m0_74246769的博客

将相关系数复制到excel表格里，全选中，开始，格式，行高，50（使之呈现正方形），列宽10，两个居中，仅选中数据，保留四位小数，放大字体，条件格式，色阶，选一种（红白蓝），条件格式，管理规则，编辑规则，最小值类型修改为数字 值改为-1，最大值类型修改为数字 值改为1，中间值类型修改为数字 值改为0，确定，应用。文件，导入数据，excel ，选好后打开，确定，分析，描述统计，描述，ctrl+A，移到右边，选项，勾选想要的，确定。拿到数据：描述性检验，正态性检验，计算皮尔逊相关系数，假设检验（显著性检验）

（2）利用X data和Y data的下拉菜单读入数据x,y，可修改数据集名“Data set name”，然后点击“Create data set”按钮，退出“Data”窗口，返回工具箱界面，这时会自动画出数据集的曲线图；在本例中选Custom Equations，点击“New”按钮，选择“General Equations”标签，输入函数类型y=a*x*x + b*x，设置参数a、b的上下限，然后点击OK。对于混合型的曲线，例如 y = a*x + b/x ，工具箱的拟合效果并不好。

等价于 p = interpn (x, y, new_x, ’spline’);（3）new_x1,new_x2,...,new_xn是要插入点的横坐标。3、线方式： ‐ 实线 :点线 ‐. 虚点线 ‐ ‐ 波折线。（1）x1,x2,...,xn是已知的样本点的横坐标。（2）埃尔米特(Hermite)插值。（2）y是已知的样本点的纵坐标坐标。（4）method是要插值的方法。（1）拉格朗日插值和牛顿插值。（3）分段三次埃尔米特插值。

原理： 指标的变异程度（方差、标准差）越小，所反映的信息量也越少（信息熵越大），其对应的权值也应该越低。1、 判断输入的矩阵中是否存在负数，如果有则要重新标准化到非负区间 （因为计算概率要保证每个元素为非负数）2、计算第j项指标下第i个样本所占的比重，并将其看作相对熵计算中用到的概率。3、 计算每个指标的信息熵，并计算信息效用值，并归一化得到每个指标的熵权。2、越有可能发生的事情，信息量越少， 越不可能发生的事情，信息量就越多。（衡量事情发生的可能性大小：概率（p)）（信息效用值越大，对应的信息越多）

注意：层次分析法和带权重的TOPSIS法都要使用熵权法来进行客观赋值！极小型指标（成本型指标）：越小（少）越好。1、极大型指标（效益型指标）：越大（多）越好。公式：max-x (如果所有的元素均为正数，那么也可以使用倒数1/x)2、正向化矩阵标准化（标准化的目的是消除不同指标量纲的影响）1、原始矩阵正向化（即将所有类型的指标都转化为极大型）考虑指标权重不同：（即带权重的TOPSIS）（1）极小型指标 to 极大型指标。（2）中间型指标 to 极大型指标。（3）区间型指标 to 极大型指标。

总结：在做题过程中我们发现，在以往的类似题目中用层次分析法时，大都只选择了上述方法其一来求权重，但是上述三种方法求出的权重结果或多或少都有一定的偏差。因此，为了保证结果的稳健性，在本次解题中我们采用三种方法分别求出权重再取其平均值，再根据权重矩阵计算个方案的得分，最后进行排序和综合分析。1、问法:确定评价指标，形成评价体系------>打分法解决评价问题------>需要填好如下表格。2、将每一层次的各元素与上一层次中的某一准则两两比较，构造判断矩阵。（1）若判断矩阵是一致矩阵：（不需要进行一致性检验）