數(shù)學建模優(yōu)秀論文-碩士論文質(zhì)量評價問題

1、<p>　　碩士論文質(zhì)量評價問題</p><p><b>　　摘要</b></p><p>　　本文通過2006，2007，2008年的碩士生論文的評價信息，對所給的表一；表二的數(shù)據(jù)采用概率函數(shù)分布法，回歸分析法，</p><p>　　針對問題一，我們首先對個年級，各專業(yè)求出其均值，按照分數(shù)對其進行排列。開題的分數(shù)以KT1~KT6的總

2、得分作為其分數(shù)。</p><p>　　針對問題二，在各年級的基礎對，對其分數(shù)進行劃分為多個等級。然后各年級進行比較。各專業(yè)求其均值與方差，利用EXCLE做圖。</p><p>　　針對問題三利用回歸分析的方法,用matlab擬合出論文得分與選題開題期望的線性關系。</p><p>　　針對問題四，我們建立對應復審得分的隨機變量。計算各年級各專業(yè)碩士論文復審評分的數(shù)學

3、期望和方差，求解問題。</p><p>　　針對問題五，在問題二與問題四的基礎上，對初審與復審的各項指標進行比較。通過折線圖的比較發(fā)現(xiàn)，初審的時候普遍的比較寬，而復審時則比較的嚴格。</p><p><b>　　一、問題重述</b></p><p>　　我國自1980年建立新的學位制度以來，已初步形成了具有我國特色的研究生招生和培養(yǎng)模式，并且隨

4、著社會環(huán)境的變化和人才培養(yǎng)的不同要求適時作出調(diào)整。近年來研究生招生規(guī)模的迅速擴張,以及研究生在國家發(fā)展與社會進步中發(fā)揮的越來越大作用，更使研究生論文質(zhì)量問題成為人們關注的焦點。如何建立合理的研究生論文質(zhì)量評價體系，并通過量化的手段找出當前國家在研究生招生過程中存在的問題，進而調(diào)整招生政策，改革招生方式，真正吸收綜合素質(zhì)高和研究能力強的優(yōu)秀學生進入研究生隊伍，已成為保證、提高碩士研究生論文質(zhì)量的第一大關口，是國家乃至個人都十分關注的一項課

5、題。為全面貫徹科學發(fā)展觀，落實以質(zhì)量為核心的發(fā)展要求，全面分析和評價我國碩士生質(zhì)量，制定進一步提高碩士研究生教育質(zhì)量的政策，需要對碩士生的招生質(zhì)量、論文質(zhì)量、培養(yǎng)質(zhì)量等進行綜合評價。</p><p>　　某校正開展碩士生質(zhì)量評價，現(xiàn)搜集到2006、2007、2008年碩士生論文的評閱信息，分別按年存放在相關數(shù)據(jù)庫中。附件1和附件2中給出2006，2007，2008年各年碩士論文的評閱信息。全部存放在Excel表中

6、。</p><p>　　請根據(jù)這些信息分析解決以下問題。</p><p>　　對2006,2007,2008年各年碩士生論文選題與開題進行總體評價，包括各專業(yè)的評價和各年的總體評價。</p><p>　　對2006，2007，2008年各年碩士論文評分的評價，包括各專業(yè)與各年的總體評價。</p><p>　　3．對各專業(yè)、各年碩士論文選題開題

7、與論文得分之間的相關性進行分析，從中得出相應的結(jié)論。</p><p>　　對2006，2007，2008年復審（畢業(yè)后的重新評閱）論文的評價。包括各專業(yè)與各年的總體評價。</p><p>　　5. 對碩士畢業(yè)前后論文的評分結(jié)果進行分析，得出碩士論文質(zhì)量綜合評價，以及觀點與結(jié)論并提出相應合理的建議，制定進一步提高碩士研究生教育質(zhì)量的政策，需要對碩士生的招生質(zhì)量、論文質(zhì)量、培養(yǎng)質(zhì)量等進行綜合評

8、價</p><p><b>　　二、模型假設</b></p><p>　　假設初審論文與復審論文都是在某學校的碩士論文中隨機收集的，排列順序也是隨機分布的。</p><p>　　假設初審論文、復審論文的評閱信息之間是相互獨立的，并且是有效的。</p><p>　　假設06-08年碩士論文選題的評分標準，碩士論文開題報告指

9、標、碩士論文評分不變。</p><p>　　假設論文評閱不收受專業(yè)、年份等影響。</p><p>　　假設論文評閱不受碩士學位類別（如：學術型學位、專業(yè)類學位等）的影響。</p><p>　　假設該評分體系適用于該校所以入學類型（在職人員與非在職人員、定向培養(yǎng)與非定向培養(yǎng)等類型）的學生論文。</p><p>　　假設專家和評閱教室對論文的評閱

10、采取雙盲評審制度（隱去碩士生姓名、知道老師姓名及其指導老師的參考文獻等），客觀公正，排除了評審中非學術因素的干擾。</p><p>　　假設論文質(zhì)量由論文最終得分唯一確定。</p><p>　　假設開題的標準和選題指標對論文質(zhì)量有決定性作業(yè)。</p><p>　　10論文初審和復審得分共同決定論文質(zhì)量。</p><p><b>　　

11、三、問題分析</b></p><p>　　問題一當中，數(shù)據(jù)的處理比較的多，利用統(tǒng)計的方法，求出個各專業(yè)的均值，并對其進行排名。對與各年級，計算即有理論意義又有實用價值的開題所占的比例，比較各年的變化。</p><p>　　問題二也用統(tǒng)計的方法，統(tǒng)計各年各階段，以及優(yōu)秀學生的人數(shù)，比例。對于各專業(yè)求其均值與方差，繪制成折線圖，比較分析。</p><p>　

12、　問題三用matlab軟件對數(shù)學論文的開題與選題的期望進行擬合。</p><p>　　問題四，是對復查得分的評價，用統(tǒng)計的方法，計算各專業(yè)各年級的均值與方差，然后繪制成折現(xiàn)圖。</p><p>　　問題五對碩士論文前后評分進行分析，即對問題二與問題四，碩士論文前后的差異，比較均值與方差，分析其中的原因，得出結(jié)論。</p><p><b>　　四符號說明&l

13、t;/b></p><p>　　五、模型的建立與求解</p><p>　　1. 對2006,2007,2008年各年碩士生論文選題與開題進行總體評價。包括各專業(yè)的評價和各年的總體評價。</p><p>　　1.首先對各專業(yè)的XT進行量化分析，XT有理論意義的為1分，有實際意義的為2分，既有理論又有實際意義的為3分。</p><p>　　

14、對各專業(yè)學生XT得分的評價：</p><p>　　表1 對個專業(yè)的XT進行求均值運算，并對其進行排名。</p><p>　　各專業(yè)XT量化分數(shù)排名： </p><p>　　23,25,5,1,15,12,27,24,26,34,20,17,28,30,9,22,6,32,13,14,4,18,29,19,31,7,21,33,10,6,2

15、,8,11,3。</p><p>　　相比較來說23，25，5，15的專業(yè)的XT比較的好既有理論意義又有實用價值，而2，8，11，3專業(yè)的XT。略顯不足。</p><p>　　表2 各年XT均值</p><p>　　表3 各年XT中3所占比重</p&g

16、t;<p>　　圖1 學生三年選題比例</p><p>　　三年下來學生選擇既有理論意義又有實用價值的為主。在這兩方面中，實用價值占據(jù)了主要。</p><p>　　07>08>06總體來說07年的XT最好，量化后分數(shù)高，有理論意義和實用價值所占的比較大。</p><p>　　2.其次對各年級的KT進行分析。</p>

17、<p>　　將學生KT1~KT6各項開題報告的總得分作為學生開題報告得分。然后</p><p>　　對各專業(yè)的KT運算求出均值，并排名，得分越高，所作的KT越差。</p><p>　　表4 各專業(yè)的KT均值排名</p><p>　　各專業(yè)KT的排名：3 ，34，23，12，33，22，26，29， 5，

18、21，31， 1，27， 6，19，30，13，28，11， 4，24，20，32，18， 8， 2，12，16， 9， 7， 17，15，25，10</p><p>　　就普遍來講專業(yè)10，25的開題比較的優(yōu)秀而3，34的開題比較的一般。</p><p>　　表5 各年的平均得分：</p><p>　　06&

19、gt;08>07，07年的學生開題寫的最好，06年的較差。</p><p>　　5.2對2006，2007，2008年各年碩士論文評分的評價。包括各專業(yè)與各年的總體評價。</p><p>　　5.2.1.模型的建立：</p><p>　　計算對于第J篇論文第一位專家和第二位專家盲審評分后評價的平均值Xj，并各年計算該年的期望與方差：</p>&l

20、t;p><b>　　A= B=</b></p><p><b>　　Xj=</b></p><p><b>　　E（x）=</b></p><p><b>　　D（x）=</b></p><p><b>　　模型求解：</b&

21、gt;</p><p>　　5.2.1對2006，2007，2008年各年碩士論文評分的總體評價：</p><p>　　表6 各年碩士論文評分的總體評價</p><p>　　由圖表看出各年碩士論文的分數(shù)在不斷的提高，論文的優(yōu)秀率也不斷的提高。整體質(zhì)量越來越好?？傮w上來說08年的論文最好，07年的其次。</p>&

22、lt;p>　　5.2.2模型建立：計算各專業(yè)碩士論文評分的均值及方差，分析其高低及波動性，對各專業(yè)論文進行總體評價。</p><p>　　計算各專業(yè)兩個專家碩士論文平均分數(shù)的均值方差，列表比較，并制作成折現(xiàn)圖，觀察，比較。</p><p>　　表7 各專業(yè)碩士論文均值評分及方差</p><p>　　圖2 各專業(yè)論文評

23、分折線圖</p><p>　　由圖表可知，各專業(yè)的碩士論文評分基本都在85左右，未出現(xiàn)過高于過低的分數(shù)，論文的質(zhì)量比較的接近。學科三的均值E(X)=77.25,D(x)=66.125專業(yè)3的論文總體質(zhì)量最差，相比較而言專業(yè)16，24的論文質(zhì)量比較的好。</p><p>　　5.3問題3：對各專業(yè)、各年碩士論文選題開題與論文得分之間的相關性進行分析，你從中得出什么結(jié)論？</p>

24、<p>　　記論文得分為y，選題得分期望為x1，開題得分期望為x2.我們僅利用x1和x2來建立y的預測模型.</p><p>　　為了大致地分析y與x1和x2的關系，首先利用數(shù)據(jù)分別作出y對x1和x2的散點圖.</p><p>　　圖3 y對x1的散點圖</p><p>　　圖4 y對x2的散點圖</p><p>　　從圖

25、1中可以發(fā)現(xiàn)，隨著x1的增加，y的值呈線性增長趨勢，可用線性模型</p><p><b>　?。?）</b></p><p>　　擬合的. 同理圖2亦可用線性模型</p><p><b>　　（2）</b></p><p><b>　　擬合.</b></p>&l

26、t;p>　　綜上分析，結(jié)合模型（1）（2）建立如下模型的回歸模型</p><p><b>　?。?）</b></p><p>　　其中，為常數(shù)項，和為回歸系數(shù)，和稱為回歸變量，影響y的其它因素作用都包含在隨機誤差中.如果模型選擇得合適，應大致服從均值為零的正態(tài)分布. </p><p>　　直接利用MATLAB統(tǒng)計工具箱中的命令regres

27、s求解，使用格式為：</p><p>　　[b,bint,r,rint,stats]=regress(y,x,alpha)</p><p>　　其中輸入y為模型（3）中y的數(shù)據(jù)，x為對應于回歸系數(shù)=（,,）的數(shù)據(jù)矩陣[1 ],alpha為置信水平（缺省時=0.05）；輸出b為的估計值，常記作，bint為b的置信區(qū)間，r為殘差向量，rint為r的置信區(qū)間，stats為回歸模型的檢驗統(tǒng)計量，

28、有3個值，第1個是回歸方程的決定系數(shù)(R是相關系數(shù))，第2個是F統(tǒng)計量值，第3個是與F統(tǒng)計量對應的概率值p.</p><p>　　得到模型（3）的回歸系數(shù)估計值及其置信區(qū)間、檢驗統(tǒng)計值，F(xiàn),p的結(jié)果見表8</p><p>　　=0.6277 F=26.1348 p<0.0000</p><p>　　表8 模型（3）的計算結(jié)果</p>&

29、lt;p>　　表 顯示，=0.6277指因變量y的62.77%可由模型確定，F(xiàn)值遠遠超過F檢驗的臨界值，p遠小于，因而模型（3）從整體來看是可用的.</p><p>　　表 的回歸系數(shù)給出了模型（3）中，，的估計值，即=100.7257，=0.8625，=-1.7645.檢查它們的置信區(qū)間發(fā)現(xiàn)，只有的置信區(qū)間包含零點，表明回歸變量（對因變量y的影響）不是太顯著.</p><p>　　

30、結(jié)果分析：總體來說在選題與開題當中，選題與論文得分的相關性不是很大，而開題與論文得分則有較強相關性。</p><p>　　5.4問題4：對2006，2007，2008年復審（畢業(yè)后的重新評閱）論文的評價。</p><p>　　5.4.1模型建立：計算各年級的的論文評分的均值及方差</p><p>　　通過計算，得到復審時各年級論文評分的均值及方差</p>

31、<p>　　表9 復審時各年級論文評分的均值及方差</p><p>　　圖5 各年級論文評分均值及方差</p><p>　　由圖可知：各年級的均值比較的接近相差不大。2007年的均值最高，方差最小，該年的學生論文質(zhì)量最好。2008年均值最大，學生論文好壞相差比較的大，學生素質(zhì)參差不齊。</p><p>　　表10

32、 各專業(yè)論文復審評分均值及方差</p><p>　　圖6 各專業(yè)論文評分均值及方差折線圖</p><p>　　復審時各專業(yè)的均值比較接近相差不大，專業(yè)16，D（x）=174.1089最大，表明專業(yè)16論文評分比較的差，學生的素質(zhì)相比較其他來說比較的不足。其次的4，23，26專業(yè)學生也略微有點的不足。相比較專業(yè)3學生素質(zhì)比較的優(yōu)秀。專業(yè)7，34的均

33、值E(x)=D（x）=0，表明在復審時未抽到。</p><p>　　5.5問題5：對碩士畢業(yè)前后論文評分結(jié)果的分析。</p><p>　　5．5.1對碩士畢業(yè)前后論文評分結(jié)果的分析</p><p>　　5.5.1.1模型的建立：分別計算2006，2007，2008年初審的期望E（x）與方差D（x），并計算復審評分的期望E（x）與方差D（x），得到初審與復審的波動。&

34、lt;/p><p><b>　　其中：</b></p><p><b>　　E(x)=</b></p><p><b>　　D（x）=</b></p><p><b>　　=</b></p><p>　　5.5.1.2模型的求解：將附表

35、中的數(shù)據(jù)帶上式，得到初審、復審的期望及方差，以及初審與復審評分期望的差值，如表11</p><p><b>　　表11</b></p><p>　　碩士論文初審復審比較表</p><p>　　由表碩士論文初復審的評分結(jié)果比較分析可知：初審的成績較與復審高，說明初審比較寬，復審比較的嚴格；初審的方差較復審低，表明學生的素質(zhì)確實存在著比較大的差距。

36、年份中看，初審期望逐年提高，方差逐年減小，但是復審時方差卻在增大，一方可能是學生的素質(zhì)確實在提高，另一方面也可能是老師放寬了評價標準。從比較結(jié)果中看，后者的可能性比較的大</p><p>　　圖7 初審各專業(yè)均值與方差</p><p>　　圖8 復審各專業(yè)均值與方差</p><p>　　通過比較初復審專業(yè)16，22，25老師的評分有較大的差距，表明個個專業(yè)之間

37、難易程度有所不同，致使某些專業(yè)學生的分數(shù)差距會比較的大。</p><p>　　建議：1近幾年，學校的招生人數(shù)不斷的增大，學生的素質(zhì)參差不齊。學校應該抓緊招生門檻，收正真喜歡科研的人員。</p><p>　　2從第三題可知，論文的開題與最后的論文得分有比較大的關系，要做好論文的開題。</p><p>　　3實行雙盲評閱制度，以避免初復審造成的資源的浪費。</p&

38、gt;<p><b>　　六、模型的評價</b></p><p>　　線性回歸模型優(yōu)缺點：</p><p>　　優(yōu)點：1、具有優(yōu)良的解釋能力和預測效果；2、能夠很好的處理變量之間的相關關系。</p><p>　　缺點：1、需要同實際觀測數(shù)據(jù)擬合的效果進行檢驗；2、要求變量之間的線性相關必須是真實的，而不是形式上的；3、采用較多變量

39、時建立起來的回歸方程做預測的可靠性差、精度低。</p><p>　　改進：由于多元線性回歸存在不足之處，比如可能給系數(shù)的估計帶來不合理的解釋，因而可再采取灰色關聯(lián)度分析法進行分析。</p><p><b>　　七、模型推廣</b></p><p>　　本題建立的線性回歸模型具有較強的實用性和普遍性，具有實際指導意義。</p>&l

40、t;p>　　實際生活中，在社會、經(jīng)濟與工程界會遇到具有多準則方案排序與選優(yōu)的問題，如科研成果的評價、綜合國力（地區(qū)綜合實力）比較、各工業(yè)部門對國民經(jīng)濟貢獻的比較、企業(yè)評估、人才選拔等問題。對問題進行分析時，將決策問題的有關元素分解成目標、準則、方案等層次，在此基礎上進行定性分析和定量分析相結(jié)合的方法構(gòu)建層次分析模型，然后利用較少的定量信息，把決策和評價的思維過程數(shù)學化。在工農(nóng)業(yè)生產(chǎn)和科學研究各個領域中，廣泛應用數(shù)理統(tǒng)計方法中的回歸

41、分析能夠解決預測、控制、生產(chǎn)工藝優(yōu)化等問題。由于存在測量誤差等原因，確定性關系在實際問題中往往通過相關關系表示出來；另一方面，當對事物內(nèi)部規(guī)律了解得更加深刻時，相關關系也有能轉(zhuǎn)化為確定性關系。</p><p><b>　　八、參考文獻</b></p><p>　　1、數(shù)學模型（第三版），姜啟源 謝金星等 高等教育出版社2003</p><p&

42、gt;　　2、MATLAB數(shù)學實驗與建模，馬莉著 清華大學出版社</p><p>　　3、數(shù)學建模競賽（浙江大學學生獲獎論文點評1999—2004） 楊啟凡 何勇等</p><p><b>　　浙江大學出版社</b></p><p><b>　　九、附錄</b></p><p>　　問題3：MA

43、TLAB程序3.0</p><p>　　XT=[2.7889</p><p><b>　　2.5694</b></p><p><b>　　2.0000</b></p><p><b>　　2.7544</b></p><p><b>　　2.

44、8000</b></p><p><b>　　2.7778</b></p><p><b>　　2.4722</b></p><p><b>　　2.0570</b></p><p><b>　　2.6667</b></p>&l

45、t;p><b>　　2.5429</b></p><p><b>　　2.1197</b></p><p><b>　　2.7507</b></p><p><b>　　2.6160</b></p><p><b>　　2.6143<

46、/b></p><p><b>　　2.7926</b></p><p><b>　　2.4832</b></p><p><b>　　2.6806</b></p><p><b>　　2.5976</b></p><p>&

47、lt;b>　　2.5263</b></p><p><b>　　2.7007</b></p><p><b>　　2.5331</b></p><p><b>　　2.6484</b></p><p><b>　　3.0000</b>&l

48、t;/p><p><b>　　2.7481</b></p><p><b>　　2.8148</b></p><p><b>　　2.7630</b></p><p><b>　　2.7778</b></p><p><b>

49、　　2.6838</b></p><p><b>　　2.5857</b></p><p><b>　　2.7000</b></p><p><b>　　2.5685</b></p><p><b>　　2.6315</b></p>

50、<p><b>　　2.5333</b></p><p><b>　　2.7500</b></p><p><b>　　];</b></p><p>　　KT=[9.9519</p><p><b>　　9.3380</b></p>

51、;<p><b>　　13.5000</b></p><p><b>　　9.6873</b></p><p><b>　　10.0000</b></p><p><b>　　9.8519</b></p><p><b>　　9.0

52、602</b></p><p><b>　　9.3956</b></p><p><b>　　9.1000</b></p><p><b>　　8.6667</b></p><p><b>　　9.7091</b></p><

53、;p><b>　　9.2681</b></p><p><b>　　9.7413</b></p><p><b>　　10.4381</b></p><p><b>　　9.0000</b></p><p><b>　　9.2605<

54、/b></p><p><b>　　9.0583</b></p><p><b>　　9.4046</b></p><p><b>　　9.7914</b></p><p><b>　　9.5215</b></p><p>&

55、lt;b>　　9.9916</b></p><p><b>　　10.3063</b></p><p><b>　　10.5000</b></p><p><b>　　9.6852</b></p><p><b>　　8.8842</b>

56、</p><p><b>　　10.1778</b></p><p><b>　　9.9000</b></p><p><b>　　9.7319</b></p><p><b>　　10.0795</b></p><p><b

57、>　　9.7889</b></p><p><b>　　9.9870</b></p><p><b>　　9.5194</b></p><p><b>　　10.3750</b></p><p><b>　　12.0000</b><

58、/p><p><b>　　];</b></p><p>　　y=[84.4482</p><p><b>　　85.8809</b></p><p><b>　　77.25</b></p><p><b>　　85.2635</b>&l

59、t;/p><p><b>　　83.8</b></p><p><b>　　84.45</b></p><p><b>　　85.6724</b></p><p><b>　　85.6377</b></p><p><b>　

60、　87.6333</b></p><p><b>　　88</b></p><p><b>　　87.225</b></p><p><b>　　87.2238</b></p><p><b>　　86.2135</b></p>

61、<p><b>　　85</b></p><p><b>　　84.1637</b></p><p><b>　　88.1982</b></p><p><b>　　87.1111</b></p><p><b>　　85.8432&l

62、t;/b></p><p><b>　　84.275</b></p><p><b>　　85.9471</b></p><p><b>　　85.9542</b></p><p><b>　　83.3372</b></p><p

63、><b>　　86.5</b></p><p><b>　　88.9655</b></p><p><b>　　87.3173</b></p><p><b>　　85.5862</b></p><p><b>　　84.298</b

64、></p><p><b>　　86.4148</b></p><p><b>　　86.0625</b></p><p><b>　　87.1833</b></p><p><b>　　86.0185</b></p><p>

65、;<b>　　86.5925</b></p><p><b>　　84.125</b></p><p><b>　　83.375</b></p><p><b>　　];</b></p><p>　　X=[ones(size(XT)) XT KT];<

66、;/p><p>　　[b,bint,r,rint,stats]=regress(y,X);</p><p>　　b,bint,stats</p><p><b>　　程序3.1</b></p><p>　　A=[84.44822.7445</p><p>　　85.88092.7847</p

67、><p>　　77.252.0000</p><p>　　85.26352.8772</p><p>　　83.82.8000</p><p>　　84.452.8889</p><p>　　85.67242.1111</p><p>　　85.63772.2035</p>

68、<p>　　87.63332.6333</p><p><b>　　882.3714</b></p><p>　　87.2252.1599</p><p>　　87.22382.7754</p><p>　　86.21352.6049</p><p><b>　　8

69、52.5215</b></p><p>　　84.16372.7852</p><p>　　88.19822.4352</p><p>　　87.11112.6736</p><p>　　85.84322.6188</p><p>　　84.2752.5310</p><p&

70、gt;　　85.94712.6607</p><p>　　85.95422.4702</p><p>　　83.33722.6853</p><p>　　86.53.0000</p><p>　　88.96552.8741</p><p>　　87.31732.9074</p><p&g

71、t;　　85.58622.8259</p><p>　　84.2982.7389</p><p>　　86.41482.6802</p><p>　　86.06252.5236</p><p>　　87.18332.6500</p><p>　　86.01852.5621</p><p&

72、gt;　　86.59252.5379</p><p>　　84.1252.6167</p><p>　　83.3752.7500</p><p><b>　　];</b></p><p>　　x=75:1:90;</p><p>　　p1=polyfit(A(:,1),A(:,2),1);&

73、lt;/p><p>　　y1=polyval(p1,x);</p><p>　　plot(x,y1,'b',A(:,1),A(:,2),'g.')</p><p>　　xlabel('x1')</p><p>　　title('y對x1的散點圖')</p><p&

74、gt;　　legend('論文評分','選題期望')</p><p><b>　　程序3.2</b></p><p>　　A=[84.4482 9.9519</p><p>　　85.8809 9.3380</p><p>　　77.25 13.5000</p><p&

75、gt;　　85.2635 9.6873</p><p>　　83.8 10.0000</p><p>　　84.45 9.8519</p><p>　　85.67249.0602</p><p>　　85.63779.3956</p><p>　　87.63339.1000</p><p>

76、;<b>　　88 8.6667</b></p><p>　　87.225 9.7091</p><p>　　87.2238 9.2681</p><p>　　86.2135 9.7413</p><p>　　85 10.4381</p><p>　　84.16379.0000</p>

77、;<p>　　88.19829.2605</p><p>　　87.11119.0583</p><p>　　85.84329.4046</p><p>　　84.275 9.7914</p><p>　　85.9471 9.5215</p><p>　　85.9542 9.9916</p&g

78、t;<p>　　83.3372 10.3063</p><p>　　86.5 10.5000</p><p>　　88.9655 9.6852</p><p>　　87.3173 8.8842</p><p>　　85.5862 10.1778</p><p>　　84.298 9.9000</p&

79、gt;<p>　　86.4148 9.7319</p><p>　　86.0625 10.0795</p><p>　　87.1833 9.7889</p><p>　　86.0185 9.9870</p><p>　　86.5925 9.5194</p><p>　　84.125 10.3750<

80、/p><p>　　83.375 12.0000</p><p><b>　　];</b></p><p>　　x=75:1:90;</p><p>　　p1=polyfit(A(:,1),A(:,2),1);</p><p>　　y1=polyval(p1,x);</p><p&g