第一篇：數(shù)學(xué)建模常用的十種方法

數(shù)學(xué)建模常用的十種方法

時(shí)可以通過模擬來檢驗(yàn)自己模型的正確性，是比賽時(shí)必用的方法）

2、數(shù)據(jù)擬合、參數(shù)估計(jì)、插值等數(shù)據(jù)處理算法（比賽中通常會(huì)遇到大量的數(shù)據(jù)需要處理，而處理數(shù)據(jù)的關(guān)鍵就在于這些算法，通常使用Matlab作為工具）

3、線性規(guī)劃、整數(shù)規(guī)劃、多元規(guī)劃、二次規(guī)劃等規(guī)劃類問題（建模競(jìng)賽大多數(shù)問題屬于最優(yōu)化問題，很多時(shí)候這些問題可以用數(shù)學(xué)規(guī)劃算法來描述，通常使用Lindo、Lingo軟件實(shí)現(xiàn)）

4、圖論算法（這類算法可以分為很多種，包括最短路、網(wǎng)絡(luò)流、二分圖等算法，涉及到圖論的問題可以用這些方法解決，需要認(rèn)真準(zhǔn)備）

5、動(dòng)態(tài)規(guī)劃、回溯搜索、分支定界等計(jì)算機(jī)算法（這些算法是算法設(shè)計(jì)中比較常用的方法，很多場(chǎng)合可以用到競(jìng)賽中）

6、最優(yōu)化理論的三大非經(jīng)典算法：模擬退火法、神經(jīng)網(wǎng)絡(luò)、遺傳算法（這些問題是用來解決一些較困難的最優(yōu)化問題的算法，對(duì)于有些問題非常有幫助，但是算法的實(shí)現(xiàn)比較困難，需慎重使用）

7、網(wǎng)格算法和窮舉法（網(wǎng)格算法和窮舉法都是暴力搜索最優(yōu)點(diǎn)的算法，在很多競(jìng)賽題中有應(yīng)用，當(dāng)重點(diǎn)討論模型本身而輕視算法的時(shí)候，可以使用這種暴力方案，最好使用一些高級(jí)語言作為編程工具）

8、一些連續(xù)離散化方法（很多問題都是實(shí)際來的，數(shù)據(jù)可以是連續(xù)的，而計(jì)算機(jī)只認(rèn)的是離散的數(shù)據(jù)，因此將其離散化后進(jìn)行差分代替微分、求和代替積分等思想是非常重要的）

9、數(shù)值分析算法（如果在比賽中采用高級(jí)語言進(jìn)行編程的話，那一些數(shù)值分析中常用的算法比如方程組求解、矩陣運(yùn)算、函數(shù)積分等算法就需要額外編寫庫函數(shù)進(jìn)行調(diào)用）

10、圖象處理算法（賽題中有一類問題與圖形有關(guān)，即使與圖形無關(guān)，論文中也應(yīng)該要不乏圖片的，這些圖形如何展示以及如何處理就是需要解決的問題，通常使用Matlab進(jìn)行處理）

第二篇：數(shù)學(xué)建模各種分析方法

現(xiàn)代統(tǒng)計(jì)學(xué)

1.因子分析(Factor Analysis)

因子分析的基本目的就是用少數(shù)幾個(gè)因子去描述許多指標(biāo)或因素之間的聯(lián)系，即將相關(guān)比較密切的幾個(gè)變量歸在同一類中，每一類變量就成為一個(gè)因子（之所以稱其為因子，是因?yàn)樗遣豢捎^測(cè)的，即不是具體的變量），以較少的幾個(gè)因子反映原資料的大部分信息。

運(yùn)用這種研究技術(shù)，我們可以方便地找出影響消費(fèi)者購買、消費(fèi)以及滿意度的主要因素是哪些，以及它們的影響力（權(quán)重）運(yùn)用這種研究技術(shù)，我們還可以為市場(chǎng)細(xì)分做前期分析。

2.主成分分析

主成分分析主要是作為一種探索性的技術(shù)，在分析者進(jìn)行多元數(shù)據(jù)分析之前，用主成分分析來分析數(shù)據(jù)，讓自己對(duì)數(shù)據(jù)有一個(gè)大致的了解是非常重要的。主成分分析一般很少單獨(dú)使用：a，了解數(shù)據(jù)。(screening the data),b,和cluster analysis一起使用，c，和判別分析一起使用，比如當(dāng)變量很多，個(gè)案數(shù)不多，直接使用判別分析可能無解，這時(shí)候可以使用主成份發(fā)對(duì)變量簡(jiǎn)化。（reduce dimensionality）d,在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數(shù)），還可以用來處理共線性。

主成分分析和因子分析的區(qū)別

1、因子分析中是把變量表示成各因子的線性組合，而主成分分析中則是把主成分表示成個(gè)變量的線性組合。

2、主成分分析的重點(diǎn)在于解釋個(gè)變量的總方差，而因子分析則把重點(diǎn)放在解釋各變量之間的協(xié)方差。

3、主成分分析中不需要有假設(shè)(assumptions),因子分析則需要一些假設(shè)。因子分析的假設(shè)包括：各個(gè)共同因子之間不相關(guān)，特殊因子（specific factor）之間也不相關(guān)，共同因子和特殊因子之間也不相關(guān)。

4、主成分分析中，當(dāng)給定的協(xié)方差矩陣或者相關(guān)矩陣的特征值是唯一的時(shí)候，的主成分一般是獨(dú)特的；而因子分析中因子不是獨(dú)特的，可以旋轉(zhuǎn)得到不同的因子。

5、在因子分析中，因子個(gè)數(shù)需要分析者指定（spss根據(jù)一定的條件自動(dòng)設(shè)定，只要是特征值大于1的因子進(jìn)入分析），而指定的因子數(shù)量不同而結(jié)果不同。在主成分分析中，成分的數(shù)量是一定的，一般有幾個(gè)變量就有幾個(gè)主成分。

和主成分分析相比，由于因子分析可以使用旋轉(zhuǎn)技術(shù)幫助解釋因子，在解釋方面更加有優(yōu)勢(shì)。大致說來，當(dāng)需要尋找潛在的因子，并對(duì)這些因子進(jìn)行解釋的時(shí)候，更加傾向于使用因子分析，并且借助旋轉(zhuǎn)技術(shù)幫助更好解釋。而如果想把現(xiàn)有的變量變成少數(shù)幾個(gè)新的變量（新的變量幾乎帶有原來所有變量的信息）來進(jìn)入后續(xù)的分析，則可以使用主成分分析。當(dāng)然，這中情況也可以使用因子得分做到。所以這中區(qū)分不是絕對(duì)的。

總得來說，主成分分析主要是作為一種探索性的技術(shù)，在分析者進(jìn)行多元數(shù)據(jù)分析之前，用主成分分析來分析數(shù)據(jù)，讓自己對(duì)數(shù)據(jù)有一個(gè)大致的了解是非常重要的。主成分分析一般很少單獨(dú)使用：a，了解數(shù)據(jù)。(screening the data),b,和cluster analysis一起使用，c，和判別分析一起使用，比如當(dāng)變量很多，個(gè)案數(shù)不多，直接使用判別分析可能無解，這時(shí)候可以使用主成份發(fā)對(duì)變量簡(jiǎn)化。（reduce dimensionality）d,在多元回歸中，主成分分析可以幫助判斷是否存在共線性（條件指數(shù)），還可以用來處理共線性。

在算法上，主成分分析和因子分析很類似，不過，在因子分析中所采用的協(xié)方差矩陣的對(duì)角元素不在是變量的方差，而是和變量對(duì)應(yīng)的共同度（變量方差中被各因子所解釋的部分）。

3.聚類分析(Cluster Analysis)

聚類分析是直接比較各事物之間的性質(zhì)，將性質(zhì)相近的歸為一類，將性質(zhì)差別較大的歸入不同的類的分析技術(shù)。

在市場(chǎng)研究領(lǐng)域，聚類分析主要應(yīng)用方面是幫助我們尋找目標(biāo)消費(fèi)群體，運(yùn)用這項(xiàng)研究技術(shù)，我們可以劃分出產(chǎn)品的細(xì)分市場(chǎng)，并且可以描述出各細(xì)分市場(chǎng)的人群特征，以便于客戶可以有針對(duì)性的對(duì)目標(biāo)消費(fèi)群體施加影響，合理地開展工作。

4.判別分析(Discriminatory Analysis)

判別分析(Discriminatory Analysis)的任務(wù)是根據(jù)已掌握的1批分類明確的樣品，建立較好的判別函數(shù)，使產(chǎn)生錯(cuò)判的事例最少，進(jìn)而對(duì)給定的1個(gè)新樣品，判斷它來自哪個(gè)總體。

根據(jù)資料的性質(zhì)，分為定性資料的判別分析和定量資料的判別分析；采用不同的判別準(zhǔn)則，又有費(fèi)歇、貝葉斯、距離等判別方法。

費(fèi)歇（FISHER）判別思想是投影，使多維問題簡(jiǎn)化為一維問題來處理。選擇一個(gè)適當(dāng)?shù)耐队拜S,使所有的樣品點(diǎn)都投影到這個(gè)軸上得到一個(gè)投影值。對(duì)這個(gè)投影軸的方向的要求是：使每一類內(nèi)的投影值所形成的類內(nèi)離差盡可能小，而不同類間的投影值所形成的類間離差盡可能大。

貝葉斯（BAYES）判別思想是根據(jù)先驗(yàn)概率求出后驗(yàn)概率，并依據(jù)后驗(yàn)概率分布作出統(tǒng)計(jì)推斷。所謂先驗(yàn)概率,就是用概率來描述人們事先對(duì)所研究的對(duì)象的認(rèn)識(shí)的程度；所謂后驗(yàn)概率，就是根據(jù)具體資料、先驗(yàn)概率、特定的判別規(guī)則所計(jì)算出來的概率。它是對(duì)先驗(yàn)概率修正后的結(jié)果。

距離判別思想是根據(jù)各樣品與各母體之間的距離遠(yuǎn)近作出判別。即根據(jù)資料建立關(guān)于各母體的距離判別函數(shù)式，將各樣品數(shù)據(jù)逐一代入計(jì)算，得出各樣品與各母體之間的距離值，判樣品屬于距離值最小的那個(gè)母體。5.對(duì)應(yīng)分析(Correspondence Analysis)

對(duì)應(yīng)分析是一種用來研究變量與變量之間聯(lián)系緊密程度的研究技術(shù)。

運(yùn)用這種研究技術(shù)，我們可以獲取有關(guān)消費(fèi)者對(duì)產(chǎn)品品牌定位方面的圖形，從而幫助您及時(shí)調(diào)整營(yíng)銷策略，以便使產(chǎn)品品牌在消費(fèi)者中能樹立起正確的形象。

這種研究技術(shù)還可以用于檢驗(yàn)廣告或市場(chǎng)推廣活動(dòng)的效果，我們可以通過對(duì)比廣告播出前或市場(chǎng)推廣活動(dòng)前與廣告播出后或市場(chǎng)推廣活動(dòng)后消費(fèi)者對(duì)產(chǎn)品的不同認(rèn)知圖來看出廣告或市場(chǎng)推廣活動(dòng)是否成功的向消費(fèi)者傳達(dá)了需要傳達(dá)的信息。

6.典型相關(guān)分析

典型相關(guān)分析是分析兩組隨機(jī)變量間線性密切程度的統(tǒng)計(jì)方法，是兩變量間線性相關(guān)分析的拓廣。各組隨機(jī)變量中既可有定量隨機(jī)變量，也可有定性隨機(jī)變

量(分析時(shí)須F6說明為定性變量)。本法還可以用于分析高維列聯(lián)表各邊際變量的線性關(guān)系。注意：

1．嚴(yán)格地說，一個(gè)典型相關(guān)系數(shù)描述的只是一對(duì)典型變量之間的相關(guān)，而不是兩個(gè)變量組之間的相關(guān)。而各對(duì)典型變量之間構(gòu)成的多維典型相關(guān)才共同揭示了兩個(gè)觀測(cè)變量組之間的相關(guān)形式。

2．典型相關(guān)模型的基本假設(shè)和數(shù)據(jù)要求

要求兩組變量之間為線性關(guān)系，即每對(duì)典型變量之間為線性關(guān)系；

每個(gè)典型變量與本組所有觀測(cè)變量的關(guān)系也是線性關(guān)系。如果不是線性關(guān)系，可先線性化：如經(jīng)濟(jì)水平和收入水平與其他一些社會(huì)發(fā)展水之間并不是線性關(guān)系，可先取對(duì)數(shù)。即log經(jīng)濟(jì)水平，log收入水平。3．典型相關(guān)模型的基本假設(shè)和數(shù)據(jù)要求

所有觀測(cè)變量為定量數(shù)據(jù)。同時(shí)也可將定性數(shù)據(jù)按照一定形式設(shè)為虛擬變量后，再放入典型相關(guān)模型中進(jìn)行分析。

7.多維尺度分析(Multi-dimension Analysis)

多維尺度分析(Multi-dimension Analysis)是市場(chǎng)研究的一種有力手段，它可以通過低維空間（通常是二維空間）展示多個(gè)研究對(duì)象（比如品牌）之間的聯(lián)系，利用平面距離來反映研究對(duì)象之間的相似程度。由于多維尺度分析法通常是基于研究對(duì)象之間的相似性（距離）的，只要獲得了兩個(gè)研究對(duì)象之間的距離矩陣，我們就可以通過相應(yīng)統(tǒng)計(jì)軟件做出他們的相似性知覺圖。

在實(shí)際應(yīng)用中，距離矩陣的獲得主要有兩種方法：一種是采用直接的相似性評(píng)價(jià)，先所有評(píng)價(jià)對(duì)象進(jìn)行兩兩組合，然后要求被訪者所有的這些組合間進(jìn)行直接相似性評(píng)價(jià)，這種方法我們稱之為直接評(píng)價(jià)法；另一種為間接評(píng)價(jià)法，由研究人員根據(jù)事先經(jīng)驗(yàn)，找出影響人們?cè)u(píng)價(jià)研究對(duì)象相似性的主要屬性，然后對(duì)每個(gè)研究對(duì)象，讓被訪者對(duì)這些屬性進(jìn)行逐一評(píng)價(jià)，最后將所有屬性作為多維空間的坐標(biāo)，通過距離變換計(jì)算對(duì)象之間的距離。

多維尺度分析的主要思路是利用對(duì)被訪者對(duì)研究對(duì)象的分組，來反映被訪者對(duì)研究對(duì)象相似性的感知，這種方法具有一定直觀合理性。同時(shí)該方法實(shí)施方便，調(diào)查中被訪者負(fù)擔(dān)較小，很容易得到理解接受。當(dāng)然，該方法的不足之處是犧牲了個(gè)體距離矩陣，由于每個(gè)被訪者個(gè)體的距離矩陣只包含1與0兩種取值，相對(duì)較為粗糙，個(gè)體距離矩陣的分析顯得比較勉強(qiáng)。但這一點(diǎn)是完全可以接受的，因?yàn)閷?duì)大多數(shù)研究而言，我們并不需要知道每一個(gè)體的空間知覺圖。

多元統(tǒng)計(jì)分析是統(tǒng)計(jì)學(xué)中內(nèi)容十分豐富、應(yīng)用范圍極為廣泛的一個(gè)分支。在自然科學(xué)和社會(huì)科學(xué)的許多學(xué)科中，研究者都有可能需要分析處理有多個(gè)變量的數(shù)據(jù)的問題。能否從表面上看起來雜亂無章的數(shù)據(jù)中發(fā)現(xiàn)和提煉出規(guī)律性的結(jié)論，不僅對(duì)所研究的專業(yè)領(lǐng)域要有很好的訓(xùn)練，而且要掌握必要的統(tǒng)計(jì)分析工具。對(duì)實(shí)際領(lǐng)域中的研究者和高等院校的研究生來說，要學(xué)習(xí)掌握多元統(tǒng)計(jì)分析的各種模型和方法，手頭有一本好的、有長(zhǎng)久價(jià)值的參考書是非常必要的。這樣一本書應(yīng)該滿足以下條件：首先，它應(yīng)該是“淺入深出”的，也就是說，既可供初學(xué)者入門，又能使有較深基礎(chǔ)的人受益。其次，它應(yīng)該是既側(cè)重于應(yīng)用，又兼顧必要的推理論證，使學(xué)習(xí)者既能學(xué)到“如何”做，而且在一定程度上了解“為什么”這樣做。

最后，它應(yīng)該是內(nèi)涵豐富、全面的，不僅要基本包括各種在實(shí)際中常用的多元統(tǒng)計(jì)分析方法，而且還要對(duì)現(xiàn)代統(tǒng)計(jì)學(xué)的最新思想和進(jìn)展有所介紹、交代。因子分析

主成分分析通過線性組合將原變量綜合成幾個(gè)主成分，用較少的綜合指標(biāo)來代替原來較多的指標(biāo)(變量)。在多變量分析中，某些變量間往往存在相關(guān)性。是什么原因使變量間有關(guān)聯(lián)呢？是否存在不能直接觀測(cè)到的、但影響可觀測(cè)變量變化的公共因子？因子分析(Factor Analysis)就是尋找這些公共因子的模型分析方法，它是在主成分的基礎(chǔ)上構(gòu)筑若干意義較為明確的公因子，以它們?yōu)榭蚣芊纸庠兞?，以此考察原變量間的聯(lián)系與區(qū)別。

例如，隨著年齡的增長(zhǎng)，兒童的身高、體重會(huì)隨著變化，具有一定的相關(guān)性，身高和體重之間為何會(huì)有相關(guān)性呢？因?yàn)榇嬖谥粋€(gè)同時(shí)支配或影響著身高與體重的生長(zhǎng)因子。那么，我們能否通過對(duì)多個(gè)變量的相關(guān)系數(shù)矩陣的研究，找出同時(shí)影響或支配所有變量的共性因子呢？因子分析就是從大量的數(shù)據(jù)中“由表及里”、“去粗取精”，尋找影響或支配變量的多變量統(tǒng)計(jì)方法。

可以說，因子分析是主成分分析的推廣，也是一種把多個(gè)變量化為少數(shù)幾個(gè)綜合變量的多變量分析方法，其目的是用有限個(gè)不可觀測(cè)的隱變量來解釋原始變量之間的相關(guān)關(guān)系。

因子分析主要用于：

1、減少分析變量個(gè)數(shù)；

2、通過對(duì)變量間相關(guān)關(guān)系探測(cè)，將原始變量進(jìn)行分類。即將相關(guān)性高的變量分為一組，用共性因子代替該組變量。

1.因子分析模型

因子分析法是從研究變量?jī)?nèi)部相關(guān)的依賴關(guān)系出發(fā)，把一些具有錯(cuò)綜復(fù)雜關(guān)系的變量歸結(jié)為少數(shù)幾個(gè)綜合因子的一種多變量統(tǒng)計(jì)分析方法。它的基本思想是將觀測(cè)變量進(jìn)行分類，將相關(guān)性較高，即聯(lián)系比較緊密的分在同一類中，而不同類變量之間的相關(guān)性則較低，那么每一類變量實(shí)際上就代表了一個(gè)基本結(jié)構(gòu)，即公共因子。對(duì)于所研究的問題就是試圖用最少個(gè)數(shù)的不可測(cè)的所謂公共因子的線性函數(shù)與特殊因子之和來描述原來觀測(cè)的每一分量。

因子分析模型描述如下：

（1）X =(x1，x2，…，xp)￠是可觀測(cè)隨機(jī)向量，均值向量E(X)=0，協(xié)方差陣Cov(X)=∑，且協(xié)方差陣∑與相關(guān)矩陣R相等（只要將變量標(biāo)準(zhǔn)化即可實(shí)現(xiàn)）。

（2）F =(F1，F(xiàn)2，…，F(xiàn)m)￠（m

（3）e =(e1，e2，…，ep)￠與F相互獨(dú)立,且E(e)=0, e的協(xié)方差陣∑是對(duì)角陣，即各分量e之間是相互獨(dú)立的，則模型：

x1 = a11F1+ a12F2 +…+a1mFm + e1

x2 = a21F1+a22F2 +…+a2mFm + e2

………

xp = ap1F1+ ap2F2 +…+apmFm + ep

稱為因子分析模型，由于該模型是針對(duì)變量進(jìn)行的，各因子又是正交的，所以也稱為R型正交因子模型。

其矩陣形式為:

x =AF + e.其中：

x=，A=，F(xiàn)=，e=

這里，（1）m ￡ p；

（2）Cov(F,e)=0，即F和e是不相關(guān)的；

（3）D(F)= Im，即F1,F2,…,Fm不相關(guān)且方差均為1；

D(e)=，即e1,e2,…,ep不相關(guān)，且方差不同。

我們把F稱為X的公共因子或潛因子，矩陣A稱為因子載荷矩陣，e 稱為X的特殊因子。

A =(aij)，aij為因子載荷。數(shù)學(xué)上可以證明，因子載荷aij就是第i變量與第j因子的相關(guān)系數(shù)，反映了第i變量在第j因子上的重要性。

2.模型的統(tǒng)計(jì)意義

模型中F1，F(xiàn)2，…，F(xiàn)m叫做主因子或公共因子，它們是在各個(gè)原觀測(cè)變量的表達(dá)式中都共同出現(xiàn)的因子，是相互獨(dú)立的不可觀測(cè)的理論變量。公共因子的含義，必須結(jié)合具體問題的實(shí)際意義而定。e1，e2，…，ep叫做特殊因子，是向量x的分量xi(i=1,2,…,p)所特有的因子，各特殊因子之間以及特殊因子與所有

公共因子之間都是相互獨(dú)立的。模型中載荷矩陣A中的元素(aij)是為因子載荷。因子載荷aij是xi與Fj的協(xié)方差，也是xi與Fj的相關(guān)系數(shù)，它表示xi依賴Fj的程度。可將aij看作第i個(gè)變量在第j公共因子上的權(quán)，aij的絕對(duì)值越大(|aij|￡1)，表明xi與Fj的相依程度越大，或稱公共因子Fj對(duì)于xi的載荷量越大。為了得到因子分析結(jié)果的經(jīng)濟(jì)解釋，因子載荷矩陣A中有兩個(gè)統(tǒng)計(jì)量十分重要，即變量共同度和公共因子的方差貢獻(xiàn)。

因子載荷矩陣A中第i行元素之平方和記為hi2，稱為變量xi的共同度。它是全部公共因子對(duì)xi的方差所做出的貢獻(xiàn)，反映了全部公共因子對(duì)變量xi的影響。hi2大表明x的第i個(gè)分量xi對(duì)于F的每一分量F1，F(xiàn)2，…，F(xiàn)m的共同依賴程度大。

將因子載荷矩陣A的第j列(j =1,2,…,m)的各元素的平方和記為gj2，稱為公共因子Fj對(duì)x的方差貢獻(xiàn)。gj2就表示第j個(gè)公共因子Fj對(duì)于x的每一分量xi(i=1,2,…,p)所提供方差的總和，它是衡量公共因子相對(duì)重要性的指標(biāo)。gj2越大，表明公共因子Fj對(duì)x的貢獻(xiàn)越大,或者說對(duì)x的影響和作用就越大。如果將因子載荷矩陣A的所有g(shù)j2(j =1,2,…,m)都計(jì)算出來，使其按照大小排序，就可以依此提煉出最有影響力的公共因子。

3.因子旋轉(zhuǎn)

建立因子分析模型的目的不僅是找出主因子，更重要的是知道每個(gè)主因子的意義，以便對(duì)實(shí)際問題進(jìn)行分析。如果求出主因子解后，各個(gè)主因子的典型代表變量不很突出，還需要進(jìn)行因子旋轉(zhuǎn)，通過適當(dāng)?shù)男D(zhuǎn)得到比較滿意的主因子。

旋轉(zhuǎn)的方法有很多，正交旋轉(zhuǎn)(orthogonal rotation)和斜交旋轉(zhuǎn)(oblique rotation)是因子旋轉(zhuǎn)的兩類方法。最常用的方法是最大方差正交旋轉(zhuǎn)法(Varimax)。進(jìn)行因子旋轉(zhuǎn)，就是要使因子載荷矩陣中因子載荷的平方值向0和1兩個(gè)方向分化，使大的載荷更大，小的載荷更小。因子旋轉(zhuǎn)過程中，如果因子對(duì)應(yīng)軸相互正交，則稱為正交旋轉(zhuǎn)；如果因子對(duì)應(yīng)軸相互間不是正交的，則稱為斜交旋轉(zhuǎn)。常用的斜交旋轉(zhuǎn)方法有Promax法等。

4.因子得分

因子分析模型建立后，還有一個(gè)重要的作用是應(yīng)用因子分析模型去評(píng)價(jià)每個(gè)樣品在整個(gè)模型中的地位，即進(jìn)行綜合評(píng)價(jià)。例如地區(qū)經(jīng)濟(jì)發(fā)展的因子分析模型建立后，我們希望知道每個(gè)地區(qū)經(jīng)濟(jì)發(fā)展的情況，把區(qū)域經(jīng)濟(jì)劃分歸類，哪些地區(qū)發(fā)展較快，哪些中等發(fā)達(dá)，哪些較慢等。這時(shí)需要將公共因子用變量的線性組合來表示，也即由地區(qū)經(jīng)濟(jì)的各項(xiàng)指標(biāo)值來估計(jì)它的因子得分。

設(shè)公共因子F由變量x表示的線性組合為:

Fj = uj1 xj1+ uj2 xj2+…+ujpxjp

j=1,2,…,m

該式稱為因子得分函數(shù)，由它來計(jì)算每個(gè)樣品的公共因子得分。若取m=2，則將每個(gè)樣品的p個(gè)變量代入上式即可算出每個(gè)樣品的因子得分F1和F2，并將其在平面上做因子得分散點(diǎn)圖，進(jìn)而對(duì)樣品進(jìn)行分類或?qū)υ紨?shù)據(jù)進(jìn)行更深入的研究。

但因子得分函數(shù)中方程的個(gè)數(shù)m小于變量的個(gè)數(shù)p，所以并不能精確計(jì)算出因子得分，只能對(duì)因子得分進(jìn)行估計(jì)。估計(jì)因子得分的方法較多，常用的有回歸估計(jì)法，Bartlett估計(jì)法，Thomson估計(jì)法。

（1）回歸估計(jì)法

F = X b = X(X ￠X)-1A￠ = XR-1A￠

(這里R為相關(guān)陣，且R = X ￠X)。

（2）Bartlett估計(jì)法

Bartlett估計(jì)因子得分可由最小二乘法或極大似然法導(dǎo)出。

F = [(W-1/2A)￠ W-1/2A]-1(W-1/2A)￠ W-1/2X =(A￠W-1A)-1A￠W-1X

（3）Thomson估計(jì)法

在回歸估計(jì)法中，實(shí)際上是忽略特殊因子的作用，取R = X ￠X，若考慮特殊因子的作，此時(shí)R = X ￠X＋W，于是有：

F = XR-1A￠ = X(X ￠X＋W)-1A￠

這就是Thomson估計(jì)的因子得分，使用矩陣求逆算法(參考線性代數(shù)文獻(xiàn))可以將其轉(zhuǎn)換為：

F = XR-1A￠ = X(I+A￠W-1A)-1W-1A￠

5.因子分析的步驟

因子分析的核心問題有兩個(gè)：一是如何構(gòu)造因子變量；二是如何對(duì)因子變量進(jìn)行命名解釋。因此，因子分析的基本步驟和解決思路就是圍繞這兩個(gè)核心問題展開的。

（i）因子分析常常有以下四個(gè)基本步驟：

（1）確認(rèn)待分析的原變量是否適合作因子分析。

（2）構(gòu)造因子變量。

（3）利用旋轉(zhuǎn)方法使因子變量更具有可解釋性。

（4）計(jì)算因子變量得分。

（ii）因子分析的計(jì)算過程：

（1）將原始數(shù)據(jù)標(biāo)準(zhǔn)化，以消除變量間在數(shù)量級(jí)和量綱上的不同。

（2）求標(biāo)準(zhǔn)化數(shù)據(jù)的相關(guān)矩陣；

（3）求相關(guān)矩陣的特征值和特征向量；

（4）計(jì)算方差貢獻(xiàn)率與累積方差貢獻(xiàn)率；

（5）確定因子：

設(shè)F1，F(xiàn)2，…, Fp為p個(gè)因子，其中前m個(gè)因子包含的數(shù)據(jù)信息總量（即其累積貢獻(xiàn)率）不低于80%時(shí)，可取前m個(gè)因子來反映原評(píng)價(jià)指標(biāo)；

（6）因子旋轉(zhuǎn)：

若所得的m個(gè)因子無法確定或其實(shí)際意義不是很明顯，這時(shí)需將因子進(jìn)行旋轉(zhuǎn)以獲得較為明顯的實(shí)際含義。

（7）用原指標(biāo)的線性組合來求各因子得分：

采用回歸估計(jì)法，Bartlett估計(jì)法或Thomson估計(jì)法計(jì)算因子得分。

（8）綜合得分

以各因子的方差貢獻(xiàn)率為權(quán)，由各因子的線性組合得到綜合評(píng)價(jià)指標(biāo)函數(shù)。

F =(w1F1+w2F2+…+wmFm)／(w1+w2+…+wm)

此處wi為旋轉(zhuǎn)前或旋轉(zhuǎn)后因子的方差貢獻(xiàn)率。

（9）得分排序：利用綜合得分可以得到得分名次。

在采用多元統(tǒng)計(jì)分析技術(shù)進(jìn)行數(shù)據(jù)處理、建立宏觀或微觀系統(tǒng)模型時(shí)，需要研究以下幾個(gè)方面的問題：

· 簡(jiǎn)化系統(tǒng)結(jié)構(gòu)，探討系統(tǒng)內(nèi)核?？刹捎弥鞒煞址治?、因子分析、對(duì)應(yīng)分析等方法，在眾多因素中找出各個(gè)變量最佳的子集合，從子集合所包含的信息描述多變量的系統(tǒng)結(jié)果及各個(gè)因子對(duì)系統(tǒng)的影響?！皬臉淠究瓷帧保プ≈饕?，把握主要矛盾的主要方面，舍棄次要因素，以簡(jiǎn)化系統(tǒng)的結(jié)構(gòu)，認(rèn)識(shí)系統(tǒng)的內(nèi)核。

· 構(gòu)造預(yù)測(cè)模型，進(jìn)行預(yù)報(bào)控制。在自然和社會(huì)科學(xué)領(lǐng)域的科研與生產(chǎn)中，探索多變量系統(tǒng)運(yùn)動(dòng)的客觀規(guī)律及其與外部環(huán)境的關(guān)系，進(jìn)行預(yù)測(cè)預(yù)報(bào)，以實(shí)現(xiàn)對(duì)系統(tǒng)的最優(yōu)控制，是應(yīng)用多元統(tǒng)計(jì)分析技術(shù)的主要目的。在多元分析中，用于預(yù)報(bào)控制的模型有兩大類。一類是預(yù)測(cè)預(yù)報(bào)模型，通常采用多元線性回歸或逐步回歸分析、判別分析、雙重篩選逐步回歸分析等建模技術(shù)。另一類是描述性模型，通常采用聚類分析的建模技術(shù)。

· 進(jìn)行數(shù)值分類，構(gòu)造分類模式。在多變量系統(tǒng)的分析中，往往需要將系統(tǒng)性質(zhì)相似的事物或現(xiàn)象歸為一類。以便找出它們之間的聯(lián)系和內(nèi)在規(guī)律性。過去許多研究多是按單因素進(jìn)行定性處理，以致處理結(jié)果反映不出系統(tǒng)的總的特征。進(jìn)行數(shù)值分類，構(gòu)造分類模式一般采用聚類分析和判別分析技術(shù)。

如何選擇適當(dāng)?shù)姆椒▉斫鉀Q實(shí)際問題，需要對(duì)問題進(jìn)行綜合考慮。對(duì)一個(gè)問題可以綜合運(yùn)用多種統(tǒng)計(jì)方法進(jìn)行分析。例如一個(gè)預(yù)報(bào)模型的建立，可先根據(jù)有關(guān)生物學(xué)、生態(tài)學(xué)原理，確定理論模型和試驗(yàn)設(shè)計(jì)；根據(jù)試驗(yàn)結(jié)果，收集試驗(yàn)資料；對(duì)資料進(jìn)行初步提煉；然后應(yīng)用統(tǒng)計(jì)分析方法(如相關(guān)分析、逐步回歸分析、主成分分析等)研究各個(gè)變量之間的相關(guān)性，選擇最佳的變量子集合；在此基礎(chǔ)上構(gòu)造預(yù)報(bào)模型，最后對(duì)模型進(jìn)行診斷和優(yōu)化處理，并應(yīng)用于生產(chǎn)實(shí)際。

第三篇：淺談小學(xué)數(shù)學(xué)建模的意義和方法

淺談小學(xué)數(shù)學(xué)建模的意義和方法

【摘要】：《新標(biāo)準(zhǔn)》強(qiáng)調(diào)讓學(xué)生親身經(jīng)歷將實(shí)際問題抽象成數(shù)學(xué)模型并進(jìn)行解釋與應(yīng)用的過程。通過開展數(shù)學(xué)建?；顒?dòng)讓學(xué)生領(lǐng)悟數(shù)學(xué)思想方法，讓學(xué)生做數(shù)學(xué)、“創(chuàng)造”數(shù)學(xué)、交流數(shù)學(xué)、應(yīng)用數(shù)學(xué)、感悟數(shù)學(xué)。數(shù)學(xué)建模活動(dòng)在大中學(xué)中早已蓬勃地開展，而在小學(xué)階段進(jìn)行數(shù)學(xué)建模教學(xué)還沒引起人們足夠的重視。作為一線的老師應(yīng)該引起重視，教師必須在平時(shí)的教學(xué)工作中給學(xué)生強(qiáng)烈的數(shù)學(xué)建模的意識(shí)，同時(shí)開展與生活緊密聯(lián)系的數(shù)學(xué)建?；顒?dòng)。

【關(guān)鍵詞】： 數(shù)學(xué)建模;數(shù)學(xué)應(yīng)用;意義;基本方法

隨著科學(xué)技術(shù)的迅速發(fā)展和計(jì)算機(jī)的日益普及，人們對(duì)各種問題的要求越來越精確，使得數(shù)學(xué)的應(yīng)用越來越廣泛和深入，特別是經(jīng)濟(jì)發(fā)展的全球化、計(jì)算機(jī)應(yīng)用的迅猛發(fā)展，數(shù)學(xué)理論與方法的不斷擴(kuò)充使得數(shù)學(xué)已經(jīng)成為當(dāng)代高科技的一個(gè)重要組成部分和思想庫，數(shù)學(xué)已經(jīng)成為一種能夠普遍實(shí)施的技術(shù)。培養(yǎng)學(xué)生應(yīng)用數(shù)學(xué)的意識(shí)和能力已經(jīng)成為數(shù)學(xué)教學(xué)的一個(gè)重要方面。

面向21世紀(jì)的《義務(wù)教育階段的數(shù)學(xué)課程標(biāo)準(zhǔn)》強(qiáng)調(diào)：“要從學(xué)生已有的生活經(jīng)驗(yàn)出發(fā)，讓學(xué)生親身經(jīng)歷將實(shí)際問題抽象成數(shù)學(xué)模型并進(jìn)行解釋與應(yīng)用的過程，進(jìn)而使學(xué)生獲得對(duì)數(shù)理解的同時(shí)，在思維能力、情感態(tài)度與價(jià)值觀等多方面得到進(jìn)步和發(fā)展?！?/p>

《新標(biāo)準(zhǔn)》要求學(xué)生的數(shù)學(xué)學(xué)習(xí)內(nèi)容應(yīng)當(dāng)是現(xiàn)實(shí)的，有意義的，富有挑戰(zhàn)性的。這些內(nèi)容有利于學(xué)生主動(dòng)地進(jìn)行觀察、實(shí)驗(yàn)、猜測(cè)、驗(yàn)證、推理與交流等數(shù)學(xué)活動(dòng)。有效的數(shù)學(xué)學(xué)習(xí)活動(dòng)不能單純地依賴模仿和記憶。動(dòng)手實(shí)踐、自主探索與合作交流是學(xué)生學(xué)習(xí)數(shù)學(xué)的重要方式。學(xué)生的數(shù)學(xué)學(xué)習(xí)活動(dòng)應(yīng)當(dāng)是一個(gè)主動(dòng)、活潑的、生動(dòng)和富有個(gè)性的過程。在《新標(biāo)準(zhǔn)》首次提到了數(shù)學(xué)模型的概念的同時(shí)嚴(yán)士鍵教授在《數(shù)學(xué)教育應(yīng)面向21世紀(jì)而努力》一文中指出：“分析問題和解決問題通常意味著以下一些環(huán)節(jié)：將實(shí)際問題化成可以處理的但又對(duì)原來的問題有用的數(shù)學(xué)問題，尋找或創(chuàng)造適當(dāng)?shù)慕鉀Q問題的數(shù)學(xué)方法（包括計(jì)算方法），有時(shí)還需要對(duì)問題的解決做一些解釋和討論?！?而分析和解決實(shí)際問題的能力實(shí)質(zhì)就是數(shù)學(xué)建模的能力。從小培養(yǎng)和發(fā)展兒童構(gòu)建、應(yīng)用數(shù)學(xué)模型的意識(shí)和能力是擺在小學(xué)數(shù)學(xué)教師面前的重要課題。

一、對(duì)數(shù)學(xué)建模的認(rèn)識(shí)

（五）有利于培養(yǎng)學(xué)生的創(chuàng)造性思維能力

從方法論角度看，數(shù)學(xué)建模是一種數(shù)學(xué)思想方法，是解決實(shí)際問題的一種強(qiáng)有力的數(shù)學(xué)工具。從具體教學(xué)角度看，數(shù)學(xué)建模是一種數(shù)學(xué)活動(dòng)。作為一個(gè)數(shù)學(xué)活動(dòng)，它不像傳統(tǒng)的練習(xí)數(shù)學(xué)習(xí)題，做出來答案是唯一的。相反，它沒有現(xiàn)成的答案，現(xiàn)成的模式，只能發(fā)揮學(xué)生自己的創(chuàng)造性思維去解決．要有豐富的想象力、聯(lián)想力、洞察力和創(chuàng)造力 數(shù)學(xué)建模的整個(gè)過程就是學(xué)生創(chuàng)造性思維能力的綜合體現(xiàn)。

（六）有利于培養(yǎng)學(xué)生的數(shù)學(xué)應(yīng)用意識(shí)，提高解決實(shí)際問題的能力

數(shù)學(xué)建模向?qū)W生介紹的是實(shí)際問題，如讓學(xué)生自己設(shè)計(jì)春游的路線，安排車輛和午餐，讓學(xué)生幫媽媽上街買菜，到銀行存錢，預(yù)測(cè)中獎(jiǎng)的可能性等，從生活實(shí)際出發(fā)，并適時(shí)地上升到抽象理論，通過觀察、比較、分析、結(jié)合、抽象、概括和必要的邏輯推理，得出數(shù)學(xué)概念和規(guī)律，然后再把它用之于更廣泛的具體內(nèi)容中去，既使學(xué)生受到把實(shí)際問題抽象成數(shù)學(xué)問題的訓(xùn)練，養(yǎng)成用數(shù)學(xué)的思維方法來觀察生活的習(xí)慣，又能使學(xué)生深切感受到數(shù)學(xué)的作用，領(lǐng)悟到數(shù)學(xué)的基本思想方法，提高了解決實(shí)際問題的能力，生活觀察能力、思維創(chuàng)新能力、信息歸納能力、實(shí)際應(yīng)用能力等，使孩子們終身受益。

(七)有利于培養(yǎng)學(xué)生的自學(xué)能力和使用文獻(xiàn)的能力

由于建?；顒?dòng)需要很多知識(shí)，學(xué)生自有的知識(shí)不可能面面俱到；老師也不可能有太多的時(shí)同為其補(bǔ)課．只有通過學(xué)生自己查閱資料，獲得大量的知識(shí)．拓寬知識(shí)面．這樣對(duì)學(xué)生自覺學(xué)習(xí)和積累知識(shí)是一種促動(dòng)，對(duì)其能力的培養(yǎng)也是一個(gè)很好的鍛煉，并提高了學(xué)生使用資料的能力。

（八）有利于提高教師的數(shù)學(xué)素養(yǎng)和綜合素質(zhì)

通過數(shù)學(xué)建模理論的學(xué)習(xí)和研討,有利于提高教師的數(shù)學(xué)素養(yǎng).教師在引導(dǎo)學(xué)生開展數(shù)學(xué)建?；顒?dòng)中，不僅需要擁有系統(tǒng)的數(shù)學(xué)理論知識(shí)，以明確小學(xué)數(shù)學(xué)教學(xué)的重點(diǎn)之所在，而且要注意通過揭示數(shù)學(xué)知識(shí)的抽象過程,讓學(xué)生體驗(yàn)到數(shù)學(xué)的本質(zhì)及其發(fā)展過程，從而掌握“簡(jiǎn)化”的經(jīng)驗(yàn)和技巧。同時(shí)，數(shù)學(xué)建模也和其他學(xué)科有著緊密的聯(lián)系，這就需要老師不斷的提升自己。

三、小學(xué)數(shù)學(xué)建模的方法和途徑

(一)常規(guī)的課堂教學(xué)中滲透建模思想

在常規(guī)的數(shù)學(xué)課堂教學(xué)中，適時(shí)地滲透建模思想，切入應(yīng)用問題或改編教材的習(xí)題，使之更與生活實(shí)際相符合，促進(jìn)學(xué)生“用數(shù)學(xué)”，使學(xué)生所學(xué)知識(shí)更系統(tǒng)、更完善。如在新知識(shí)的引入、鞏固等環(huán)節(jié)，可以用幾分鐘的時(shí)間穿插介紹一個(gè)數(shù)學(xué)應(yīng)用或數(shù)學(xué)建模問題，讓學(xué)生在課堂上通過討論先完成“問題數(shù)學(xué)化”的過程，而把問題的具體求解過程留給課外去完成。如把求周長(zhǎng)的練習(xí)題改成為爸爸挑選一條回家的路線，長(zhǎng)方形的面積問題改成為學(xué)校音樂會(huì)設(shè)計(jì)一個(gè)排位計(jì)劃，統(tǒng)計(jì)初步知識(shí)中“數(shù)據(jù)的收集和整理”可改成讓學(xué)生對(duì)

［1］張思明，中學(xué)數(shù)學(xué)建模教學(xué)的實(shí)踐與探索，［M］北京教育出版社，1998。［2］嚴(yán)士健主編，《面向21世紀(jì)的中國數(shù)學(xué)教育》，江蘇教育出版社，1994年。［3］張奠宙主編，《數(shù)學(xué)教育研究導(dǎo)引》，江蘇教育出版社，1994年。［4］梁小明

吳巧敏《做數(shù)學(xué)中學(xué)數(shù)學(xué)》，《小學(xué)教師》，2002.9。［5］高波《初中數(shù)學(xué)建模教學(xué)的初步構(gòu)想》，《中學(xué)數(shù)學(xué)教與學(xué)》，2002.7。6］葉其孝主編．rf1學(xué)數(shù)學(xué)建模[M]．長(zhǎng)沙：湖南教育出版社，1998。

2015.03.15 ［

第四篇：數(shù)學(xué)建模2011

2011高教社杯全國大學(xué)生數(shù)學(xué)建模競(jìng)賽B題評(píng)閱要點(diǎn)

[說明]本要點(diǎn)僅供參考，各賽區(qū)評(píng)閱組應(yīng)根據(jù)對(duì)題目的理解及學(xué)生的解答，自主地進(jìn)行評(píng)閱。

針對(duì)這個(gè)題目，評(píng)閱時(shí)請(qǐng)注意“數(shù)學(xué)模型、求解方法、結(jié)果與分析”這三個(gè)方面。

數(shù)學(xué)模型：盡量用數(shù)學(xué)語言、符號(hào)和公式表述，優(yōu)化模型要給出明確的決策變量、目標(biāo)函數(shù)和約束條件，表述準(zhǔn)確全面。

求解方法：盡量用數(shù)學(xué)語言對(duì)算法的思路、步驟、數(shù)據(jù)的處理過程、所使用的軟件給出明確的描述。

結(jié)果與分析：要有明確的數(shù)值結(jié)果，表達(dá)簡(jiǎn)明、清晰。

第一部分：

（1）要求明確給出分配各個(gè)交巡警服務(wù)平臺(tái)具體管轄范圍的數(shù)學(xué)模型和具體的管轄范圍（一般指路口，也可考慮相關(guān)道路）。合理性主要體現(xiàn)在兩個(gè)方面：所有平臺(tái)最長(zhǎng)出警時(shí)間盡可能短，且它們的工作量（每天的出警次數(shù)）盡量均衡，優(yōu)秀論文中應(yīng)該給出這兩個(gè)量化指標(biāo)。

參考結(jié)果：最大出警時(shí)間大于3分鐘的有6個(gè)路口，最長(zhǎng)出警時(shí)間約為5.7分鐘；同時(shí)應(yīng)有工作量均衡性的度量指標(biāo)。

（2）要求給出決定對(duì)13個(gè)路口實(shí)施封鎖的數(shù)學(xué)模型，通過求解模型，具體給出13個(gè)目標(biāo)路口各由哪一個(gè)平臺(tái)實(shí)施封鎖，以及對(duì)每個(gè)路口的封鎖時(shí)間和完成封鎖的最大時(shí)間。

參考結(jié)果：最優(yōu)方案的最大的封鎖時(shí)間約為8分鐘。

（3）模型應(yīng)該考慮增設(shè)平臺(tái)后，使其減少最大出警時(shí)間與各平臺(tái)間工作量的均衡性效果，要具體給出需增加新平臺(tái)的個(gè)數(shù)和位置，且給出其定量依據(jù)。

第二部分：

（1）應(yīng)該根據(jù)最大出警時(shí)間和工作量的均衡性這兩個(gè)因素建立模型，求解給出最大出警時(shí)間和工作量均衡性的具體指標(biāo)，分析現(xiàn)有平臺(tái)設(shè)置方案的合理性。依據(jù)這些結(jié)果，對(duì)明顯不合理的提出改進(jìn)方案：如增加平臺(tái)或移動(dòng)平臺(tái)，都必須要有具體的平臺(tái)數(shù)量和位置，且闡述這樣做的理由和定量依據(jù)。

（2）要求給出能封鎖住嫌疑人的數(shù)學(xué)模型，并給出算法和具體結(jié)果。

能封鎖住的基本約束條件是：“出事地點(diǎn)到將要封鎖的路口所需時(shí)間加3分鐘大于等于指派平臺(tái)到封鎖路口的所需時(shí)間”。在這個(gè)約束條件之下給出最優(yōu)封鎖方案。

第五篇：數(shù)學(xué)建模

第一篇 我的大學(xué)職業(yè)生涯規(guī)劃

作為當(dāng)代大學(xué)生，若是帶著一臉茫然，踏入這個(gè)擁擠的社會(huì)怎能滿足社會(huì)的需要，使自己占有一席之地？每當(dāng)人類經(jīng)過一次重大變革，總是新的機(jī)會(huì)在產(chǎn)生，有的機(jī)會(huì)在消失。只有那些先知先結(jié)的人才能抓住機(jī)會(huì)走向成功，而那些抱著舊觀念不放的將會(huì)被社會(huì)所淘汰。在茫茫人海中，如何能先拔頭籌，就看你是否準(zhǔn)備充分了，所以，對(duì)自己個(gè)人職業(yè)生涯規(guī)劃做個(gè)適當(dāng)?shù)囊?guī)劃是很有必要的。有了目標(biāo)，才會(huì)有動(dòng)力！

一、自我分析

1.價(jià)值觀

我崇尚自由自在的生活，不喜歡被拘束。舒服安逸富裕的生活，是我的向往。從小就被教育要有團(tuán)體合作精神，所以我一直認(rèn)為，人最可貴的就是能團(tuán)結(jié)合作，全力以赴。這樣可以做到事半功倍。

我的職業(yè)價(jià)值觀（進(jìn)行過職業(yè)價(jià)值觀測(cè)試）：工作的目的和價(jià)值,在于不斷創(chuàng)新,不斷取得成就,不斷得到領(lǐng)導(dǎo)與同事的贊揚(yáng)或不斷實(shí)現(xiàn)自己想要做的事..獲得優(yōu)厚的報(bào)酬,使自己有足夠的財(cái)力去獲得自己想要的東西,使生活過得較為富足。希望一起工作的大多數(shù)同事和領(lǐng)導(dǎo)人品較好,相處在一起感到愉快，,是一種極大的滿足。是一種極大的滿足。

2.性格

我是一個(gè)喜歡不被束縛的開朗女孩，喜歡讀書，看電影。開朗，幽默,樂觀的。也很率性。喜歡交朋友,擅長(zhǎng)于與人溝通，人際關(guān)系佳，忠實(shí)可靠。

3.興趣

平常喜歡打籃球,聽音樂，逛街，交朋友。還喜歡上網(wǎng)，看些小說，喜歡看各種雜志類書籍。積極的培養(yǎng)各方面的興趣，比如學(xué)吉他，對(duì)辯論方面的知識(shí)也很想去了解,想成為全方面人才。

4.能力

計(jì)算機(jī)應(yīng)用，office軟件應(yīng)用,聽從指揮，有計(jì)劃有思考的去完成一件任務(wù)。有責(zé)任心，上進(jìn)心，做事認(rèn)真投入,擅長(zhǎng)想象思維?？梢猿浞职l(fā)揮善于運(yùn)用抽象思維、邏輯推理等能力來分析解決問題的優(yōu)勢(shì)，發(fā)揚(yáng)獨(dú)立鉆研的學(xué)習(xí)精神。由于參加學(xué)生會(huì)和長(zhǎng)期擔(dān)任班干部,有豐富得管理經(jīng)驗(yàn),實(shí)踐能力強(qiáng)。但缺乏耐心、毅力。

5.職業(yè)興趣

我的職業(yè)興趣很廣泛，由于我是學(xué)管理的,對(duì)管理方面的知識(shí)比較了解,可以學(xué)以致用。希望能夠在企業(yè)人事行政管理方面有所發(fā)展,自我表現(xiàn)和體現(xiàn)我的價(jià)值所在。

6.職業(yè)個(gè)性

喜歡獨(dú)立地計(jì)劃自己的活動(dòng)和指導(dǎo)別人的活動(dòng)，在獨(dú)立的和負(fù)有職責(zé)情景中感到愉快，喜歡對(duì)將來發(fā)生的事情作出決定,想努力成位一位優(yōu)秀的領(lǐng)導(dǎo)者。在工作中形成一定個(gè)人魅力，得到大家的肯定及尊重。軟硬兼用,以身作則。對(duì)自己未來有信心。

7.職業(yè)價(jià)值觀

希望工作以團(tuán)隊(duì)合作的方式進(jìn)行，大多數(shù)同事和領(lǐng)導(dǎo)在工作中有融洽的人際關(guān)

系，相處在一起感到愉快、自然，認(rèn)為這就是很有價(jià)值的事。重視工作中人與人之間的關(guān)系，希望能建立良好的同事關(guān)系。愉快、協(xié)調(diào)的團(tuán)隊(duì)協(xié)作是我這種類型的人所追求的。

第二篇 我的未來規(guī)劃

從上大學(xué)后就一直處在困惑之中，時(shí)常問自己：“到底我的人生之路將如何？我的人生之路將如何走下去？怎樣才能使自己一生無悔呢？” 一位哲人這樣說過：“走好每一步，這就是你的人生”。是啊，人生就是一個(gè)不斷選擇的過程，每走一步自己都要做出選擇，同時(shí)每個(gè)人都在設(shè)計(jì)自己的人生，都在實(shí)現(xiàn)自己的夢(mèng)想.人生之路說長(zhǎng)也長(zhǎng)，因?yàn)樗亲约阂簧饬x的詮釋；人生之路說短也短，因?yàn)樽约荷钸^的每一天都是自己的人生。在這世界我就像一棵很不起眼的小樹，可是小樹也有它的理想，為了讓小樹能夠更好的實(shí)現(xiàn)自己的理想,長(zhǎng)成參天大樹。于是對(duì)自己做出以下一生的規(guī)劃，以便于時(shí)常提醒自己不要忘記目標(biāo)。

其實(shí)我自己對(duì)經(jīng)濟(jì)就比較感興趣，希望在大學(xué)能夠?qū)W經(jīng)濟(jì)管理之類的專業(yè)，但由于父母認(rèn)為我的性格不適合，所以在選擇專業(yè)的時(shí)候選擇經(jīng)濟(jì)與法學(xué)（國際經(jīng)濟(jì)與貿(mào)易）。

一、具體行動(dòng)計(jì)劃

1、學(xué)業(yè)方面：

可以說對(duì)自己這學(xué)期的表現(xiàn)很不滿意。但另一方面，也總結(jié)了一些大學(xué)里的學(xué)習(xí)方法，對(duì)以后的學(xué)業(yè)方面還是比較有信心的。

具體的說，今后首先要保證聽課的質(zhì)量，這樣才是最有效的學(xué)習(xí)方法。

認(rèn)真的上好每一堂課，做好每一次筆記。做到不遲到，不曠課，按時(shí)完成老師布置的任務(wù)。

2、日語學(xué)習(xí)：

然真的上好每一堂日語課，每天要被日語單詞，記甲名，多讀多練習(xí)，既然選擇了就要堅(jiān)持到底，雖然日語很難學(xué)，但是不可以讓家里的人失望，不可以對(duì)不起自己，所以要加油！

3、其他活動(dòng)：

有時(shí)間去做一些有意義的商業(yè)演出活動(dòng)，在當(dāng)中可以學(xué)到很多東西，順便鍛煉寫自己的能力，提高自己的水平。

4、豐富自己的業(yè)余生活：

Work hard，play harder！

學(xué)習(xí)或工作不再狀態(tài)的時(shí)候要適當(dāng)放松，去玩一玩。玩的時(shí)候就不去想沒有完成的工作。不去想那些不開心的事情，不讓自己那么的心煩。放松的時(shí)候可以找朋友區(qū)逛逛街，或者喝喝奶茶。好好的調(diào)整自己，不開心的總是會(huì)過去的。呼吸一下新鮮空氣，一切都會(huì)好的，加油！

5、人際交往

遇到問題多和人溝通，多向人請(qǐng)教，相信別人都是愿意幫助自己的。做好自己，認(rèn)真待人，多對(duì)人微笑。

二、結(jié)語

堅(jiān)持久是勝利！

一篇規(guī)劃寫下來發(fā)現(xiàn)一切都那么美好，實(shí)現(xiàn)起來卻不容易。雖說不容易，但其實(shí)也簡(jiǎn)單——不過是堅(jiān)持。相信我可以度過充實(shí)而美好的大學(xué)生活。當(dāng)眼淚要?jiǎng)澾^臉龐，我要微笑的拿手抹掉。當(dāng)悲傷來襲，我要告訴自己一切都會(huì)好的，一切都會(huì)過去的。要相信明天會(huì)更好。相信我可以美好的度過大學(xué)的生活！明天,加油！