数学建模之单摆摆动问题分析

高中物理-单摆教案 (3)

高中物理-单摆教案 【教学目标】 一、知识与技能 1．知道单摆是一种理想化模型和做简谐运动的条件 2. 知道单摆做简谐运动时回复力的特点和表达式 3．知道单摆(偏角θ较小时)的周期与振幅、摆球质量、摆长和当地重力加速度g的关系。 二、过程与方法 1．知道测量单摆周期的方法,会用单摆测定重力加速度 2．通过探究过程体会猜想、设计实验、分析论证、评估等科学探究要素; 3．通过制定探究方案体会“控制变量”的研究方法。 三、情感、态度和价值观 1．通过实验,领悟实事求是的理念,并在探究活动中培养合作精神。 2．通过动手合作调动学生的学习主动性,培养他们的探究意识,激发他们的学习热情,体会研究的乐趣。 【重点、难点、疑点】 1.重点:单摆的振动规律和周期公式。 2.难点:单摆回复力的分析。 3.疑点:怎样确定单摆的振动周期与哪些因素有关,以及具体关系。 【教具准备】 摆球、铁架台、细线、支架、盛砂漏斗、硬纸板、砂、计算机、投影仪等 【教学过程】 一、复习引入新课 在前面我们学习了弹簧振子,知道弹簧振子做简谐运动。 那么：怎么判断物体的运动是否是简谐运动 答：有两种方法：方法一：位移时间图像为正弦 函数 方法二：物体在跟位移大小成正比、并且总是指 向平衡位置的回复力作用下的振动F =-kx 在生活中有很多种机械振动。比如建筑物挂钟的 振动、房顶吊灯的摆动、秋千的运动、座钟的钟 摆的摆动。这些运动都是摆动。我们对实际生活 中的摆进行理想化处理,忽略次要因素、突出主 要因素,这样所构建的模型称之为单摆。

二、新课教学 （一）单摆 问题：以上这些运动有什么共同点？ 物理中常抽象出一种模型 1、单摆概念：细线一端固定在悬点,另一端系一个小球,如果 细线的质量与小球相比可以忽略；球的直径与线的长度相比也 可以忽略,这样的装置就叫做单摆。 ①摆线质量m 远小于摆球质量 M,即m << M ②摆球的直径 d 远小于单摆的摆长Ｌ,即 d <<Ｌ。③摆球所受空气阻力远小 于摆球重力及绳的拉力,可忽略不计。④摆线的伸长量很小, 可以忽略。 2、摆长：悬点到摆球重心的距离。摆长 L=L0+R （二）单摆的运动 问题1：运动的平衡位置在哪里 细线竖直下垂,摆球所受重力G和悬线的拉力F平衡,O点就是摆球的平衡位置。问题２：摆球的受力情况小球收到的力有重力、拉力 问题3:小球的运动情况分析以点Ｏ为平衡位置的振动 以悬点Ｏ’为圆心的圆周运动 问题4：力与运动的关系 回复力大小：向心力大小： O` O θ sin mg F= 回 θ cos mg N F- = 向

数学建模——回归分析

回归分析——20121060025 吕佳琪 企业编号生产性固定资产价值(万元)工业总产值(万元) 1318524 29101019 3200638 4409815 5415913 6502928 7314605 812101516 910221219 1012251624 合计65259801 （2）建立直线回归方程; （3）计算估价标准误差; （4）估计生产性固定资产(自变量)为1100万元时总产值(因变量)的可能值。解: (1)画出散点图,观察二变量的相关方向 x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; plot(x,y,'or') xlabel('生产性固定资产价值(万元)') ylabel('工业总产值(万元)') 由图形可得,二变量的相关方向应为直线 (2)

x=[318 910 200 409 415 502 314 1210 1022 1225]; y=[524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0、05); b,bint,stats b = 395、5670 0、8958 bint = 210、4845 580、6495 0、6500 1、1417 stats = 1、0e+004 * 0、0001 0、0071 0、0000 1、6035 上述相关系数r为1,显著性水平为0 Y=395、5670+0、8958*x (3) 计算方法:W=((Y1-y1)^2+……+(Y10-y10)^2)^(1/2)/10 利用SPSS进行回归分析:

数学建模实验

数学建模课程实验报告 专题实验7 班级数财系1班学号2011040123 丛文 实验题目常微分方程数值解 实验目的 1．掌握用MATLAB求微分方程初值问题数值解的方法； 2．通过实例学习微分方程模型解决简化的实际问题； 3．了解欧拉方法和龙格库塔方法的基本思想。 实验容 (包括分 析过程、 方法、和 代码，结 果) 1. 用欧拉方法和龙格库塔方法求下列微分方程初值问题的数值 解，画出解的图形，对结果进行分析比较 解；M文件 function f=f(x,y) f=y+2*x; 程序； clc;clear; a=0;b=1; %求解区间 [x1,y_r]=ode45('f',[a b],1); %调用龙格库塔求解函数求解数值 解； %% 以下利用Euler方法求解 y(1)=1;N=100;h=(b-a)/N; x=a:h:b;

for i=1:N y(i+1)=y(i)+h*f(x(i),y(i)); end figure(1) plot(x1,y_r,'r*',x,y,'b+',x,3*exp(x)-2*x-2,'k-');%数值解与真解图 title('数值解与真解图'); legend('RK4','Euler','真解'); xlabel('x');ylabel('y'); figure(2)

plot(x1,abs(y_r-(3*exp(x1)-2*x1-2)),'k-');%龙格库塔方法的误差 title('龙格库塔方法的误差') xlabel('x');ylabel('Error'); figure(3) plot(x,abs(y-(3*exp(x)-2*x-2)),'r-')%Euler方法的误差 title('Euler方法的误差') xlabel('x');ylabel('Error');

单摆运动规律的研究模板

单摆运动规律的研究 摘要单摆问题是高中物理及大学普通物理实验教学中的一个基础问题。受各种因素的影响，其运动规律较为复杂。本文建立了理想模式下单摆的数学模型，现实情况下单摆的数学模型.等对单摆的运动进行了探究。 首先，本文从理想情况出发，由牛顿第二定律进行推理，建立了无阻尼小角度单摆运动模型，对单摆的运动进行了初步探究。 然后，本文又建立了无阻尼大角度单摆运动模型，进一步完善了理想模式下单摆的数学模型。 最后，本文从实际出发，考虑单摆运动中受到的阻力因素，以理想模式下单摆的数学模型为基础，建立了现实情况下单摆的运动模型，深度的对单摆运动进行了探索。 关键词简谐运动角度阻尼运动单摆运动 目录 一、问题的描述 二、模型假设 三、模型建立及求解 1 理想模式下单摆的数学模型 1.1 小角度单摆运动模型 1.1.1 模型建立 1.1.2 模型求解 1.1.3 结果分析 1.2 大角度单摆运动模型 1.2.1 模型建立 1.2.2 模型求解 1.2.3 结果分析 2 现实模式下单摆的数学模型 2.1 小、大阻尼单摆运动模型 2.1.1 模型建立 2.1.2 模型求解 2.1.3 结果分析 四模型分析 一问题的描述 根据平常接触到的摆钟、秋千等实物中，我们可以抽象出单摆的模型。细线一端固定在悬点,另一端系一个小球,如果细线的质量与小球相比可以忽略,球的直接与线的长度相比也可以忽略,这样的装置就叫做单摆.我们从理想情况出发进行分析，并逐渐完善从而推导出单摆实际运动规律。

二模型假设 1悬挂小球的细线伸缩和质量均忽略不记，线长比小球的直径大得多； 2.装置严格水平； 3.无驱动力。 三模型建立及求解 1 理想模式下单摆的数学模型 图1 简单单摆模型 在 t 时刻，摆锤所受切向力ft(t)是重力mg在其运动圆弧切线方向上的分力，即f(t) =mg sin(t) 完全理想条件下，根据牛顿第二运动定律，切向加速度为： a(t) =g sin(t) 因此得到单摆的运动微分方程组： 1.1 小角度单摆运动模型 1.1.1模型建立 当摆角θ很小时,sinθ≈θ，故方程1可简化为:

单摆运动的分析

单摆的运动规律分析 摘要：单摆的理想模型是，假设单摆由不可伸缩的轻绳与一质量为m 的小球组成，不考虑空气阻力。在此基础上还可以进一步考虑受阻力情况。 关键词：单摆 线性微分方程 非线性微分方程 正文： 单摆的理想模型是，假设单摆由不可伸缩的轻绳与一质量为m 的小球组成，不考虑空气阻力。在此基础上还可以进一步考虑受阻力情况。 单摆在摆动过程中要受到空气阻力的影响，且其在摆动的过程中可能会出现不在同一平面内的情况，若考虑这一系列问题，求解就会变得比较复杂了，首先把问题理想化，假设单摆由不可伸缩的轻绳与一质量为m 的小球组成，不考虑空气阻力。 Ⅰ.由刚体绕定轴转动的微分方程可知： θθsin 2 22 mgl dt d ml -=……⑴ 当θ很小时： 02 2=+θθl g dt d ……⑵ 令l g w =2 则原式化为02 22=+θθw dt d ……⑶ 做任意角度摆动时的情况： 0sin 2 2 2=+θθw dt d ……⑷ Ⅱ.受大小与速度成正比的阻力作用时： 0sin 2 22=+-θθθw dt d k dt d ……⑸ 做小角度摆动时可近似为： 0222=++θθ θw dt d k dt d ……⑹ 其中⑵、⑶、⑹式为线性微分方程，⑴、⑷、⑸式为非线性微分方程。 1）小角度震荡时将sin θ近似看作θ i.函数文件: function fc=f0(t,y) global g l fc=[y(2) -g/l*y(1)]' ii.绘图程序：

clear clc global g l g=9.8; l=1; w0=input('wm0?\n') [t,y]=ode45('f0',[0,100],[0,w0*pi]'); plot(t,y(:,1),'r') title('θ-t 图'); xlabel('时间/s'); ylabel('θ/rad'); grid iii.图像： 取wm0=0.5. 2)振幅增大后，θ将不满足近似条件。 i.函数文件： function fc=f1(t,y) global g l fc=[y(2) -g/l*sin(y(1))]' ii.绘图程序： clear clc global g l k

数学建模之回归分析法

什么是回归分析 回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。

今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：（数据可以先用excel建立再通过spss打开） 点击“分析”——回归——线性——进入如下图所示的界面：

回归分析在数学建模中的应用

摘要 回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。 关键词:多元线性回归分析;参数估计;F检验

回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II

2020高中物理必备知识点 单摆

单摆 同学们：前面几节课，我们与弹簧振子为载体详细研究了简谐运动的运动特征和简谐运动的图像。在众多的机械振动中是不是只有弹簧振子的运动是简谐运动呢？当然不是。今天我们再来研究加一个典型的简谐运动――单摆。 （板书课题：四、单摆） 我们先来看看摆动：（演示多媒体课件）其实摆动还是比较复杂的，我们先研究最简单的摆动――单摆。 什么是单摆呢？ （板书：一、单摆的构成） 一根没有质量的细线，下挂一个质点构成理想的单摆――理想化物理模型 实际中是一根质量、伸缩可以忽略不计的细线下挂一个密度较大的金属小球构成单摆。通常，如果线很细，伸缩和质量可忽略，球直径比线长短的多，这样的装置就叫做单摆。 单摆的运动特征是来回往复运动，一定有一个回复力，那么单摆的回复力是什么力提供？回复力有何特征呢？ （板书：二、单摆的回复力） 边演示多媒体课件，边分析单摆的回复力得出：（板书）θsin mg F ＝回 （板书）小角度摆动时： ι ιθθθx s tg ≈≈≈弧度）＝(sin 所以单摆在较小偏角摆动时： x mg F ι ＝－ 回，对照简谐运动的回复力 特征得：

（板书：三、单摆在较小偏角摆动时是简谐运动） 关于单摆在小角度摆动是简谐运动，还可以从单摆振动图像中得到证实。（演示多媒体课件：砂摆动运动描绘振动图像） 既然单摆是简谐运动，那么它应该有简谐运动的特征量：周期T ，频率f ，振幅A 等。 我们研究一下单摆的周期 （板书：四、单摆的周期） （演示多媒体课件比较研究单摆周期与振幅A 、质量m 、摆长L 、重力加速度g 的关系。） 首先定性研究一下单摆的周期与哪些因素有关。测量摆长约为1m 的单摆，在两个不同振幅下的周期。 怎样测才能误差小呢？ 答：测多次，而后取其平均值。为了节省时间，我只测10个全振动时间 保证小角度情况下，改变幅度，读表从平衡位置计时。 结果：单摆周期与振幅无关。 ⑴单摆周期与振幅无关（单摆的等时性） 下面我们再做实验看周期T 与摆球质量之间系。如图,m 1

数学建模第四版答案

数学建模第四版答案 【篇一：数学建模课后答案】 t>第二章(1)（2012年12月21日） 1．学校共1000名学生，235人住在a宿舍，333人住在b宿舍，432人住在c宿舍.学生们 要组织一个10人的委员会，试用下列办法分配各宿舍的委员数：（1）. 按比例分配取整数的名额后,剩下的名额按惯例分给小数部分 较大者; （2）. 1中的q值方法； （3）.d’hondt方法：将a、b、c各宿舍的人数用正整数n=1,2,3,??相除，其商数如下表： 将所得商数从大到小取前10个（10为席位数），在数字下标以横线，表中a、b、c行有横线的数分别为2，3，5，这就是3个宿舍 分配的席位.你能解释这种方法的道理吗？ 如果委员会从10个人增至15人，用以上3种方法再分配名额，将 3种方法两次分配的结果列表比较. 解：先考虑n=10的分配方案， p1?235,p2?333,p3?432,方法一（按比例分配） ?p i?1 3 i ?1000. q1? p1n ?p i?1 3 ?2.35,q2? p2n i ?p i?1 3 ?3.33, q3? p3n i

?p i?1 3 ?4.32 i 分配结果为： n1?3, n2?3, n3?4 方法二（q值方法） 9个席位的分配结果（可用按比例分配）为： n1?2,n2?3, n3?4 第10个席位：计算q值为 235233324322 q1??9204.17, q2??9240.75, q3??9331.2 2?33?44?5 q3最大，第10个席位应给c.分配结果为 n1?2,n2?3,n3?5 方法三（d’hondt方法） 此方法的分配结果为：n1?2,n2?3,n3?5 此方法的道理是：记pi和ni为各宿舍的人数和席位（i=1,2,3代表a、b、c宿舍）. pi 是ni 每席位代表的人数，取ni?1,2,?,从而得到的近. pip 中选较大者，可使对所有的i,i尽量接nini 再考虑n?15的分配方案，类似地可得名额分配结果.现将3种方法两次分配的结果列表如下： 2．试用微积分方法，建立录像带记数器读数n与转过时间的数学模型. 解：设录像带记数器读数为n时，录像带转过时间为t.其模型的假设见课本. 考虑t到t??t时间内录像带缠绕在右轮盘上的长度，可得 vdt?(r?wkn)2?kdn,两边积分，得 ? t vdt?2?k?(r?wkn)dn n 2?rk?wk22n2 2vv 第二章(2)（2008年10月9日）

数学建模-回归分析-多元回归分析

1、 多元线性回归在回归分析中，如果有两个或两个以上的自变量，就称为 多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。

把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间

数学建模多元回归模型

实习报告书 学生姓名： 学号： 学院名称： 专业名称： 实习时间： 2014年 06 月 05 日 第六次实验报告要求 实验目的： 掌握多元线性回归模型的原理，多元线性回归模型的建立、估计、检验及解释变量的增减的方法，以及运用相应的Matlab软件的函数计算。 实验内容： 已知某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据，见表1。请选择恰当的解释变量和恰当的模型，建立粮食年销售量的回归模型，并对其进行估计和检验。

表1 某市粮食年销售量、常住人口、人均收入、肉、蛋、鱼的销售数据 年份粮食年销售 量Y/万吨 常住人口 X2/万人 人均收 入X3/ 元 肉销售 量X4/万 吨 蛋销售 量X5/ 万吨 鱼虾销 售量 X6/万吨 197498.45560.20153.20 6.53 1.23 1.89 1975100.70603.11190.009.12 1.30 2.03 1976102.80668.05240.308.10 1.80 2.71 1977133.95715.47301.1210.10 2.09 3.00 1978140.13724.27361.0010.93 2.39 3.29 1979143.11736.13420.0011.85 3.90 5.24 1980146.15748.91491.7612.28 5.13 6.83 1981144.60760.32501.0013.50 5.418.36 1982148.94774.92529.2015.29 6.0910.07

1983158.55785.30552.7218.107.9712.57 1984169.68795.50771.1619.6110.1815.12 1985162.14804.80811.8017.2211.7918.25 1986170.09814.94988.4318.6011.5420.59 1987178.69828.731094.6 523.5311.6823.37 实验要求： 撰写实验报告，参考第10章中牙膏销售量，软件开发人员的薪金两个案例，写出建模过程，包括以下步骤 1.分析影响因变量Y的主要影响因素及经济意义； 影响因变量Y的主要影响因素有常住人口数量，城市中人口越多，需要的粮食数量就越多，粮食的年销售量就会相应增加。粮食销量还和人均收入有关，人均收入增加了，居民所能购买的粮食数量也会相应增加。另外，肉类销量、蛋销售量、鱼虾销售量也会对粮食的销售量有影响，这些销量增加了，也表示居民的饮食结构也在发生变化，生活水平在提高，所以相应的，生活水平提升了，居民也有能力购买更多的粮食。

单摆的复杂运动

单摆的复杂运动 摘要：采用相图方法和庞加莱截面法描述单摆的复杂运动，研究单摆运动中的分岔，混沌等非线性特征。 关键词：单摆；混沌；相图；庞加莱映射 正文： 物理学家伽利略观察比萨大教堂吊灯的摆动，发现了单摆定律：摆动的周期与摆幅无关。 惠更斯利用摆的“等时性”发现了钟表，直至电子表出现前，摆始终是计时装置的心脏，均匀韵律的象征。在高中，大学的物理教材中没有不讲单摆定律的，在物理实验中，没有不做单摆实验的。 单摆是物理学中最简单的模型之一，传统力学教材一般只讨论单摆在摆幅很小的条件下作简谐振动，阻尼振动和受迫振动的特征。事实上，如果不限制其摆幅，单摆在周期性策动力的作用下，其运动将有意想不到的复杂性，本文将从单摆的动力学方程出发，采用相图，牌庞加莱截面等描述方法研究单摆的复杂运动。 1.单摆模型的动力学方程 我们把传统的单摆模型一般化：单摆的摆线换成质量可忽略不计的刚性杆，摆角θ的取值范围不受限制，设摆长为L ，摆球的质量为m ，沿切向受阻力yl θ? -(y 为阻尼系数)，重力的分力sin mg θ-以及周期策动力cos F t ω作用，由牛顿第二定律得此单摆所满足的动力学方程为 sin cos ml rl mg F t θθθω????=--+ （1） 为使（1）式各物理量无量纲化，作如下标度变换： 令20/g l ω=，wt τ=，0/ωωΩ=，02Y m βω=，20F F f ml mg ω==，则（1）式变为： 222sin cos d d f d d θθβθπττ=--+Ω （2） 引入新变量ω，?，将（2）式化成自治方程形式 ： 2sin cos f θω θβωθ?? ?==--+ （3） 这是一个反映单摆运动所遵循的动力学规律的不显含时间的微分方程组。（3）式中有3个可调参量；β，f 和Ω，每个变量的改变都会引起解的变化。可以通过控制Ω，β，f 参量的变化，从而得出反映系统运动特征的信息。 2 单摆运动的相图及庞加莱截面描述方法 由于（3）式含有非线性项。一般而言，不能用解析法求解，对于这类微分方程，法国数学家庞加莱在十九世纪末创建了一种微分方程的定性理论，发明了相图和拓扑学方法，在不求出解的情况下，通过直接考察微分方程的系数及其本身的结构去研究它的解的性质。相

数学建模回归分析多元回归分析

1、 多元线性回归 在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。 在实际经济问题中，一个变量往往受到多个变量的影响。例如，家庭消费支出，除了受家庭可支配收入的影响外，还受诸如家庭所有的财富、物价水平、金融机构存款利息等多种因素的影响，表现在线性回归模型中的解释变量有多个。这样的模型被称为多元线性回归模型。（multivariable linear regression model ） 多元线性回归模型的一般形式为： 其中k 为解释变量的数目，j β (j=1,2,…，k)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。它的非随机表达式为： j β也被称为偏回归系数（partial regression coefficient)。 2、 多元线性回归计算模型 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和（Σe)为最小的前提下，用最小二乘法或最大似然估计法求解参数。 设（ 11 x ， 12 x ，…， 1p x ， 1 y ），…，（ 1 n x ， 2 n x ，…， np x ， n y ）是一个样本， 用最大似然估计法估计参数： 达 到最小。

把（4）式化简可得： 引入矩阵： 方程组（5）可以化简得： 可得最大似然估计值：

3、Matlab 多元线性回归的实现 多元线性回归在Matlab 中主要实现方法如下： （1）b=regress(Y, X ) 确定回归系数的点估计值 其中 （2）[b,bint,r,rint,stats]=regress(Y,X,alpha)求回归系数的点估计和区间估计、并检 验回归模型 ①bint 表示回归系数的区间估计. ②r 表示残差 ③rint 表示置信区间 ④stats 表示用于检验回归模型的统计量,有三个数值：相关系数r2、F 值、与F 对应的 概率p 说明：相关系数r2越接近1，说明回归方程越显著；F>F1-alpha(p,n-p-1) 时拒绝H0，F 越大，说明回归方程越显著；与F 对应的概率p<α 时拒绝H0，回归模型成立。 ⑤alpha 表示显著性水平(缺省时为0.05) （3）rcoplot(r,rint) 画出残差及其置信区间

数学建模统计模型

数学建模

论文题目： 一个医药公司的新药研究部门为了掌握一种新止痛剂的疗效，设计了一个药物试验，给患有同种疾病的病人使用这种新止痛剂的以下4个剂量中的某一个：2 g，5 g，7 g和10 g，并记录每个病人病痛明显减轻的时间（以分钟计）. 为了解新药的疗效与病人性别和血压有什么关系，试验过程中研究人员把病人按性别及血压的低、中、高三档平均分配来进行测试. 通过比较每个病人血压的历史数据，从低到高分成3组，分别记作，和. 实验结束后，公司的记录结果见下表（性别以0表示女，1表示男）. 请你为该公司建立一个数学模型，根据病人用药的剂量、性别和血压组别，预测出服药后病痛明显减轻的时间.

一、摘要 在农某医药公司为了掌握一种新止痛药的疗效，设计了一个药物实验，通过观测病人性别、血压和用药剂量与病痛时间的关系，预测服药后病痛明显减轻的时间。我们运用数学统计工具m i n i t a b软件，对用药剂量，性别和血压组别与病痛减轻

时间之间的数据进行深层次地处理并加以讨论概率值P （是否<）和拟合度R-S q的值是否更大（越大，说明模型越好）。 首先，假设用药剂量、性别和血压组别与病痛减轻时间之间具有线性关系，我们建立了模型Ⅰ。对模型Ⅰ用m i n i t a b 软件进行回归分析，结果偏差较大，说明不是单纯的线性关系，然后对不同性别分开讨论，增加血压和用药剂量的交叉项，我们在模型Ⅰ的基础上建立了模型Ⅱ，用m i n i t a b软件进行回归分析后，用药剂量对病痛减轻时间不显着，于是我们有引进了用药剂量的平方项，改进模型Ⅱ建立了模型Ⅲ，用m i n i t a b 软件进行回归分析后，结果合理。最终确定了女性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模型： Y=1x 3x 1x 3x 2 1 x 对模型Ⅱ和模型Ⅲ关于男性病人用m i n i t a b软件进行回归分析，结果偏差依然较大，于是改进模型Ⅲ建立了模型Ⅳ，用m i n i t a b软件进行回归分析后，结果合理。最终确定了男性病人服药后病痛减轻时间与用药剂量、性别和血压组别的关系模 型：Y=1x1x 3x 2 1 x关键词止痛剂药剂量性别病痛减轻时 间

单摆运动的数学建模

单摆在不同摆角下运动的数学模型 报告人：曾云霖 专业学号：微电子92 09053057 关键词：单摆、简谐运动、空气阻力，摆角大小 摘要： 单摆是生活中常见的模型，也是常用的简单模型。物理学中所讨论的单摆是一种理想化的模型,也称数学摆。它由一根不可伸缩的细线(质量不计),一端固定,另一端悬挂一质量为M的小球(视为质点)而构成的振动系统。 对于理想单摆，我们总是尽可能的简化它的一般分析，认为它只受到重力和拉力的作用。因为拉力与小球的运动总是相互垂直的，对小球的运动没什么影响 但生活中的单摆往往是非理想的，非理想单摆还考虑到绳的重力、空气阻力等，且单摆的运动还与单摆的摆角有关，研究单摆在不同摆角下的运动是有现实和理论意义的 模型建立： 考虑在摆角很小的范围内（小于5度），sinθ≈θ

此时受力如图所示： 由牛顿第二定律可知 sin mg m θα=- l αβ= l βω= d d t θ ω= 220mg ml t θθ?+=? 化简可得 220g t l θθ?+=? 这是一个二阶常系数的奇次线性微分方程,设定初值条件： ()00,(0)a θω== 利用高等数学知识可以解得： ()1sin 2cos t c t c t θ=+ 代入初值条件： ()cos t a t θω= g l ω= 结论：理想单摆在小摆角下（小于5度）的运动是简谐运动 周期

22l T g π πω== 问题扩展： 实际生活中的单摆是非理想的，总要收到其它力的作用，如绳的重力，空气阻力等 现在我们忽略绳的重力，考虑在空气阻力环境下单摆的运动。 查阅知识可知：空气粘滞阻力与小球速度成正比，即f kv = 所以单摆的受力方程变换为 sin mg kv m θα+=- d v l l dt θ ω== 化简可得： 220d k d g dt m dt l θθθ++= 可令 2,k g n m l ω==? 222^20d d n dt dt θθωθ++= 当220n ω<时 sin cos a t b t θωω=+ 当220n ω=时 ()t a bt e ωθ=+ 当220n ω>时 12 t t ae be ωωθ=+

数学建模实验 ——曲线拟合与回归分析

曲线拟合与回归分析 1、有10个同类企业的生产性固定资产年平均价值和工业总产值资料如下： （1）说明两变量之间的相关方向； （2）建立直线回归方程； （3）计算估计标准误差； （4）估计生产性固定资产（自变量）为1100万元时的总资产 （因变量）的可能值。 解： (1)工业总产值是随着生产性固定资产价值的增长而增长的，存 在正向相关性。 用spss回归 （2）spss回归可知：若用y表示工业总产值（万元），用x表示生产性固定资产，二者可用如下的表达式近似表示： .0+ y =x 896 . 395 567 （3）spss回归知标准误差为80.216（万元）。 （4）当固定资产为1100时，总产值为： （0.896*1100+395.567-80.216~0.896*1100+395.567+80.216） 即（1301.0~146.4）这个范围内的某个值。 MATLAB程序如下所示： function [b,bint,r,rint,stats] = regression1 x = [318 910 200 409 415 502 314 1210 1022 1225]; y = [524 1019 638 815 913 928 605 1516 1219 1624]; X = [ones(size(x))', x']; [b,bint,r,rint,stats] = regress(y',X,0.05); display(b); display(stats); x1 = [300:10:1250]; y1 = b(1) + b(2)*x1; figure;plot(x,y,'ro',x1,y1,'g-');

理学院学学期数学建模训练题

理学院03－04学年第二学期 数学建模训练题 1、 鱼群的适度捕捞问题 鱼群是一种可再生资源，若目前鱼群的总数为x 公斤，经过一年的成长与繁殖，第二年鱼群的总数变为y 公斤。反映x 与y 之间相互关系的曲线称为再生产线，记为)(x f y =。 现设鱼群的再生产曲线为)1(N x rx y - =，)1(>r 。为使鱼群的数量维持稳定，在捕鱼时必须注意适度捕捞。问鱼群的数量控制在多大时，才能使我们获得最大的持续捕获量？ 2、搬柜进屋问题 老张临搬家前，站在自己大衣柜旁发愁.担心这大衣柜般不进新居，站在一旁的小李马上拿了一把尺子出去了，不一会儿，小李对老张说：“从量得电梯前楼道和单元前楼道宽度，绝对没问题”。请建立此问题的数学模型，并给出计算实例。 3、客机的租、买问题 某航空公司为了发展新航线的搬运业务，需要增加5架波音747客机。如果购进一架客机需要一次支付5000万美元现金，客机的使用寿命为15年。如果租用一架客机，每年需要支付600万美元的租金，租金以均匀货币流的方式支付，若银行的年利率为12%，请问购买客机与租用客机哪种方案为佳？如果银行的年利率为6%呢？ 4、绕斜轴旋转而成的立体体积的计算问题 在高等数学中，平面图形绕x 轴或y 轴旋转所成立体的体积如何计算早已解决。但对平面图形绕任意直线b kx y +=)0(≠k 旋转所成立体的体积如何计算却没有讨论。这是一个较复杂的问题，对于该问题，按通常的想法应该是：先平移、旋转坐标轴，求出曲线在新坐标下的方程，在绕新轴旋转去求体积，但这样做十分困难。请用微元法推导出一个普遍适用的公式。 5、学习曲线

数学建模之回归分析法

什么就是回归分析 回归分析(regression analysis)就是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析与多元回归分析;按照自变量与因变量之间的关系类型,可分为线性回归分析与非线性回归分析。如果在回归分析中,只包括一个自变量与一个因变量,且二者的关系可用一条直线近似表示,这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量,且因变量与自变量之间就是线性关系,则称为多元线性回归分析。 回归分析之一多元线性回归模型案例解析 多元线性回归,主要就是研究一个因变量与多个自变量之间的相关关系,跟一元回归原理差不多,区别在于影响因素(自变量)更多些而已,例如:一元线性回归方程 为: 毫无疑问,多元线性回归方程应该 为: 上图中的x1, x2, xp分别代表“自变量”Xp截止,代表有P个自变量,如果有“N组样本,那么这个多元线性回归,将会组成一个矩阵,如下图所示: 那么,多元线性回归方程矩阵形式为: 其中:代表随机误差, 其中随机误差分为:可解释的误差与不可解释的误差,随机误差必须满足以下四个条件,多元线性方程才有意义(一元线性方程也一样) 1:服成正太分布,即指:随机误差必须就是服成正太分别的随机变量。 2:无偏性假设,即指:期望值为0 3:同共方差性假设,即指,所有的随机误差变量方差都相等 4:独立性假设,即指:所有的随机误差变量都相互独立,可以用协方差解释。 今天跟大家一起讨论一下,SPSS---多元线性回归的具体操作过程,下面以教程教程数据为例,分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系,建立拟

数学建模竞赛统计回归分析相关练习题

1. 一个班有7名男性工人，他们的身高和体重列于下表 请把他们分成若干类并指出每一类的特征。这里身高以米为单位，体重以千克为单位。 2.有两种跳蚤共10只，分别测得它们四个指标值如表。 样本号甲种乙种 X3 X4 X1 X2 X3 X4 X1 X 2 1 189 245 137 163 181 305 184 209 2 192 260 132 217 158 237 13 3 188 3 217 276 141 192 18 4 300 166 231 4 221 299 142 213 171 273 162 213 5 171 239 128 158 181 297 163 224 1）用距离判别法建立判别准则。 2）问（192, 287, 141,198 和（197, 303, 170, 205 各属于哪一种？ 3.考察温度x对产量y的影响，测得下列10组数据: 求y关于x的线性回归方程，检验回归效果是否显著，并预测 x=42C时产量的估值 4. 在研究化学动力学反应过程中，建立了一个反应速度和反应物 %-备 含量的数学模型，形式为y — 1 +卩2为+ P3X 2 +P4X3 其中i…，飞是未知参数，X1，X2，X3是三种反应物（氢,门戊烷, 异构戊烷）的含量，y是反应速度?今测得一组数据如表，试由此确定参数订…宀

序号反应速度y 氢X1 n戊烷X2 异构戊烷X3 1 8.55 470 300 10 2 3.79 285 80 10 3 4.82 470 300 120 4 0.02 470 80 120 5 2.75 470 80 10 6 14.39 100 190 10 7 2.54 100 80 65 8 4.35 470 190 65 9 13.00 100 300 54 10 8.50 100 300 120 11 0.05 100 80 120 12 11.32 285 300 10 13 3.13 285 190 120 5. 主成分与卡方检验已课件为主

数学建模之回归模型

二、多元线性回归分析 1.简介 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 应用于根据现有资料对某变量进行预测，如预测某商品的销量等。 2.步骤 ①根据预测目标，确定自变量和因变量。 ②建立多元线性归回模型 根据预测目标得自变量(1,2, ,)k x k m =，因变量y 。设与k x 无关的未知量 2(1,,),j j m βσ= ，j β为回归系数。 记y ，k x 的观测值分别为i b ，im a ，1, ,,i n n m =>，n 阶单位矩阵n E ，且 111111m n nm a a X a a ????= ???? ?? ，1,n b Y b ????= ?????? [][]101 ,,,,,T T n m εεεββββ== 则多元线性回归分析的模型为 2 , ~(0,). n Y X N E βεεσ=+???（1） ③求归回系数 使用最小二乘法求j β的估计值，选取估计值?j β，使当?j j ββ=时，误差平方和2 220111 1 1 ?)()n n n i i i i i m im i i i Q b b b a a εβββ=====-=----∑∑∑（ 最小。 因此，令 j 0,0,1,2,3Q j c ?==?.

得到正规方程组: ,T T j X X X Y β= 则有 1?().T T j X X X Y β-= 利用matlab 求解正规方程组即得j β的估计值为 将?j β带回（1）得y 的估计值为 011 ????,m m y x x βββ=+++ 拟合为 011 ????,1,,.i m m b x x i n βββ=+++= 用拟合误差?e Y Y =-作为随机误差ε的估计值得ε= 残差平方和 2 21 1 ?()n n i i i i i Q e b b ====-∑∑ ④回归模型的假设检验 由于不确定因变量与自变量之间是否存在线性关系，现对其作出检验。 要使在所有?||j β都很小时，y 与k x 的线性关系也明显，则设 0:0,1, ,.j H j m β== 当0H 成立时，回归平方和211 1?()n n i i i i U b b n ===-∑∑，残差平方和Q 满足 /(,1),/(1) U m F F m n m Q n m = ---- 利用matlab 求出统计量F ，查表得出α/2分位数 在显著水平α下，若 1/2/2(,1)(,1)F m n m F F m n m αα---<<-- 则接受0H ，否则拒绝。 ⑤回归系数的假设检验及区间估计 若0H 被拒绝，说明j β不全为0，但存在有若干个等于0的情况。因此做m+1个检验： ()0:0,0,1, ,.j j H j m β==