本章讨论的是用数学建模的方法来处理优化问题：即建立和求解所谓的优化模型。注意的是建模时要作适当的简化，可能使得结果不一定完全可行或达到实际上的最优，但是它基于客观规律和数据，又不需要多大的费用。如果在建模的基础上再辅之以适当的检验，就可以期望得到实际问题的一个比较圆满的回答。本章介绍较为简单的优化模型，归结为微积分中的极值问题，因而可以直接使用微积分中的方法加以求解

一.到达的规律 现实中有许多服务系统，其顾客的到达具有下述特征： （1）无后效性：任一时段的到达数不受前一时段的影响； （2）平稳性：顾客到达是均匀的； （3）稀有性：瞬时内

第一章 建立数学模型 第二章 初等模型 第三章 简单的优化模型 第四章 数学规划模型 第五章 微分方程模型 第六章 稳定性模型 第七章 差分方程模型 第八章 离散模型 第九章 概率模型 第十章 统计回归模型

尽管在一般情况下,要确定某个统计量的分布是非常困难 的,但在总体服从正态分布时,可以确定某些统计量的分布 定理3.1设总体X~N(u,o2),X,X2,X为其 样本,则样本均值ⅹ与样本方差S2独立,且有

一个复杂系统可能有多个输入和多个输出,并且以某种方式相互关联或耦合。为了分 析这样的系统,必须简化其数学表达式,转而借助于计算机来进行各种大量而乏味的分析 与计算。从这个观点来看,状态空间法对于系统分析是最适宜的。 经典控制理论是建立在系统的输入输出关系或传递函数的基础之上的,而现代控制理 论以n个一阶微方程来描述系统,这些微分方程又组合成一个一阶向量矩阵微分方程。应 用向量矩阵表示方法,可极大地简化系统的数学表达式

概率统计是研究随机现象统计规律性的学科。所谓随机现象是指在一定条件下，可能 发生也可能不发生的现象，具有不确定性。而另一类必然现象是指在一定条件下，必然发生 的现象，具有确定性。概率统计试图揭示随机现象的统计规律性，即大量重复试验所呈现出 的内在规律性。随机现象可通过随机试验产生，所谓随机试验就是满足下列条件的试验：

一次序统计量 设(X,X2…X)是从总体X中抽取的一个样本, 记(x,x2x)为样本的一个观测值,将观测值的各 个分量按由小到大的递增序列重新排列为 x(1)≤x2)≤…≤Xn 当(x,X2,,X)取值为(x,x2,xn)时,定义Xk取 值为x(k=1,2,n),由此得到的(Xxx(2),Xn)称为 样本(X,X2X)的次序统计量

在多元统计分析中,多元正态分布占有相当重要的地位。这是因为,许多随机向量服从正态分布, 或近似服从正态分布,而且目前对于多元正态分布已有一整套统计推断方法,并且得到了许多满意的结果。下面介绍多元正态总休参数的统计推断问题

在许多自然科学和社会科学的研究中,经常会遇到 需要判别的问题。例如一个病人肺部有阴影,大夫要判 断他是肺结核、肺部良性肿瘤还是肺癌。这里,肺结核 人、肺部良性肿瘤病人以及肺癌病人组成三个总体,病 人来源于三个总体之一,判断分析的目的是通过人的指 标(阴影大小、阴影部位、边缘是否光滑等)来判断他 应该属于哪个总体(即判断他生的是什么病)

1907年由俄罗斯数学家马尔可夫（A.Markov）提出， 并由蒙特-卡罗(Mote-Carlo)加以发展。 用于分析随机事件未来发展变化的趋势，即利用某 一变量的现状和动向去预测该变量未来的状态及动 向，以预测未来某特定时期可能发生的变化，以便 采取相应的对策