数学建模戒烟问题.pdf

《数学建模戒烟问题.pdf》由会员分享，可在线阅读，更多相关《数学建模戒烟问题.pdf（29页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、.-20142014 高教社杯全国大学生数学建模竞赛高教社杯全国大学生数学建模竞赛承承诺诺书书我们仔细阅读了全国大学生数学建模竞赛章程和全国大学生数学建模竞赛参赛规则（以下简称为“竞赛章程和参赛规则”，可从全国大学生数学建模竞赛下载）。我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括、电子、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。我们知道，抄袭别人的成果是违反竞赛章程和参赛规则的，如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。我们重承诺，严格遵守竞赛章程和参赛规则，以保证竞赛的公正

2、、公平性。如有违反竞赛章程和参赛规则的行为，我们将受到严肃处理。我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。我们参赛选择的题号是（从 A/B/C/D 中选择一项填写）：B 题我们的参赛报名号为（如果赛区设置报名号的话）：79所属学校（请填写完整的全名）：理工大学参赛队员(打印并签名)：1.2.3.指导教师或指导教师组负责人(打印并签名)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。以上容请仔细核对，提交后将不再允许做任何修改。如填写错误，论文可能被取消评奖资格。）日期：2014

3、年 9 月 3 日-可修编-.-赛区评阅编号（由赛区组委会评阅前进行编号）：可修编-.-20142014 高教社杯全国大学生数学建模竞赛高教社杯全国大学生数学建模竞赛编编 号号 专专 用用 页页评阅人评分备注赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：全国统一编号（由赛区组委会送交全国前编号）：全国评阅编号（由全国组委会评阅前进行编号）：-可修编-.-摘要本文针对戒烟和各种相关因素关系，解决影响戒烟成功的因素有哪些的问题，我们利用 Excel，spss，Matlab 软件对相关数据进行分析，利用主成分分析法、层次分析法建立模型，并进行可靠性检验，得到影响戒烟

4、成功的重要因素，对有志于戒烟的人士提供戒烟对策和建议。针对问题一，首先观察数据发现数据残缺，运用 spss 中缺失值替换的线性插值法将缺失数据补充完整。然后求出在不同年龄段、不同性别、不同调整 CO 浓度下、不同每日抽烟数的条件下的发病累加率，并运用Excel，Matlab，Spss 的等软件做出图像，结合图像对发病累加率的分布进行分析，得到累加发病率的基本趋势为随着每日抽烟数和调整 CO 浓度的增加而提高，男性比女性的累加发病率略低。针对问题二，首先用spss做其它各变量与戒烟天数的相关性分析，得到显著性（双侧）值，CO浓度和戒烟天数0.01水平显著相关，距离最后一支烟的分钟数和调整的CO浓

5、度与戒烟天数0.05水平显著相关；然后，根据题意，CO浓度和距离最后一支烟的分钟数共同影响调整的CO浓度；可以得到每日抽烟数和调整的CO浓度会影响戒烟时间（天数）长短。最后，对相关变量的数据进行分组，在不同区间对戒烟天数求平均值，然后用spss回归分析中曲线估计对数据进行拟合，再用MATLAB拟合求回归方程中系数的置信区间来分析拟合效果。得到每日抽烟和戒烟天数的回归方程为3y 278.63322.711x30.760 x230.008x3，R2=0.948，F=12.038，Sig=0.078，可得拟合效果较好；调整的CO浓度和戒烟天数的回归方程为23y 117.306 6.436106x41

6、.784108x4，R2=0.785，F=12.799，Sig=0.005，拟合的较好。针对问题三，我们认为 CO 浓度和距抽最后一支烟的分钟数是来控制调整 CO 浓度的，这两个因素可以用调整 CO 浓度说明，因此在考虑戒烟成功主要因素时没有针对这两个因素讨论，那么可以假定戒烟成功受年龄，性别，每日抽烟数以及调整 CO 浓度影响。就这四个因素建立层次分析，探究每个因素对戒烟成功的影响。先用主成分分析法对影响因素探究，再运用层次分析法，根据主成分分析得到的累计贡献率来建立判断矩阵，并算出各成分的权向量。结果显示影响戒烟成功的因素主要为每天抽烟数，调整CO 浓度和年龄。其比重分别为37.15%，2

7、5.00%，23.22%。通过一致性检验，判断矩阵具有满意一致性，可以为模型提供可靠分析。针对问题四，我们根据前三问所得结果向有志于戒烟的人士提供相应的戒烟对策及建议，撰写的报告具体见 5.4 问题四的求解。-可修编-.-关键字：线性插值法相关性分析回归分析主成分分析层次分析法-可修编-.-一、问题的重述众所周知，吸烟不仅危害自身健康，而且由此引起的被动吸烟更是危害公众身心健康的主要原因。为此，如何帮助相关人士摆脱烟瘾的困扰也就成为一个重要的研究课题。本文研究数据涉及 234人，他们都自愿表示戒烟但还未戒烟。在他们戒烟的这一天，测量了每个人的CO（一氧化碳）水平并记下他们抽最后一支烟到CO测定

8、时间.。CO的水平提供了一个他们先前抽烟数量的客观指标，但其值也受到抽最后一支烟的时间的影响,因此抽最后一支烟的时间可以用来调整CO的水平。记录下研究对象的性别、年龄及自述每日抽烟支数。这个调查跟踪1年,考察他们一直保持戒烟的天数,由此估计这些人中再次吸烟的累加发病率,也就是原吸烟者戒烟一段时间后又再吸烟的比例.其中假设原烟民戒烟的可信度是很低的（更恰当地说多数是再犯者）戒烟天数是从 0到他（她）退出戒烟或研究截止时间（1年）的天数。假定他们全部没有人中途退出研究。请回答下列问题：1）试分析上述234人中再次吸烟的累加发病率分布情况（如不同年龄段、不同性别等因素下的累加发病率分布情况）。2）你

9、认为年龄、性别、每日抽烟支数及调整的CO浓度等因素会影响戒烟时间（天数）长短吗？如果影响请利用附录中的数据，分别给出戒烟时间与上述你认为有影响的因素之间的定量分析结果。3）请利用附录中的数据建立适当的数学模型，讨论影响戒烟成功的主要因素有哪些，并对你的模型进行可靠性分析。4）请根据你的模型，撰写一篇 500 字左右的短文，向有志于戒烟的人士提供戒烟对策和建议。二、模型的假设1、原烟民戒烟天数不足 365 天的数据都是可靠的；2、原烟民戒烟的可信度很低，可以说他们多数是再犯者；3、自愿者中全部没有人中途退出研究。三、符号说明符号x1x21x3x4符号说明年龄性别每日抽烟数调整的 CO 浓度戒烟天

10、数权向量一致性指标随机一致性指标一致性比率最大特征根ywCIRICRmax-可修编-.-四、问题的分析4.1 问题一的分析针对问题一，首先对缺失数据进行补充，然后求出在不同因素下，不同年龄段、不同性别、不同每日抽烟数、不同调整 CO 浓度条件下的累加发病率的分布情况，并作出图表，进行分析。4.2 问题二的分析针对问题二，首先对其它各变量与戒烟天数的相关性分析，得到和戒烟天数相关的变量，然后根据题意，得到会对戒烟天数长短的变量。对相关变量的数据进行分组处理，求不同区间戒烟天数的平均值，把组距中间值作为那一组的数值，用 spss 和 MATLAB对数据进行处理得到相关变量和戒烟天数的定量分析结果。

11、4.3 问题三的分析我们认为 CO 浓度和距抽最后一支烟的分钟数是来控制调整 CO 浓度的，这两个因素可以用调整 CO 浓度说明，因此在考虑戒烟成功主要因素时没有针对这两个因素讨论，那么可以假定戒烟成功受年龄，性别，每日抽烟数以及调整 CO 浓度影响。就这四个因素建立层次分析，探究每个因素对戒烟成功的影响。五、模型的建立与求解5.1 问题一的求解5.1.1 问题一模型的建立观察附录可以发现，附录中所给数据缺失，为了更加全面的进行分析，首先我们使用中缺失值分析命令对于数据进行分析，结果如下。表5.1.1列表均值列表均值案例数目224Min_last177.31LogCOadj1397.48CO2

12、57.37列表协方差列表协方差Min_lastLogCOadjCOMin_last91053.229-27.307-20993.635LogCOadjCO41300.91422198.70818998.861-可修编-列表相关性列表相关性Min_lastMin_last1LogCOadjCOa a.-LogCOadj.00011CO回归均值回归均值Min_last179.58LogCOadj1399.76CO258.04a aCO回归协方差回归协方差-.505.792Min_lastLogCOadjCOMin_last94546.889-957.708-20909.166LogCOadj401

13、65.31521649.54018918.215a.将随机选中的案例的残差添加到各个估计。a.将随机选中的案例的残差添加到各个估计。回归相关性回归相关性a aMin_lastLogCOadjCOMin_last1-.016-.494LogCOadjCO1.7851a.将随机选中的案例的残差添加到各个估计。所给数据缺失率为 0.0446，缺失率较小，可以利用 spss 进行补充，然后使用缺失值替换命令进行数据的补充，经过对已有数据的分析，决定使用线性差值法进行补充，补充后数据见附表。为了直观得了解所有 234 人的总体戒烟情况，作出如下散点图：图 5.1.1Day_abs400350300Day

14、_abs2502001501005000100200Id300400Day_abs由图 5.1.1 看出，被调查的 234 人多数经过很短时间后又再次抽烟，只有少数人戒烟天数达到 365 天，只占总人数的 14.10，本文假设在研究截止时间没有再抽烟的烟民戒烟成功，所以累加发病率的具体定义为戒烟天数小于 365 的烟民数量占研究样本总人数的比例，本文据此对在不同性别、年龄、每日抽烟数、调整后 CO 浓度的情况下对累加发病率进行比较和分析。首先运用 spss 做出男性与女性吸烟者的戒烟天数频率分布图，并求出男性与女性的累加发病率，做出图像，图表如下。图 5.1.2-可修编-.-表 5.1.2性别

15、男女图 5.1.30.8750.8700.8650.871成功戒烟人数1716总人数110124累加发病率0.8450.871累加发病率0.8600.8550.8500.8450.8400.8350.830系列1男0.845女0.8710.845系列1由图 5.1.2 看出男性与女性再次吸烟的累加发病率分布情况相差不大，而由表5.1.1 可以发现男性累加发病率为 0.845，略低于女性的 0.871。年龄：通过对所给数据进行分析可以得到参与研究人员的年龄跨度为 2272，所以本文将所有参与研究人员的年龄分为 6 段，分别为2029、3039、4049、5059、6069、7079，经过统计可以

16、得到不同年龄段的累加发病率的分布，如图所示。表 5.1.3年龄段20-2930-3940-49成功戒烟人数4118总人数446457累加发病率0.910.830.86-可修编-.-50-5960-6970-7971147175图 5.1.4累加发病率0.850.940.801.000.950.940.910.830.860.85累加发病率0.800.800.750.7020-30-40-50-60-70-293949596979年龄段累加发病率0.900.85通过表 5.1.3 和图 5.1.1 可以看出 30-59 年龄段的累加发病率较低，70 岁以上的被研究者累加发病率最低，60-69 年

17、龄段的被研究者的累加发病率最高。每日抽烟数：首先用 Matlab 做出每日抽烟数跟戒烟天数的散点图图 5.1.5通过对数据的分析可发现每日抽烟数的跨度为 290，所以将每日抽烟数分为 7 个档次，分别为110、1120、3140、4150、5160、60 以上，求出其累加发病率，并做成图表，如下。表 5.1.4每日抽烟数戒烟人数110112021303140410124总人数17817237累加发病率0.7650.8770.8330.892-可修编-.-4150516060 以上102872图 5.1.60.8751.0000.0001.2001.000累加发病率1.0000.8770.765

18、0.8330.8920.8750.8000.6000.4000.2000.000系列10.000110 1120213031404150516060以上每日抽烟数/根通过观察图表可得，每日抽烟数60 以上的样本数过少具有偶然性，所以在分析时，可适当忽略，由图表可以看出，基本趋势为每日抽烟数越多则累加发病率越高。调整 CO 浓度：首先用 Excel 做出调整 CO 浓度跟戒烟天数的散点图，如下图。图 5.1.7系列1400350300戒烟天数25020015010050005001000150020002500通过对数据的分析可以得到调整 CO 浓度的跨度为 6821951，所以将调整 CO 浓

19、度分为 7 个区段，分别为 600-799、800-999、1000-1199、1200-1399、1400-1599、1600-1799、1800-2000，求出其累加发病率,并做成统计图，图表如下。表 5.1.5调整的CO浓度成功戒烟人数 总人数600-799800-99912110累加发病率0.0000.800调整后的CO浓度-可修编-.-1000-11991200-13991400-15991600-17991800-20002101530197398312图 5.1.80.8950.8630.8470.9031.000通过图表可以发现累加发病率的趋势是随着调整后 CO 浓度的增加而提

20、高。5.2 问题二模型的建立与求解5.2.1 问题二模型的建立由图 5.1.2 可以看出戒烟天数的长短与性别的关系不明显，由 spss 软件得到它们的相关系数为 0.006，所以可以认为戒烟天数和性别无关。由spss中双变量相关系分析得到的每个变量之间的相关性数据（见附表），得到变量Age、Gender、Cig_Day、CO、Min_last、LogCOadj和戒烟天数的显著性（双侧）值分别为0.458、0.925、0.686、0.002、0.019、0.037。表5.2.1相关变量与戒烟天数的相关性变量AgeGenderCig_DayCOMin_last显著性（双侧）值相关性0.4580.9

21、250.6860.0020.019不相关不相关不相关0.01水平显著相关0.05水平显著相关0.05水平显著相关LogCOadj0.037根据题意变量CO和Min_last可得到LogCOadj。LogCOadj水平提供了一个自愿者们先前抽烟数量的客观标准，在一定程度上，LogCOadj和Cig_Day有一定的关系。由此，我们可以主观的认为每日抽烟数和调整的CO浓度能影响戒烟时间的长短。戒烟天数为365的虽然不能确定其以后会抽烟，但是，他们已经坚持了365天，我们要研究-可修编-.-影响因素与戒烟时间的定量分析，就不能忽略365天的数据。我们分别对每日抽烟数和调整的CO浓度和戒烟天数的数据进行

22、处理。由上表可得每日抽烟数的围为2，90,我们对每日抽烟数以10为组距在1，90分组，处理后的数据为表5.2.2每日戒烟数和戒烟天数统计表戒烟总每日抽烟数组距中间值天数总人数1-105.530431711-2021-3031-4041-5051-6061-7071-8081-90用Excel可以得到下图图5.2.1每日抽烟数和戒烟天数折线图每日抽烟数和戒烟天数400.0350.0300.0戒烟天数戒烟天数均值179.066.683.471.686.128.6365.00.0365.015.525.535.545.555.565.575.585.5539560042651689200365036

23、581723787101250.0200.0150.0100.050.00.02030405011213141516061-7071-8081-90101戒烟天数由图 5.2.1 可以看出61,90的两个点均为戒烟天数为 365 天的，偏离了图形正常的趋势，这两个点只能说明个别情况，不能代表整体趋势，所以把这两个点删除后再处理数据。表 5.2.3 删除后每日戒烟数和戒烟天统计表每日抽烟数1101120213031404150组距中间值5.515.525.535.545.5戒烟天数均值179.066.683.471.686.1每日抽烟数-可修编-.-516055.528.6用 spss 中曲线估

24、计进行拟合，分析后得到立方拟合效果最好。此时R2=0.948，F=12.038，Sig=0.078。用 spss 得到拟合的图形，如下：图 5.2.2表 5.2.4 每日抽烟数和戒烟天数相关分析表模型汇总和参数估计值因变量:戒烟天数模型汇总方程三次R 方.948F12.038df13df22Sig.常数参数估计值b1b2.760b3-.008.078278.633-22.711自变量为每日抽烟数。由表5.2.4得到每日抽烟数和戒烟天数的回归分析方程式：3y 278.63322.711x30.760 x230.008x3（5-1）用 Matlab 求出参数的置信区间参数常数b1b2b3表 5.2

25、.5参数估计值278.633-22.7110.760-0.008参数置信区间(115.2,442.1)(-46.27,0.8484)(-0.1359,1.656)(-0.01748,0.001903)R2=0.761314F=25.9115P=0.000653633可以看出每日抽烟数和戒烟天数在整体上呈负相关，调整的 CO 浓度与戒烟天数的定量分析图 5.2.3 调整的 CO 浓度值从小到大散点图-可修编-.-调整的CO浓度250020001500调整的CO浓度10005000由上图和调整的 CO 浓度频率表可得其在682，1951分布均匀。我们在600,1999按组距为 200表 5.2.6

26、调整的CO浓度组距中间值戒烟总天数总人数平均值600-799800-9991000-11991200-13991400-15991600-17991800-1999699.5899.51099.51299.51499.51699.51899.5365889130067577815157511110197398312365.088.968.492.679.750.85.5050100150200250我们用spss曲线估计拟合得到二次的R方为0.771且为最大值。此时F值为5.044较小，Sig值为0.110较大，拟合的不好。模型汇总和参数估计值因变量:戒烟天数模型汇总方程二次R 方.771F5

27、.044df12df23Sig.110常数1141.496参数估计值b1-1.581b2.001自变量为调整的CO浓度。图 5.2.4-可修编-.-所以我们绝定取组距为 100，在681，1980分 13 组进行处理。表 5.2.7调整 CO 浓度6817807818808819809811080108111801181128012811380138114801481158015811680168117801781188018811980组距中间值730.5830.5930.51030.51130.51230.51330.51430.51530.51630.51730.51830.51930.

28、5图 5.2.5戒烟天数均值365124.6733.25104.6358.18115.3481.9489.7473.2852.92.13357-可修编-.-此时 R 方为 0.530，F 值为 5.646，Sig 值为 0.023，R 方较小，我们考虑到可能是戒烟天数为 365 天数据的存在造成的影响比较大，因为题目中假设原烟民戒烟的可信度是很低的，在 234 个数据中戒烟天数为 365 天的数据为 33，其频率为 0.141，所以戒烟天数为 365 天的只是一少部分人，不能代表整体，我们将681,780区间戒烟天数平均值为365 的数据删除，再把偏离总趋势较大的点删除后进行处理。图 5.2.

29、6此时用spss曲线估计拟合得到三次的R方为0.785且为最大值。此时F值为12.799，Sig值为0.005较大，拟合的较好。由spss得到的参数估计值，可以得到调整的CO浓度和戒烟天数的回归分析方程式：23y 117.306 6.436106x41.784108x4（5-2）由 Matlab 得到参数的置信区间见下表：表 5.2.8参数参数估计值常数b2b3117.3066.43610-6-1.78410-8参数置信区间(-504.3,1693)(-0.001076,0.002752)(-6.782e-7,2.446e-7)R2=0.785 F=12.799P=0.005可以看出调整的 C

30、O 浓度和戒烟天数呈负相关。5.3 问题三模型的建立与求解我们认为戒烟天数达到 365 天的为戒烟成功，抽取出所有戒烟达到 365 天的数据，根据成功戒烟的数据分析影响因素。根据一、二问结论，我们假定戒烟成功受年龄，性别，每日抽烟数以及调整 CO 浓度影响为消除不同变量的量纲的影响，且不改变变量的相关系数，首先需要对变量进行标-可修编-.-准化处理，标准化处理可通过 spss 实现。我们忽略其他因素对戒烟成功的影响，认为年龄，性别，每日抽烟数以及调整 CO浓度为影响戒烟成功的主成分，相应的主成分特征值和累计贡献利率如下表：表5.3.1解释的总方差初始特征值方差成份1234合计1.4861.00

31、0.929.585的%37.15525.00223.22114.623累积%37.15562.15685.377100.000合计1.4861.000.929.585提取平方和载入方差的%37.15525.00223.22114.623累积%37.15562.15685.377100.000合计1.0011.0001.000.999旋转平方和载入方差的%25.01325.01024.99624.981累积%25.01350.02375.019100.000提取方法：主成份分析。考虑到每一种成分对戒烟成功的影响不一样，为确定各指标对戒烟成功影响的权重，本文采用层次分析法进行影响程度评判。模型的层

32、次结构如下：目标层A 为“戒烟成功因素分析”；准则层 B 包括年龄 x1、性别 x2、每天吸烟支数 x3 和调整的 CO 浓度x4；方案层 C 为“戒烟成功”和“戒烟失败”。对于层次分析法中的判断矩阵，根据每个成分的累计贡献率来确定各个指标之间相对重要程度，判断矩阵表如下：表 5.3.2每日抽烟调整CO浓年龄性别数度年龄1.0001.5880.6250.929性别每日抽烟数调整 CO 浓度0.6301.6001.0761.0002.5411.7090.3941.0000.6730.5851.4861.000得到判断矩阵后，求其最大特征向量，将该特征向量归一化处理后即可得到个影响成分的权向量：w

33、 0.2322,0.1463,0.3715,0.2499为了能用成对比较阵的对应于特征根的特征向量作为被比较因素的权向量，我们需要对成对比较阵进行一致性检验。检验过程中，我们需要借助 Satty 提出的一致性指标理论：-nCI n-1其中，CI=0 时，矩阵为一致阵；CI 越大，矩阵的不一致程度越严重。为了衡量一致性指标 CI 的标准，我们还需要引入随机一致性指标RI，计算公式为：-可修编-.-CIRI其中，RI 数值可以查表得知（见下表）。满足 CR 0.1 时就能通过一致性检验。查阅相关资料，查找随机一致性指标 RI 的数值如下：CR nRI接下来借助 Matlab 运算易得，102034

34、5678910110.580.891.121.241.321.411.451.491.51max 4.0003，n-1代入RI=0.89，得：CICR 0.00011 0.1。RICR0.1，表明成对比较阵的不一致程度在允许围，判断矩阵具有满意一致性，可以作为评判的权向量。根据各因素权重向量可知戒烟成功主要因素有每天抽烟数，调整 CO 浓度和年龄。其比重分别为 37.15%，25.00%，23.22%。5.4 问题四的求解众所周知，抽烟可能诱发多种疾病，如尼古丁对心、脑血管的影响，还可致癌，对个体健康危害极大；同时被动吸烟者所吸入的有害物质浓度并不比吸烟者为低，受到的伤害甚至高于吸烟者，所以现

35、如今戒烟未尝不是一个良好的选择。结合上面所建模型对问题一到问题三的求解，我们可以为戒烟人士做出如下的建议与指导。第一、通过对问题一的探究发现，戒烟天数与性别显著性并不明显，所以对于戒烟人士来说性别并不是阻碍，无论男士或是女士只要心智坚定，是可以戒烟成功的。第二、通过对年龄的分析得出，年龄越小者的累加发病率越高，且年龄对戒烟天数贡献的权重达到 0.2322，可能与年轻人自制力不强有关，对于年青的人士来说戒烟可能会更困难些，所以更应注重体育锻炼和户外运动，坚定信念、早日戒烟成功。第三、通过对问题二和三的分析不难发现，每日抽烟数少、调整 CO 浓度低的被研究人员戒烟成功率较高，可能与烟草的成瘾性有关

36、，而每日抽烟数和调整的 CO 浓度对戒烟天数贡献的权重分别为 0.3715 和 0.2499，所以建议戒烟人士戒烟时采取逐步减量法，并换抽 CO 含量低的烟草。总体来说，戒烟不是一朝一夕的事情，在戒烟期间要加强体育锻炼，多进行户外运动、呼吸新鲜空气，同时可辅助药疗和针灸，以达到更好的效果。戒烟期间最重要的因素是戒烟者本人，只有本人坚定信念才能最终戒烟成功。-可修编-CI-n 0.0001，.-六、模型的评价及改进模型优点：1、分区段对数据对相关性不是很明显的数据进行在不同区段取平均值处理，可以是数据之间的关系更加清晰。2、运用层次分析法时建立的判断矩阵利用主成分分析中的贡献度来赋值，有效地避免

37、了主观感受对两指标间影响程度进行赋值的人为因素。模型缺点：1、只考虑了不同因素和戒烟天数的影响，忽略了各因素之间的数据在处理时都具有相关的影响。2、认为戒烟天数达到 365 天的为戒烟成功，只考虑了各因素对成功戒烟的影响。模型改进：1、在对不同因素的数据进行处理时，可以以戒烟天数为定值，对其它因素的值取平均值，建立不同因素之间和戒烟天数有联系的方程，对方程进行相关性检验。2、可以设置一个戒烟成功程度，分析各因素对戒烟程度的影响，使分析更全面科学。七、参考文献1启源，金星，叶俊，数学模型（第四版），高等教育，2011 年2邓维斌，唐兴艳，胡大权，spss 统计分析教程，电子工业，2012 年3周

38、品，新芬，MATLAB 数学建模与仿真，国防工业，2011 年-可修编-.-八、附录问题二(1)beta0=ones(4,1);beta,R,J=nlinfit(x,y,myfun1,beta0)myfun1function f=myfun1(beta0,x)x=5.500015.500025.500035.500045.500055.5000;x1=x;x2=x1.*x1;x3=x1.*x1.x1;a=beta0(1);b=beta0(2);c=beta0(3);d=beta0(4);f=a+b.*x1+c.*x2+d.*x3(2)beta0=ones(4,1);beta,R,J=nlinf

39、it(x,y,myfun1,beta0)myfun1function f=myfun1(beta0,x)x=1.0e+003*0.83051.03051.13051.23051.33051.63051.83051.9305;y=124.67 104.63 58.18 115.34 81.94 89.74 73.28 52.9 35 7;x1=x;x2=x1.*x1;-可修编-1.53051.4305.-x3=x1.*x1.x1;a=beta0(1);b=beta0(2);c=beta0(3);d=beta0(4);f=a+b.*x1+c.*x2+d.*x3问题三A=1.00001.58800.

40、62500.92900.63001.00000.39400.58501.60002.54101.00001.48601.07601.70900.67301.0000 x,y=eig(A)x=-0.44220.0824-0.4639i0.0824+0.4639i0.3616-0.2785-0.2746+0.1759i-0.2746-0.1759i-0.5297-0.7074-0.4012+0.2952i-0.4012-0.2952i0.7673-0.47590.65080.6508-0.0001y=4.000300000.0002+0.0002i00000.0002-0.0002i0000-0.

41、0006得 x 为特征向量矩阵 y 为特征值矩阵%找到 y 中对应最大的特征值所在列 m w=x(:,m)/sum(x(:,m)w 就是权重！w=x(:,1)/sum(x(:,1)处理过的数据距离抽最后每日抽烟一支烟的分调整的 CO数CO 浓度钟数浓度戒烟天数Id11828514116832239233277305年龄222324242627272727性别111111111144020142020298201402402702601753108018014060106070324899459010511331336141914091212133414551262116227143251365

42、372-可修编-.-13228166283072933029128303403026231413284329432252322933232832443364332383334433134341513525335266352073622936273362763645371463718537313373213733437345375939160392243923939-11512013511612212311412511814013312012512016128110113120120160113140134130140130125120123120120135131301183906534565

43、435104306034050270609533058060195902809034010275240450703151550144048055190110250157270622006035012503350010390754106054018045053555260585144040045857004209040205320101909515811415282115944162115151216141913113735175111296714544514873154120164720145732156736516651312986144771420901288814941211368141

44、654124158821600141796516052148630136736517979615807132519616303656823651460312882可修编-.-31139325392494030441339411014212742329425343149431704313644274445545215462454624746251461784783482954830048308481864928450175117751291511452121522225221453225532645326753354-130115111130117140150160160125120134110

45、140120123123140123150140123120191401201281301201401251219016012013019043819078026541329045210704156527560160154502831040240553304585240300602001065102025512037012706041545210402609010070170827090520120500701704516010526099360924598019052402104359522016015074517252158321144036513161116082142771163213

46、153146601364614966103111464365125636514133021432111518131419515961112973142119941123260851365174221693312083651220471392301564712274123136514631416481513933可修编-.-854575434754133553415555610256162567158895917559156016121161294621963626323563288633464636427864333646866323664673327023721047630621143222

47、10232362431424742510525-130135120120123125120120140130120111130120150130120126120110120120140160120130113161152152442182602252921525570420552906014061226513025070260165140125430854207530065160952706020091440452159030012029002703019085180551251018560220601501952705029015907101409012060710751806645138

48、010060110304409714004516073145071486014551501392161469471175316373651620114682912143614196130836516216213393651503214113651399130128211239741052412546713304212491214123651421113563651153910667118484124631483149871610091416541可修编-.-135252032590261612624126246263122651271592718927279271242813928205282

49、3128242282442826528302283372833291122917929335299930109301263016430226303203076313153220833309331443434834-2302202302152402332102202202621528217230235292521824022522822222021422022022824522524023027225211229222290753001754506540116448580280809074013022518010070140155802801102851002907540520150902102

50、647520601035240751459037560330503601202708515015340504806015013532060430554013203802270401708026515014591571538216441412942516861144711375335120636512686388314119016146621468106145936515694111826012882371638413873111377311682115613651499615824143521135365151236516684121121149201618313931531530551406