第一讲
差分计算：人口预测
微分方程:常微分：萨斯病毒；偏微分:高温服装
插值：补充数据
排队论：2013 a题
模糊规划:2008学费题
模糊聚类、模糊识别、模糊综合评价
随机决策:2019C
多目标决策(规划)：
- A、加权化成单目标方程(简单)
- B、先求一个单目标规划求出最优解，然后这个最优解作为约束条件求另一个单目标规划
随机模拟：2009病床
灰色系统理论：2005长江水质综合评价
非线性规划与0-1整数规划是主流
第二讲 模型串讲
综合评价
- 排名？主成分(×)、因子分析(√×)、投影寻踪综合评价、熵权法+Topsis法
- 归属哪一类的(优中良)？模糊综合评价
- 求最优方案的？层次分析法(×)、熵权法+Topsis法、秩和比综合评价
求权重：熵权法、方差分析法
聚类（题目少）
- 模糊聚类、系统聚类、k-means聚类
分类、判别
- 贝叶斯判别:要求每一类服从正态分布，比费舍尔判别效果好？
- 模糊识别也比费舍尔判别效果好？
- 模糊识别：对数据量要求小，其他方法要求大数据啊
- 神经网络和支持向量机最好不用，因为没有模型，♥可以拿来检验、和有模型的方法进行对比！
研究两个变量之间相关性：
- Sperman/kendall用的比Person多，Copula相关比较高大上 多个变量对一个变量的关联分析
- 标准化回归、通径分析 多个自变量和多个因变量
- 典型相关系数、偏最小二乘法 没有因变量，很多自变量有相关关系
- 对应分析、主成分回归，岭回归：①筛选自变量②做预测、拟合，主成分回归:做了主成分分析后再来做回归 做因果分析
- 格兰杰因果检验、协整检验
方差分析：研究分类变量对连续性变量的影响，施肥高中低水平对产量的影响
协方差分析/混合线性模型：研究分类变量(并且剔除其他变量的影响)对连续性变量的影响
独立性检验：两个分类变量之间的关联
非参数统计：不用满足正态分布，以上方法基本都要满足正态分布
结构方程模型：研究一组变量和另一组变量之间的关系
- 灰色预测适用于数据量不大、不知道数据分布、需要经过指数检验
- 时间序列ARIMA：大数据量、波动性强、周期性
- 小波(难)、神经(BP REF GRNN)、混沌(难)、相空间(难)：大招
- 马尔可夫预测：适用于随机波动的数据？
回归预测
- 第一列要求因变量服从正态
- Logistic回归 因变量服从0-1分布
- 向量自回归/偏最小二乘回归可以学，各个变量之间相互之间有关联
求最优函数、最优策略、最优规划等问题，写出规划模型是最难的，这些算法是次要的
最短路、最大流：动态规划、网络优化
