假设检验是指施加于一个或多个总体的 概率分布或参数的假设.所作的假设可以是 正确的,也可以是错误的 为判断所作的假设是否正确,从总体中 抽取样本,根据样本的取值,按一定的原则 进行检验,然后,作出接受或拒绝所作假设 的决定

针对高炉炼铁过程的关键工艺指标——铁水硅含量[Si]难以直接在线检测且化验过程滞后的问题,提出一种基于稀疏化鲁棒最小二乘支持向量机(R-S-LS-SVR)与多目标遗传参数优化的铁水[Si]动态软测量建模方法.首先,针对标准最小二乘支持向量机(LS-SVR)的拉格朗日乘子与误差项成正比导致最终解缺少稀疏性的问题,提取样本数据在特征空间映射集的极大无关组来实现训练样本集的稀疏化,降低建模的计算复杂度;其次,标准最小二乘支持向量机的目标函数鲁棒性不足的问题将IGGⅢ加权函数引入稀疏化后的最小二乘支持向量机模型进行鲁棒性改进,得到鲁棒性较强的稀疏化鲁棒最小二乘支持向量机模型;最后,针对常规均方根误差评价模型性能的不足,提出从建模误差与估计趋势评价建模性能的多目标评价指标.在此基础上,利用非支配排序的带有精英策略的多目标遗传算法优化模型参数,从而获得具有最优参数的铁水[Si]在线软测量模型.工业实验及比较分析验证了所提方法的有效性和先进性

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

基于马氏距离和模糊C均值聚类算法提出了一种数字彩色图像抠图算法.该算法首先对彩色图像像素的红绿蓝三种彩色分量进行正则化处理；然后在正则化图像背景中选取适当的掩膜作为样本集，计算各像素与样本集之间的马氏距离；再利用模糊C均值聚类算法对计算出的马氏距离进行分类；最后利用填洞操作提高抠图质量.对八幅彩色数字图像进行对比实验，结果显示本算法可以自动抠图，且结果优于马氏距离算法、Grow-Cut算法和正则化线性回归算法的相应抠图效果

完全随机设计的单因素方差分析 One -Way- ANOVA过程是检验单一因素影响多个(两个 以上)彼此独立的样本是否来自相同的总体。适合于: 1、 各样本是相互独立的随机样本; 2、各样本来自正态总体;

一、填空题(每题1分,共计10分) 1.从统计方法的构成看,统计学可以分为描述统计学和 2 概括地反映了所有可能样本的估计值与相应总体 参数的平均误差程度,可衡量样本对总体的代表性大小

提出一种基于支持向量数据描述(support vector data description,SVDD)的生产过程监控、诊断与优化方法.首先,利用正常样本建立SVDD监控模型,获得控制限;然后,利用贡献图对超过控制限的异常点进行诊断,分析引起异常的主要原因;最后,利用邻近点替换法对异常的生产样本进行工艺参数优化.将新方法应用于热轧薄板的生产过程中,结果表明:新方法比传统的监控方法T2 PCA具有更高的检出率,且可以实现对异常点的工艺参数优化,使之回到受控状态

1.问题的提法 众所周知,总体X的全部信息可以通过其分布 函数F(X,θ反映出来,但实际上参数θ往往未知有时 甚至F(X,0)的表达式也未知因此需要根据实际问题 的需要,对总体参数或分布函数的表达式做出某种 假设(称为统计假设),再利用从总体中获得的样本信 息来对所作假设的真伪做出判断或进行检验. 这种利用样本检验统计假设真伪的过程叫做 统计检验(假设检验)

数理统计的基本问题之一是根据样本所提供 的信息,对总体的分布以及分布的数字特征做出 工统计推断.统计推断的主要内容分为两大类:一 类是参数估计问题,另一类是假设检验问题.本 章主要讨论参数估计问题.这里的参数可以是总 体分布中的未知参数,也可以是总体的某个数字 特征.若总体分布形式已知,但它的一个或多个 参数未知或总体的某个数字特征未知时,就需借 工助总体X的样本来估计未知参数.以下主要讨论 总体参数的点估计和区间估计

由于统计量是由样本决定的,而在一 次具体的抽样之前,样本中的每一个分量 都是随机变量,所以,在一次具体的抽样 之前,统计量也是随机变量,也有自己的 分布我们称统计量的分布为