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

第六章扩大的凯恩斯宏观经济模型 一、基本概念 货币需求交易需求预防需求投机需求流动性陷阱古典区域 货币数量论交易方程剑桥方程M1M2现代货币数量方程货币供给

本课程是为数学系本科高年级学生开设的.本课程讲述一般空间上的测度论的基础 知识和欧氏空间R上的 Lebesgue测度与积分理论. 现代数学的许多分支如概率论,泛函分析,群上调和分析等越来越多的用到一般空 间上的测度理论.对数学专业的学生而言,掌握一般空间上的测度论的基础知识,已经 变得越来越重要.因此本课程将一般空间上的测度论和R上的Lebesgue积分结合起来 讲述,交叉进行一般是每章先介绍一般空间上的概念与定理,然后将R上的Lebesgue 测度与积分作为特例,加以重点介绍.这样,既学习了 Lebesgue测度与积分理论,也学 习了抽象空间上的测度论

离散模型是将实际问题直接抽象成离散的数、符号或图形，然后以离散数学为主要研究工具来解决的数学模型。连续模型进行离散化所得到的数学模型不在此讨论

教学目的:了解事件的概念及概率的三种定义(主观概率,古典概率及几何概率),重点掌握古典概率的 计算方法,掌握事件之间的几种常见关系,加法定理,全概率公式及贝叶斯公式,贝努利试验。 教学方法:课堂讲授。用引言的方式介绍确定性现象与不确定性现象,并指出不确定性现象是概率论的研 究对象

教学目的:了解引入随机变量的原因,离散型与连续型随机变量的定义。重点掌握几种重要的离散型与连 续型随机变量,包括(0-1)分布,二项分布,泊松分布,均匀分布,指数分布,正态分布。理解正态分布 在现实生活中的普遍性。理解并掌握随机变量函数的分布的具体解法

定义1设a1,a2,…,am,β是一组n维 向量,若存在m个实数k1,k2,…km使得 β=ka1+k2a2++kmam,则称β可以 由a1,a2,…,an线性表示( linear representation).或称a1,a2,…,an线性 表示(linear generate) 例如:a1=(1,2,0)T,a2=(1,0,3)T,a3= (3,4,3)T,则a3=2a1+a2,即存在实数k =2,k2=1使得a3=ka1+k2a2,故a3可以 由a1,a2线性表示。(大家想一想,这里的常 数k1=2,k2=1是怎么求出来的?)

教学目的:了解多维随机变量的重要性质及其特征,重点介绍二维随机变量的有关结论。包括分布函数的 概念及其性质,二维连续型随机变量密度函数的性质。掌握边缘分布的概念,了解条件分布的概念及其具 体求解方法,了解随机变量相互独立的概念及其意义。掌握二维随机变量函数分布的基本求法

一、教学目的要求 1.了解假设检验的原理和基本概念:原假设、备择假设、显著性水平(检验水平)、参数假设检验。 2掌握U、t检验法。 3重点掌握U、t检验法的步骤

一、数学规划模型 二、模型的求解 三、应用举例 四、几种常用的线性规划介绍 五、非线性规划简介 六、应用