高斯过程,也称正态随机过程,是通信领域中最重要的一种过程。在实践中 观察到的大多数噪声都是高斯过程。 定义 若随机过程5(1)的任意n维(n=1,2,)分布都是正态分布,则称它为高 斯随机过程或正态过程

为提高遥感影像变质矿物提取精度，提升变质带的识别效果，以甘肃北山ASTER影像为研究区，结合了比值运算、多尺度分割、随机森林分类法进行变质矿物提取。首先，通过矿物特征性光谱特征构造比值运算公式、进行影像增强；然后，对增强影像进行基于光谱及变差函数的多尺度分割；接着，采用随机森林法提取目标矿物；最后，通过野外勘查、采样、薄片鉴定进行精度评价。结果表明，黑云母、白云母、角闪石在ASTER影像上具有鉴定性特征，提取精度分别为85.4088%、84.7640%和85.7308%；其他含量较少的变质矿物提取精度可达到60%以上。多尺度分割能充分利用矿物的丛集特征；变差函数纹理能增强形态特征对矿物的区分能力；随机森林分类法对矿物混合引起的噪声不敏感、提取结果稳定

平稳随机过程是一种特殊而又广泛应用的随机过程,在通信领域中占有重要地位。 一、定义 设随机过程{(),t∈T},若对于任意n和任意选定的

岩石结构面的定量化描述对于理解结构面的力学性质至关重要,投影覆盖分形描述法是结构面定量化表征的主要方法之一.然而,投影覆盖法计算结构面分形维数时存在三角形单元划分的缺陷.从概率分析角度考虑,将随机数应用于三角形单元的划分中,提出了基于随机数估算结构面分维数的投影覆盖法.应用改进投影覆盖法计算了红砂岩结构面的分维数,获得了120个分维值,并将其作为一个分维数样本;然后分析了此样本的分布特征,并将样本均值作为结构面分维数的精准值.实例分析证明,采用改进投影覆盖法所获分维数样本是来自正太分布总体;投影覆盖法计算的分维数几乎是改进投影覆盖法所获结果的极限值;基于随机数进行三角形单元划分更符合实际结构面形貌特征,从而计算的分维数更精准

第六章样本及抽样分布 6-1随机样本 总体:研究对象的某项数量指标的值的全体。 个体:总体中的每个元素为个体。 例如:某工厂生产的灯泡的寿命是一个总体,每 个灯泡的寿命是一个个体;某学校男生的身高 的全体一个总体,每个男生的身高是一个个体 定义:设X是具有分布函数F的随机变量,若X1x2 是具有同一分布函数F的相互独立的随机变量, 则称H1为从总体X中得到的容量为n的简 单随机样本,简称为样本,其观察值冮∵ˉ气称 为样本值

+ 因素指自变量+ 随机化:用随机化方法分配被试到各个实验处理中+ 是在实验之中操纵一个自变量，并采用随机化原则把被试分配到自变量的不同水平上的一种实验设计

2-3随机变量的分布函数 1.概念 定义设X是一个随机变量,x是任意实数,函数称为X的分布函数

第一章随机事件及其概率. 第二章随机变量及其布 第三章多维随机变量及其 第四章随机变量的数字特征 第五章大数定律和中心极限定理 第六章数理统计的基本概念 第七章参数估计 第八章假设检验 第九章方差分析和回归分析

若随机变量的分布函数F(x)恰好是某个 非负函数(x)在(∞,x)上的积分,即 则称ξ为连续型随机变量,称q(x)为的分布 密度(简称密度),也有称概率密度的,并称ξ 的分布为连续型分布

第六讲随机变量及其分布(二） 2.连续型随机变量