数值计算功能.ppt

std——各列标准方差std(A,flag)std(A,flag,dim)prod——各列求积,如prod(1:10)即为10！prod(A,dim)sort(A)——各列递增排序，sort(A,dim,mode)——dim的值取1和2分别对应按列排或按行排;mode为排序的方式,若取’ascend’为升序,取为’descend’降序.第64页,共81页，2024年2月25日，星期天cov——协方差（每列间求方差）常用corrcoef——相关阵（每列间求相关系数）常用第65页,共81页，2024年2月25日，星期天（2）回归分析目的：根据实验或检测的数据，建立回归方程，找出应变量x1,x2….,xn与响应值y1,y2….,yn间的相关关系，来检测数据的可靠性。第66页,共81页，2024年2月25日，星期天步骤：回归方程系数的确定利用最小二乘法确定，常用polyfit(x,y,n)b.可靠性检验相关系数法：R=corrcoef(x,y),r=R(1,2)若则可靠，相关性显著。此法适用于一元线性回归。第67页,共81页，2024年2月25日，星期天F检验法：(不介绍）例：电容器充电时，电压达到100伏后而放电，测得t与u的关系：t(s)012345678910u(V)100755540302015101055试建立与的回归方程，并判别其可靠性。%由画图可知u=aebt,lnu=lna+btt=0:10;u=[100,75,55,40,30,20,15,10,10,5,5];p=polyfit(t,log(u),1)第68页,共81页，2024年2月25日，星期天b=p(1),a=exp(p(2)),pr=corrcoef(t,log(u));r=pr(1,2),结果：r=-0.9995%显示回归方程disp([u=,num2str(a),‘*exp(,num2str(b),…‘*t)’])结果：u=100.7890*exp(-0.31264*t)%画回归图tt=0:0,1:13;uu=exp(polyval(p,tt));plot(t,u,’*’,tt,uu)第69页,共81页，2024年2月25日，星期天第70页,共81页，2024年2月25日，星期天2、最优化问题在工程设计、经济管理和科学研究等许多领域中，需要在一切可能的方案中选择最好最优方案；在安排生产或销售中，如何安排人力或物力，才能使产值最高或利润最高、库存成本最小；在投资计划中，如何投资收益最高等等，均为最优化问题。最优化问题一般包括线性优化和非线性优化两类。第71页,共81页，2024年2月25日，星期天（1）线性优化线性优化即目标函数和约束条件均为线性的问题。第72页,共81页，2024年2月25日，星期天函数：x=linprog(f,A,b)x=linprog(f,A,b,Aeq,beq)——方程约束Aeq*x=beqx=linprog(f,A,b,Aeq,beq,vlb,vub)x=linprog(f,A,b,Aeq,beq,vlb,vub,x0)x0为设置的初始值，第73页,共81页，2024年2月25日，星期天例：某部门编制一个生产方案，此方案利用三种原料（如下表）生产四种产品，求每种产品的产量为多少时，利润最大？原料种类原料储备产品种类1234S1354223S2301123S3403121利润14101411第74页,共81页，2024年2月25日，星期天c=[-14,-10,-14,-11];A=[4,2,2,3;1,1,2,3;3,1,2,1];b=[35;30;40];vlb=[0;0;0;0];vub=[];x=linprog(c,A,b,[],[]vlb,vub),f=abs(c*x)225x=05.000012.50000第75页,共81页，2024年2月25日，星期天（2）非线性优化非线性优化指目标函数为非线性而约束条件为线性的问题。常用形式(a)二次优化第76页,共81页，2024年2月25日，星期天函数：x=quadprog(H,C,A,b)x=quadprog(H,C