人工智能基础：方差不对称先验信息引导的全局阈值分割方法编辑部

一、主要内容 1．假设检验的基本概念，假设检验可能产生的两类错误，假设检验的基本步骤； 2．单个正态总体均值与方差假设检验方法; 3．两个正态总体的均值差与方差比假设检验方法；

基于未确知理论,定义了系统不确定性的一个度量尺度——盲数方差.通过将系统\宽区间\范围的\强\不确定性离散化处理成\窄区间\范围的\弱\不确定性,给出了基于盲数的系统不确定性数值计算原理和方法.它是一种通用的数值计算方法.实际计算表明该方法的正确性和实用性

5.5观测值的权之先验确定和方差分量估计 5.5.1观测值的权之先验确定 权的一般概念

第一节 单样本均数的t检验 第二节 配对样本均数的t检验 第三节 两独立样本均数的t检验 第四节 两独立样本方差齐的齐性检验 第五节 两独立样本方差不齐时均数比较的t’检验 第六节 变量代换

第四讲随机变量的数字特征 内容提要 (1)随机变量的数学期望(直接计算,随机变量函数的期望,期望的性质)方差(直接计算,性质) (2)协方差、协方差矩阵与相关系数(计算,性质) (3)矩和混合矩 (4)常见分布的期望与方差

第4.1节 数理统计学中的基本概念 第4.2节 分布密度的近似求法 第4.3节 期望与方差的点估计 第4.4节 期望、方差的区间估计及Excel实现 第4.5节 点估计法

一、教学基本要求 1、理解参数的点估计的概念,掌握矩估计法(一阶,二阶)与极大似然值估计法 2、了解估计量的无偏性,有效性,一致性 3、了解估计的概念,会求单个正态总体的均值与方差的置信区间会求两个正态总体的均值及方差比的置信区间

掌握随机变量的数学期望、方差、协方差、相关系数等几个基本概念及其性质并会求一 些随机变量及函数的数学期望与方差为后面的学习打下基础

一、学习目标 通过本节课的学习,知道多个随机变量的期望和方差的性质,以及随机变量之间的协方差、相关系数概念,并会做二维随机变量的协方差和相关系数等简单问题 二、内容讲解 二维随机变量的期望与方差的性质: