贝叶斯决策理论 统计模式识别的主要方法之一 采用贝叶斯决策理论分类的前提： 目标（事物）的观察值是随机的，服从一定的概率分布。 即：模式不是一个确定向量，而是一个随机向量

期末复习中,你可以在课本中取出一个编号为奇数的任意问题的随机样本, 并能在没有计算机的帮助下做出来。你可能想试图在没有计算机的情况 下做出茎叶图,简单的散点图,和简单的经验累积概率分布。可以尝试 在没有计算机时做一元线性回归

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混饨搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率

习题2 2.甲、乙、丙3人进行独立射击,每人的命中率依次为0.3,0.4,0.6,设每人射击一次,试求3人命中总数之概率分布律.解用表示3人命中总数,则X的取值为0,1,2,3用A表示“甲命中”,B表示“乙命中”,C表示“命中”.则

一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计(OLS) 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计

§2.1 回归分析概述 一、变量间的关系及回归分析的基本概念 二、总体回归函数（PRF） 三、随机扰动项 四、样本回归函数（SRF） §2.2 一元线性回归模型的参数估计 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干扰项方差的估计 §2.3 一元线性回归模型的统计检验 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 §2.5 实例：时间序列问题 一、中国居民人均消费模型 二、时间序列问题

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的参数估计 (Estimation of Simple Linear Regression Model) 一、一元线性回归模型的基本假设 二、参数的普通最小二乘估计（OLS） 三、参数估计的最大或然法(ML) 四、最小二乘估计量的性质 五、参数估计量的概率分布及随机干 扰项方差的估计 §2.3 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.4 一元线性回归分析的应用——预测问题 一、Ŷ0是条件均值E(Y|X=X0)或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间

§2.1 回归分析概述 (Regression Analysis) 一、变量间的关系及回归分析的基本概念 二、总体回归函数 三、随机扰动项 四、样本回归函数 §2.2 一元线性回归模型的基本假设 (Assumptions of Simple Linear Regression Model) 一、关于模型设定的假设 二、关于解释变量的假设 三、关于随机项的假设 §2.3 一元线性回归模型的参数估计 (Estimation of Simple Linear 一、参数的普通最小二乘估计（OLS） 二、参数估计的最大或然法(ML) 三、最小二乘估计量的性质 四、参数估计量的概率分布及随机干扰项方差的估计 §2.4 一元线性回归模型的统计检验 Statistical Test of Simple Linear Regression Model 一、拟合优度检验 二、变量的显著性检验 三、参数的置信区间 §2.5 一元线性回归分析的应用——预测问题 一、预测值条件均值或个值的一个无偏估计 二、总体条件均值与个值预测值的置信区间 §2.6 实例及时间序列问题

采用FLAC3D程序和离散裂隙网络技术构建的遍布节理岩体模型能同时考虑节理岩体中节理和岩体的作用,具有概念清晰、建模快捷、计算效率高等特点.首先对现场结构面测绘数据进行统计分析,获得其概率分布特征参数,在此基础上分两尺度考虑节理并确定其离散裂隙网络模型;其次基于离散裂隙网络模型构建相应的节理岩体模型,研究其强度特征并获取工程岩体单轴抗压强度;结合Hoek-Brown、Mohr-Coulomb准则及最大围压拟合综合确定节理岩体力学参数;最后将拟合所得参数用于边坡稳定性分析,分别运用强度折减法和极限平衡法计算两种模型的安全系数,对比发现计算结果基本一致,表明所提出的研究思路用于确定节理岩体参数是可行的

5.1 随机事件及其概率 5.2 离散型随机变量及其分布 5.3 连续型随机变量的概率分布