第8章数据处理典型例题与综合练习 一、典型例题 1.重要特征数 例1设一组数据为78.2;88.2;79.3;80.5;83.4;81.2;76.3;86.5求这组数据的(1)均值;(2)中位数;(3)极差;(4)方差及标准差;(5)变异系

本文经随机实验统计分析得出孔隙率函数（3lnφ-2ln（1-φ））近似服从正态分布,在实验的粒径范围内（30~180 mm）,其期望值和方差都随着岩块粒径的增大而增大.在推导出岩层二维下沉曲面方程的基础上,先后推演出燃空区冒落岩体孔隙率的连续非均质分布模型和随机离散化非均质分布模型.依据模型计算矩形煤火空间得出以下结果：燃空区浅部及边缘侧冒落岩体的孔隙率大,而中间区域孔隙率小;孔隙率等值线在x-y平面上的投影呈侧躺的＂U＂形分布;沿x轴,随着深入燃空区距离的增加,孔隙率呈类负指数形式衰减.此外,孔隙率连续分布和随机离散化分布,在整体的变化趋势上是相同的,区别之处在于后者所表示的孔隙率具有一定的随机波动性.将上述随机离散化模型应用在某火区温度场的数值模拟中,并经现场红外测温验证了模拟的准确性和孔隙率模型的适用性

第二章燃料的采样与制样 第一节概述 煤是粒度及化学性质都很不均匀的散装固体物料,要从大量的煤中采制出能代表这批煤 平均质量的少量样品,具有很大的难度。在煤的采样、制样、化验三个环节中,如果用方差 来表示误差的话,采样的影响占80%,制样占16%,化验占4%,故在煤质分析中,关键 是采样,其次就是制样。只有获得有代表性的样品,才可能进行其后的制样与化验。为了保 证所采集的样品具有代表性,就必须遵循一定的原则,采样科学的方法,了解其技术要求, 并掌握其操作要点才能予以实现

问题的提出 在前述各章中我们假定随机扰动项服从均值=0,方差 等于(常数),独立同分布。但是,并没有假定随机扰 动项服从何种具体的分布。 由于没有假定服从何种具体的分布,因而无法计算随 机扰动项取不小于某值的概率,因而也无法计算估计量 取某种值的概率,也就无法对统计量进行假设检验和进 行区间估计

1. MATLAB中概率分布函数 2. 二项分布实验 3. 泊松分布实验 4. 二项分布与泊松分布关系实验 5. 连续型随机变量分布实验 6. 随机变量的均值与方差 7. 逆累积分布函数实验 8. 中心极限定理实验

尽管在一般情况下,要确定某个统计量的分布是非常困难 的,但在总体服从正态分布时,可以确定某些统计量的分布 定理3.1设总体X~N(u,o2),X,X2,X为其 样本,则样本均值ⅹ与样本方差S2独立,且有

§1 随机变量的数学期望 §2 随机变量函数的数学期望 §3 随机变量的方差 §4 协方差与相关系数 §5 独立性与不相关性、矩

本章讨论的重要工具具有与以往不同的目的——建立变量的条件方差或变量波动性模型

通常把生产实践与科学实验中的结果,如产品的性能, 产量等统称为指标,影响指标的因素用A,B,C,…,表示。 因素在试验中所取的不同状态称为水平,因素4的不同水 平用A1,A2表示。 在一项试验中,如果让一个因素的水平变化,其他因素 水平保持不变,这样的试验叫做单因素试验。处理单因 素试验的统计推断问题称为单因素方差分析或一元方差 分析。类似地可定义多因素方差分析。本节先介绍单因 素方差分析

自适应线性元件( Adaptive Linear Element,简称 Adaline)也是早期神经网络 模型之一,它是由威德罗( Widrow)和霍夫(Hof)首先提出的。它与感知器 的主要不同之处在于其神经元有一个线性激活函数,这允许输出可以是任意 值,而不仅仅只是像感知器中那样只能取0或1。另外,它采用的是W一H学 习法则,也称最小均方差(LMS)规则对权值进行训练,从而能够得到比感知器 更快的收敛速度和更高的精度 自适应线性元件的主要用途是线性逼近一个函数式而进行模式联想