3.1 误差的分类 3.2 误差的表示 3.3 测量值和随机误差的正态分布 3.4 少量数据的统计处理 3.5 提高分析结果准确度的方法 3.6 有效数字及运算规则

第一节试验设计原理 第二节随机数据的简单处理 第三节总体及其样本 第四节抽样分布

以板材织构在线检测为应用背景,以铝板和超深冲钢板为例借助X射线测量了8组不同的极图数据,采用不同的方法计算取向分布函数,用以分析极图数据和板材织构信息的关系。研究表明,增加极图数目有利于缩小极图测量范围,同时极图测量范围缩小的方式也应与板材织构类型相关

(1）非线性 (2）分布处理 (3）学习并行和自适应 (4）数据融合 (5）适用于多变量系统 (6）便于硬件实现

一、教学目的要求 经济学理论描述经济变量之间的关系,却没有提供这种关系的具体函数形式。经典 的线性和非线性模型都假定经济变量的函数关系已知,往往会导致在模型设定上存在误 差.非参数模型是不对未知的函数和统计分布作任何具体的假定,而是通过样本数据获 得函数关系的估计,模型更客观地拟合实际经济问题

2.1 有关误差的一些基本概念 2.2 随机误差的分布 2.3 有限数据的统计处理 2.4 测定方法的选择与测定准确度的提高 2.5 有效数字

一、 政府办公自动化的实现 二、 数据库管理系统 三、 政务信息资源的管理 四、 分布式视频会议系统 五、 电子政务与决策支持 六、 跨部门的电子政务系统 七、 电子政务与学习型政府

神经元网络的特点： （1）非线性 （2）分布处理 （3）学习并行和自适应 （4）数据融合 （5）适用于多变量系统 （6）便于硬件实现

本文通过对Buhlmann—Straub模型结构的剖析，引入基于Gibbs抽样的马尔可夫链蒙特卡罗(MCMC)模拟方法，构建出风险保费预测值信用估计的贝叶斯模型。实例分析的结果证明了该模型能够在数据缺失的情况下，动态模拟出有关参数的后验分布，求出缺失参数的后验估计，提高计算的精度，从而有助于更有效地甄别出各保单问的非同质程度

7.1 有关误差的一些基本概念 7.2 随机误差的分布 7.3 有限数据的统计处理 7.4 测定方法的选择与测定准确度的提高 7.5 有效数字