第三单元期望的区间估计 一、学习目标 通过本课学习,弄明白区间估计的意义会求总体参数从的区间估计 二、内容讲解 1.区间估计的概念 对于总体的未知参数θ,不仅需要估计它的值,有时还要按给定的可靠程度 (置信度)估计它的误差范围

發揮現有軋機的潛在能力是提高軋鋼生產的主要途徑之一,為此需對軋機進行研究分析,以便在另件強度及電機容量允許的條件下盡可能地強化軋製過程,合理安排生產使產量提高。由於軋製理論的限止,目前最可靠的研究方法是對軋機追行測定,並在實驗數據的基礎上再進行理論分析。本文介紹了我們對1000初軋機測定研究的情況,研究所用的方法,及測量用的儀器及裝置,最後並列出了對實驗數據初步加工的結果

图和子图 图和简单图 关联矩阵 M(G)与邻接矩阵 A(G) 顶点的度 路和连通性 最短路问题 割边和键 生成树的计数及 Caley 公式 连线问题 连通度问题 连通度 可靠通信网的建设 Vizing 定理

固体表面接触是研究摩擦磨损的基础，了解固体表面接触是认识摩擦磨损实质的前提，摩擦表面上微凸体的相互作用是摩擦、磨损与润滑分析计算的出发点和依据。根据外载荷的大小或变形是否可逆，固体表面的接触分为弹性接触和塑性接触。当两个物体在载荷作用下相互靠近、接触时，最先接触的是两表面上对应的微凸体高度之和最大的部位。随着载荷的增加，其他微凸体也相继对应地进入接触，开始是弹性变形，随着两表面靠得更近，微凸体将发生塑性变形。而靠近基体的材料仍处于弹性变形状态，这样在表面层内就形成弹、塑性变形

§2.1 割点和割边 §2.2 连通度和边连通度 §2.3 2-连通图的性质 §2.4 Menger定理 §2.5 可靠通信网络的设计

为实现建筑用玻璃与可伐合金的可靠激光封接,本文针对影响封接质量的主要因素(温度、时间、粗糙度及氧化层)对两者润湿性能的影响开展了研究.当保温温度由800℃提高至900℃,液态玻璃黏度降低致使其在可伐合金表面的流动性增强,润湿角由69.5°降低至31.1°.在850℃下延长保温时间(5~40 min),液态玻璃在低黏度条件下有充分的时间铺展,润湿角降幅为30%.随着可伐合金表面粗糙度的提高,液态玻璃向四周扩散需要克服的势垒增加,当粗糙度值Ra由0.186μm升至0.563μm时,润湿角由46.9°升至69.5°.由于可伐合金表面氧化层可与液体玻璃发生扩散而形成较强离子键,使得两者润湿性能显著提高,润湿角降低幅度达到23.6%.因此,在实际激光封接过程中,增加保温温度和时间、降低钢板表面粗糙度及钢板预氧化处理将有效地提高玻璃与钢板的润湿性能

模糊隶属度无统一算法,定义存在分歧.根据模糊概念\内涵明确,外延不明确\的特点,定义隶属度为不同外延对内涵的从属程度.在信息系统中,概念的外延用对象表示,内涵由属性表示,由此提出了求解隶属度的新算法:由原始统计数据组成初始信息系统,用粗糙集理论求得其商集并构建集值信息系统;该集值信息系统对应的条件概率空间中的条件概率即为隶属度.广义上信息系统可分为信息系统(无决策属性)和目标信息系统(有决策属性)两类.隶属度也可分为两类:第一类外延对象为内涵属性本身值,如年龄对青年人的隶属度(信息系统);第二类外延对象为不同于内涵属性的另一属性值,如边坡工程安全系数对稳定状态的隶属度(目标信息系统).计算以上两个实例,前者与已有结论作对比验证,后者与函数选择、经典统计方法及贝叶斯公理作对比验证,可知结果可靠,算法可行

研究了一种方便可靠的夹杂物评估方法：利用合适电化学充氢后的拉伸试样获取夹杂物并与极值统计法相结合估算不同体积钢中非金属夹杂物的最大尺寸并预测疲劳强度。研究选用工业生产的高洁净度20Cr2Ni4A齿轮钢，将淬火+低温回火态的标准拉伸试样进行电化学充氢，使拉伸断口由于氢脆现象存在一些以粗大非金属夹杂物为中心的脆性平台，从而可方便快捷地在扫描电子显微镜下对夹杂物的类型、尺寸和分布进行检测，并利用极值统计法对钢中的最大夹杂物尺寸进行评估。为了验证该方法的准确性，采用传统金相法和旋转弯曲疲劳试验对钢中非金属夹杂物进行了检测，结果表明，使用本文所提出的夹杂物评估方法预测的钢中最大夹杂物尺寸及疲劳强度与疲劳试验结果相吻合。因此，该方法有望成为预测高洁净度高强度钢中最大夹杂物尺寸及其疲劳强度的一种有效方法

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

在群智感知（mobile crowd sensing，MCS）数据收集过程中，任务参与者的恶意行为能够显著降低感知结果的真实性.为解决此问题，提出了一种参与者信誉度感知的数据收集机制，通过意愿程度和数据质量分析信任状态、量化历史信誉度，进而，根据逻辑回归模型动态更新参与者当前信誉度.同时，为准确衡量感知数据可信程度，利用剩余可发送时间和移动设备剩余能量将参与者分为直接发送和间接转发两类，从而在多任务并发场景下，服务器根据结果合理地选择任务参与者，达到准确可靠收集感知数据的目的.结果表明所提出数据收集机制能大幅度提升感知任务实时性，显著提高感知数据质量，有效降低服务器总奖励开销