国赛 · 2025C
NIPT 的时点选择与胎儿的异常判定
结合孕妇的检测指标与孕周信息，确定无创产前检测的最佳时点，并建立胎儿染色体异常的判定模型。
2 个关联模型拆解这道题 →
MODEL / 预测
多元回归与残差诊断
要找出多个自变量里哪些真正影响因变量，并量化各自贡献，例如材料性能与工艺参数的关系。
核心公式
y=\beta_0+\sum_{i=1}^{p}\beta_i x_i+\varepsilon,\qquad \varepsilon\sim N\!\left(0,\sigma^{2}\right)
Python 最小示例
下载 .py 文件 ↓依赖见代码开头；示例在自己的 Python 环境运行，页面不执行代码。用于理解方法，正式参赛请补齐数据检验与误差分析。
Python · 多元回归与残差诊断
# 依赖: numpy, statsmodels
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
rng = np.random.default_rng(0)
X = rng.normal(size=(60, 3))
y = 1.5 + X @ np.array([2.0, -1.0, 0.5]) + rng.normal(scale=0.3, size=60)
Xd = sm.add_constant(X)
model = sm.OLS(y, Xd).fit()
print(model.summary().tables[1])
print('VIF =', [round(variance_inflation_factor(Xd, i), 2) for i in range(Xd.shape[1])])
print('残差 JB p =', round(sm.stats.stattools.jarque_bera(model.resid)[1], 4))用它研究过哪些问题？
浏览赛题库 →研赛 · 2024C
数据驱动下磁性元件的磁芯损耗建模
基于实测数据建立磁芯损耗与频率、磁通密度等参数的关系模型，并量化各因素的影响程度。
2 个关联模型拆解这道题 →