关于经济增长的数学建模论文
简要介绍资料的主要内容,以获得更多的关注
承 诺 书
我们仔细阅读了中国大学生数学建模竞赛的竞赛规则.
我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、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。
我们郑重承诺,严格遵守竞赛规则,以保证竞赛的公正、公平性。如有违反竞赛规则的行为,我们将受到严肃处理。
我们参赛选择的题号是(从A/B/C/D中选择一项填写): A 我们的参赛报名号为(如果赛区设置报名号的话): 所属学校(请填写完整的全名): 河南理工大学 参赛队员 (打印并签名) :1. 李宗蔚 指导教师或指导教师组负责人 (打印并签名):
日期:2011年7月 30 日
赛区评阅编号(由赛区组委会评阅前进行编号):
简要介绍资料的主要内容,以获得更多的关注
编 号 专 用 页
赛区评阅编号(由赛区组委会评阅前进行编号):
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):
简要介绍资料的主要内容,以获得更多的关注
针对经济增长问题的数学模型
摘 要
随着经济的快速增长,研究GDP显的的越来越重要。本文就常见的工业、建筑业及农林渔业三个领域进行研究。其中国内生产总值增长与资本及劳动之间的关系实际上就是GDP与投资及总人口的自然增长率之间的关系。
针对问题一,利用Excel分析工业值、建筑业及农林渔业产值分别占GDP比例可以得到对应的数量关系,通过求散点图,线性回归得到它们与GDP的关系。之后通过Excel建立工业、建筑业及农林渔业产值各自的增长曲线然后建立散点图,线性回归分析得出它们的增长函数,并进行未来的预测。
针对问题二,根据经济学中的Cobb-Douglas生成函数和投资与劳动力增长的散点图,可进行线性回归分析,构建函数。之后通过对近几年来的数据来验证函数的准确度。
本论文采用了大量的图表和数据作为理论依据,并建立了多个函数模型,再通过相对误差来选取最佳函数模型。
本论文的数学模型的推广上有很大的发展空间,可推广与多个领域.比如体育,军事,教育等。
关键词:折线图 Cobb-Douglas生成函数 线性回归 最优拟合度
简要介绍资料的主要内容,以获得更多的关注
一. 问题重述
1.1问题背景
国内生产总值(Gross Domestic Product,简称GDP)是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和服务的价值,常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现,更可以反映一国的国力与财富。 1.2问题重述: (1)
建立国内生产总值与工业值、建筑业及农林渔业产值之间的数量模型,利用数据对未来经济做出预测;
(2)
讨论国内生产总值增长与资本及劳动之间的关系。利用数据验证其结果。
二. 模型的假设与符号说明
2.1模型的假设
(1)问题一中假设只考虑工业、建筑业及农林渔业产值分别与GDP的关系。 (2)问题一中假设工业值、建筑业及农林渔业之间没有相互影响。也就是工业、建筑业及农林渔业之间没有函数关系。
(3)问题二中假设只考虑国内生产总值增长与资本及劳动之间的关系,不考虑其他因素。
(4)不考虑特殊情况,排除不相关因素。 (5)假设它们之间存在函数关系。
(6)假设附录四、附录五、附录六中所给数据都是客观真实的。 2.2符号说明
简要介绍资料的主要内容,以获得更多的关注
三. 问题分析
(1)问题一,根据附录一中的表格可以得出工业、建筑业及农林渔业产值分别占GDP比例;利用Excel根据线性回归得到相关的函数。然后可以通过相对误差以此来检验函数的准确性。然后通过附件一的数据来得出工业值、建筑业及农林渔业产值的增长曲线,以此来推导出函数表达式.来对未来进行预测,然后可以有上一步中的函数来进行相互验证。
(2)问题二中可以根据函数G t cK (t)L1 (t)来进行预算。根据线性规划可以预测出K(t)和L(t)然后通过数值推出 和c。然后通过折线图作出G t 的图形再作比较。验证函数构造的准确度。
四.问题一的解答
1.(1)由图1利用Excel根据折线图得到如下模型: 线性函数:Y(t) 3.32149*10^( 5)t 0.33737064 对数函数: Y(t) 0.0059ln(x) 0.4185 指数函数: Y(t) 0.4021e0.0002x
简要介绍资料的主要内容,以获得更多的关注
图1
乘幂函数: Y(t) 0.4174x 0.0136 多项式函数(5阶):
Y(t) 8*10^( 8)t 6*10^6t 2*10^( 4)t 8*10^( 4)t 9.2*10^( 3)t 4.577*10^( 1)
5
4
3
2
最后经过Excel拟合优度分析(见附录三)得到的最优函数是:
Y(t) 8*10^( 8)t 6*10^6t 2*10^( 4)t 8*10^( 4)t 9.2*10^( 3)t 4.577*10^( 1)
5
4
3
2
图2
(2)由图1可看出建筑业产值占GDP总量的比例所呈关系, 利用Excel根据折线点图得到如下模型: 线性函数: Jt
t
简要介绍资料的主要内容,以获得更多的关注
对数函数:J(t) 0.007ln(x 0.032) 指数函数:J(t) 0.041e0.013x 乘幂函数:J(t) 0.034x0.106 多项式函数(5阶):
J(t) 3.7*10^( 8)t5 0.0004t5 1.4826t3 2952.7t2 2.9*10^6t 12 最后经过Excel拟合优度分析(见附录三)得到的最优函数是:
J(t) 3.7*10^( 8)t 0.0004t 1.4826t 2952.7t 2.9*10^6t 12
5
5
3
2
图3
(3)由图1并不能明确看出农林渔业产值占GDP总量的比例关系。利用Excel根据折线图得到如下模型: 线性函数:Nt
x
对数函数:N(t) 0.07ln(x) 0.4056 指数函数:N(t) 5.8*10^33* 0.153(x 1977) 乘幂函数: N(t) 10^261*x 29.316 多项式函数(5阶):
N(t) 1.4*10^( 7)t 0.0014t 5.5216t 11017t 1.1*10^7t 4.4*10^9
5
4
3
2
最后经过Excel拟合优度分析(见附件三)得到的最优函数是:
简要介绍资料的主要内容,以获得更多的关注
N(t) 1.4*10^( 7)t 0.0014t 5.5216t 11017t 1.1*10^7t 4.4*10^9
5
4
3
2
图4
2.(1)由图5看出工业产值的增长曲线近似一个指数型函数,用线性规划回归得函数
.
Y (t) 1126*
0.153(t 1977)
图5
预测2010年的产值为152367.7亿元而官方统计为大约 155000亿元。
简要介绍资料的主要内容,以获得更多的关注
图6
(2)由图6看出建筑业产值的增长曲线近似一个多项式,用线性规划,回归得函数
J (t) 6*10^( 0.5)*(t ) 0.006(t ) 0.649(t ) 18.07(t ) 189(t ) 770.5(t ) 67.1
6
5
4
3
< …… 此处隐藏:2828字,全部文档内容请下载后查看。喜欢就下载吧 ……相关推荐:
- [资格考试]石油钻采专业设备项目可行性研究报告编
- [资格考试]2012-2013学年度第二学期麻风病防治知
- [资格考试]道路勘测设计 绪论
- [资格考试]控烟戒烟知识培训资料
- [资格考试]建设工程安全生产管理(三类人员安全员
- [资格考试]photoshop制作茶叶包装盒步骤平面效果
- [资格考试]授课进度计划表封面(09-10下施工)
- [资格考试]麦肯锡卓越工作方法读后感
- [资格考试]2007年广西区农村信用社招聘考试试题
- [资格考试]软件实施工程师笔试题
- [资格考试]2014年初三数学复习专练第一章 数与式(
- [资格考试]中国糯玉米汁饮料市场发展概况及投资战
- [资格考试]塑钢门窗安装((专项方案)15)
- [资格考试]初中数学答题卡模板2
- [资格考试]2015-2020年中国效率手册行业市场调查
- [资格考试]华北电力大学学习实践活动领导小组办公
- [资格考试]溃疡性结肠炎研究的新进展
- [资格考试]人教版高中语文1—5册(必修)背诵篇目名
- [资格考试]ISO9001-2018质量管理体系最新版标准
- [资格考试]论文之希尔顿酒店集团进入中国的战略研
- 全国中小学生转学申请表
- 《奇迹暖暖》17-支2文学少女小满(9)公
- 2019-2020学年八年级地理下册 第六章
- 2005年高考试题——英语(天津卷)
- 无纺布耐磨测试方法及标准
- 建筑工程施工劳动力安排计划
- (目录)中国中央空调行业市场深度调研分
- 中国期货价格期限结构模型实证分析
- AutoCAD 2016基础教程第2章 AutoCAD基
- 2014-2015学年西城初三期末数学试题及
- 机械加工工艺基础(完整版)
- 归因理论在管理中的应用[1]0
- 突破瓶颈 实现医院可持续发展
- 2014年南京师范大学商学院决策学招生目
- 现浇箱梁支架预压报告
- Excel_2010函数图表入门与实战
- 人教版新课标初中数学 13.1 轴对称 (
- Visual Basic 6.0程序设计教程电子教案
- 2010北京助理工程师考试复习《建筑施工
- 国外5大医疗互联网模式分析




