概率密度函數(shù)
- 類比教學(xué)法在“概率論與數(shù)理統(tǒng)計”課程中的應(yīng)用
——以連續(xù)型隨機變量為例
機變量的概率密度函數(shù)、函數(shù)的分布和條件概率密度是概率論與數(shù)理統(tǒng)計課程中的基礎(chǔ)，通過總結(jié)往年的教學(xué)經(jīng)驗發(fā)現(xiàn)，學(xué)生學(xué)習(xí)這些內(nèi)容時較吃力，很多學(xué)生只是死記硬背，無法從本質(zhì)上理解掌握這部分內(nèi)容，在做題時也經(jīng)常出錯。類比教學(xué)法［2］是課堂教學(xué)活動中應(yīng)用較廣泛的方法之一，將類比的思維用到課堂教學(xué)活動中，通過將兩件事情做類比，可以自然而然將學(xué)習(xí)者的原有經(jīng)驗，和需要學(xué)習(xí)的新知識，通過某種微妙的相似性建立起連接，從而幫助學(xué)生有效地理解新知識。本文利用類比教學(xué)法，將連續(xù)型隨機
教育教學(xué)論壇 2023年48期2023-12-22
- 概率密度函數(shù)信息融合概述
凱摘要：概率密度函數(shù)不僅包含了一階、 二階統(tǒng)計量信息， 還包含高階統(tǒng)計量及更為復(fù)雜的特征信息。 多傳感器的概率密度函數(shù)信息融合是信號處理領(lǐng)域一個復(fù)雜待解決的難題， 尤其是隨著自動駕駛、 無人系統(tǒng)等領(lǐng)域?qū)τ诙鄠鞲衅鞫喑叨刃畔⑷诤系男枨螅?該問題的重要性逐漸凸顯， 如何設(shè)計融合準(zhǔn)則、 如何形成統(tǒng)一的融合框架是科學(xué)家和工程師們一直致力于解決的課題。 本文針對隨機變量的多傳感器獲得的多概率密度函數(shù)融合問題， 調(diào)研了現(xiàn)有的融合理論和方法， 提供了一些融合設(shè)計規(guī)則、
航空兵器 2023年3期2023-07-20
- n元強正態(tài)分布的性質(zhì)及其參數(shù)估計
)的條件概率密度函數(shù)為分布函數(shù)為FX1，X2，…，Xn(x1，x2，…，xn)=P{X1≤Φβ1(x1)，X2≤Φβ2(x2)，…，Xn≤Φβn(xn)}=Cα，n(Φβ1(x1)，Φβ2(x2)，…，Φβn(xn))=(Φ(x1)-β2/α+Φ(x2)-β2/α+…+Φ(xn)-βn/α-(n-1))-α，隨機變量(X1，…，Xn)的聯(lián)合概率密度函數(shù)為如果對于參數(shù)β1>0，β2>0，…，βn>0，隨機變量(X1，…，Xn)有上述聯(lián)合分布函數(shù)FX1，…，X
東北師大學(xué)報（自然科學(xué)版） 2022年4期2023-01-16
- 微積分方法在概率論教學(xué)中的運用
量函數(shù)的概率密度函數(shù)，需要運用較多微積分的方法和技巧，對很多學(xué)生來說是一個難點。筆者在教學(xué)中發(fā)現(xiàn)，學(xué)生未嚴格推導(dǎo)，只通過簡單類比已有公式，得到的結(jié)論往往是不正確的。本文將通過二重積分計算以及二重積分變量代換的一些思路和方法，以一種新的方式，幫助學(xué)生理解和掌握二維連續(xù)型隨機變量函數(shù)的概率密度函數(shù)的計算和相關(guān)公式的推導(dǎo)。1 常見方法以及難點對于二維連續(xù)型隨機變量（X，Y），已知其聯(lián)合概率密度函數(shù)f（x，y）,隨機變量Z=g（X，Y），如何求解隨機變量Z的概率密
科教導(dǎo)刊 2022年26期2022-12-02
- 變分貝葉斯概率數(shù)據(jù)關(guān)聯(lián)算法
狀態(tài)后驗概率密度函數(shù)應(yīng)為真實量測作為觀測信息情況下的狀態(tài)后驗概率密度函數(shù).由于無法直接識別真實量測,因此目標(biāo)真實狀態(tài)后驗概率密度函數(shù)無法獲取并且每一個數(shù)據(jù)作為真實量測而獲取的狀態(tài)后驗概率密度函數(shù)均可能為真實狀態(tài)后驗概率密度函數(shù).此外,當(dāng)檢測概率不為1 時,所有數(shù)據(jù)與目標(biāo)不相關(guān)時獲取的狀態(tài)后驗概率密度函數(shù)也可能成為真實狀態(tài)后驗概率密度函數(shù).代理概率密度函數(shù)表示某一變量可能的概率分布,所有數(shù)據(jù)關(guān)聯(lián)形式下獲取的狀態(tài)后驗概率密度函數(shù)可構(gòu)成一個狀態(tài)代理概率密度函數(shù)集
自動化學(xué)報 2022年10期2022-11-08
- 2個隨機量子比特混合態(tài)內(nèi)積的概率密度函數(shù)
量內(nèi)積的概率密度函數(shù)。類似地，文獻[7]中提及到復(fù)的單位矢量內(nèi)積的模的平方被稱為轉(zhuǎn)移概率，文獻[8]研究了2個復(fù)的單位矢量(對應(yīng)于純態(tài))的內(nèi)積的模的概率密度函數(shù)，受文獻[6]和文獻[8]的啟發(fā)，本文計算2個隨機量子混合態(tài)內(nèi)積的概率密度函數(shù)，并給出2個隨機量子比特混合態(tài)內(nèi)積的概率密度函數(shù)的精確表達式。1 預(yù)備知識定義1[9]δ函數(shù)的定義為：用傅里葉積分表示為：其中，i是虛數(shù)單位。符號函數(shù)sgn定義如下：引理1[10](HCIZ積分公式) 設(shè)A和B是n×n自伴
杭州電子科技大學(xué)學(xué)報(自然科學(xué)版) 2022年5期2022-10-10
- 基于B樣條的概率密度函數(shù)非參數(shù)估計
學(xué)等都以概率密度函數(shù)估計為基礎(chǔ)，展開對所在領(lǐng)域的知識和問題的探討與研究[4].但實際生活中，隨機變量的概率分布一般是未知的.事實上，所獲得的只是一個觀察樣本.假設(shè)這些數(shù)據(jù)點是一個未知概率密度函數(shù)的樣本，概率密度估計就是從觀測數(shù)據(jù)中構(gòu)造密度函數(shù)的估計.概率密度函數(shù)估計方法主要有三類：參數(shù)化方法、非參數(shù)化方法和半?yún)?shù)估計方法.參數(shù)概率密度函數(shù)估計，總是假設(shè)概率密度函數(shù)的參數(shù)形式已知[5]，但在實際問題中參數(shù)形式的假設(shè)可能會產(chǎn)生誤導(dǎo)的結(jié)論或結(jié)果.而本文要討論的非
大學(xué)數(shù)學(xué) 2022年3期2022-06-24
- 基于樣本信息的振動能量采集系統(tǒng)的響應(yīng)預(yù)測
應(yīng)的平穩(wěn)概率密度函數(shù)。在上述研究的基礎(chǔ)上，本文基于系統(tǒng)響應(yīng)過程的樣本信息，利用最大熵原理提出了一種基于部分響應(yīng)信息的響應(yīng)概率密度函數(shù)預(yù)測方法，并詳細研究了單穩(wěn)態(tài)，雙穩(wěn)態(tài)及三穩(wěn)態(tài)非線性振動能量采集系統(tǒng)的隨機響應(yīng)。本文結(jié)構(gòu)如下：第1節(jié)提出了基于樣本信息預(yù)測響應(yīng)概率密度函數(shù)的理論方法，利用Euler-Maruyama方法得到隨機系統(tǒng)的響應(yīng)信息，進而得到高階中心矩信息，在此基礎(chǔ)上，使用最大熵原理和高階中心矩信息對響應(yīng)概率密度函數(shù)進行預(yù)測。第2節(jié)中介紹了三種不同結(jié)構(gòu)
山西大學(xué)學(xué)報（自然科學(xué)版） 2022年3期2022-06-09
- 淺談分布函數(shù)與概率密度函數(shù)的轉(zhuǎn)換
機變量的概率密度函數(shù)的定義和性質(zhì)是《概率論與數(shù)理統(tǒng)計》課程的教學(xué)重點，而已知隨機變量的概率密度函數(shù)，求它的分布函數(shù)是教學(xué)的難點.本文主講如何根據(jù)隨機變量的概率密度函數(shù)正確求解分布函數(shù).關(guān)鍵詞：概率論與數(shù)理統(tǒng)計;分布函數(shù);概率密度函數(shù).大綱要求學(xué)員掌握概率密度的概念及性質(zhì)，其中最難的是概率密度函數(shù)與分布函數(shù)之間的轉(zhuǎn)換，而已知概率密度求分布函數(shù)，求解的難點在于區(qū)間的劃分，本文著重分析分段點的由來，并結(jié)合具體實例講解如何根據(jù)隨機變量的概率密度函數(shù)正確求解分布函數(shù)
中學(xué)生學(xué)習(xí)報 2022年22期2022-05-19
- 冪分布的有效估計*
冪分布的概率密度函數(shù)和累積分布函數(shù)分別為其中參數(shù)θ＞0,0＜x＜1。在文獻[1-4]中取冪分布作為幾何分布參數(shù)的先驗分布，討論了未知參數(shù)的貝葉斯估計問題。文獻[5]在抽樣總體服從冪分布的情況下，研究了次序統(tǒng)計量的性質(zhì)。文獻[6-7]在部分缺失數(shù)據(jù)樣本下討論了兩個冪分布總體參數(shù)的極大似然估計、參數(shù)之差的置信區(qū)間和假設(shè)檢驗，并通過隨機模擬驗證估計的精度。在許多情況下，我們需要估計概率密度函數(shù)和累積分布函數(shù)。例如，我們使用概率密度函數(shù)來估計微分熵、Kullbac
廣西民族大學(xué)學(xué)報(自然科學(xué)版) 2022年1期2022-05-18
- 混合數(shù)據(jù)信息下不確定性描述的改進最大熵函數(shù)法
確定變量概率密度函數(shù)時，可用概率密度函數(shù)形式定義[13]：1) 連續(xù)型變量隨機模型假定隨機變量X為連續(xù)型，且服從分布類型(正態(tài)、對數(shù)正態(tài)等)概率分布，概率密度函數(shù)為fX(x|θ)，其中θ為概率分布參數(shù)，獨立于隨機變量。針對連續(xù)變量中單個離散點數(shù)據(jù)xi，視其為上下限幾乎相等的退化區(qū)間，則單個離散點數(shù)據(jù)xi發(fā)生概率為：式中，ε為任意小量(ε>0)。若連續(xù)型變量總體為X={X1,X2,…,Xn}，{X1,X2,…,Xn}是來自X的離散點樣本，則{X1,X2,…,
西北工業(yè)大學(xué)學(xué)報 2022年2期2022-05-11
- 高速鐵路高架橋場景中的復(fù)合無線信道特性
模型，對概率密度函數(shù)進行分析，推導(dǎo)出了兩種新的概率密度函數(shù)。這不僅豐富了高鐵高架橋場景下的無線信道理論，而且對未來高鐵無線通信系統(tǒng)設(shè)計和優(yōu)化有參考價值。關(guān)鍵詞：無線信道；概率密度函數(shù)；高架橋場景；高鐵無線通信；復(fù)合信道Abstract： The viaduct scenario is one of the most important scenarios in the high-speed railway （HSR） wireless communicat
中興通訊技術(shù) 2021年4期2021-11-28
- 風(fēng)力發(fā)電系統(tǒng)的隨機響應(yīng)
可得聯(lián)合概率密度函數(shù)為(26)對于隨機非線性動力系統(tǒng),分岔類型可定義為D分岔和P分岔,兩者完全由υ區(qū)分。選擇γ作為參數(shù)描述隨機分岔現(xiàn)象[14]。1)D分岔點的計算:根據(jù)之前分析,當(dāng)系統(tǒng)完成D分岔時υ=-1。則有υ=cl-?l=(27)2)P分岔點的計算:同理，P分岔點公式為υ=cl-?l=(28)4 數(shù)值模擬選擇γ作為分岔參數(shù),令α=1,ρ=0.2,D=0.5,β1=0.5,β2=1。數(shù)值模擬平穩(wěn)概率密度函數(shù)與聯(lián)合概率密度函數(shù)在參數(shù)的不同取值下的圖像如圖2
山東理工大學(xué)學(xué)報（自然科學(xué)版） 2021年1期2021-11-10
- 基于預(yù)分類機制及GRNN的直升機飛行狀態(tài)識別
，并結(jié)合概率密度函數(shù)方法，將直升機狀態(tài)分為平飛、上升、下降、轉(zhuǎn)彎、非轉(zhuǎn)彎、穩(wěn)速、增速與減速等狀態(tài)。其次，在初步狀態(tài)劃分基礎(chǔ)上，根據(jù)高度、偏航角兩種參數(shù)進行三大狀態(tài)預(yù)分類。再次，在每個大類中，再根據(jù)速度的劃分范圍及速度變化情況將直升機劃分為16個典型飛行狀態(tài)。最后，對劃分的16個典型飛行狀態(tài)所屬的大狀態(tài)類別分別建立廣義回歸GRNN狀態(tài)識別模型。本文結(jié)合某型號直升機飛行過程中獲取到的飛行參數(shù)，對所研究的方法進行驗證，驗證結(jié)果表明，該方法能夠?qū)崿F(xiàn)對直升機飛行狀態(tài)
航空科學(xué)技術(shù) 2021年8期2021-10-18
- 挖掘理想重建圖像自相似性的超分辨率
合模型;概率密度函數(shù);最大后驗概率;維納濾波解中圖分類號：TP391.4 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)志碼：AImage Super-resolution by ExploitingSelf-similarity of Ideal ReconstructionLI Jianhong1，WU Yarong2，ZHAN Jin3（1. School of Information Science and Technology，
湖南大學(xué)學(xué)報·自然科學(xué)版 2021年8期2021-09-26
- 電動汽車充電負荷概率分布的數(shù)值建模方法
的SOC概率密度函數(shù)，避免了多次出行建模中存在的大量參數(shù)耦合問題。此外，基于單行程建模消除了多次行程建模中的條件概率，實現(xiàn)充電功率概率密度函數(shù)的數(shù)值計算，較傳統(tǒng)蒙特卡洛模擬過程可大幅提高電動汽車充電負荷隨機模型的計算效率。1 模型框架本文建模的主要目的是針對未來配電網(wǎng)規(guī)劃區(qū)域內(nèi)的大規(guī)模電動汽車充電負荷開展概率評估。為了簡化分析，做出如下假設(shè)：①分析背景為城市環(huán)境，隨著車輛續(xù)航里程的增加，單次行程過程中電量不足的概率較低，本文通過SOC閾值充電方式保證了車輛
電力系統(tǒng)自動化 2021年18期2021-09-25
- 王甫洲水利樞紐泄水閘閘墩安全監(jiān)控指標(biāo)擬定
傳統(tǒng)經(jīng)典概率密度函數(shù)法擬定監(jiān)控指標(biāo)之間的對比研究成果不多。以王甫洲水利樞杻泄水閘閘墩位移監(jiān)控為例，選取不利荷載工況下的監(jiān)測資料系列組成小子樣，分別采用K-S檢驗法和最大熵法確定極值概率密度函數(shù)，進而采用小概率事件法擬定監(jiān)控指標(biāo)。研究結(jié)果表明：由K-S檢驗法確定的泄水閘典型閘墩水平位移極值概率密度函數(shù)基本滿足正態(tài)分布，且與最大熵法確定的概率密度函數(shù)曲線接近，對于兩種概率密度函數(shù)利用小概率事件法擬定的位移監(jiān)控指標(biāo)也較為接近。關(guān) 鍵 詞：監(jiān)控指標(biāo); 閘墩位移;
人民長江 2021年6期2021-08-25
- 基于最大熵原理的聯(lián)合風(fēng)速風(fēng)向概率密度函數(shù)建模方法
小時級的概率密度函數(shù)，但并沒有深入給出各個時間級的概率密度函數(shù)。第三類研究是在建立風(fēng)速概率密度分布模型的同時，建立風(fēng)向的概率密度分布模型。文獻[17]指出，忽略風(fēng)向?qū)凸澜ㄖY(jié)構(gòu)的疲勞損傷。文獻[18]，[19]從結(jié)構(gòu)頂部加速度響應(yīng)的均方根值表征的近似解析表達式，提出了風(fēng)速風(fēng)向聯(lián)合分布的概率模型。文獻[20]，[21]基于Copula函數(shù)和帕累托混合模型，提出了多風(fēng)向極值風(fēng)速估計方法。文獻[22]～[24]提出了風(fēng)向頻度概率分布，并通過與風(fēng)速條件概率分布
可再生能源 2021年5期2021-05-27
- 正態(tài)總體均值置信區(qū)間長度的比較
得到另一概率密度函數(shù)記為gn-1(x)，其上側(cè)α/2分位數(shù)正是Cn·tα/2(n-1)，最后通過探究概率密度函數(shù)φ(x)與gn-1(x)的圖像交點問題來證明定理1成立.值得注意的是，為使E(Sn)的取值有意義，n的取值應(yīng)不小于2，本文約定n≥2.2 分位數(shù)下的積分變換下面的引理來自文獻[2]，討論了樣本標(biāo)準(zhǔn)差Sn的數(shù)學(xué)期望和性質(zhì).② E(Sn)關(guān)于n單調(diào)遞增且收斂到σ.文獻[2]計算了E(Sn)的精確數(shù)值表示，且對E(Sn)的極限和單調(diào)性進行了計算與探討.
大學(xué)數(shù)學(xué) 2021年2期2021-05-07
- 鏈路統(tǒng)計分析中導(dǎo)出參數(shù)概率計算方法研究
數(shù)服從的概率密度函數(shù)、以及其設(shè)計值、有利容差(最優(yōu)值與設(shè)計值的差)和不利容差(最差值與設(shè)計值的差),計算得到具有一定置信度的鏈路余量。此后，美國噴氣推進實驗室及其深空網(wǎng)在各航天任務(wù)中持續(xù)對鏈路參數(shù)進行測量和分析，研究其統(tǒng)計特性，并將統(tǒng)計數(shù)據(jù)用于鏈路性能的預(yù)測和評估，逐步提高鏈路預(yù)測精度[3]。隨著測量值的不斷豐富和鏈路參數(shù)服從概率密度函數(shù)的逐步完善，CCSDS在其藍皮書中，明確給出了航天任務(wù)鏈路預(yù)算過程，同時給出了各鏈路參數(shù)服從的概率密度函數(shù)和鏈路性能計算
中國空間科學(xué)技術(shù) 2020年6期2020-11-26
- 2種非對稱廣義高斯分布模型的構(gòu)造
高斯分布概率密度函數(shù)曲線(μ=0)由圖1可以看出，如果固定μ，改變σ2的值，則σ2愈小，曲線呈高而瘦；σ2愈大，曲線呈矮而胖.這說明高斯分布的概率密度函數(shù)的尺度由參數(shù)σ所決定，因此亦稱σ為尺度參數(shù).(1)當(dāng)式(1)中的Nl和Nr分別表示xk(2)左右方差與偏斜程度之間有著密切的聯(lián)系，偏度系數(shù)能用來量化非對稱的概率密度函數(shù)的偏斜程度，即三階參數(shù)為[8]：(3)偏度系數(shù)能刻畫數(shù)據(jù)分布的偏斜程度及方向，很好地反映分布偏離對稱性的程度.若該系數(shù)為0，則表示數(shù)據(jù)分布
湖北理工學(xué)院學(xué)報 2020年4期2020-08-22
- 微分法在概率密度函數(shù)中的應(yīng)用與實例介紹
機變量的概率密度函數(shù)，并應(yīng)用于相應(yīng)的實例。關(guān)鍵詞：微分法;連續(xù)性隨機變量;概率密度函數(shù)中圖分類號：TP3文獻標(biāo)識碼：A文章編號：1009-3044（2020）04-0221-03收稿日期：2019-10-28基金項目：民辦高校應(yīng)用型本科數(shù)學(xué)類課程建設(shè)的研究（項目編號：MBXH19YB152）作者簡介：羅琳（1985—），通訊作者，女，四川南充人，四川工商學(xué)院計算機學(xué)院講師，碩士，主要研究方向為半環(huán)。1 概述微分法在概率統(tǒng)計中隨機變量函數(shù)的分布中有廣泛的應(yīng)用
電腦知識與技術(shù) 2020年4期2020-04-14
- 基于小波變換的負荷諧波概率密度函數(shù)分析
量求和的概率密度函數(shù)，為應(yīng)用統(tǒng)計方法解決電能質(zhì)量問題提供了理論基礎(chǔ)。文獻[2-3]針對實際電鐵電能質(zhì)量諧波進行概率分析研究，為后續(xù)非線性負荷研究提供了可供借鑒的模型。文獻[4-6]應(yīng)用一類正交多項式對諧波求解問題進行分析，為研究實際中多諧波源之間的關(guān)系提供了有力工具和方法。上述方法多是基于瞬時值已知的前提計算諧波阻抗，但實際電能質(zhì)量監(jiān)測過程中，都是以有效值形式儲存于數(shù)據(jù)庫中，瞬時值雖然信息量完整，但需要存儲空間巨大，只有在極少數(shù)場合才得到應(yīng)用。而電力系統(tǒng)模
黑龍江電力 2020年6期2020-03-17
- 基于Hertz接觸的單自由度碰振系統(tǒng)的隨機響應(yīng)近似閉合解
量的平穩(wěn)概率密度函數(shù)。類似的，Liu等[7]討論了碰撞系統(tǒng)在有色噪聲激勵下的平穩(wěn)概率響應(yīng)，詳細地討論了有色噪聲和恢復(fù)系數(shù)對碰撞系統(tǒng)響應(yīng)的影響。Li等[8]則獲得了相關(guān)高斯白噪聲激勵下Duffing-van der Pol碰撞振動系統(tǒng)的平穩(wěn)概率密度函數(shù)，考察了對不同參數(shù)引起的隨機分岔問題。徐偉等[9]先借助非光滑變換和狄拉克函數(shù)，隨后得到了Duffing-Rayleigh 碰撞振動系統(tǒng)的對應(yīng)等效非線性系統(tǒng)，最后采用奇異攝動法分析了等效非線性系統(tǒng)的隨機P-分岔
振動與沖擊 2019年21期2019-11-20
- 關(guān)于求解兩個隨機變量函數(shù)的分布的方法研究
布函數(shù);概率密度函數(shù);分布律一、引 言在概率論與數(shù)理統(tǒng)計中，隨機變量分為三類——離散型、連續(xù)型及奇異型，但我們一般只需要掌握前兩類.兩個隨機變量X，Y的函數(shù)Z=g（X，Y）依然是隨機變量，則求解這個隨機變量的分布就是我們討論的一個關(guān)鍵問題，下面給出各種不同情況下，求解兩個隨機變量函數(shù)的分布的各種方法.二、兩個隨機變量都是離散型已知二維離散型隨機變量（X，Y）的聯(lián)合分布律，求解其函數(shù)Z=g（X，Y）的分布，通過直接分析便可以得到所求.例1 設(shè)二維隨機變量（X
數(shù)學(xué)學(xué)習(xí)與研究 2019年15期2019-09-25
- 福建地區(qū)環(huán)境噪聲特性研究
的功率譜概率密度函數(shù)，并分析其影響因素和不同頻段時空變化特性。結(jié)果表明：人文噪聲平均水平最高地區(qū)位于福建沿海福州至廈門一帶，07：00—18：00的功率譜密度要明顯高于其它時間段，12：00左右出現(xiàn)間歇性低谷期，夜間有不同程度的降低，日變化除了在春節(jié)假期大幅下降外，均處于較為穩(wěn)定態(tài)勢;福建地區(qū)次級微震主要成分是Rayleigh波，主頻約為2.7s，主微震主頻約為16s，次級微震平均水平最高地區(qū)也位于沿海一帶，向內(nèi)陸方向呈衰減趨勢，其日變化明顯，與臺風(fēng)和潮高
地震研究 2019年1期2019-08-27
- 基于高斯隨機向量統(tǒng)計特性的卡爾曼濾波器推導(dǎo)方法
，尤其是概率密度函數(shù)對卡爾曼濾波遞歸方程進行推導(dǎo)。在推導(dǎo)過程中，給出了卡爾曼濾波器推導(dǎo)所需的相關(guān)理論依據(jù)及數(shù)學(xué)工具。該推導(dǎo)方法簡單、直觀，更便于人們理解卡爾曼濾波器工作機理，并根據(jù)實際應(yīng)用過程進一步開展更深層次的研究。關(guān)鍵詞：高斯隨機向量；概率密度函數(shù)；卡爾曼濾波器DOI：10. 11907/rjdk. 191361中圖分類號：TP3-0 文獻標(biāo)識碼：A 文章編號：1672-7800（2019）005-0058-04Abstract：To help res
軟件導(dǎo)刊 2019年5期2019-05-24
- 基于最大熵的目標(biāo)分割和檢測?
有不同的概率密度函數(shù)。確定這個差異的工作是統(tǒng)計學(xué)性質(zhì)的。考慮圖象是有兩個由象素組成的單純圖象組成的，象素值函數(shù)由f0(x)和f1(x)表示，x表示象素值。合成圖像的概率密度函數(shù)是：α是混合比，表示為相關(guān)類型（由像素計量）的兩個簡單子圖像。雖然是點分割方法，但是全局考慮也是可行的。如此僅僅像素的灰度級的值用來參與到圖像分割的計算。對像素點x最大可能的規(guī)則分類 f0使錯誤最小可能出現(xiàn)須滿足下列關(guān)系：實際上，當(dāng)α和f1(x)對于觀測者是未知的那么合成圖像的概率密
計算機與數(shù)字工程 2019年4期2019-05-07
- 偏對稱正態(tài)分布的若干性質(zhì)
量Y 的概率密度函數(shù)為f (y)，f (y)為偶函數(shù)，Φ(x)是標(biāo)準(zhǔn)正態(tài)分布函數(shù)，隨機變量X 的概率密度函數(shù)為其中λ 為偏度系數(shù)(可取任意實數(shù))，μ 是位置參 數(shù)，σ 是 尺 度參數(shù)，則稱X 服從偏對稱正態(tài)分布。（i）μ=0,σ=1 時，g(x;λ)=2f (x)Φ(λx)，稱X 服從標(biāo)準(zhǔn)偏對稱正態(tài)分布；（ii） μ=0,σ=1,λ →+∞ 時 ，g(x;λ)=2f (x)Φ(λx)趨向于 ||Y 的概率密度函數(shù)；（iii）μ=0,σ=1,λ →-∞ 時
統(tǒng)計科學(xué)與實踐 2019年1期2019-03-28
- 商業(yè)廣場環(huán)境中無線信道及其特性分析
達角; 概率密度函數(shù); 功率延遲分布; 頻率相關(guān)函數(shù); 無線通信中圖分類號： TN911.6?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）03?0039?06Abstract： A geometrical distribution model of the interior environment of the typical commerc
現(xiàn)代電子技術(shù) 2019年3期2019-02-19
- 一種寄生轉(zhuǎn)發(fā)系統(tǒng)的ADP干擾抑制技術(shù)
擾幅度的概率密度函數(shù)(Probability Density Function， PDF)的統(tǒng)計特性，為每一個幅度域處理輸入樣值賦予新的權(quán)重，即在檢測到不大可靠的信號時，減小樣值的權(quán)重，從而提高信噪比．該方法是“開環(huán)”的，不存在收斂慢的問題，也不需要訓(xùn)練序列，頻帶的利用率高，應(yīng)用于寄生轉(zhuǎn)發(fā)系統(tǒng)對廣播信號進行干擾抑制，不僅可以提高系統(tǒng)的可靠性，而且可以增加系統(tǒng)的容量[9]．1 寄生轉(zhuǎn)發(fā)系統(tǒng)的信號模型筆者以M元擴頻信號為寄生信號，寄生于數(shù)字衛(wèi)星廣播(Digit
西安電子科技大學(xué)學(xué)報 2018年6期2018-12-07
- 基于無放回抽樣的帕爾森窗口集成方法
的無參數(shù)概率密度函數(shù)估計方法，也是一種真正的從數(shù)據(jù)本身出發(fā)研究數(shù)據(jù)分布特征的方法[3]．該方法在有監(jiān)督學(xué)習(xí)[4]、無監(jiān)督學(xué)習(xí)[5]、特征選擇[6]和圖像處理[7]等領(lǐng)域有廣泛應(yīng)用．用帕爾森窗口法進行概率密度函數(shù)估計的關(guān)鍵在于窗口寬度(bandwidth)參數(shù)的確定[8]，其中代表性的工作有SILVERMAN[9]的拇指原則(Silverman’s rule of thumb)、TERRELL[10]的過平滑窗口選取規(guī)則(over smoothed band
深圳大學(xué)學(xué)報（理工版） 2018年6期2018-11-20
- 幾種常見的連續(xù)型分布
見分布；概率密度函數(shù)Key words： random variable；conventional distribution；probability density function中圖分類號：O211 文獻標(biāo)識碼：A 文章編號：1006-4311（2018）25-0237-020 引言概率論課程是高等院校理科生的必修課之一，涉及到隨機事件及其概率、隨機變量及其分布等。在隨機變量的學(xué)習(xí)中分別就離散型隨機變量和連續(xù)型隨機變量展開來說，在連續(xù)型隨機變量的學(xué)習(xí)中
價值工程 2018年25期2018-09-26
- 缺失數(shù)據(jù)情形下概率密度函數(shù)的統(tǒng)計應(yīng)用研究
問題提出概率密度函數(shù)是概率統(tǒng)計概念，主要用于計算數(shù)據(jù)密度大小[1]。一般情況下，設(shè)求解數(shù)據(jù)總體X對應(yīng)的求解密度函數(shù)為f(x)，在總體數(shù)據(jù)X中抽取樣本數(shù)據(jù)記為x1,x2,…,xn，根據(jù)給定的樣本完成概率密度函數(shù)f(x)計算[2]。 目前，對于該函數(shù)的求解方法有很多種，應(yīng)用較多的方法有最近鄰密度估計法、正交序列估計法、核估計法和直方圖估計法等[3]。各個領(lǐng)域在應(yīng)用該函數(shù)時，異?，F(xiàn)象越來越頻繁，主要表現(xiàn)為數(shù)據(jù)缺失[4]。為了避免數(shù)據(jù)缺失情況對概率統(tǒng)計結(jié)果造成影響
宿州學(xué)院學(xué)報 2018年5期2018-09-06
- 基于概率的運載火箭控制系統(tǒng)設(shè)計方法研究
所服從的概率密度函數(shù)(Probability Density Function, PDF)。目前對偏差量建模的方法通常有兩種：一是通過對偏差量測量數(shù)據(jù)進行觀察，在多個可能的分布中選擇最合適的分布類型；二是通過對偏差量的產(chǎn)生機理進行分析，確定偏差量的分布類型。第一種方法的缺點在于需要大量的對比分析工作，而且很難保證所選定的概率分布能準(zhǔn)確地反映偏差量試驗數(shù)據(jù)的分布規(guī)律。第二種方法雖然從理論上來說比較準(zhǔn)確，但在工程應(yīng)用中，由于偏差量產(chǎn)生的原因十分復(fù)雜，除了個別簡
宇航總體技術(shù) 2018年2期2018-04-17
- 基于變構(gòu)模型的概率密度函數(shù)的教學(xué)探索
中去，對概率密度函數(shù)的教學(xué)問題進行了有益的探索.借助于學(xué)生的先擁概念提出了一種新穎的概率密度函數(shù)的教學(xué)導(dǎo)入方式，分析了概率密度函數(shù)的說明功能和應(yīng)用功能，結(jié)合統(tǒng)計方法揭示了概率密度函數(shù)的本質(zhì)屬性.【關(guān)鍵詞】變構(gòu)模型；概率密度函數(shù)；統(tǒng)計；直方圖【基金項目】山東省教育科學(xué)“十二五”規(guī)劃課題資助項目（YBS15002）.一、引言概率密度函數(shù)是概率論課程中的一個重要的概念，它在科學(xué)和工程的許多領(lǐng)域中都扮演了非常重要的角色，是我們研究連續(xù)型隨機系統(tǒng)及解決相關(guān)問題的必要
數(shù)學(xué)學(xué)習(xí)與研究 2018年2期2018-02-09
- 一種基于多數(shù)據(jù)源的LTE天饋隱患排查方法
3.2 概率密度函數(shù)推導(dǎo)概率密度函數(shù)推導(dǎo)依據(jù)最小二乘法原理進行曲線擬合，從整體上考慮近似函數(shù)同所給數(shù)據(jù)點(xi, yi)誤差ri=f(xi)-yi（i=1, 2, ..., n）的大小，通常采用誤差平方和來度量整體誤差的大小。具體數(shù)據(jù)擬合的方法是：對給定數(shù)據(jù)ri=f(xi)-yi（i=1, 2, ..., n）在取定的函數(shù)類Ф中，求f(x)∈Ф，使誤差=min 。 從幾何意義上講，就是尋求與給定點(xi, yi)（i=1, 2, ...,n）的距離平方和為
移動通信 2017年22期2017-12-27
- 兩廣義Gaussian分布之間的最小Kullback-Leibler距離
兩個不同概率密度函數(shù)的差異程度,得到了廣義Gaussian分布最小的Kullback-Leibler距離,并作為特例得到了Laplacian分布和Gaussian分布最小的Kullback-Leibler距離.廣義高斯分布; Kullback-Leibler距離; Laplacian分布0 引言由Stacy[1]提出的廣義Gaussian (GGD)是一類以Laplacian分布、Gaussian分布為特例,以δ函數(shù)和均勻分布為極限形式的對稱分布,它在信號
淮陰師范學(xué)院學(xué)報（自然科學(xué)版） 2017年3期2017-11-02
- 隨機系統(tǒng)穩(wěn)態(tài)概率密度函數(shù)控制算法
系統(tǒng)穩(wěn)態(tài)概率密度函數(shù)控制算法楊恒占，張曉倩，畢雪琴(西安工業(yè)大學(xué) 電子信息工程學(xué)院，陜西 西安 710021)對于非線性隨機系統(tǒng)，以均值、方差為控制目標(biāo)的傳統(tǒng)控制方法難以達到滿意的控制效果，而概率密度函數(shù)控制能夠反映非線性隨機系統(tǒng)的各階統(tǒng)計特征，可實現(xiàn)較為理想的控制效果。為此，針對非線性隨機系統(tǒng)，提出了一種對系統(tǒng)狀態(tài)穩(wěn)態(tài)響應(yīng)的概率密度函數(shù)進行控制的算法。該算法將概率密度函數(shù)展開為多項式形式，以FPK方程為工具，分析并得出多項式系數(shù)和控制多項式增益的關(guān)系方程
計算機技術(shù)與發(fā)展 2017年8期2017-09-01
- 關(guān)聯(lián)的乘性和加性驅(qū)動的三穩(wěn)系統(tǒng)穩(wěn)態(tài)分析
統(tǒng)的穩(wěn)態(tài)概率密度函數(shù).結(jié)果表明，關(guān)聯(lián)強度λ和乘性噪聲強度P均能誘導(dǎo)相變的產(chǎn)生，而加性噪聲強度Q不能誘導(dǎo)相變的產(chǎn)生.通過數(shù)值模擬穩(wěn)態(tài)概率密度函數(shù)驗證了所得結(jié)論的準(zhǔn)確性.三穩(wěn)系統(tǒng); 噪聲; 相變; 穩(wěn)態(tài)概率密度函數(shù)0 引 言噪聲廣泛存在于自然界的各個領(lǐng)域,包括生物、 物理、 化學(xué)、 醫(yī)學(xué)等.傳統(tǒng)觀念認為噪聲會影響信息傳遞的精確性,總是消極的.噪聲在產(chǎn)生雜亂的運動,破壞序,破壞功能,抹去相與相之間的差別,導(dǎo)致均勻,起到了破壞的相變作用，是造成系統(tǒng)無序的根源.所以
紡織高?；A(chǔ)科學(xué)學(xué)報 2016年4期2017-01-17
- 基于二維空間域移動通信統(tǒng)計信道的空時特性*
延的聯(lián)合概率密度函數(shù)、邊緣概率密度函數(shù)，它適用于多種蜂窩型，重點研究高斯分布的散射體，最后仿真驗證了推導(dǎo)的合理性。單信道散射體；到達角度；到達路徑；概率密度函數(shù)；高斯散射體分布0 引言對于無線網(wǎng)絡(luò)，與時間和頻率不同[1-2]，自適應(yīng)天線把空間作為一種新的資源。為獲得以上參數(shù)，產(chǎn)生了幾何單反射信道模型(Geometrically-Based Single-Bounce Channel Models，GBSBCMs)的概念，即假設(shè)單個散射體處于二維[3-6]或
電子技術(shù)應(yīng)用 2016年8期2016-12-01
- 概率密度函數(shù)連續(xù)和不連續(xù)兩種不同假設(shè)下的解題比較
74)?概率密度函數(shù)連續(xù)和不連續(xù)兩種不同假設(shè)下的解題比較胡吉卉，吳鶯，劉繼成(華中科技大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院，武漢430074)概率密度函數(shù)連續(xù)的隨機變量僅是一類特殊的連續(xù)型隨機變量，因此假設(shè)概率密度函數(shù)連續(xù)是一個苛刻的限制.本文在隨機變量概率密度函數(shù)連續(xù)和不連續(xù)兩種不同假設(shè)下比較了兩個典型例題的證明，可以看出兩者的思路是完全不同的，后者通常更具有普遍性.連續(xù)型隨機變量； 概率密度函數(shù)； 矩母函數(shù)； 指數(shù)分布1 引 言眾所周知，連續(xù)型隨機變量的概率密度函數(shù)有
大學(xué)數(shù)學(xué) 2016年3期2016-10-14
- 基于DTBN的動量輪備份系統(tǒng)剩余壽命預(yù)測研究*
件的失效概率密度函數(shù)進行準(zhǔn)確的描述是開展系統(tǒng)可靠性分析及壽命預(yù)測研究的前提。對于備份部件來說，存在2種狀態(tài)，即儲備狀態(tài)和啟用狀態(tài)。2種狀態(tài)下受的工作載荷通常是不相等的，所以處于2種狀態(tài)下部件失效的概率密度函數(shù)也不同?，F(xiàn)有文獻針對不同狀態(tài)下的失效問題，假設(shè)部分部件在儲備狀態(tài)下的失效率是啟用狀態(tài)下失效率的α倍，其中，0≤α≤1，冷備份時α=0，熱備份時α=1，溫備份時0假設(shè)某備份部件在啟用狀態(tài)下失效概率密度函數(shù)服從失效率為λ的指數(shù)分布，且在ts時刻，該備份部件
航天控制 2016年3期2016-07-20
- 1995
—2012年國內(nèi)個人收入分布函數(shù)演化研究
布函數(shù)和概率密度函數(shù)從1995—2012年的演化過程，結(jié)果顯示：累積分布函數(shù)為，遵循高斯分布；概率密度函數(shù)為，概率密度函數(shù)圖像的寬度隨著時間的推移從1995—2012年逐步變寬，是(x-μ)因子推動概率密度函數(shù)P(x)中的部分，在使圖像逐步變寬的同時右方出現(xiàn)了一個逐年加長的類似指數(shù)函數(shù)的長尾，這種圖像提示從1995—2012年極少數(shù)人獲取了極大數(shù)量的個人收入；進一步利用個人人均年收入的概率密度函數(shù)P(x)計算相應(yīng)的Gini系數(shù)在這一時期的演化后發(fā)現(xiàn)，當(dāng)今中
統(tǒng)計與信息論壇 2016年2期2016-06-23
- 淺談《隨機數(shù)學(xué)》中常見分布的典型模式的運用
Γ分布的概率密度函數(shù)的典型表達式及數(shù)理統(tǒng)計中的Z分布、χ2分布、t分布、F分布的典型表達式等典型模式，從廣義積分的計算、隨機變量數(shù)字特征的計算、統(tǒng)計量分布的確定及有關(guān)概率的計算等多個角度，舉例分析了常見分布的典型模式的運用及其重要性.【關(guān)鍵詞】典型模式；概率密度函數(shù)；統(tǒng)計量；數(shù)字特征《隨機數(shù)學(xué)》主要包含以下三部分：概率論、數(shù)理統(tǒng)計及隨機過程，是現(xiàn)代數(shù)學(xué)的重要分支，在自然科學(xué)、社會科學(xué)和工程技術(shù)的各個領(lǐng)域都具有極為廣泛的應(yīng)用.特別是近30年來，隨著信息技術(shù)的
數(shù)學(xué)學(xué)習(xí)與研究 2016年15期2016-05-30
- 基于改進PDF技術(shù)的間歇過程NFM模型
出過基于概率密度函數(shù)（PDF）技術(shù)的模型訓(xùn)練方法，成功解決了傳統(tǒng)的基于MSE準(zhǔn)則訓(xùn)練方法模型泛化能力弱的問題，但又產(chǎn)生了概率密度難以估計及目標(biāo)PDF未知時模型性能不穩(wěn)定的問題。針對這兩個問題，引入了新的概率密度窗寬估計方法，并提出了在目標(biāo)PDF未知時采用PDF預(yù)估器及其收縮策略的算法。仿真實驗表明：該方法能夠保證足夠的概率密度估計精度和模型預(yù)測性能。關(guān)鍵詞：間歇過程；神經(jīng)模糊模型；概率密度函數(shù)；收縮策略；算法；預(yù)測2015-12-17收到初稿，2015-1
化工學(xué)報 2016年3期2016-05-11
- 夏—王定理在二維連續(xù)型隨機向量中的推廣
量函數(shù)的概率密度函數(shù)?！娟P(guān)鍵詞】夏-王定理；二維連續(xù)型隨機向量；概率密度函數(shù)0 引言設(shè)（X1，X2）是一個二維連續(xù)型隨機變量，其聯(lián)合密度函數(shù)為pX1， X1（x1，x2），f（x1，x2）是一個二維連續(xù)函數(shù)。如何求（X1，X2）的函數(shù)f（X1，X2）的聯(lián)合密度函數(shù)是概率統(tǒng)計中常見的問題。文獻中，常用的方法有分布函數(shù)法和公式法。對于一些簡單的函數(shù)，有一些公式可以求出f（X1，X2）的密度函數(shù)，比如下面的引理。由上面的例題可見，不用引理1中的公式，我們輕易地獲
科技視界 2016年3期2016-02-26
- 一種新穎的領(lǐng)域自適應(yīng)概率密度估計器
無法建立概率密度函數(shù)的場景。實驗表明，此種領(lǐng)域自適應(yīng)方法進行領(lǐng)域間知識傳遞的同時，還能達到源域隱私保護的目的。關(guān)鍵詞：概率密度函數(shù)；無偏置v-SVR；中心約束最小包含球；核心集；領(lǐng)域自適應(yīng)DOI:10.3969/j.issn.1673-4785.201312041中圖分類號：TP391.4 文獻標(biāo)志碼：A收稿日期：2013-12-20. 網(wǎng)絡(luò)出版日期：2015-03-17.基金項目：江蘇省高校自然科學(xué)研究資助項目(13KJB520001)；江蘇省高校哲學(xué)社
智能系統(tǒng)學(xué)報 2015年2期2016-01-18
- 諧波干擾下海上風(fēng)機結(jié)構(gòu)工作模態(tài)識別
RA)與概率密度函數(shù)法(Probability Density Function，PDF)結(jié)合的工作模態(tài)識別方法及判定思路，剔除不同工況下轉(zhuǎn)頻、倍頻諧波成分干擾，實現(xiàn)風(fēng)機結(jié)構(gòu)多階工作模態(tài)參數(shù)有效識別。該方法不僅能有效避免諧波干擾以獲取結(jié)構(gòu)的真實工作模態(tài)，同時對海上風(fēng)機結(jié)構(gòu)運行安全性實時在線監(jiān)測、評估具有較好的工程適用性。關(guān)鍵詞：海上風(fēng)電；工作模態(tài)識別；諧波干擾；改進ERA；概率密度函數(shù)基金項目：國家國際科技合作專項資助(2012DFA70490)；國家高技
振動與沖擊 2015年10期2015-12-30
- 三維空間域多徑信道模型的AOA和TOA特性分析*
合、邊緣概率密度函數(shù)封閉式表達式。除此之外還推導(dǎo)出到達時延的聯(lián)合概率密度函數(shù)的封閉式表達式。該三維模型適用于低MS天線和高BS天線且重要散射體分布在移動臺附近的室外宏蜂窩通信環(huán)境。此外還對數(shù)值仿真實驗獲得的理論數(shù)據(jù)進行分析比較，進一步驗證信道參數(shù)估計結(jié)果符合理論和經(jīng)驗。到達角度；幾何散射模型；概率密度；到達時延；多徑波0 引言近年來，為滿足人們對無線通信不斷增長的容量需求，通信系統(tǒng)的空時參量越來越受到人們廣泛關(guān)注?？臻g信道模型描述了多徑分量的到達角度和到達
電子技術(shù)應(yīng)用 2015年10期2015-12-16
- 基于二維概率密度函數(shù)比較的SAR圖像變化檢測方法
基于二維概率密度函數(shù)比較的SAR圖像變化檢測方法劉永春①王廣學(xué)*②栗 蘋①閆曉鵬①①（北京理工大學(xué)機電工程與控制國家重點實驗室 北京 100081）②（空軍預(yù)警學(xué)院信息對抗系 武漢 430019）該文將傳統(tǒng)區(qū)域統(tǒng)計分布特征變化檢測方法拓展到2維特征空間，提出一種基于2維概率密度函數(shù)比較的SAR圖像變化檢測方法。該方法首先將觀測區(qū)域內(nèi)相鄰像素的灰度值組合成2維觀測矢量，而后采用2維G ram-Charlier展開式對觀測矢量在不同時相圖像中的2維概率密度函數(shù)
電子與信息學(xué)報 2015年5期2015-02-05
- 概率統(tǒng)計教學(xué)過程中如何有效地結(jié)合高等數(shù)學(xué)知識
變量; 概率密度函數(shù); 分布函數(shù)高等數(shù)學(xué)和概率統(tǒng)計都是高等院校理、工、經(jīng)、管各專業(yè)重要的基礎(chǔ)課程，由于在概率統(tǒng)計的學(xué)習(xí)過程中要頻繁地用到高等數(shù)學(xué)的相關(guān)知識， 因此在我國目前幾門基礎(chǔ)數(shù)學(xué)課程的開設(shè)中， 大部分院校都是習(xí)慣于本科第一學(xué)年學(xué)習(xí)高等數(shù)學(xué)， 第一學(xué)年下學(xué)期或是第二學(xué)年上學(xué)期學(xué)習(xí)概率統(tǒng)計課程.我之前長期從事經(jīng)管類學(xué)生的概率論與數(shù)理統(tǒng)計課程的教學(xué)工作， 發(fā)現(xiàn)經(jīng)管類學(xué)生中一部分學(xué)生因為高中階段學(xué)的文科， 數(shù)學(xué)基礎(chǔ)一般， 更有一些同學(xué)對數(shù)學(xué)有著天生的恐懼，
數(shù)學(xué)學(xué)習(xí)與研究 2014年21期2014-10-21
- 基于概率密度函數(shù)的控制系統(tǒng)性能評價
于方差，概率密度函數(shù)對系統(tǒng)輸出的隨機性能有著更為全面的描述，因此基于概率密度函數(shù)的性能評價具有重要的研究意義?；?span id="j5i0abt0b" class="hl">概率密度函數(shù)的隨機控制是通過控制系統(tǒng)跟蹤誤差的概率密度函數(shù)來實現(xiàn)對系統(tǒng)的有效控制的。期望跟蹤誤差的概率密度函數(shù)分布可以是高斯分布(正態(tài)分布)、均勻分布或者某種自定義的分布，這是根據(jù)具體的控制要求來給定的。因為以高斯分布做概率密度函數(shù)期望分布在日常生活中普遍存在，而且具有一定的廣泛性(電解鋁的控制、化工過程分子量的空盒子、鑄件尺寸及燈泡的大小等)
化工自動化及儀表 2014年2期2014-08-02
- 基于alpha穩(wěn)定分布的盲信號分離
尾信號的概率密度函數(shù)的拖尾較重。傳統(tǒng)的盲分離算法對于輕拖尾和重拖尾信號混合時的分離效果一般。為此，相關(guān)學(xué)者提出一些改進算法，其核心是自適應(yīng)動態(tài)切換，對重拖尾信號和輕拖尾信號分別取不同的非線性函數(shù)。但是由于評價函數(shù)采用固定非線性函數(shù)，因而分離準(zhǔn)確度一般。近年來，針對此問題逐漸發(fā)展了一些參數(shù)化和無參化學(xué)習(xí)算法[6-9]，這類算法采用準(zhǔn)確的概率分布估計方法，準(zhǔn)確估計信號的概率密度函數(shù)和評價函數(shù)，從而提高了算法的分離性能，但是計算復(fù)雜度較高，并要求源信號為平穩(wěn)信號
計算機工程與應(yīng)用 2014年18期2014-04-03
- 非高斯隨機分布系統(tǒng)自適應(yīng)控制算法的研究
系統(tǒng)輸出概率密度函數(shù)追蹤目標(biāo)概率密度函數(shù)，并滿足規(guī)定的保性能指標(biāo)。關(guān)鍵詞： 非高斯隨機分布系統(tǒng)； 自適應(yīng)控制； 數(shù)學(xué)模型； 概率密度函數(shù)中圖分類號： TN911?34 文獻標(biāo)識碼： A 文章編號： 1004?373X（2014）04?0053?03Self?adaptive control algorithm for non?Gaussianstochastic distribution systemsQU Yi， MU Li?ning， LAI Zhan
現(xiàn)代電子技術(shù) 2014年4期2014-03-05
- 兩類相依樣本密度函數(shù)核估計的相合性
一步探討概率密度函數(shù)核估計的性質(zhì),獲得了核估計的強相合性、r階相合性及依概率一致收斂性,推廣并改進了文獻[5-6]的相關(guān)結(jié)論.本文約定C表示正常數(shù),在不同處取不同值.引理1[3]設(shè)K(u)和g(x)都是定義在(-∞,∞)上的Borel可測函數(shù),滿足下列條件:1)K在(-∞,∞)上有界;(1)又若g在(-∞,∞)上有界且一致連續(xù),則(2)引理2[9]設(shè)隨機變量序列X1,…,Xn為NOD的,f1,…,fn均為非降函數(shù)(或非增函數(shù)),則隨機變量f1(X1),…,
吉林大學(xué)學(xué)報（理學(xué)版） 2013年6期2013-12-03
- 利用導(dǎo)數(shù)研究正態(tài)分布的概率密度函數(shù)性質(zhì)
態(tài)分布的概率密度函數(shù)性質(zhì)王康(呂梁學(xué)院汾陽師范分校，山西汾陽 032200)從正態(tài)分布的概率密度函數(shù)入手，利用導(dǎo)數(shù)研究函數(shù)，推導(dǎo)正態(tài)分布的大致圖像和基本性質(zhì).關(guān)鍵詞:正態(tài)分布;導(dǎo)數(shù);概率密度函數(shù);函數(shù)圖像;函數(shù)性質(zhì)正態(tài)分布在實際中存在廣泛，在概率統(tǒng)計的理論與應(yīng)用中更是起著非常重要的作用，在各種分布中居于首要地位.因此，學(xué)生學(xué)好正態(tài)分布也至關(guān)重要.在多數(shù)概率論教材中都是給出正態(tài)分布的定義后直接給出密度函數(shù)的圖像，并由圖像得出相關(guān)性質(zhì)［1］.學(xué)生所做的僅僅是機
河南教育學(xué)院學(xué)報（自然科學(xué)版） 2012年2期2012-12-25
- 基于載荷二維分布的可靠性分析方法
和強度的概率密度函數(shù),Fr(?)表示強度的分布函數(shù),則載荷小于強度的概率也即可靠度為這就是Freudenthal于1947年提出的著名的載荷-強度干涉模型[6]。其中,載荷和強度是廣義的,載荷可以是應(yīng)力、溫度、腐蝕、載荷的作用次數(shù)等,強度可以是疲勞強度、抗熱性、抗腐蝕性、零件的失效循環(huán)數(shù)等。該模型適用于隨機載荷作用一次或者考慮個體差異的恒幅載荷作用下的可靠度計算。實際上,零件往往承受隨機載荷的多次作用,這時,載荷需要用一個隨機過程來描述。工程上,經(jīng)常通過多
中國機械工程 2010年8期2010-06-04