一种数学的思考方法,是运用数学的语言和方法,通过抽象、简化建立能近似刻画并"解决"实际问题的一种强有力的数学手段.
数学建模就是用数学语言描述实际现象的过程.这里的实际现象既包涵具体的自然现象比如自由落体现象,也包涵抽象的现象比如顾客对某种商品所取的价值倾向.这里的描述不但包括外在形态,内在机制的描述,也包括预测,试验和解释实际现象等内容.
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家,生物学家,经济学家甚至心理学家等等的过程.
数学模型一般是实际事物的一种数学简化.它常常是以某种意义上接近实际事物的抽象形式存在的,但它和真实的事物有着本质的区别.要描述一个实际现象可以有很多种方式,比如录音,录像,比喻,传言等等.为了使描述更具科学性,逻辑性,客观性和可重复性,人们采用一种普遍认为比较严格的语言来描述各种现象,这种语言就是数学.使用数学语言描述的事物就称为数学模型.有时候我们需要做一些实验,但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验,实验本身也是实际操作的一种理论替代.
二、数学建模的几个过程
模型准备：了解问题的实际背景,明确其实际意义,掌握对象的各种信息.用数学语言来描述问题.
模型假设：根据实际对象的特征和建模的目的,对问题进行必要的简化,并用精确的语言提出一些恰当的假设.
模型建立：在假设的基础上,利用适当的数学工具来刻划各变量之间的数学关系,建立相应的数学结构.
模型求利用获取的数据资料,对模型的所有参数做出计算（估计）.
模型分析：对所得的结果进行数学上的分析.
模型检验：将模型分析结果与实际情形进行比较,以此来验证模型的准确性、合理性和适用性.如果模型与实际较吻合,则要对计算结果给出其实际含义,并进行解释.如果模型与实际吻合较差,则应该修改假设,再次重复建模过程.
模型应用：应用方式因问题的性质和建模的目的而异.
5. 求2011全国数学建模C养老金计算办法 模型
养老金是指人们在年老失去工作能力后可以按期领取的补偿金，这里假定养老金计划从20岁开始至80岁结束，年利率为10℅。参加者的责任是，未退休时（60岁以前）每月初存入一定的金额，其中具体的存款方式为：20岁~29岁每月存入X1元，30岁~39岁每月存入X2元，40岁~49岁每月存入X3元，50岁~59岁每月存入X4元。参加者的权利是，从退休（60岁）开始，每月初领取退休金 ，一直领取20年。试建立养老金计划的数学模型，并计算下列不同年龄的计划参加者的月退休金。
1、从20岁开始参加养老金计划，假设X1= X2= X3= X4=200元；
2、从35岁开始参加养老金计划，假设X2=200元, X3=500元，X4=1000元；
3、从48岁开始参加养老金计划，假设X3=1000元，X4=2000元。用数学建模求解
6. 数学建模问题
这是一个论文的模板 你可以参考下 还望采纳 谢谢！
江西省人口预测模型的建立与分析
一、摘要：
本文建立了两个人口增长预测模型，对未来人口问题和未来人口结构进行了分析与预测，并综合分析了未来我们人口发展中可能出现的问题及社会影响。
模型I：
无论是对于我国目前的经济发展状况还是未来的远景规划，人口问题的研究都具有十分重要的意义，马尔萨斯人口的模型的局限性，就因为它没有考虑到有限的生存空间与资源，生产力，文化水平等因素对出生率的影响，在考虑到有限的生存空间及资源后，于是本文又给出了模型Ⅱ。
模型Ⅱ：
建立只考虑现有的人口基数和人口增长率两个因素用于短期预测的阻滞增长人口预测模型（Logistic），并利用2001-2009年人口数据对该模型进行检验，2001年到2009年数据检验出总体上预测数据与实际数据符合程度较好，误差全都控制在3.8%以内。用此模型对未来20年内人口数据进行了预测，计算出未来各年总人口数，其中2015年社会总人数为4480.29万人，2020年人数为4646.93万人。
关键词：分析与预测 马尔萨斯模型 Logistic模型
二、问题的背景：
人口问题不仅是21世纪我省所面临的最重大的问题之一，而且在新世纪中将继续存在。无论是对我省目前经济发展状况的认识，还是对未来经济发展的预测，人口问题的研究都具有十分重要的意义。对人口进行预测是随着社会经济发展而提出来的。过去几千年，人类社会生产力水平低，生产发展缓慢，人口变动和增长也很迟缓，因而客观上对人口未来的发展变化的探讨显得必要性较小。当前生产力发展达到空前的水平，生产已经不是为满足生产者个人的需求，而是要面向社会的需求，所以必须了解需求和供应的未来趋势，协调人口、资源与环境的持续发展。
为了加快江西省的经济建设进程，全面落实科学的发展观。按照构建社会主义和谐社会的要求，坚持以人为本，推进体制改革，优先投资于人的全面发展：稳定低生育水平，提高人口素质，改善人口结构，引导人口合理分布。保障人口安全，实现人口大国向人力资本强国的转变，实现人口与的协调和可持续发展。我们确定人口发展战略，必须既着眼于人口本身的问题，又处理好人口与经济社会资源环境之间的相互关系，构建社会主义和谐社会，统筹解决人口数量、素质、结构、分布问题。因此建立一个人口增长预测的数学模型对中国人口增长的中短期和长期趋势做出预测就显得尤为重要了。
三、问题重述：
人口是反映省情、省力基本情况的重要指标,是区域研究所必须考虑的重要因素之一,分析现状、制定规划时首先要考虑的基本问题。例如评价一个国家或一个地区的发展潜力时离不开现在与今后各类人口数量、比例指数和年龄分布。故人口预测是制定和顺利实现社会经济各项战略设想的基础和出发点, 制定正确人口政策的科学依据。
江西省是一个人口大省，人口问题始终是制约我省发展的关键因素之一。根据已有数据，运用数学建模的方法，对中国人口做出分析和预测是一个重要问题。
近年来我省的人口发展出现了一些新的特点，例如，老龄化进程速度加快、出生人口性别比持续升高、乡村人口城镇化、医疗卫生的提高等因素，这些都影响着中国人口的增长。
关于江西省人口问题已有多方面的研究，并积累了大量数据资料。根据我省的实际情况和人口增长的上述特点，参考相关数据（同时也搜索相关文献和补充新的数据），提出以下问题：
（1） 建立江西省人口增长的数学模型，并由此对江西省人口增长的中短期和长期趋势做出预测.
（2） 分析模型中的优点和缺点。
四、模型假设：
（1）假设题中所给数据基本真实有效
（2）假设没有重大的自然灾害发生
（3）在较近一段时期，政府政策基本不发生重大变化
（4）在较近一段时期，医疗卫生条件保持不变
（5）所研究的问题没有太大的人口迁入与迁出
（6）男性比率之和和女性比例之和的总和在1附近。可以近似认为1
（7）假设现今有关人口方面的国策在长时间内不会发生重大的改变
（8）把研究的社会人口当作一个系统考虑，不考虑其与系统外的人口流动模型Ⅰ建立只考虑现有的人口基数和人口增长率两个因素用于短期预测的阻滞增（http://provincedata.mofcom.gov.cn/)，得到了本论文中计算所用到的所有数据。
五、分析与建立模型
5.1模型I：指数增长模型（马尔萨斯人口模型malthus）
5.1.1模型的建立
记时刻t=0时人口数为 ，时刻t的人口为x(t),由于量大，x(t)可视为连续、可微函数。t到 时间段内人口是增量为：
于是x(t)满足微分方程：
……………(1)
5.1.2模型的求解：
解微分方程（1），得：
……………………………………….(2)
表明：
5.1.3模型的参数估计：
要用模型的结果（2）来预报人口，必须对其中的参数r进行估计，这可以用附录中附件1的表1中的数据通过拟合得到。
通过2000-2009年的数据拟合得r=0.02361拟合图如图1：
图1
5.1.4模型的检验：
将 代入公式（2），求出用指数增长模型预测的2000-2020年的人口数见图2和表2。
图2
江西省实际人口与按指数增长模型计算的人口比较
年（公元） 实际人口（万） 指数增长模型
预测人口（万） 误差（%）
2000 4140 3997.21 3.45
2001 4186 4028.51 3.76
2002 4222 4060.05 3.84
2003 4254 4091.85 3.81
2004 4284 4123.89 3.74
2005 4311 4156.18 3.59
2006 4339 4188.72 3.46
2007 4368 4221.52 3.35
2008 4400 4254.58 3.30
2009 4432 4287.89 3.25
表2
从表2中可以看出，2006-2009年间的预测人口数与实际人口数吻合较好，但2001-2005年的误差越来越大。
分析原因，该模型的结果说明人口将以指数规律无限增长，而事实上，随着人口的增加，自然资源、环境条件等因素对人口增长的限制越来越显着。如果当人口较少的自然增长率可以看作常数的话，那么当人口增加到一定数量以后，这个增长率就要随着人口增加而减少，于是应该对指数增长模型关于人口净增长率是常数的假设进行修改。
5.1.5模型推广
利用上述模型对2010-2020年江西人口总数的预测，预测结果见表3
2010-2020江西预测人口
年（公元） 2010 2011 2012 2013 2014
预测人口（万） 4321.47 4355.3 4389.41 4423.78 4458.42
年（公元） 2015 2016 2017 2018 2019
预测人口（万） 4493.33 4528.51 4563.97 4599.71 4635.72
年（公元） 2020
预测人口（万） 4672.02
表3
5．2 模型I ：Logistic人口预测模型
5.2.1 模型的建立
logistic是根据malthus人口模型改进得来的，其中引入常数 （最大人口容量），用来表示自然环境条件所能容许的最大人口数。并假设：
人口增长率r为人口x(t)的函数r(x)(减函数)，x(t)为t时刻的人口，由于量大，x(t)可视为连续、可微函数，记时刻t=0时人口为 最简单地可假定r(x)=r-sx，r,s>0(线性函数)，r叫做固有增长率。
自然资源和环境条件年容纳的最大人口容量为 。
当x= 时，增长率应为0，即r( )=0,于是s= ,代入r(x)=r-sx，得:
r(x)=r(1- )………………………（2）
将（2）式代入（1）式得：
模型： ……………（3）
5.2.2模型的求解
解方程（3）得：
X(t)= …………………（4）
根据方程（3）作出 的曲线图，见图1，由该图可看出人口增长率随人口数的变化规律，根据（4）的结果做出x-t曲线，见图2，由该图可看出人口数随时间的变化规律。
图2
图3
5.2.3模型的参数估计
利用表1中2000-2009年的数据对r和 拟合得：
r=0.03009, 18540
图5
5.2.4模型的检验
将r=0.03009, =18540代入公式（4），求出用指数增长模型预测的2000-2009年的人口数，见表4第3、4列，见图6。也可将方程（3）离散化，得：
x(t+1)=x(t)+ =x(t)+r[1- ]x(t),t=0,1,2,…… （5）
江西人口与按阻滞增长模型计算的人口比较
年（万） 实际人口（万） 阻滞增长模型
公式（4） 公式（5）
预测人口（万） 相对误差 预测人口（万） 相对误差
2000 4140 3997.98 0.0343
2001 4186 4029.23 0.0375 4167.82 0.0043
2002 4222 4066.66 0.0368 4214.44 0.0018
2003 4254 4092.27 0.0380 4250.93 0.0007
2004 4284 4124.04 0.0373 4283.37 0.0001
2005 4311 4156 0.0360 4313.79 0.0006
2006 4339 4188.13 0.0348 4341.16 0.0005
2007 4368 4220.44 0.0338 4369.56 0.0004
2008 4400 4252.92 0.0334 4398.97 0.0002
2009 4432 4285.58 0.0330 4431.42 0.0001
表4
图6
5.2.5模型应用
现应用该模型预测人口，用表1中2000-2009年的全部数据重新估
计参数，可得r=0.03402， 13040，用公式（4）作2010-2020年的人口预测得：见图7和表5：
图8
2010-2020年江西预测人口
年（公元） 2010 2011 2012 2013 2014
预测人口（万） 4316.55 4349.06 4381.69 4414.44 4447.30
年（公元） 2015 2016 2017 2018 2019
预测人口（万） 4480.29 4513.39 4546.61 4579.94 4613.38
年（公元） 2020
预测人口（万） 4646.93
表5
【模型评价】
优点：
[1]马尔萨斯人口预测模型是在当人口较少时人口自然增长率可以看做常数的话这是马尔萨斯模型对人口的预测比较方便简单准确。
[2]人口增长短期预测方面Lotistic模型效果比较好，理论比较成熟，且运算求解方法简单且Logistic模型所描述的变化过程符合人口的增长模式。运用阻滞增长模型原理，设立阈值，使预测结果与实际情况更接近。
缺点：
[1] 没有考虑到男女出生性别比例、城镇化程度、生育率和人口数量的关系，从而不能有效地避免了预测期太长导致误差出现累积效应而过大。
[2]随着人口的增加，自然资源、环境条件等因素对人口增长的限制作用越来越显着，我们这两个模型对人口的预测的误差就会越来越大。
六、参考文献
[1] 谭永基等，数学模型，[M]，上海：复旦大学出版社。
[2] 姜启源等，大学数学实验，[M]，北京：清华大学出版社。
[3] 赵静，但琦，数学建模与数学实验[M]第3版，高等教育出版社。
[4] 盛聚等，概率论与数理统计[M]，北京：高等教育出版社。
[5] 中华人民共和国国家统计局（http://www.stats.gov.cn/tjsj/ndsj/）
[6] 薛定宇，陈阳泉，高等应用数学问题的MATLAB求解，[M]，北京：清华大学出版社，2004
[7]九江大论坛（http://bbs.jxnews.com.cn/thread-307336-1-1.html）
七、附录
附件1：
2000-2009年江西人口统计表
年（公元） 2000 2001 2002 2003 2004
人口（万） 4140 4186 4222 4254 4284
年（公元） 2005 2006 2007 2008 2009
人口（万） 4311 4339 4368 4400 4432
表1
附件2：拟合程序
years=2000:1:2009;
population=[4140 4186 4222 4254 4284 4311 4339 4368 4400 4432];
y=2001:1:2008;
P=interp1(years,population,y,'spline');
plot(years,population,'+',y,P,years,population,'r:')
附件3：马尔萨斯人口预测模型程序
#include"stdio.h"
#include"math.h"
void main(void)
{
int gvelocity;
int dvelocity;
int year,total;
clrscr();
printf("total population of this year.\n");
scanf("%d",&total);
printf("per year grow velocity.\n");
scanf("%d",&gvelocity);
printf("per year die velocity.\n");
scanf("%d",&dvelocity);
printf("the result is after.\n”);
}
附件4：阻滞增长模型（Logistic模型）程序
Logistic模型 -x曲线程序：
xm=input('请输入xm=');
r=input('请输入r=');
n=1;
for x=0:0.1:xm
p(n)=r*x*(1-(x/xm));
n=n+1;
end
x=0:0.1:xm;
Plot(x,p);
Logistic模型曲线程序：
xm=input('请输入xm=');
r=input('请输入r=');
x0=input('请输入x0=');
n=input('请输入x坐标长度=');
i=1;
for t=0:0.5:n;
k=(xm/x0-1)*exp((-r)*t);
p=xm/(1+k);
x(i)=p;
i=i+1;
end
t=0:0.5:n
plot(t,x)
7. 数学建模怎么做啊
数学建模就是用数学语言描述实际现象的过程。这里的实际现象既包涵具体的自然现象比如自由落体现象，也包涵抽象的现象比如顾客对某种商品所取的价值倾向。这里的描述不但包括外在形态，内在机制的描述，也包括预测，试验和解释实际现象等内容。
我们也可以这样直观地理解这个概念：数学建模是一个让纯粹数学家（指只懂数学不懂数学在实际中的应用的数学家）变成物理学家，生物学家，经济学家甚至心理学家等等的过程。
数学模型一般是实际事物的一种数学简化。它常常是以某种意义上接近实际事物的抽象形式存在的，但它和真实的事物有着本质的区别。要描述一个实际现象可以有很多种方式，比如录音，录像，比喻，传言等等。为了使描述更具科学性，逻辑性，客观性和可重复性，人们采用一种普遍认为比较严格的语言来描述各种现象，这种语言就是数学。使用数学语言描述的事物就称为数学模型。有时候我们需要做一些实验，但这些实验往往用抽象出来了的数学模型作为实际物体的代替而进行相应的实验，实验本身也是实际操作的一种理论替代。
数学是研究现实世界数量关系和空间形式的科学，在它产生和发展的历史长河中，一直是和各种各样的应用问题紧密相关的。数学的特点不仅在于概念的抽象性、逻辑的严密性，结论的明确性和体系的完整性，而且在于它应用的广泛性，进入20世纪以来，随着科学技术的迅速发展和计算机的日益普及，人们对各种问题的要求越来越精确，使得数学的应用越来越广泛和深入，特别是在即将进入21世纪的知识经济时代，数学科学的地位会发生巨大的变化，它正在从国或经济和科技的后备走到了前沿。经济发展的全球化、计算机的迅猛发展，数学理伦与方法的不断扩充使得数学已经成为当代高科技的一个重要组成部分和思想库，数学已经成为一种能够普遍实施的技术。培养学生应用数学的意识和能力已经成为数学教学的一个重要方面。
应用数学去解决各类实际问题时，建立数学模型是十分关键的一步，同时也是十分困难的一步。建立教学模型的过程，是把错综复杂的实际问题简化、抽象为合理的数学结构的过程。要通过调查、收集数据资料，观察和研究实际对象的固有特征和内在规律，抓住问题的主要矛盾，建立起反映实际问题的数量关系，然后利用数学的理论和方法去分折和解决问题。这就需要深厚扎实的数学基础，敏锐的洞察力和想象力，对实际问题的浓厚兴趣和广博的知识面。数学建模是联系数学与实际问题的桥梁，是数学在各个领械广泛应用的媒介，是数学科学技术转化的主要途径，数学建模在科学技术发展中的重要作用越来越受到数学界和工程界的普遍重视，它已成为现代科技工作者必备的重要能力之。
8. 关于数学建模
数学建模
数学模型（Mathematical Model）是一种模拟，是用数学符号、数学式子、程序、图形等对实际课题本质属性的抽象而又简洁的刻划，它或能解释某些客观现象，或能预测未来的发展规律，或能为控制某一现象的发展提供某种意义下的最优策略或较好策略。数学模型一般并非现实问题的直接翻版，它的建立常常既需要人们对现实问题深入细微的观察和分析，又需要人们灵活巧妙地利用各种数学知识。这种应用知识从实际课题中抽象、提炼出数学模型的过程就称为数学建模（Mathematical Modeling）。
过程
模型准备
了解问题的实际背景，明确其实际意义，掌握对象的各种信息。用数学语言来描述问题。
模型假设
根据实际对象的特征和建模的目的，对问题进行必要的简化，并用精确的语言提出一些恰当的假设。
模型建立
在假设的基础上，利用适当的数学工具来刻划各变量之间的数学关系，建立相应的数学结构（尽量用简单的数学工具）。
模型求解
利用获取的数据资料，对模型的所有参数做出计算（或近似计算）。
模型分析
对所得的结果进行数学上的分析。
模型检验
将模型分析结果与实际情形进行比较，以此来验证模型的准确性、合理性和适用性。如果模型与实际较吻合，则要对计算结果给出其实际含义，并进行解释。如果模型与实际吻合较差，则应该修改假设，再次重复建模过程。
模型应用
应用方式因问题的性质和建模的目的而异。
大学生数学建模竞赛
全国大学生数学建模竞赛
全国大学生数学建模竞赛是国家教育部高教司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过普通高校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解，计算方法的设计和计算机实现，结果的分析和检验，模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。 全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行；竞赛一般在每年9月末的三天内举行；大学生以队为单位参赛，每队3人，专业不限。
全国大学生数学建模竞赛章程（2008年）
第一条 总则 全国大学生数学建模竞赛（以下简称竞赛）是教育部高等教育司和中国工业与应用数学学会共同主办的面向全国大学生的群众性科技活动，目的在于激励学生学习数学的积极性，提高学生建立数学模型和运用计算机技术解决实际问题的综合能力，鼓励广大学生踊跃参加课外科技活动，开拓知识面，培养创造精神及合作意识，推动大学数学教学体系、教学内容和方法的改革。 第二条 竞赛内容 竞赛题目一般来源于工程技术和管理科学等方面经过适当简化加工的实际问题，不要求参赛者预先掌握深入的专门知识，只需要学过高等学校的数学课程。题目有较大的灵活性供参赛者发挥其创造能力。参赛者应根据题目要求，完成一篇包括模型的假设、建立和求解、计算方法的设计和计算机实现、结果的分析和检验、模型的改进等方面的论文（即答卷）。竞赛评奖以假设的合理性、建模的创造性、结果的正确性和文字表述的清晰程度为主要标准。 第三条 竞赛形式、规则和纪律 1．全国统一竞赛题目，采取通讯竞赛方式，以相对集中的形式进行。 2．竞赛每年举办一次，一般在某个周末前后的三天内举行。 3．大学生以队为单位参赛，每队3人（须属于同一所学校），专业不限。竞赛分本科、专科两组进行，本科生参加本科组竞赛，专科生参加专科组竞赛（也可参加本科组竞赛），研究生不得参加。每队可设一名指导教师（或教师组），从事赛前辅导和参赛的组织工作，但在竞赛期间必须回避参赛队员，不得进行指导或参与讨论，否则按违反纪律处理。 4．竞赛期间参赛队员可以使用各种图书资料、计算机和软件，在国际互联网上浏览，但不得与队外任何人（包括在网上）讨论。 5．竞赛开始后，赛题将公布在指定的网址供参赛队下载，参赛队在规定时间内完成答卷，并准时交卷。 6．参赛院校应责成有关职能部门负责竞赛的组织和纪律监督工作，保证本校竞赛的规范性和公正性。 第四条 组织形式 1．竞赛由全国大学生数学建模竞赛组织委员会（以下简称全国组委会）主持，负责每年发动报名、拟定赛题、组织全国优秀答卷的复审和评奖、印制获奖证书、举办全国颁奖仪式等。 2．竞赛分赛区组织进行。原则上一个省（自治区、直辖市）为一个赛区，每个赛区应至少有6所院校的20个队参加。邻近的省可以合并成立一个赛区。每个赛区建立组织委员会（以下简称赛区组委会），负责本赛区的宣传发动及报名、监督竞赛纪律和组织评阅答卷等工作。未成立赛区的各省院校的参赛队可直接向全国组委会报名参赛。 3．设立组织工作优秀奖，表彰在竞赛组织工作中成绩优异或进步突出的赛区组委会，以参赛校数和队数、征题的数量和质量、无违纪现象、评阅工作的质量、结合本赛区具体情况创造性地开展工作以及与全国组委会的配合等为主要标准。 第五条 评奖办法 1．各赛区组委会聘请专家组成评阅委员会，评选本赛区的一等、二等奖（也可增设三等奖），获奖比例一般不超过三分之一，其余凡完成合格答卷者可获得成功参赛证书。 2．各赛区组委会按全国组委会规定的数量将本赛区的优秀答卷送全国组委会。全国组委会聘请专家组成全国评阅委员会，按统一标准从各赛区送交的优秀答卷中评选出全国一等、二等奖。 3．全国与各赛区的一、二等奖均颁发获奖证书。 4．对违反竞赛规则的参赛队，一经发现，取消参赛资格，成绩无效。对所在院校要予以警告、通报，直至取消该校下一年度参赛资格。对违反评奖工作规定的赛区，全国组委会不承认其评奖结果。 第六条 异议期制度 1．全国（或各赛区）获奖名单公布之日起的两个星期内，任何个人和单位可以提出异议，由全国组委会（或各赛区组委会）负责受理。 2．受理异议的重点是违反竞赛章程的行为，包括竞赛期间教师参与、队员与他人讨论，不公正的评阅等。对于要求将答卷复评以提高获奖等级的申诉，原则上不予受理，特殊情况可先经各赛区组委会审核后，由各赛区组委会报全国组委会核查。 3．异议须以书面形式提出。个人提出的异议，须写明本人的真实姓名、工作单位、通信地址（包括联系电话或电子邮件地址等），并有本人的亲笔签名；单位提出的异议，须写明联系人的姓名、通信地址（包括联系电话或电子邮件地址等），并加盖公章。全国组委会及各赛区组委会对提出异议的个人或单位给予保密。 4．与受理异议有关的学校管理部门，有责任协助全国组委会及各赛区组委会对异议进行调查，并提出处理意见。全国组委会或各赛区组委会应在异议期结束后两个月内向申诉人答复处理结果。 第七条 经费 1．参赛队所在学校向所在赛区组委会交纳参赛费。 2．赛区组委会向全国组委会交纳一定数额的经费。 3．各级教育管理部门的资助。 4．社会各界的资助。 第八条 解释与修改 本章程从2008年开始执行，其解释和修改权属于全国组委会。
9. 【数学建模算法】(29)数据的统计描述和分析（上）
数理统计 研究的对象是受随机因素影响的数据，以下数理统计就简称统计，统计是以概率论为基础的一门应用学科。
数据样本少则几个，多则成千上万，人们希望能用少数几个包含其最多相关信息的数值来体现数据样本总体的规律。描述性统计就是搜集、整理、加工和分析统计数据，使之系统化、条理化，以显示出数据资料的趋势、特征和数量关系。它是统计推断的基础，实用性较强，在统计工作中经常使用。
面对一批数据如何进行描述与分析，需要掌握 参数估计 和 假设检验 这两个数理统计的最基本方法。
我们将用 Matlab 的统计工具箱(Statistics Toolbox)来实现数据的统计描述和分析。
一组数据（样本）往往是杂乱无章的，做出它的频数表和直方图，可以看作是对这组数据的一个初步整理和直观描述。
将数据的取值范围划分为若干个区间，然后统计这组数据在每个区间中出现的次数，称为 频数 ，由此得到一个频数表。以数据的取值为横坐标，频数为纵坐标，画出一个阶梯形的图，称为 直方图 ，或 频数分布图 。
若样本容量不大，能够手工做出频数表和直方图，当样本容量较大时则可以借助Matlab这样的软件了。让我们以下面的例子为例，介绍频数表和直方图的作法。
（1）数据输入
数据输入通常有两种方法，一种是在交互环境中直接输入，如果在统计中数据量比较大，这样作不太方便；另一种办法是先把数据写入一个纯文本数据文件data.txt中，数据列之间用空格和Tab键分割，之后以data.txt为文件名存放在某个子目录下，用Matlab中的load命令读入数据，具体做法是：
先把txt文件移入Matlab的工作文件夹中，之后在Matlab命令行或脚本中输入：
这样就在内存中建立了一个变量data它是一个包含有 个数据的矩阵。
为了得到我们需要的100个身高和体重均为一列的数据，我们对矩阵做如下处理：
（2）作频数表及其直方图
求频数用hist函数实现，其用法是：
得到数组（行列均可） 的频数表。它将区间 等分为 份（缺省时 为10）， 返回 个小区间的频数， 返回 个小区间的中点。
同样的一个函数名hist还可以用来画出直方图。
对于本例的数据，可以编写如下程序画出数据的直方图。
得直方图如下：
下面我们介绍几种常用的统计量。
算术平均值 （简称均值）描述数据取值的平均位置，记作 ，
中位数 是将数据由小到大排序后位于中间位置的那个数值。
Matlab 中 mean(x)返回 x 的均值，median(x)返回中位数。
标准差 定义为：
它是各个数据与均值偏离程度的度量，这种偏离不妨称为 变异 。
方差 是标准差的平方 。
极差 是 的最大值与最小值之差。
Matlab 中 std(x)返回 x 的标准差，var(x)返回方差，range(x)返回极差。
你可能注意到标准差 s 的定义（2）中，对 的平方求和却被 除，这是出于无偏估计的要求。若需要改为被 除，Matlab 可用 std(x,1)和 var(x,1)来实现。
随机变量 的 阶 中心距 为 。
随机变量 的 偏度 和 峰度 指的是 的标准化变量 的三阶中心矩和四阶中心矩：
偏度反映分布的对称性， 称为右偏态，此时数据位于均值右边的比位于左边的多； 称为左偏态，情况相反；而 接近 0 则可认为分布是对称的。
峰度是分布形状的另一种度量，正态分布的峰度为 3，若 比 3 大得多，表示分布有沉重的尾巴，说明样本中含有较多远离均值的数据，因而峰度可以用作衡量偏离正态分布的尺度之一。
Matlab 中 moment(x,order)返回 x 的 order 阶中心矩，order 为中心矩的阶数。skewness(x)返回 x 的 偏度 ，kurtosis(x)返回 峰度 。
在以上用 Matlab 计算各个统计量的命令中，若 x 为矩阵，则作用于 x 的列，返回一个行向量。
对例1给出的学生身高和体重，用Matlab 计算这些统计量，程序如下：
统计量中最重要、最常用的是均值和标准差，由于样本是随机变量，它们作为样本的函数自然也是随机变量，当用它们去推断总体时，有多大的可靠性就与统计量的概率分布有关，因此我们需要知道几个重要分布的简单性质。
随机变量的特性完全由它的（概率）分布函数或（概率）密度函数来描述。设有随机变量 ，其分布函数定义为 的概率，即 。若 是连续型随机变量，则其密度函数 与 的关系为：
上 分位数是下面常用的一个概念，其定义为：对于 ，使某分布函数 的 ，称为这个分布的上 分位数，记作 。
我们前面画过的直方图是频数分布图，频数除以样本容量 ，称为频率， 充分大时频率是概率的近似，因此直方图可以看作密度函数图形的（离散化）近似。
正态分布可以说是最常见的（连续型）概率分布，成批生产时零件的尺寸，射击中弹着点的位置，仪器反复量测的结果，自然界中一种生物的数量特征等，多数情况下都服从正态分布，这不仅是观察和经验的总结，而且有着深刻的理论依据， 即在大量相互独立的、作用差不多大的随机因素影响下形成的随机变量，其极限分布为正态分布 。
鉴于正态分布的随机变量在实际生活中如此地常见，记住下面 3 个数字是有用的：
若 为相互独立的、服从标准正态分布 的随机变量，则它们的平方和 服从 分布，记作 ， 称为自由度，它的期望 ，方差 。
若 ，且相互独立，则 服从 分布，记作 称自由度。
分布的密度函数曲线和 曲线形状相似。理论上 时， ，实际上当 时它与 就相差无几了。
若 ，且相互独立，则 服从 分布，记作 称自由度。
Matlab统计工具箱中有27种概率分布，这里只对上面所述4中分布列出命令的字符：
工具箱对每一种分布都提供五类函数，其命令的字符是：
当需要一种分布的某一种函数时，将以上所列的分布命令字符与函数命令字符接起来，并输入自变量（可以是标量、数组或矩阵）和参数就行了，如：
设总体 ， 为一容量 的样本，其均值 和标准差 由式（1），（2）确定，则用 和 构造的下面两个分布在统计中是非常有用的。
或
设有两个总体 和 ，及由容量分别为 的两个样本确定的均值 和标准差 ，则：
其中：
且要求
10. 数学建模的七个步骤
数学建模（mathematical modeling）就是通过建立数学模型来解决各种实际问题的方法。数学建模没有固定的格式和标准，也没有明确的方法，通常有6个步骤：
明确问题
合理假设
搭建模型
求解模型
分析检验
模型解释
1、明确问题
数学建模所处理的问题通常是各领域的实际问题，这些问题本身往往含糊不清，难以直接找到关键所在，不能明确提出该用什么方法。因此建立模型的首要任务是辨明问题，分析相关条件和问题，一开始尽可能使问题简单，然后再根据目的和要求逐步完善。
2、合理假设
作出合理假设，是建模的一个关键步骤。一个实际问题不经简化、假设，很难直接翻译成数学问题，即使可能也会因其过于复杂而难以求解。因此，根据对象的特征和建模的目的，需要对问题进行必要合理地简化。
合理假设的作用除了简化问题，还对模型的使用范围加以限定。
作假设的依据通常是出于对问题内在规律的认识，或来自对数据或现象的分析，也可以是两者的综合。作假设时，既要运用与问题相关的物理、化学、生物、经济、机械等专业方面的知识，也要充分发挥想象力、洞察力和判断力，辨别问题的主次，尽量使问题简化。
为保证所作假设的合理性，在有数据的情况下应对所作的假设及假设的推论进行检验，同时注意存在的隐含假设。
3、搭建模型
搭建模型就是根据实际问题的基本原理或规律，建立变量之间的关系。
要描述一个变量随另一个变量的变化而变化，最简单的方法是作图，或者画表格，还可以用数学表达式。在建模中，通常要把一种形式转换成另一种形式。将数学表达式转换成图形和表格较容易，反过来则比较困难。
用一些简单典型函数的组合可以组成各种函数形式。使用函数解决具体的实际问题，还比须给出各参数的值，寻求这些参数的现实解释，往往可以抓住问题的一些本质特征。
4、求解模型
对模型的求解往往涉及不同学科的专业知识。现代计算机科学的发展提供了强有力的辅助工具，出现了很多可进行工程数值计算和数学推导的软件包和仿真工具，熟练掌握数学建模的仿真工具可大大增强建模能力。
不同数学模型的求解难易不同，一般情况下很多实际问题不能求出解析解，因此需要借助计算机用数值的方法来求解，在编写代码之前要明确算法和计算步骤，弄清初始值、步长等因素对结果的影响。
5、分析检验
在求出模型的解后，必须对模型和“解”进行分析，模型和解的适用范围如何，模型的稳定性和可靠性如何，是否到达建模目的，是否解决了问题？
数学模型相对于客观实际不可避免地会带来一定误差，一方面要根据建模的目的确定误差的允许范围，另一方面要分析误差来源，想办法减小误差。
一般误差有以下几个来源，需要小心分析检验：
模型假设的误差：一般来说模型难以完全反映客观实际，因此需要做不同的假设，在对模型进行分析时，需要对这些假设小心检验，分析比较不同假设对结果的影响。
求近似解方法的误差：一般来说很难得到模型的解析解，在采用数值方法求解时，数值计算方法本身也会有误差。这类误差许多是可以控制的。
计算工具的舍入误差：在用计算器或计算机进行数值计算时，都不可避免由于机器字长有限而产生舍入误差，如果进行了大量运算，这些误差的积累是不可忽视的。
数据的测量误差：在用传感器、调查问卷等方法获得数据时，应注意数据本身的误差。
6、模型解释
数学建模的最后阶段是用现实世界的语言对模型进行翻译，这对使用模型的人深入了解模型的结果是十分重要的。模型和解是否有实际意义，是否与实际证据相符合。这一步是使数学模型有实际价值的关键一步。
相关阅读
数学模型和数学建模介绍
数学建模常用的