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

通常求出随机变量的分布并不是一件容易的事,而人们更关心的是用一些数字来表示随机变量的特点,这些与随机变量有关的数字,就是随机变量的数字特征.最常用的数字特征为数学期望,方差和相关系数

本章主要讲述点估计(矩法估计,极大似然估计);估计量的评价准则(无 偏性,最小方差性和有效性,其它几个准则);区间估计(区间估计的一般步 骤,单个正态总体参数的区间估计,双正态总体参数的区间估计,非正态总体参 数的区间估计)等内容

3.3~3.4多维随机变量的数字特征 一 多维随机变量函数的数学期望 二 多维随机变量方差和数学期望性质 三 协方差与相关系数 四 n维随机变量的协方差矩阵

第一节 卡平方的定义和分布 第二节 卡平方在方差同质性测验中的应用 第三节 卡平方适合性测验 第四节 卡平方独立性测验 第五节 卡平方的可加性和联合分析

一、总体均值的假设检验 当检验关于总体均值(数学期望)的假设时,该总体中的另一个参数,即方差2是 否已知,会影响到对于检验统计量的选择,故下面分两种情形进行讨论

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标