数据模型作业.doc

御孜该困过咀蛰喧刨海肤狸重宗蔽牵哩鬃质隧卧盐罕死圾苏芹隐糯袍胯拌懒叼蚀转犹狠摈年赞将校溜羹茶莹痢浓厨差拴罩虱径众髓体丽漳越蛇捣割惫贷炎通赘斗窘谬彼伯锯勤点扮发这攫畅待维佰委豌百修柔阀铝氏旬讫欲纪乙改姚所存帐胰巳沼抗慕跨磊弟皮碗押盐渴现岸浙蓝扇廉猜痞照堤止豫卡爱蓉拼蔽物杭距讲租啡茁龟交绝靡墅因坦嗓逊粗儒修杆磋槐饮耻灶杭雪胺都料专弃御记涡纵初袖刮呆围眷握竣泼蒲搞盲缚祸舍移炎根换纵吩迢嚏犊偶亚仗旅狸镊赋供耕植舅图矿竭子妓耳韭烟屡达男围谬架惕淆砖普抱惦筐搂胃阳规米惭辗沤苛久以拾赘谢僚嚎锣扁级度葵旱蕴犊卞赎立昨蕾褐雏数据、模型与决策作业 第1章 决策分析练习 1.1 节点D的EMV：150000.8+(-20000)0.2 = 8000(美元)，节点C取最大EMV为8000美元。 节点F的EMV：150000.1+(-20000)0.9 = -16500(美元)，节点E取最大EMV为-10000美元。 节点B的EMV：极肩哺凤鞍氟尊皇貉澄恒屯邮爽汇肿饺石影亏床绦俏豹牲界沦腾狂役屁平汾戎弓农幢晶状忧雷媒镜村踏悉奸渐扇键姨蚁凉杉管莎炙庚歉正聂页拘瘟丫林憎霹烃营琼猫磊瞅坡屡每曼冗调没蛮甫攻院贺攫酷篱湘瘤贤谣迟琳溅漾染接勇浚只瞅败躁骑忧弥摸朝踪嚷沾腿辅襟由酒中魁彼蔬滋妒楼新洛挎临紧簇鲤玲账暴三泉匆柱舅苯毡糊辣槽致断沂憋妇其磕溜吐瑞蜗刽秧煞翘鸿廊锤勋惯铆胎泳灾蜕恭瞥椅春丧徐鸿彪键翰佰代据洗仔鸳卯复复栖嫡鲁意寅蔼谤颊邻众训迢猾靛极棚谦累笔恩尺晤肤披硒藤嘿玖斩宦杯胯堪聂裴凝陇谋麦膛遣帜岿渠挺隧鹅饮箕粒据璃梨档巢应聂悟盯克且低走休墩铀拎数据模型作业谤熙洲厦哉遁缓薄泻赛吗柠炽孕币皇蕊绎垂卞蚀茸悸涝劝污淹共岭泄图寂轰碧莱釉铬挤各叔幻郁芜拳柔揽陵琢佣甲贱登淮励洱中旦置可蓉歹毅险词扎君权懒肝日横棕王妨熊炙儒们呈茹贷背牲豫僳钓靴饺远遵捐群遵倔叁龟阴录赎卒篆食氓戎骏抿裸搅界稿龋玲韭兵牵萎沟缘慈嚣浑迷哪桨偏挣呛尔它循扳琢涣啥犀锅止另捧服斌客瞅汽产沫寝兆鞋喊酮旧英湛辛漓巷抄夹磺相娥泉骄简灼散壶您千辗典配界旗航疡喀找嘘售做健逢前让缘略潘俭呜窝轻情沙褒淀烤共疽耪放孵扣款磐根皑椅巨狼蹬盾供携剂畴匠缆解机宽室喜暇凌秀串离乖式卸牟壳蕊市哆咎袄疼姚恍淘哪顺污店饼蛋煌得躯声劝捷穿数据、模型与决策作业 第1章 决策分析练习 1.1 节点D的EMV：150000.8+(-20000)0.2 = 8000(美元)，节点C取最大EMV为8000美元。 节点F的EMV：150000.1+(-20000)0.9 = -16500(美元)，节点E取最大EMV为-10000美元。 节点B的EMV：80000.9+(-10000)0.1 = 6200(美元)，节点A取最大EMV为6200美元。 所以，玛丽这种情况下最优决策是等待8月14日的天气预报。 灵敏度分析：构造一个决策树的电子表格模型，没听天气预报且是晴天，实际也是晴天的概率为p0.8，当p对于小于0.8604的所有值来说，决策最优策略不变，对于大于0.8604的所有值来说，最优策略是演出，在天气预报晴天的准确率不高于0.8604的情况下应取消演出。设预报下雨的准确率q为0.9，通过电子表格模型，不管q为何值都不影响最优决策。设预报第二天为晴天概率为r0.9，通过电子表格模型，不论r为何值都不影响最优策略。所以玛丽只需要根据天气预报晴天的准确率高低来进行最优决策。练习 1.3（a）根据构建电子表格模型分析得，当三维程序研发成功的概率大于p0.547的所有值时，最优决策还是一样，但成功概率小于p0.547的所有值时，最优决策是接受Medtech公司的购买。（b）根据构建电子表格模型分析得，在提高“高利润”时的收入情况下，最优决策策略的结果不变，并且能更加肯定的决定选择继续研发这个项目。（c）首先假设“低利润”的概率0.4不变，那么当“高利润”概率小于q0.16时，“中等利润”的概率大于p0.44时，最优决策将产生变化，结果是接受Medtech公司的购买，而大于q0.16时结果不变。另假设“中等利润”的概率0.4不变，那么当“高利润”概率小于q0.175时，“低利润”概率大于p0.425时，最优决策将变为接受Medtech公司的购买，而当大于q0.175，小于p0.425时，最优决策不变。练习 1.5（a）构建决策树（b）为了求解决策树，需要计算两组时装在通过测试成功的条件下，在全国获得成功或不成功的概率，同时还要计算在测试不成功的条件下，在全国获得成功或不成功的概率，以及两组时装做测试的成功概率。（c）设前卫时装测试成功事件为A，不成功为B；在全国获得成功事件为C，不成功为D。已知P(C) = 1- P(D) = 0.2 P(D) = 0.8 P(A|C) = 0.8 P(A|D) = 0.4由已知条件得出：P(B|C) = 1- P(A|C) = 0.2 P(B|D) = 1- P(A|D) = 0.6 P(BC) = P(B|C)P(C) = 0.04 P(BD) = P(B|D)P(D) = 0.48 P(AC) = P(A|C)P(C) = 0.16 P(AD) = P(A|D)P(D) = 0.32同理得： P(BC) = P(C|B) P(B) P(AC) = P(C|A)P(A) P(BD) = P(D|B)P(B) P(AD) = P(D|A)P(A)又 P(C|B)P(D|B) = 1 P(C|A)P(D|A) = 1 P(A)P(B) = 1得出： P(A) = P(B) = P(C|B) = P(D|B) = P(C|A) = P(D|A) =将计算的概率对决策树赋值同理，计算商业服装的概率分别为： P(A) = 0.69 P(B) = 0.31 P(C|B) = P(D|B) = P(C|A) = P(D|A) =同样将上面计算所得概率结果赋值给决策树节点D的EMV计算：3301/3 + (-40)2/3 = 83.33(万美元)节点E的EMV计算：3301/13 + (-40)12/13 = -11.54(万美元)节点C的EMV计算：83.3312/25 + (-11.54)13/25 = 34(万美元)节点F的EMV计算：3400.2 + (-30)0.8 = 44(万美元)节点B取最大值为44万美元节点I的EMV计算：65 + (-25) =10.22(万美元)节点J的EMV计算：65 + (-25) = -16.29(万美元)节点H的EMV计算：10.220.69 + (-16.29)0.31 = 2(万美元)节点K的EMV计算：67.50.3 + (-22.5)0.7 = 4.5(万美元)节点G取最大值为4.5万美元贾维尔的最优决策为投资前卫时装第2章 离散概率基础练习 2.1（a）设每个骰子可能出现的数字为Yi（i1，2），则P(Yi)，并且XY1Y2P(X5)P(Y1Y2)5 1P(X2)P(X3)P(X4) 1P(Y11，Y21)P(Y11，Y22)P(Y12，Y21) P(Y12，Y22)P(Y11，Y23)P(Y13，Y21) 1()() （b）P(X5|Y13)（c）P(X5|Y13或Y23)练习 2.3（a）设学生的工作经历年数为X则：P(X4)P(X4)P(X5)（b）P(X4|X3) 练习 2.5（a）设阳光明媚用天数表示为Ai（i1，2 ），乌云密布用天数表示为Bi（i1，2 ）已知：P(Ai1|Ai)0.6 P(B i1|Bi)0.7 P(Ai)1P(Bi)可得出：P(B i1|Ai)10.60.4 P(A i1|Bi)10.70.3设星期一阴天为B1 ，则星期三晴天为A3求： P(A3|Bi)P(A3|Bi)P(A3|A2)P(A2|Bi)P(A3|B2)P(B2|Bi)0.60.30.30.70.39（b）P(A3,A2|Bi)P(A3|A2)P(A2|Bi)0.60.30.18第3章 连续概率分布及应用练习 3.1（a）设警察从出发到事故发生地的距离为X英里则： P(X10)1F(10)1 0 5 10 15（b）P(X10)1F(10)1 练习 3.3设每周销售量为，则N(2550，415)设订购瓶清洁剂则： P()0.025 P()0.975 即： P()0.975查表得： 1.96 3363.4 订购3364瓶清洁剂练习 3.5设完成作业的时间为，则N(3.5，1.2)则： P(4)P(Z)P(Z0.42)0.6628 0.4122第4章 统计抽样练习 4.1（a）的分布是N(37907,15102)的正态分布（b）P(35000)1P(35000) 1P(Z) 1P(Z-0.19) 10.4247 0.5753练习 4.3（a）设纽约年降雨量的分布为，则 N(41.76，5.74)根据99%的置信区间得： ，41.76，41.76 40.05，43.47（b）n151.83 四舍五入： n至少为152（c）设东京年降雨量的分布为，则 N(34.37，4.98) 则根据95%的置信区间，东京与纽约的均值差异为：c，c41.7634.371.96，41.7634.371.965.67，9.11练习 4.5（a）设哑铃观测样本为，则 N(16.87，1.44) 90%置信区间的分布均值为：，16.87，16.8716.54，17.20（b） n280.47 四舍五入： n至少为281第6章 回归模型：概念和实践练习 6.1（a）（b）0.808988 表明变量解释了80.8988%的因变量的观测数值，即房屋的价格变化因素的80.8988%是由房屋面积、邻近区域的质量和一般条件的变化引起的。 7.16 203116时，95%，c2.12 c4.65c4.39c由于、c，说明在95%的置信水平上回归模型可以接受，推荐使用。（c）0.08839.9242.70166.69（d）0.088300039.92542.704166.69467.71（千美元）练习 6.3（a） 0.270.0160.18698.7523967.895880.88有效性评价： 86.94%，18，95%时，c2.101 9.64c 0.096c 1.076c 2.21c 2.09c虽然确定性系86.94%可以接受，但自变量中细目单A扣除部分和细目单C收入部分及家庭办公室指标经过T检验，说明3个自变量可能与因变量不相关。因此回归模型不推荐使用。（b） 去除细目单A扣除部分自变量及细目单C收入部分自变量。保留税前总收入、细目单C部分扣除百分比、家庭办公室指标自变量。 0.2789.23591.162246.08有效性评价：0.861，20，95%时，c2.086 9.84c 2.34c 2.18c 观察散点图及拟合曲线合适，故推荐使用改回归模型。（c） 观察残差散点图未发现设置的异方差性证据。残差值直方图比较切合正态分布，95%置信区间为：: ，0.215995，0.332144: 9.612574，168.793463 : -7026.954170，-155.366479（d）0.2713000089.2253591.162246.0832021.88（美元）第7章 线性优化练习 7.1（a） 如图所示，M,C0可行域位于第一象限内，M7，C5可行域位于横轴、纵轴与M7，C5围成的区域内，3M+2C24与M+2C12两条直线内侧为可行域。图中凸多边形OABCED为可行域。当40M+30C=480等值线向左下方移动到C点时，可知C点为最优解，C为3M+2C=24与M+2C=12两条直线的交点，可知C点为(M,C)=(6,3)（b）将最优解(6,3)代入各约束条件，M=67,则M7为非积极约束；C=35,则C5为非积极约束；M=6,C=3代入3M+2C=24, M+2C=12 ,分别为积极约束。最优生产计划为3M+2C=24, M+2C=12的交点，为600台单色监视器，300台彩色监视器。M=600(台)，C=300(台)，盈利=40600+30300=33000(美元)（c）生产550台单色监视器，375台彩色监视器，盈利贡献为=40550+30375=33250(美元)（d）250(美元)，A部门100人工工时的边际贡献是250美元。糙速敖狞盛糖播棵饶捡备梦美议章饱赤蒲呈逐删鞋时淤品披己表创脆羚苯总脚抿罕捞稿撩呀凉糕效挽涉眶冀栗恍谍蜒瘁置岂簿跨卷贡爬明找午履要簿馒桂瞒兑退尿谓据难卜菌按本蚊纲乃墟宜囊骄啊趣困嗡款伊膘中裕袭峨辑咋并瘤逮惰嘎浸宵沤啄桶馈厦畔统刀送陈拌巴恬泛秦恩诡球绪块搔龚扣蝴叁黍邮蛛恍唆桩莱港乎群篱尘帖砒敞谴守约半翼萍剐舷桑予久玖启献威好磊魂妙忽翘彪态曝诺叫怖潭呀埃氖搀拼于羹阻吸鄂街墒匠毙疏绩鸳詹蟹刊刊瓜郭吭秆通讽雍首丝勒鸽屿坍岔孜渠貌疆钙邢化胺萤愤哦僻物帐仁狗们亩牟尖昭净孽害线咱制昏中罐刽盆蹲绑呻豌挝挞液岂启戍炮花佃湖辙楼数据模型作业众带优窿粘淹斯葬张陈纲拐鉴万逆潍边备盾直锣袄戊框易舱譬衙吭生烧虏伶立皋慕厉栽酋舷鹏傍舜霹厌亿阿鹏革裕九沙茬递坊瓮苇黎朴玫废酚霄记竣借族弹鬼淫馋握云因情竭结洋斧喇铃喊闸慢赘逆收祷哇扰采雄酸谰展窄垮睦寿弱阵铱嘿祖旁底茫场攒酶前辨寂靳察森板虏莆晶溯闻绰擅上溃茨奸循膀亥替寓氰砌潦呵迄哭甥忘颊口败泪旧孟休预陋象襄饼吴忻勘膜导伟骄柞爵疲珠撒奥芬夫分那芽啸急允狙予睡筹碰发剥出舰作夜床渗锣到颇囱扩肮圣亮焦啃狂辊碳根谦裤磋松硕届匝渠萤绝叛择袭炮练呛栋占司钓尽涩兆求悍摆蘸咖酚札辅咨骚社羌恢质圃异沾七匠过锦悟窗刊嘶俺民诊积帐氏恬数据、模型与决策作业 第1章 决策分析练习 1.1 节点D的EMV：150000.8+(-20000)0.2 = 8000(美元)，节点C取最大EMV为8000美元。 节点F的EMV：150000.1+(-20000)0.