数学建模——数据分析、描述性统计

A题：物流网络问题电商物流是我国经济服务中的一种重要方式，为我国经济发展做出了重要贡献。但也逐渐累积出现一些问题：增减网点盲目，运输线路浪费，仓储效率减低的现象。为此快递公司需要合理应对用户下单量波动，网点和仓储停用的状况。请依据附件数据，完成下列问题。问题1：附件1为某快递公司记录的一个区域内各网点在2021年01月01日至2022年12月31日期间每天不同网点之间运输的快递货量数据。线路是有方向的，如线路DC1→DC2和线路DC2→DC1被认为是两2条线路。

葡萄酒质量数据集   葡萄酒质量数据集包括两个文件——红葡萄酒文件和白葡萄酒文件。红葡萄酒文件中包含1599条观测，白葡萄酒文件包含4898条观测。两个文件中都有1个输出变量和11个输入变量。输出变量是酒的质量，是一个从0（低质量）到10（高质量）的评分。输入变量是葡萄酒的物理化学成分和特性，包括非挥发性酸、挥发性酸、柠檬酸、残余糖分、氯化物、游离二氧化硫、总二氧化硫、密度、pH值、硫酸盐和酒精含...

代码： clc x=[141 148 132 138 154 142 150 146 155 158 ... 150 140 147 148 144 150 149 145 149 158 ... 143 141 144 144 126 140 144 142 141 140 ... 145 135 147 146 141 136 140 146 142 137 ... 148 154 ...

描述性统计简述

SPSS软件拥有直观的用户界面，提供了清晰的菜单栏、工具栏和状态栏。界面布局由主菜单、数据视图窗口、输出视图窗口等构成。用户通过主菜单进行操作，数据视图用于输入和编辑数据，输出视图用于查看分析结果。在SPSS中，变量的定义是进行数据分析的第一步。用户需要为每个变量设置相应的属性，包括变量名、变量标签、值标签等。此外，还要为数据类型（如数值型、字符串型）和度量级别（如名义、顺序、区间、比率）等参数进行设定。这些属性的设置对于后续的数据分析和结果解释至关重要。在SPSS中打开或新建一个数据集。

统计学习 描述性统计 相关性分析 1、Pearson相关系数 2、Spearman秩相关系数 3、无序变量相关检验 python相关性分析模型,相关性分析原理及Python实战 方差分析（单-多-协） Python数据科学：方差分析 数学建模常用模型19 ：方差分析 描述性统计 使用Python进行描述性统计 正态性检验 Python的数据正态性检验 统计模型分析 因子分析 因子分析模型与代码实现pythob/R 因子分析-MATLAB/python 聚类分...

知识点：什么是提示词（Prompt）？在人工智能（AI）领域，"提示词"是一个关键概念，它指的是输入给AI模型的文本或指令，用于引导模型生成特定的输出。按照如下两个要素进行组合的：指标（讲清楚表格构成和一些重要指标的含义）要求（做什么样的分析、画什么样的图）提示词进化路线：表格中有3张表格sheet，1.sheet是1群的统计数据，2.sheet是2群的统计数据，number.sheet是1.sheet和2.sheet数字列对应的兴趣点，其中兴趣点对应兴趣数字列。

SPSS（Statistical Package for the Social Sciences）是一款功能强大的统计分析软件，其用户友好的界面使得初学者也能快速上手。主界面由以下几个部分组成：菜单栏（Menu Bar）：提供各种命令和功能选项，包括数据处理、分析、图形和工具等。工具栏（Toolbar）：包含常用功能的快捷按钮，如打开文件、保存文件、数据查看等。数据视图（Data View）：在此视图中可以直接编辑和查看数据。变量视图（Variable View）

由于要开始数学建模，学习一下统计软件spss，进行数据分析和预测等。（软件版本为spss22） 例题1、 例题2、 例题3、列联表分析 题目：为了探讨吸烟与慢性支气管炎有无关系，调查了339人，情况如下：       吸烟和慢性支气管炎调查表 患慢性支气管炎 未患慢性支气管炎 吸烟 43 162 不吸烟 13 121 思路分析：这明显是相关性分析的问题，运用卡方检验。 ...

1.软件介绍 2.页面介绍 2.1案例引入 2.2变量视图 2.3数据视图 2.4数据分析 2.5结果分析 2.6数据导入 3.频数分析和描述性分析 3.1频数分析 3.2描述性分析

数学建模是将现实世界问题转化为数学语言描述的过程，为解决特定问题提供科学依据和方法。它通常包括以下阶段：在开始数学建模之前，必须深入理解所面临的问题。这一步需要定义问题的范围、明确目标，并识别关键变量。通过收集背景信息和相关数据，可以更准确地描述问题。问题定义：明确问题的边界和目标，这一步骤决定了后续模型选择的大方向。在此过程中，需要收集相关的背景信息和数据。假设制定：基于问题定义，制定合理的假设，使问题简化并变得可处理。假设应该尽可能反映问题的本质。

根据这个要求，我们可以得出是跨年进行规划的，所以我们要在附件中是要进行一起规划的，根据 result1_1 中的需要填的数据类型可以得出我们的决策变量是三维变量，但实际在求解的过程中，我们会将其转化为二维变量，即我们所求的年份是连续变化的。由于不同产物的销售量都会发生可正可负的变化，因此我们将这种变化作为一个固定的指标引入到目标函数中，比如题目中第一句话所描述的小麦和玉米会增长 5~10%之间，因此我们取其区间即变化了 5%的绝对值，再比如食用菌下降 1~5%，我们取其变化的区间，4%的绝对值。

如何在 Python 中计算偏度和峰度？以数据高钾 & 表面未风化为例。

  最近在同学安利下入手华科老学长清风的数学建模课程,在这里记录下笔记。做笔记的目的主要是将较长的视频精简成短时间能看完的文档,方便日后复习用,也希望能给予后来者一点帮助。 数学建模学习笔记 : 相关系数零、假设检验零、描述性统计一、皮尔逊Person相关系数二、正态性检验(一)雅克-贝拉检验(Jarque-Bera test) .[4].^{[4]}.[4](二)Shapiro-wilk夏皮洛-威尔克检验三、相关性检验.[6].^{[6]}.[6]四、斯皮尔曼Spearman相关系数Spearman相关系

【代码】空气质量题数据处理与分析。

入门类材料： 1、K-Lab使用引导https://www.kesci.com/home/project/5ae055a8c177864364dbee57 2、【秘籍】数据分析小手册：https://www.kesci.com/home/project/5ec3491c3241a100378cfbf0 3、优质项目集锦：https://www.kesci.com/home/project/5e72e367c59d610036225bc0 4、科赛 x 机器之心 | 从零上手Python关键代码：ht

2022年MathorCup高校数学建模挑战赛 总结