第六章 数据分析处理建立数学模型是为了利用它有效地分析、解决现实问题,真实世界的背景不容忽视,
通过观察、测量等手段收集的数据来自于现实世界,带有我们关注的研究对象的大量信息,
数据作用于模型的形式：
1,建立数学模型的初始研究阶段,对数据的分析有助于 寻求变量间的关系 ；
部分模型完全建立在数据的基础上,
如数据拟合以及经验模型
2.利用数据来估计模型中出现的参数值,称为 模型参数估计,
3.利用数据进行 模型检验,通常用实际数据与模型运算出的相应理论值进行比较,
数据是建立数学模型的重要依据！
6.1 数据的收集与整理各种类型的数据为我们认识事物的内在规律、研 究事物之间的关系、预测事物今后的可能发展等一 系列问题,提供了丰富的材料和科学依据,如何收集、整理和分析数据，
挖掘有用结果？
着手建立模型时,关于数据需考虑以下问题：
1,需要哪些以及何种形式的数据？
2.如何去获得数据？ 怎样表达数据？
3,如何对数据进行整理、分析？
获取方式图书馆文件检索网上资料检索询问相关部门人员试验、观察并记录例 6.1.1 有人想分析出一所大学开水房拥挤的原因,并提出解决方案,
例 6.1.1 开水房拥挤成因分析数据采集需要什么形式的数据,与建模目的和所选择的模型的特点有关,
例 6.1.2 渡口模型数据性质收集数据并非多多益善,要善于剔除冗余数据。
用 数学模型描述现实问题,模型中 参数的估计,
模型的 求解 以及模型的 合理性 很大程度取决于数据的准确可信,
实验数据中总存在实验误差在建模工作的各个环节,实验数据误差都可能造成 失之毫厘,谬之千里 的失误,
实验误差随机误差系统误差过失误差由一系列偶然因素引起的一类不易控制的测量误差,
实验观察过程中服从确定性规律的误差,
明显歪曲实验结果的误差,
无法避免,可 增加试验次数,取算术平均来减小,
不能通过增加实验次数求算术平均值来消除,可用一定方法 识别、消除,
可以 识别,并加以 处理,
* 在实验数据中,三类实验误差常常同时错综复杂的存在着,
控制实验数据的质量整理实验数据消除实验误差重要工作方法：
1,用统计检验方法检验出异常数据；
参见电子科技大学,概率论与数理统计,p253之一
“统计数据中异常值的检验”
例 6.1.3 施肥效果分析
3,根据经验和实际背景知识做出实验数据的检查修正,异常数据的舍弃处理,
2,尽可能寻找产生异常点的技术上或物理上的原因,作为处理异常值的依据,
通过观察、测量等手段收集的数据来自于现实世界,带有我们关注的研究对象的大量信息,
数据作用于模型的形式：
1,建立数学模型的初始研究阶段,对数据的分析有助于 寻求变量间的关系 ；
部分模型完全建立在数据的基础上,
如数据拟合以及经验模型
2.利用数据来估计模型中出现的参数值,称为 模型参数估计,
3.利用数据进行 模型检验,通常用实际数据与模型运算出的相应理论值进行比较,
数据是建立数学模型的重要依据！
6.1 数据的收集与整理各种类型的数据为我们认识事物的内在规律、研 究事物之间的关系、预测事物今后的可能发展等一 系列问题,提供了丰富的材料和科学依据,如何收集、整理和分析数据，
挖掘有用结果？
着手建立模型时,关于数据需考虑以下问题：
1,需要哪些以及何种形式的数据？
2.如何去获得数据？ 怎样表达数据？
3,如何对数据进行整理、分析？
获取方式图书馆文件检索网上资料检索询问相关部门人员试验、观察并记录例 6.1.1 有人想分析出一所大学开水房拥挤的原因,并提出解决方案,
例 6.1.1 开水房拥挤成因分析数据采集需要什么形式的数据,与建模目的和所选择的模型的特点有关,
例 6.1.2 渡口模型数据性质收集数据并非多多益善,要善于剔除冗余数据。
用 数学模型描述现实问题,模型中 参数的估计,
模型的 求解 以及模型的 合理性 很大程度取决于数据的准确可信,
实验数据中总存在实验误差在建模工作的各个环节,实验数据误差都可能造成 失之毫厘,谬之千里 的失误,
实验误差随机误差系统误差过失误差由一系列偶然因素引起的一类不易控制的测量误差,
实验观察过程中服从确定性规律的误差,
明显歪曲实验结果的误差,
无法避免,可 增加试验次数,取算术平均来减小,
不能通过增加实验次数求算术平均值来消除,可用一定方法 识别、消除,
可以 识别,并加以 处理,
* 在实验数据中,三类实验误差常常同时错综复杂的存在着,
控制实验数据的质量整理实验数据消除实验误差重要工作方法：
1,用统计检验方法检验出异常数据；
参见电子科技大学,概率论与数理统计,p253之一
“统计数据中异常值的检验”
例 6.1.3 施肥效果分析
3,根据经验和实际背景知识做出实验数据的检查修正,异常数据的舍弃处理,
2,尽可能寻找产生异常点的技术上或物理上的原因,作为处理异常值的依据,
