保险费率评价模型

2013年“深圳杯”数学建模夏令营

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。

我们授权全国大学生数学建模竞赛组委会，可将我们的论文以任何形式进行公开展示（包括进行网上公示，在书籍、期刊和其他媒体进行正式或非正式发表等）。

我们参赛选择的题号是（从A/B/C/D中选择一项填写）： D 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）： 黑龙江财经学院 参赛队员 (打印并签名) ：1. 卢芳莹 2. 董艳昕 3. 雷经纬 指导教师或指导教师组负责人 (打印并签名)： 侯嫚丹

日期： 2013 年 5 月 8 日 赛区评阅编号（由赛区组委会评阅前进行编号）：

1

2013年“深圳杯”数学建模夏令营

编 号 专 用 页

赛区评阅编号（由赛区组委会评阅前进行编号）：

赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注

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）：

2

农业气象指数保险模型

摘要：在我国全力发展农业灾害保险时，越来越多的问题也出现了。如何分析灾害与

保险的关系，建立更合理的保险理赔方案成为了一大难题。

问题一：本案例给出大组气象数据，首先利用SPSS对气象数据中的风速和降水进行预测，分析P省有关风速和降水的今后概况，研究该地区气候对农作物生长的利弊。再利用Matlab对气象数据进行灾害分析，合理定义灾害之后，分别求出各月份各气候灾害发生的概率，并建立“灾害概率分布表”。 通过风险测量、敏感性分析、概率分析和模拟技术等对风险出现的后果和概率及分布进行定量分析。

问题二：模型以玉米为例，具体分析出该作物生长期间灾害发生的概率，分析其对保险公司存在的风险。然后主要从保险费率和赔付率下手，对投保与费率的关系进行建模，并分析险种方案存在的不合理性。并于第二问中提出解决方案。在对保险公司和投保人风险分析中，我们引用了“逆选择”这一概念。进而说明保险费率对投保的影响。 问题三：在进行模型推广时，我们以黑龙江省为例，查阅相关资料，结合“受灾分布表”分析黑龙江省农业保险存在的风险。并从霜灾、虫灾等方面对模型进行灾害分析。 问题四：最后结合模型和实际情况提出了我们的对策方案及给部门的建议书。

关键词：气象、费率、保险、风险、统计学

3

一、问题重述

在2012年，全世界发生的十大自然灾害中，有4场灾害是发生在中国。包括3场严重的夏季洪涝灾和席卷苏鲁翼等沿海地区的台风‘达维’造成在灾害。另外还有很多自然灾害发生导致290亿美元的损失，但通过投保由保险公司赔付的比例仅占总损失的4%左右。与美国相差甚远。这个事实警示我们，中国需要重视和加强自然灾害保险的研究和实践，特别是针对严重灾害的保险体系建设和对策方案的研究。

农业灾害保险是国家性保险之一。农业灾害保险也是针对自然灾害，保障农业生产的重要措施之一，是现代农业金融服务的重要组成部分，是农业现代化体系的重要组成部分。农业保险基于投保人、保险公司、和三方面的利益，按照公平合理的定价原则设计，由保险公司经营，三方共同承担不同的责任、义务和风险。农业灾害保险分种植业保险和养殖业保险两种大类，现有几十个险种，因不同地区气象条件不同，各险种方案也不同。作为投保人和承包人之外的第三方介入以体现对和救灾的责任。从实际出发，查阅和附件中的数据资料，通过分析建模，研究并解决下面问题。

（1）对附件2中的数据作出必要的统计分析，研究P省现有农业保险险种方案可能存在的风险，并分析其方案是否存在不合理性。

（2）针对P省的具体情况，选取其中部分农业灾害保险险种，设计更实际可行的农业灾害保险的险种方案，包括标的、保险金、保费、费率、赔付率、补贴率等；并对方案的有效性(即保险公司和投保人的风险大小)及可行性做出定量分析。

（3）将你们的模型推广应用。根据某省（市、区）的实际情况（或参见附件3），查查阅相关资料，提出相应的农业灾害保险的险种方案，并对可能存在的风险做出分析；针对其他方面的自然灾害保险问题进行研究。

（4）结合你们的模型结果，从地方、保险公司和投保人三个方面，提出有利于自然灾害保险长远发展的对策方案，希望能用定量分析依据或方法说明其对策方案的可行性和有效性，并给相关部门写一篇建议书。

二、模型假设

（1）信赖因素C为38% （2）趋势因素为1

（3）各作物抗灾能力相同

三、问题分析

附件2给出了多组气象数据，问题一种要求对数据作出必要的统计分析，并研究农业灾害保险险种方案可能存在的风险，并分析不合理性。并且在查阅相关资料以后，发现该农业保险险种存在一些不合理的地方。因此确定该险种存在不合理性。首先我们想到的就是根据气象数做灾害风险评估。因为农业险种可能存在的风险无非就是方案不合理，该保险地区自然灾害发生率过高而导致保险公司赔钱。所以在讨论过多种评估方法以后，我们决定用分布建立模型，解出自然灾害风险发生的概率，并结合农业险种保险费率，将灾害发生的概率与保险费率建立关系，进而解决方案不合理性。当我们求出灾害发生的概率之后，假设该地区投保面积，并根据灾害发生的概率假设损失面积。选取小麦保险险种，根据模型设定新的保险费率，再根据实际情况重新设定保费、保险金、补贴率等险种方案。再结合第一问中所用到的模型重新对新推出的保险险种方案做出定量分析。

4

根据附件1已知保险公司的赔偿范围是六级以上含六级的大风（即风速大于10.4m/s）、冰雹、暴雨（即日降水量50mm以上），而对于火灾旱灾因为附件2中数据有限，不涉及火灾、旱灾，所以我们假设不考虑这两种情况。

而在做灾害风险评估时我们首先对灾害做定义，并根据农作物实际生长条件做出划分，如下：

大风：根据附件1中所说，赔偿范围是六级以上（含六级）。当风越大时灾害越严重，

假设当达到一定级数时确认为完全损失，即100%受损。查阅相关资料可知六级大风的风速为10.8m/s.因此做一下定义： 轻微损失：10.8m/s

中度损失：10.8m/s-13.7m/s 部分损失：13.8m/s-17.1m/s 全部损失：17.1m/s以上。

降水：根据附件1可知赔偿范围是暴雨，也就是日降水量50mm以上。因此定义：

轻微损失：50mm

中度损失：50.1mm-80mm 部分损失：80.1mm-150mm 全部损失：150mm以上

冰雹：发生事件由于是小概率事件，所以根据大数定律计算概率。

对数据进行统计分析，做完灾害风险评估，我们可知不同作物对应生长时间、条件也不一样。因此分别求出各作物发生灾害的概率。

再结合2012年性农业种植业保险费率明细表 序号 1 2 3 5 6 7 8 9 品种 小麦 玉米 水稻 棉花 花生 油菜 西瓜 苹果 保险金额(元/亩) 311 251 278 98 302 292 149 1000 2000，4000 保险费率 5.8% 5.9% 5.8% 5.1% 6% 5.8% 5.4% 6% 7% 保险费(元) 18 15 16 5 18 17 8 60 140，280 补贴 14.4 12 12.8 4 14.4 13.6 6.4 48 112，224 农户自担 3.6 3 3.2 1 3.6 3.6 1.6 12 28，56 4 豆类作物 中所给数据对保险公司盈亏做出定量分析。 在此基础上对数据进行分析建模。

四、模型建立

1）问题一 1.符号说明

w1：发生损失后的收入 w2：不发生损失的收入

P：损失概率

5

L：最大损失 w：收入期望值 u：效用

r：费率 F：赔付率 2.模型求解

根据对附件2中气象数据进行分析，因降水和风速对农作物生长影响较大，遂以降水量和风速为例，进行预测，建立模型。

降水量 模型统计量 模型 预测变量数 V4-模型_1 2 模型拟合统计量 平稳的 R 方 .194 Ljung-Box Q(18) 统计量 9.168 DF 16 Sig. .906 离群值数 0  模型拟合 拟合统计量 均值 平稳的 R 方 R 方 RMSE MAPE MaxAPE MAE MaxAE 正态化的 BIC .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 SE . . . . . . . . 最小值 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 最大值 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 5 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 10 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 25 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 百分位 50 .194 .194 6.350 374.007 7193.692 1.993 93.192 3.779 7377199

6

风速

模型 预测变量数 V5-模型_1 1 模型拟合统计量 平稳的 R 方 .381 Ljung-Box Q(18) 统计量 29.3 DF 17 Sig. .029 离群值数 0

模型拟合 拟合统计量 均值 平稳的 R 方 R 方 RMSE MAPE MaxAPE MAE MaxAE 正态化的 BIC .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 SE . . . . . . . . 最小值 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 最大值 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 5 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 10 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 25 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 百分位 50 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309 75 .381 .212 1.2 29.068 205.680 1.403 11.041 1.309

7

由以上统计可以看出，P省的主要气候特点为春季多风沙。少雨水，而夏季雨水充足。因此该地区气候对水需求量较大的作物和玉米这种易倒伏的作物生长不利。

利用附件2中给出的气象数据用Matlab做出分布图，其中主要为正态分布、偏态分布、伽玛分布等。在验证的100多幅分布图里，发现有13幅图不符合规律，考虑到是筛选数据方面出的问题我们暂不做考虑。

然后利用积分求出概率密度积，可知一定范围内的概率密度就是这部分发生的概率。 并由分别求出的灾害概率建立成“灾害概率表”，如下：

灾害概率表

风 一月 二月 4.20103 三月 1.251.801.20103 四月 1.121.509.13104 五月 3.202.59104 六月 4.004.72104 七月 1.208.653.615.911.53103 八月 3.01104 九月 5.74104 十月 1.109.35105 十一月 2.002.00104 十二月 3.304.01104 轻微2.90损失 103 中度损失 部分损失 全部损失 3.33104 102 102 103 103 103 103 103 103 103 103 4.46104 1.484.443.081.44103 4.94105 105 105 105 106 1.97104 2.40104 1.10104 2.85104 2.11105 4.39105 1.04104 2.104 7.35106 6.79104 5.968.49105 3.512.55104 1.62106 1.0.98104 6.487.62104 9.401.58104 2.842.44105 1.20105 105 105 105 107 107 107 107 106 雨 轻微损失 中度损失 部分损失 全部损失 0 0 0 0 0 0 0 0 0 0 4.91104 0 0 0 0 0 0 0 0 0 1.39104 2.30104 1.21104 5.46104 3.104 1.27104 7.87105 0 0 0 0 0 0 0 7.27105 9.69105 6.42104 4.43104 1.76104 0 0 0 0 0 0 1.17103 2.42105 0 5.21104 0 0 冰雹 中度损失 1.18103

8

由此表可简洁明了的看出各气象灾害与月份的关系，针对各作物生长条件、时间不同，在计算自然灾害发生的概率时更明了。

以玉米为例，经计算可知，玉米受灾率高达4.6% 假设有1000亩地投保，则

10004.6%251F0.770

100015可知赔付率达到77%，调查研究可知。保险公司当赔付率超过70%时就几乎确定为赔钱。所以该险种可能导致保险公司亏损。

另外，根据保险费率与农民投保的关系，建立模型

L=w2-w1

w=pw1+（1-p）w2. u=pu（w1）+（1-p）u(w2)

如果全额投保，保费为r，所交保费rL。则不管损失是否发生，收入是固定值w2-rL

效用为：

ua=pu(w2rL)(1p)u(w2rL)u(w2rL)

如果费率等于损失概率rp，可得

uau(w2pL)u[pw1(1p)w2]

因为效用函数u(x)是凹的，

u/(x)0,u'(x)0,

所以

uau

说明以纯费率投保的话，被保险人将全额投保，获得效用最大。 对效用函数求导：

ua(L)u'(w'2rL)u(w2rL) r因为u'(x)0，所以

ua0 r

9

说明费率越高，投保人效用越小。

并且，由于灾害发生概率过高导致保险公司赔钱的概率增大，赔付率过高，这就是农业灾害保险险种方案可能存在的风险。

所以我们应结合实际灾害情况对保险费率做适当调整。此为该农业险种不合理之一。

另外，根据灾害概率可知不同农作物的生长条件不同，受灾概率也不同。因此针对各险种方案、保险费率也不应相同。此为该险种不合理之二。

最后，由上面统计中可知，不同地区灾害发生自然灾害概率不同，因此在设立保险险种也应该不同。 2）问题二 1.符号说明 A：是平均损失 E：是预期损失 C：信赖因素 T：趋势因素 M：费率调整幅 N：总的保险标

P：平均损失概率

2．模型求解

1)根据上问中可知玉米作物的险种方案确定为不合理，因此仍选取玉米农业保险险种方案分析。

根据自然灾害发生概率与保险费率建立关系，重新厘定保险费率，建立模型

保险费率调整幅

AEMCT

E根据现有保险实际情况，我们假设信赖因素C为38%，趋势因素为1

仍假设有1000亩地投保，因为自然灾害发生的概率为4.6%，所以应有46亩地被赔偿。且由表 保险金额 （元/亩） 251 保险费 费率 总保险费 （元） 5.9% 15 补贴 （元） 12 农户交纳 （元） 3 品种 玉米 可知，保险金额是251元，总保险费是15元，所以其中A为15000，E为116， 求得M=0.8%

即玉米保险费率应下调0.8%

所以合理保险费率应为5.1% 2).农业保险终点逆选择

在同一保险业务中，当不能甄别高风险和低风险者时，按同意费率承保，在农业保险中，不管是种植哪种作物，气候不一样，保险标所发生风险的概率都不同。形成了系

10

列不等的风险水平。

设保险标的面临不同的损失概率，依次为p1p2...pk，相应的标数为

n1n2....nk，则总的保险标是N=ni。假设每次损失额相同为L，则平均损失概

i1k率：

npLPiiiNL1Nnpii

保费率：

rp(1f)

*其中f0是费用率。

如果全部保险标都投保，则赔付率是：

npLiii1kkNPLLnip(1f)I1KnrLii111 1f因此，在全部投保或保险标的数很大的情况下，赔付率小于百分之百。 不同的承保人能承受的最大费率是：

ripi(1f')

*其中风险厌恶型f'0，风险中立型f'0。所以只有pi(1f')r的农户才愿意投保。

*设：

pj1则保险公司收入：

p(1f)<=pi(1jk) '1fk*YnirLLp(1f)ni，

ijijk预期赔付：

CnipiL

ijk预期利润:

RYC

R的正负取决于pi和ni的分布f的大小。

11

kRLni0 rij因此r有变化大的趋势。但r越大j越大，所以

R0从而愿意投保的人越来越少，r保险公司收益越来越少。

由此，预期损失概率低于费率的低风险者将不足额投保甚至不投保，预期损失概率高于费率的高风险者将全额投保，这样实际的损失概率会高于费率，导致高赔付率从而产生亏损。所以，为了收支平衡，将提高保险费率。相对于这个新的保险费率，使一部分原先的高风险者变成低风险者，投保人减少，亏损更大，最终形成亏损—提高费率—投保减少—亏损更大的逆选择恶性循环

根据上述分析对玉米险种方案重新设定，已知合理保险费率为5.1%，新的厘定方案中保险金额不变仍为251元/亩，则保费为2515.1%13元，而根据性农业保险中规定，农民担保20%，所以农民承担2.6元。

3）问题三

1.将模型推广应用：模型以黑龙江省为例，

查阅相关资料可知黑龙江省农业保险险种主要有玉米、水稻、小麦、大豆等4种农作物和能繁母猪、奶牛两种畜产品。其中，种植业品种、省级、市县和农户自筹的保费比例2008年和2009年均为35%、25%、20%、20%，2010年为40%、25%、15%和20% 2007~2009年，黑龙江省实现农业保费收入29.67亿元，承担风险保障338.26亿元，累计支付赔款21.7亿元

2010年种植业保险。水稻、小麦、玉米、大豆等农作物保险，根据各农牧场选择的保险金额不同每亩保费20、30、40元不等，由财政补贴65%，农牧场补贴10%，投保人承担25%。经济作物保险另行制定；

2012年目前，我省各县农业保险保费分配情况为：水稻、玉米、大豆和小麦四种作物，每亩保费15元，其中：财政补贴40%，即6元；省级财政补贴25%，即3.75元；县（区）级财政补贴15%，即2.25元；其余20%，即3元由参保农户承担。

统计出1998年-2011年间旱灾、洪水灾、风雹灾导致农产业损失面积，总种植面积。根据这些数据统计分析如下表：

12

根据统计分析发现：旱灾是三项自然灾害中占比例最大的一项。冰雹灾害概率最小。且计算得知，三项灾害和小于总受灾值，由此可知在黑龙江省除了这些灾害以外，虫灾霜灾等其他灾害也存在一定发生几率。

而进而统计各灾害在全地区发生的概率比建立下表：

13

关于黑龙江省农业保险概况，由此可知投保面积越多相对保险公司收益多赔付少，盈利多。而根据查阅到的资料可知07-09年赔付率高达73.1%赚少赔多。

由第一个表中“差值”可知，这一项数值普遍较小（2002年除外）。由此可推知霜灾、虫灾等灾害在黑龙江省自然灾害占比重较小，对农作物产生灾害的概率不大。

在针对相关资料查阅时，可以看出相对于其他灾害，旱灾是黑龙江省最大的灾情，无论是对农业还是对保险公司来说都将是一个大风险。

4）问题四

对策方案：针对对该问题的分析，我们可知关于农业自然灾害保险险种存在的主要问题就是农民投保意识不强导致保险公司保险金收入少。另一个主要问题就是保险险种方案的不健全。很多地区没有保险方案，或者作物没有险种，或者险种方案不合理。因此我们首先要解决这两点问题，将我国的农业保险发展起来将不再是问题。

对于：大力宣传农业保险对农民、对国家的好处，使农民明白保险对农业发展的重要性。

对于保险公司：大量收集保险相关数据，尽快健全农业自然灾害保险险种方案，设定更实际可行合理的方案，包括保险金额、保险费、保险费率、补贴率等重要数据的确定。合理安排不同地区、不同作物的不同险种方案。并对方案可靠性进行公开说明，让农民朋友信赖保险，当灾害真正发生时不躲避、不推卸责任，做到合理保险、诚信保险。

对于农民：合理理性的判断作物生长条件、生长环境，充分了解自己的作物，科学的种植作物，在灾害来临时尽可能的减少灾害对农作物的危害。当灾害不可避免时，有规章、有依据的要求保险公司进行合理赔偿。

建议书

我国是一个农业大国，农作物种植面积广，种类多，但是自然灾害发生同样严重。为促进农业发展，跟随现代农业发展我们应大力发展性农业灾害保险。与我国保险业近年来快速发展形成强烈对比的是，农险业务连年下滑。自中国恢复保险业务以来，只有人保和中华联合在做农业保险，从1993年开始，农业保险费收入、保险险种和农险机构、从业人员，均在不断萎缩减少。而我国农业灾害保险并不完整，这制约了很多条件，主要存在以下问题：

首先，险种方案不齐全。很多农作物都没有相应的农业灾害保险方案，这使一些农民无条件参保。

第二，保险方案不够完善。我国幅员辽阔、气候不一，不同地区扎染灾害发生概率不一样、农作物生长时期不同、抗灾能力也不同。而农业灾害保险险种方案却相同。因为我国农业灾害保险起步较晚，没有足够多的数据供保险公司厘定保险方案，导致保险公司无法设置更为合理的险种方案。因此我们要大力支持、鼓励农民参保，收集更多的数据方便以后设定更好的保险方案。

第三，农民参保意识薄弱。我国农业灾害保险发展不起来的主要原因就是参保太少，农民不愿意参保。这与“保险费率高、保额低、方案不齐全”有关系。但农民对“保险”无概念为最主要原因。很多农民都觉得保险爱你是骗人的，根本没必要参保，更有甚者不知道“保险”为何物。他们没有意识到保险锁带来的好处。因此为促进农渔业保险类发展我们应大力宣传，向农民朋友耐心解释分析参保的含义及好处，让他们真正了解保险，自愿参保。

14

第四，相关保险法律条例不健全。很多保险公司“唯利是图”，只要认为有钱可赚就不顾方法坑蒙拐骗、欺骗大众参保。当灾害发生时却利用各种漏洞不予赔偿，让参保民众有被欺骗的感觉，不再参保。因此部门应尽快健全相关保险法律法规，给人民以信心，诚信参保。

第五，我国农险赔付率就搞不下的主要原因就是自然灾害发生概率太大，相对保险公司风险高，所以保险公司赔钱概率增大。因此解决民生根本问题才是对长远发展的根本策略。由调查资料可知，我国农业灾害主要是干旱、洪涝、风雹、霜寒、虫害等。针对这几点我提出一下几点方法希望能使问题得以解决：

1. 因地制宜。什么条件适合什么作物生长就种植什么。例如西北地区种植耐寒

作物，南方可以种植小麦、水稻等这些北方农作物。 2. 南水北调，变天利为人利。如北方地区易发生旱灾，则可开通运河、兴修水

利、土木工程，解决南方洪涝、北方干旱这一问题。 3. 加强科研，改善作物品种。大力培养新物种，研究更适合条件生长、抗灾能

力更强的品种。

最后，设定更为合理的农业灾害保险理赔方案。很多保险公司都不愿做农险。高风险、高赔付率制约了很多保险公司开展农业保险险种方案。而事实上，我国农险史上赔付率最高310%。多地区赔付率也是居高不下。根据上述模型可知农民参保与保险费率的关系。由此，为发展农险，应适当合理调整不贴率。这样农民将风险分担给保险公司，在国家财政允许情况下，保险公司再将风险分担给。这样农民种植风险减小、保费减小就会种植更多的地、给更多的地投保，促进了农业和农业保险双发展。保险公司虽降低了保险费率却得到更多的盈利，促进了经济发展。虽然为农民承担了风险却在农业、保险业、经济上都得到了发展。进而形成良性循环，才能促成“三赢”的好局面。

五．模型评价

模型优点是分析论述较为完整，理论成立，模型实用。在对数据分析时图文结合，简单明了易懂。建议部分比较全面且客观。缺点时因所学有限，在第二问中对保险险种方案的重新厘定分析较为简单，新方案也不一定是最合理方案，在以后可以继续修改。

六．参考文献

[1] 李军军《财政支持农业保险的效用分析》

[2]姜启源《数学建模》[M]. 北京：高等教育出版社，2003

[3] 马正飞《数学计算方法与软件的工程应用》化学工业出版社2002.12 [4] 韩中庚《数学建模方法及其应用》高等教育出版社，2005 [5] 梁冯珍，宋占杰，张玉环《应用概率统计》天津大学出版社，2004 [6] 田爱国，统计学，北京：中国铁道出版社，2005

15

附件1

1）判断概率分布Matlab程序

function H=zc(x,alpha)

% 本程序用于判别所给数据源在置信率为0.05时的概率分布形式。x的形式为n×1。在未给出alpha时，默认显著性水平α=0.05 [mu,sigma]=normfit(x); p1=normcdf(x,mu,sigma);

H(1)=kstest(x,[x,p1],alpha);

% 当H(1)=1时，拒绝数据服从于正态分布；当H（1）=0时，接受数据服从于正态分布。 phat=gamfit(x,alpha);

p2=gamcdf(x,phat(1),phat(2)); H(2)=kstest(x,[x,p2],alpha);

% 当H(1)=1时，拒绝数据服从于γ分布；当H（1）=0时，接受数据服从于γ分布。 lamda=poissfit(x,alpha); p3=poisscdf(x,lamda);

H(3)=kstest(x,[x,p3],alpha);

% 当H(1)=1时，拒绝数据服从于泊松分布；当H（1）=0时，接受数据服从于泊松分布。 mu=expfit(x,alpha); p4=expcdf(x,mu);

H(4)=kstest(x,[x,p4],alpha);

% 当H(1)=1时，拒绝数据服从于指数分布；当H（1）=0时，接受数据服从于指数分布。 phat=raylfit(x, alpha); p5=raylcdf(x,phat);

H(5)=kstest(x,[x,p5],alpha);

% 当H(1)=1时，拒绝数据服从于rayleigh分布；当H（1）=0时，接受数据服从于rayleigh分布。 风的概率

function zcwl(x) a=zeros(4,10); p=zeros(1,4); for i=1:10 b=x(:,i);

phat=gamfit(b,0.05);

c(1)=gamcdf(10.8,phat(1),phat(2)); c(2)=gamcdf(12.8,phat(1),phat(2)); a(1,i)=c(2)-c(1); c(1)=c(2);

c(2)=gamcdf(13.8,phat(1),phat(2)); a(2,i)=c(2)-c(1); c(1)=c(2);

c(2)=gamcdf(17.1,phat(1),phat(2)); a(3,i)=c(2)-c(1); a(4,i)=1-c(2); end

16

for j=1:4

A=a(j,:); f=sum(A); p=f./10; disp(p) end

2）SPSS进行P省风速和降水量预测程序 风速

PREDICT THRU END. * 时间序列建模器. TSMODEL

/MODELSUMMARY PRINT=[MODELFIT]

/MODELSTATISTICS DISPLAY=YES MODELFIT=[ SRSQUARE] /SERIESPLOT OBSERVED FORECAST /OUTPUTFILTER DISPLAY=ALLMODELS /AUXILIARY CILEVEL=95 MAXACFLAGS=24 /MISSING USERMISSING=EXCLUDE

/MODEL DEPENDENT=V5 INDEPENDENT=V1 V2 V4 V3 PREFIX='模型'

/EXPERTMODELER TYPE=[ARIMA EXSMOOTH] /AUTOOUTLIER DETECT=OFF.

降水量

GET DATA /TYPE=XLS

/FILE='C:\\Users\\Administrator\\Desktop\\降水量.xls' /SHEET=name 'Sheet1' /CELLRANGE=full /READNAMES=on

/ASSUMEDSTRWIDTH=32767.

DATASET NAME 数据集1 WINDOW=FRONT. PREDICT THRU END. * 时间序列建模器. TSMODEL

/MODELSUMMARY PRINT=[MODELFIT]

/MODELSTATISTICS DISPLAY=YES MODELFIT=[ SRSQUARE] /SERIESPLOT OBSERVED FORECAST /OUTPUTFILTER DISPLAY=ALLMODELS /AUXILIARY CILEVEL=95 MAXACFLAGS=24 /MISSING USERMISSING=EXCLUDE

/MODEL DEPENDENT=V4 INDEPENDENT=V3 V2 V1 PREFIX='模型'

/EXPERTMODELER TYPE=[ARIMA EXSMOOTH] /AUTOOUTLIER DETECT=OFF.

17

18