司老师第九讲QQ讨论部分.docx

上传人:b****6 文档编号:7206113 上传时间:2023-01-21 格式:DOCX 页数:13 大小:492.72KB
下载 相关 举报
司老师第九讲QQ讨论部分.docx_第1页
第1页 / 共13页
司老师第九讲QQ讨论部分.docx_第2页
第2页 / 共13页
司老师第九讲QQ讨论部分.docx_第3页
第3页 / 共13页
司老师第九讲QQ讨论部分.docx_第4页
第4页 / 共13页
司老师第九讲QQ讨论部分.docx_第5页
第5页 / 共13页
点击查看更多>>
下载资源
资源描述

司老师第九讲QQ讨论部分.docx

《司老师第九讲QQ讨论部分.docx》由会员分享,可在线阅读,更多相关《司老师第九讲QQ讨论部分.docx(13页珍藏版)》请在冰豆网上搜索。

司老师第九讲QQ讨论部分.docx

司老师第九讲QQ讨论部分

海航司守奎(94339146)19:

08:

24

clc, clear

fr=@(r)50000*r*(1+r)^36-1637*(1+r)^36+1637; %定义代数方程左边项的匿名函数

r=fsolve(fr,0.5)  %求月利率的第一种方法

r =fzero(fr,[0.0001,0.1])  %求月利率的第二方法

海航司守奎(94339146)19:

09:

01

海航司守奎(94339146)19:

11:

51

a=zeros(1,181);

a

(1)=1; a(61)=-12.3; a(181)=11.3;

b=roots(a)

201307029(785144557)19:

12:

52

fx=@(x)x^180-12.3*x^120+11.3

海航司守奎(94339146)19:

13:

13

fx=@(x)x^180-12.3*x^120+11.3;

x=fzero(fx,[1.0001,1.1])

海航司守奎(94339146)19:

15:

36

clc, clear

format long g 

fr=@(r)80000*r*(1+r)^180-660.88*(1+r)^180+660.88; %定义代数方程左边项的匿名函数

f=fzero(fr,[0.0001,0.1])  %求月利率

format %恢复到短小数的显示

海航司守奎(94339146)19:

20:

09

clc, clear

format long g 

fr=@(r)80000*r*(1+r)^180-660.88*(1+r)^180+660.88; %定义代数方程左边项的匿名函数

r=fzero(fr,[0.0001,0.1])  %求月利率

N=181; A0=80000;

b=N*A0*r/2  %计算还款总利息

delta=A0*r/N  %计算每月的还款差额

xk=A0/N+(N+1)*A0*r/N/2  %计算每月还款额

format %恢复到短小数的显示

海航司守奎(94339146)19:

33:

11

clc, clear

p=[0.08 0.9 0.02;0.08 0.9 0.02;0.24 0.7 0.06];

a=[p'-eye(3); ones(1,3)]; %构造非线性方程组的系数阵

b=[zeros(3,1);1]; %构造非线性方程组的常数项列

plimit=a\b

海航司守奎(94339146)19:

37:

02

clc, clear

p=[0.08 0.9 0.02;0.08 0.9 0.02;0.24 0.7 0.06];

a=[p'-eye(3); ones(1,3)]; %构造非线性方程组的系数阵

b=[zeros(3,1);1]; %构造非线性方程组的常数项列

plimit=a\b

[vec,val]=eigs(p',1);

vec=vec/sum(vec);

[plimit,vec]

海航司守奎(94339146)19:

38:

44

[1]许哲,李号雷,基于灰色模型和Bootstrap理论的大规模定制质量控制方法研究,数学的实践与认识,第42卷第21期,121~127,2012年11月。

海航司守奎(94339146)19:

47:

27

cumsum(x)

海航司守奎(94339146)19:

47:

33

就是累加运算

海航司守奎(94339146)20:

00:

08

clc, clear

x0=[2.5320,2.6470,2.6290,2.5840,2.6090,2.6010,2.5280,2.5630,2.6540,2.6190];

n=length(x0);

me=quantile(x0,0.5)  %计算中位数

[h,p,stat]=runstest(x0,me)  %进行游程检验

x1=cumsum(x0);  %求累加序列

zk=(x1(1:

end-1)+x1(2:

end))/2  %求累加序列的均值序列

B=[-zk', ones(size(zk'))]; yn=x0(2:

end)';

ab=B\yn  %拟合参数a,b

x=dsolve('Dx+a*x=b','x(0)=x00') %求微分方程的符号解

x=subs(x,{'a','b','x00'},{ab

(1),ab

(2),x0

(1)});

xx=vpa(x,6)

yuce=subs(x,'t',[0:

n+5]);  %求累加序列的预测值

yuce0=[x0

(1),diff(yuce)]  %求原始数据的预测值

c=std(yuce0(1:

n))/std(x0)  %求后验差比值c

nyuce=yuce0(n+1:

end)  %提取6个新的预测值

nyb=[x0, nyuce];  %构造新的样本数据

nnyb=reshape(nyb,[4,4])

mu=mean(nnyb)  %分别求4个子样本的均值

jc=range(nnyb)  %分别求4个子样本的极差

xlswrite('hb.xls',[nnyb;mu;jc])  %把数据写到Excel文件中,便于做表使用

b=rand(16,250); %产生16行250列的随机数矩阵

h=floor(n*b)+1; %把每一列的随机数映射为相应的编号

mx=nyb; bb=mx(h); bb=reshape(bb,[4,1000]);

mmu=mean(bb); mjc=range(bb); %计算1000个子样本的均值和极差

smu=sort(mmu); sjc=sort(mjc); %把均值和极差按照从小到大的次序排列

alpha=0.01; k1=floor(1000*alpha/2), k2=floor(1000*(1-alpha/2))

mqj=[smu(k1), smu(k2)]  %显示均值的置信区间

jqj=[sjc(k1), sjc(k2)]  %显示极差的置信区间

subplot(1,2,1), plot(mu,'*-'), hold on

plot([1,4],[mqj

(1),mqj

(1)]), plot([1,4],[mqj

(2),mqj

(2)])

ylabel('样本均值')

subplot(1,2,2), plot(jc,'*-'), hold on

plot([1,4],[jqj

(1),jqj

(1)]), plot([1,4],[jqj

(2),jqj

(2)])

ylabel('极差')

海航司守奎(94339146)20:

12:

51

clc, clear

x0=[2.5320,2.6470,2.6290,2.5840,2.6090,2.6010,2.5280,2.5630,2.6540,2.6190];

n=length(x0);

me=quantile(x0,0.5)  %计算中位数

[h,p,stat]=runstest(x0,me)  %进行游程检验

x1=cumsum(x0);  %求累加序列

zk=(x1(1:

end-1)+x1(2:

end))/2  %求累加序列的均值序列

B=[-zk', ones(size(zk'))]; yn=x0(2:

end)';

ab=B\yn  %拟合参数a,b

x=dsolve('Dx+a*x=b','x(0)=x00') %求微分方程的符号解

x=subs(x,{'a','b','x00'},{ab

(1),ab

(2),x0

(1)});

xx=vpa(x,6)

yuce=subs(x,'t',[0:

n+5]);  %求累加序列的预测值

yuce0=[x0

(1),diff(yuce)]  %求原始数据的预测值

yuce0=double(yuce0);

c=std(yuce0(1:

n))/std(x0)  %求后验差比值c

海航司守奎(94339146)20:

14:

03

82.99217.1948.4

88.09321.3969.6

99.99625.19710.4

105.39429.09711.4

117.710034.010012.2

131.010140.010114.2

148.210544.010415.8

161.811249.010917.9

174.211251.011119.6

184.711253.011120.8

185.310848.610318.9

175.999529920.5

166.810648.810219.2

156.810549.798.818.6

148.99350.696.517.9

136.59647.997.917.6

海航司守奎(94339146)20:

20:

49

clc, clear

d=load('huigui2.txt');

xs=[ones(16,1),d(:

[1:

4])];

cs=xs\d(:

5)

[cs2,cs2int,r,rint,stats]=regress(d(:

5),xs)

[cs,cs2]

海航司守奎(94339146)20:

36:

35

clc, clear

d=load('huigui2.txt');

xs=[ones(16,1),d(:

[1,3])];

[cs1,cs1int,r,rint,stats]=regress(d(:

5),xs)

海航司守奎(94339146)20:

40:

04

clc, clear

d=load('huigui2.txt');

a=d(:

[1:

4]); b=d(:

5);

rstool(a,b)

海航司守奎(94339146)20:

45:

30

clc, clear

a=load('huigui.txt');

AA=a(:

[1:

end-1]); B=a(:

end);

rstool(AA,B)

n=size(a,1);

xs=[ones(n,1),AA,AA(:

1).*AA(:

2),AA(:

1).*AA(:

3),AA(:

1).*AA(:

4),AA(:

2).*AA(:

3),AA(:

2).*AA(:

4),AA(:

3).*AA(:

4),AA.^2]

cs=xs\B  %为了验证完全二次式的回归答案

海航司守奎(94339146)19:

37:

02

clc, clear

p=[0.08 0.9 0.02;0.08 0.9 0.02;0.24 0.7 0.06];

a=[p'-eye(3); ones(1,3)]; %构造非线性方程组的系数阵

b=[zeros(3,1);1]; %构造非线性方程组的常数项列

plimit=a\b

[vec,val]=eigs(p',1);

vec=vec/sum(vec);

[plimit,vec]

海航司守奎(94339146)19:

38:

44

[1]许哲,李号雷,基于灰色模型和Bootstrap理论的大规模定制质量控制方法研究,数学的实践与认识,第42卷第21期,121~127,2012年11月。

海航司守奎(94339146)19:

47:

27

cumsum(x)

海航司守奎(94339146)20:

57:

13

clc, clear

a=load('huigui3.txt');

x0=a(:

[1:

end-1]); y0=a(:

end)

stepwise(x0,y0,[1:

8]) %初始时使用全部8个自变量

海航司守奎(94339146)21:

02:

28

海航司守奎(94339146)21:

02:

51

clc, clear

a=load('huigui3.txt');

x0=a(:

[1:

end-1]); y0=a(:

end)

stepwise(x0,y0) %初始时不使用任何变量

海航司守奎(94339146)21:

04:

24

下面开始答疑

201304001(903528428)21:

05:

46

马尔科预测的适用范围是什么?

微分霸天虎(1355097263)21:

07:

44

“匿名函数”格式是什么?

201304001(903528428)21:

07:

44

预测极限状态

海航司守奎(94339146)21:

08:

34

函数格式:

function 返回值=函数名(输入参数)

海航司守奎(94339146)21:

09:

10

匿名函数格式:

返回值=@(输入参数) 函数表达式

201307031(820014430)21:

10:

32

逐步回归 向前选择,向后删除,选择哪个方法更好?

微分霸天虎(1355097263)21:

11:

56

何时用“匿名函数”?

201304001(903528428)21:

12:

34

岭回归的含义是什么?

海航司守奎(94339146)21:

14:

28

微分霸天虎(1355097263)21:

15:

01

b=[zeros(3,1);1]具体是怎样的内容?

海航司守奎(94339146)21:

15:

02

海航司守奎(94339146)21:

16:

25

201304001(903528428)21:

18:

32

如果有多个自变量,但自变量间可能相关,这用主成分回归或者偏最小二乘回归比较好,对吗?

201304001(903528428)21:

22:

33

下次课讲?

微分霸天虎(1355097263)21:

22:

47

建议老师尽量多分析程序来源

海航司守奎(94339146)21:

22:

48

最后一次课讲随机模拟

海航司守奎(94339146)21:

23:

00

什么意思?

201304001(903528428)21:

23:

18

讲讲预测方法各自的特点和适用范围

微分霸天虎(1355097263)21:

24:

19

就是matlab程序的构建

201304001(903528428)21:

24:

21

谢谢老师!

海航司守奎(94339146)21:

27:

40

海航司守奎(94339146)21:

28:

12

Description

Y = wblpdf(X,A,B) computesthe Weibull pdf at each of the values in X usingthe corresponding scale parameter, A and shapeparameter, B. X, A,and B can be vectors, matrices, or multidimensionalarrays that all have the same size. A scalar input is expanded toa constant array of the same size as the other inputs. The parametersin A and B must be positive.

The Weibull pdf is

Some references refer to the Weibull distribution with a singleparameter. This corresponds to wblpdf with A = 1.

Examples

海航司守奎(94339146)21:

28:

37

海航司守奎(94339146)21:

29:

25

画图的Matlab程序如下

%数学与Matlab参数:

b=tau; a=beta^(-1/b);

subplot(121)

fx=@(x,tau,beta)tau*beta*x.^(tau-1).*exp(-beta*x.^tau);

fplot(@(x)fx(x,2,0.5),[0,5],'.')

text(1.6,0.5,'$\beta=0.5, \tau=2$','Interpreter','Latex')

xlabel('$x$','Interpreter','Latex')

ylabel('$f(x)$','Interpreter','Latex')

title('数学上的参数表示')

subplot(122)

fx2=@(x,a,b)wblpdf(x,a,b);

fplot(@(x)fx2(x,0.5^(-1/2),2),[0,5],'.')

str=['a=',num2str(0.5^(-1/2)),', b=2'];

text(1.6,0.5,str)

xlabel('$x$','Interpreter','Latex')

ylabel('$f(x)$','Interpreter','Latex')

title('Matlab的参数表示')

海航司守奎(94339146)21:

30:

21

201307014--程小乐(646092267)09:

16:

21

 这是是不是不能在matlab  7.0上运行啊 

201307019(347667369)09:

19:

13

为啥

201307014--程小乐(646092267)09:

20:

02

201307019(347667369)09:

24:

08

呃,那倒真有可能

201307019(347667369)09:

24:

17

工具箱里没有。

201307004(82985573)09:

49:

07

用2013a吧

201307014--程小乐(646092267)09:

49:

33

我们机房安装的是7.0的

内民大-刘京(1374413450)16:

25:

10

net=newff(minmax(P),[8,5],{'logsig','logsig'},'traingdx') 

这个BP网络里面的 minmax(P)是什么意思?

 

201307019(347667369)16:

32:

45

minmax不是最小值和最大值的意思么。

201307019(347667369)16:

35:

21

xm=minmax(x)%求x的最小值和最大值

内民大-刘京(1374413450)16:

36:

04

内民大-刘京(1374413450)16:

36:

15

这步变化是怎么得到的?

201307019(347667369)16:

37:

10

p是个啥?

内民大-刘京(1374413450)16:

37:

21

P是我定义的矩阵

201307019(347667369)16:

37:

25

矩阵?

内民大-刘京(1374413450)16:

37:

32

201307019(347667369)16:

38:

59

呃,对矩阵做minmax我就不清楚了,要不help一下看看

201307029(785144557)16:

40:

54

是不是第一行最小值0,最大值1?

第二行也是?

内民大-刘京(1374413450)16:

41:

10

我DOC了一下。

 

内民大-刘京(1374413450)16:

41:

17

这个例子。

 完全看不明白。

 

201307019(347667369)16:

41:

26

按行返回结果?

201307029(785144557)16:

41:

34

doc 哪个

内民大-刘京(1374413450)16:

41:

37

按列返回结果。

 

内民大-刘京(1374413450)16:

41:

42

DOC minmax

201307029(785144557)16:

42:

04

那就不知道了

201307019(347667369)16:

42:

12

201307029(785144557)16:

42:

28

bp是什么

201307005(1445891025)16:

42:

39

minmax(A)即是求解A矩阵中每个行向量中最小值和最大值

201307005(1445891025)16:

42:

58

bp里面用的不是mapminmax吗

内民大-刘京(1374413450)17:

24:

16

哦哦哦哦哦。

内民大-刘京(1374413450)17:

24:

19

我去。

 

内民大-刘京(1374413450)17:

24:

23

这么简单

内民大-刘京(1374413450)17:

24:

40

内民大-刘京(1374413450)17:

24:

46

就是没想明白。

 

内民大-刘京(1374413450)17:

24:

49

谢谢

 

内民大-刘京(1374413450)17:

25:

18

那mapminmax是啥意思?

 

201307017(122192130)17:

25:

47

标准化?

201307005(1445891025)18:

22:

08

mapminmax是归一化处理,防止bp网络里面如果有些参量过大可能影响bp网络的结果。

.

海航司守奎(94339146)21:

31:

53

88

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 高等教育 > 研究生入学考试

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1