學生成績差異性分析數學建模

Ⅰ 在數學建模中如何做各個指標的差異分析

用lingo裡面的靈敏度分析，如果是用的方差分析，也可以用spss察看差異分析

Ⅱ 數學建模，關於學生成績與玩手機的關系，准備期末考試了，急急急！求助各位大佬！

數學成績與玩手機是成反比例關系：已知時間一定，玩手機的時間多，則學習數學的時間少，掌握數學知識就少，考試成績就低；玩手機時間少，則學習數學的時間多，掌握數學知識就多，考試成績就高。
答題完畢，不知你滿意否？

Ⅲ 數學建模中 有無顯著性差異 一般用什麼方法

一個是看方差
一個是做線性回歸的看有無明顯偏離的結果

Ⅳ 關於學生成績管理的數學建模答案

可以考慮一下層次分析法

Ⅳ 數學建模，如何客觀，合理的評價學生學習狀況

評價學生學習狀況的目的是通過了解學生在校基本的學習情況，便於因材施教和學生個性化培養，使學生共同進步。然而，現行的評價方法單純的以學生的考試成績作為衡量學生學習狀況的依據，忽略了由於諸多因素導致的個體學生基礎條件差異的現實，很難對基礎較差和吸收能力慢的學生起到促進作用。本文根據六百多名學生四個學期的綜合成績，採用主成份分析法，科學、合理的評價這些學生的學習狀況，為高校學生的學習狀況評價提供參考。
一、學習狀況評價分析
要想科學、合理的評價學生的學習狀況,不僅要參考學生學習狀況的平均值，還必須參考學生成績的進退、穩定性和基礎影響等一系列因素，然後依據成熟的評價分析演算法進行綜合評價。
二、學習狀況評價前提
(1)假設學生並未適應新的學習環境，把第一學期成績作為學生的基礎情況。
(2) 假設學生之間的成績互不影響，學生之間的成績不存在明顯的關聯性。
(3) 假設學生本身的學習狀態作為學生的成績主要影響因素。
三、計算公式的符號說明
j：每個學期的成績平均值；i：所有學期的成績平均值；sj：第j學期的成績方差；v1：偏度；v2：峰度；R：相關系數的計算矩陣；dq（x,y）：Minkowski 距離；Mtw：第t學期的加權移動平均數；p(k)：級比偏差；λ(k)：級數比；
四、學習狀況評價的模型建立與求解
通過主成份分析可以用較少的變數去解釋原來資料中的大部分變異, 將我們手中許多相關性很高的變數轉化成彼此相互獨立或不相關的變數.通常是選出比原始變數個數少，能解釋大部分資料中的變異的幾個新變數，即所謂主成分，並用以解釋資料的綜合性指標.由此可見，主成分分析實際上是一種降維方法。
（一）基本思想及方法
如果用x1,x2…xp表示p門課程,c1,c2,…，cp表示各門課程的權重,那麼加權之和就是s=c1x1+c2x2+…+cpxp
我們希望選擇適當的權重能更好的區分學生的成績.每個學生都對應這樣的綜合成績,記為s1，s2，sn,n為學生人數.如果這些值很分散,表明區分得很好,即是說,需要尋找這樣的加權,能使盡可能的分散,下面來看它的統計定義。
設X1，X2，…，Xp表示以x1,x2,…,xp為樣本觀測值的隨機變數,如果能找到c1,c2,…,cp,使得Var(c1X1+c2X2+cpXp)的值達到最大，則由於方差發映了數據的差異程度，因此也就表明我們抓住了這變數的最大變異.當然，（1）式必須加上某種限制，否則權值可選無窮大而沒有意義，通常規定c+c+…c=1。
在此約束下，求（1）式的最優解。由於這個解是p-維空間的一個單位向量，它代表一個「方向」，它就是通常所說的主成份方向。
一個主成份不足以代表原來的p個變數,因此需要尋找第二乃至第三、第四主成份,第二個主成份不應該在包含第一個主成份的信息,統計上的描述就是讓這兩個主成份的協方差為零,幾何上就是讓這兩個主成份的方向正交.
（二）模型求解
1、提取612名學生成績的特徵向量
由於現行的評價方式單純的根據「絕對分數」評價學生的學習狀況，忽略了基礎條件的差異,從而導致只對基礎條件較好的學生起到促進作用，對基礎條件相對薄弱的學生很難起到鼓勵作用.我們除了提取平均成績作為特徵向量外，還應提取能反映學生進退步情況，入學時基礎的影響的特徵向量。
記（xi1,xi2,xi3,xi4）,i=1,2…,n，為n(這里n=612)名學生的四個學期的成績
定義特徵向量:x1=i=xij平均成績：x2=s=(xij-i)2
表示學生的成績方差：x3=xi1,為學生第一學期成績,近似認為是入學成績。
x4=,表示四學期平均成績比入學成績的提升比例，
其中,m=4,i=1,2,3,…612
2、對原始數據進行標准化處理
將各觀測值xij轉化成標准化值ij=(i=1,2,…，n；j=1,2,3,4)
3、計算相關系數矩陣R
相關系數矩陣R=（rij）mxm式中rii=1,rij=rji,rij是xi與xj的相關系數。
rij=,(i,j=1,2,3,4)
4、計算特徵值和特徵向量
計算的相關系數矩陣的4個特徵值分別為
λ1=2.3263，λ2=1.1167,λ3=0.5472,λ4=0.0098
四個主成份分別為
1=（1，2，3，4，）・ф1
2=（1，2，3，4，）・ф2
3=（1，2，3，4，）・ф3
4=（1，2，3，4，）・ф4
得到總得分y=-0.47131+0.25472-0.17673-0.34164，
（三）結論分析
我們依據y值對學生進行全方面評價,評價詳細排名見附表1.我們認為綜合得分越小學生表現越好,並與只依據平均分進行的評價作比較.例如我們分析排名前3名和後3名的學生得分
表2 綜合評價排名

結合原始數據,我們看到經主成分綜合評分在前列的學生不僅平均成績高,成績穩定，還有一定的進步幅度和；排在後列的幾名學生則平均分低，成績或起伏太大，或下降幅度太大.通過比較,傳統的按照平均分對學生進行的評價方式不夠全面.
總結
本文通過合理的考慮學生的入學基礎、成績穩定性、進步情況等因素綜合起來對個體學生進行評價。利用主成分分析法得到各個特徵的權值，,根據得出的學生綜合得分對學生的學習狀況進行了科學合理的評價分析。

Ⅵ 數學建模：高中班級成績分析與預測，設計一個評價標准或公式，分析班同學的強勢學科和弱勢學科，急急急！

根據高中所學知識，可以用均值和方差來建模：
首先，每個同學每科成績剃掉一個版最高分一個最低分（發揮超權常和發揮失誤，極大影響均值）
每個同學均值高的學科為強勢學科；均值一樣的，方差小的為強勢。這樣就可以把每個同學的學科排序。
按照這樣的均值求出總分，就可以預測誰能考上一本。
所謂的提高一本上線人數，就是要把均值沒過線的同學的成績提升上來，就要提高弱勢學科的平均成績，減小各科成績的方差。

Ⅶ 數學建模里需要對大量成績數據進行分析評價，應該建立什麼模型用什麼方法

這個跟學校無關吧

Ⅷ 數學建模成績的影響因素有哪些

建模的成績主要是看你論文的好壞。論文中應主要由以下九方面：問題提版出、問題假設、符號權說明、問題分析、模型建立、模型求解、評價推廣、參考文獻、附錄。另外在這九方面之前還要有摘要，是論文全過程的一個簡化，是重中之重，佔分很大。其他9方面也各有一定比重，缺少的話一定會被扣分的。希望對你有所幫助。