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

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

第8章数据处理 第二单元直方图 一、学习目标 了解用直方图的方法处理数据. 二、内容讲解 当数据很多的时候,如何来处理数据?这包括两个方面的问题:从一个角度 来说,若数据很多,计算数据的平均数和方差是很麻烦的,或者说不必要计算精确 的特征数;第二个问方面,我们不满足计算数据的特征数,我们还要知道数据的全 貌

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

定性的思考 通常人们在研究单个的随机变量的时候,并 不关心它们的分布,而是关心它们的数学期 望和方差,这也是因为分布携带了太多的信 息,很难给人们一个快捷的印象. 而人们在研究两个随机变量的关系的时候, 也不关心它们的联合分布,这是携带了更多 信息的内容.人们关心的是,这两个随机变 量是联系非常紧密呢?还是毫无关系?即相 互独立?人们希望用一个数字就能够在相当 程度上描述两个随机变量的联系程度

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

在客观世界中普遍存在着变量之间的关系.变 量之间的关系一般来说可分为确定性的与非 确定性的两种.确定性关系是指变量之间的关 系可以用函数关系来表达的.另一种非确定性 的关系即所谓相关关系.例如人的身高与体重 之间存在着关系,一般来说,人高一些,体重要 重一些,但同样高度的人,体重往往不相同.人 的血压与年龄之间也存在着关系

《概率论》课程教学资源（教案讲义）第四章 随机变量的数字特征 4.3 方差 4.4 协方差与相关系数

例1设随机变量X具有数学期望E(X)=u,方差 D()=o2≠0.记*=(X-u)/o

分布函数能够完整地描述随机变量的统计特 性.但在一些实际问题中,不需要去全面考虑 随机变量的变化情况,而只需知道随机变量的 某些特征,因而并不需要求出它的分布函数. 例如,在评定某一地区的粮食产量的水平时, 在许多场合只要知道该地区的平均产量;又如 在研究水稻品种优劣时,时常是关心稻穗的平 均稻谷粒数;再如检查一批棉花的质量时,即 需要注意纤维的平均长度,又需要注意纤维长 度与平均长度的偏离程度.因此,与随机变量 的有关数值,能够描述随机变量的重要特征