概率统计常见的连续型（分布，概率密度，特征）函数

总结的比较全的对与常见连续型分布函数，概率密度函数和特征函数的性质，并举出一些例题，是一个很好的参考资料

煤系岩体参数概率分布及Bayes优化

正确确定煤系岩体力学参数的概率分布是松散含水层下采煤顶板稳定可靠性分析的关键。以淮南矿区部分煤矿8煤顶板砂岩强度参数为例，以 K － S 检验法对数据进行概率分布拟合，获取参数分布类型及统量。以此大样本概型为先验函数，，具体工作面顶板岩体小样本参数的概型为似然函数，基于 Bayes 方法对其优化，得到验后分布的概型参数。计算结果表明，8煤顶板砂岩强度参数全部接受正态分布和对数正态分布，优化后的方差有所下降，可以提高覆岩采动稳定可靠性分析结果，从而达到优化目的。

基于模糊贝叶斯理论的岩土参数概率分布研究

利用模糊数学方法和贝叶斯理论,把人的主观判断和经验以及从小样本中获得的概率分布模型结合起来,通过实例计算与有限比较法进行了对比,结果表明,该方法符合实际,为在小样本情况下确定岩土参数的分布类型提供了新的途径。

考虑土壤参数不确定性影响的浅埋基础沉降概率分析

地表下方地球层基础的设计中最重要的挑战之一是峰会基金会，这可能会对所需用户的可持续性和结构产生巨大影响。 基于两次连续破裂（承重）和沉降的分析和设计标准，由于非均质土的性质及其参数不确定性，因此依赖一个数作为基础沉降量似乎是不合逻辑的。 在概率分布函数的方法中，这是通过获取每个输入参数或每个参数的特征的概率来实现的，参数值很可能会出现。 在这项研究中，使用概率蒙特卡罗模拟方法进行了努力，并研究了参数不确定性对连续地层以下力学行为的影响。 在非确定性模型输入变量用于描述的情况下，非确定性模型输出也是如此。 因此，每种方法的输出（用于分析输入变量的概率分布函数的概念）都是目标函数的概率分布的函数。 在本研究中，三种形式的沉降中心，刚性基础拐角的沉降可靠度都拟合有正态概率分布和对数正态分布两种类型。 为此，考虑了使用概率对数正态和正态的过渡对地基弹性模量分析的影响的参数，例如沉降和泊松比分布系数的概率。 分析表明，尾流中心的沉降比其他两个要紧要紧，并且在基础这部分发生沉降的可能性更高。 在使用正态分布和使用日志的正态分布图的情况下，与日志相关的正态分布的概率密度函数具有更大的离散度。

大小偏差Lindley分布及其属性-加权分布的特例

本文的目的是介绍大小偏向的Lindley分布，这是加权分布的特例。 加权分布在密度函数中出现某些类型的偏差（即概率与变量的大小成正比）时具有实际意义，这就是为什么建议的大小偏差Lindley版本针对此类情况设计得更合理，更精确。 本文还讨论了密度函数的主要特性，例如力矩，偏度量度，峰度，力矩产生函数，特征产生函数，变异系数，生存函数和危险函数，这些都是为了理解所建议的分布结构而得出的。更简单。

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比

dice:一个用于滚动骰子和分析概率分布的Scala库-源码

骰子 一个Scala库，用于统计建模和分析概率分布。 提供Dice类型，该Dice具有丰富的代数，可用于组合模具辊。 虽然这不是主要用于生成带有骰子的随机数，但它确实允许您对分布进行采样以“滚动”骰子。 例子： 3 d 6代表一卷三个6面骰子。 d(20) + 5是20面骰子，其中添加了5个结果。 d(6) + d(4)将6面模具添加到4面模具。 d(8) * d(2)是一个8面骰子，如果硬币正面朝上，则乘以2。 (8 d 6) / 2是八个六面骰子的一半。 d(6) reroll (_ < 2 xss=removed> if (x == 1) 20 else x)是

论文研究-有限制条件的异类元件构成系统的元件维修率分布确定.pdf

为了研究不同类型元件组成系统后元件各自的维修率，同时考虑工作环境因素对维修率的影响，提出了元件维修率分布的概念。元件维修率分布是通过将SFT中故障概率分布代替Markov链中失效率实现的，给出了不同元件组成的并联和串联系统的元件维修率分布推导过程。实现维修率分布的计算关键在于状态转移概率p0范围的确定及不同元件故障率与维修率的比值，即为计算过程所需的限制条件，给出了p0范围和比例限定的计算方法和依据。对一个混联系统进行分析，说明了p0范围依赖于系统结构并计算得到0.087≤p0≤0625，也得到了系统中三个不同元件的维修率分布。

python 伯努利分布详解

伯努利分布 是一种离散分布,有两种可能的结果。1表示成功，出现的概率为p(其中0&lt;p&lt;1)。0表示失败，出现的概率为q=1-p。这种分布在人工智能里很有用，比如你问机器今天某飞机是否起飞了，它的回复就是Yes或No，非常明确，这个分布在分类算法里使用比较多，因此在这里先学习 一下。 概率分布有两种类型：离散（discrete）概率分布和连续（continuous）概率分布。 离散概率分布也称为概率质量函数（probability mass function）。离散概率分布的例子有伯努利分布（Bernoulli distribution）、二项分布（binomial distribution）、

hakaru：一种概率编程语言-源码

ru Hakaru是一种简单类型的概率编程语言，旨在轻松指定概率模型和推理算法。 Hakaru通过提供以下功能来实现模块化概率推理程序的设计： 表示概率分布，查询和推断的语言 使用计算机代数转换概率信息（例如条件概率和概率推断）的方法 它可用于帮助创建机器学习应用程序和随机建模，以帮助回答变量查询和分布。 警告：此代码是Alpha版，并且是实验性的。 有关Hakaru文档的信息，包括和一些示例程序，请访问 。 如果您有任何疑问或疑虑，请通过与我们联系。 引用我们 提到Hakaru时，请引用以下： P. Narayanan，J。Carette，W。Romano，C。Shan和R.Zi

论文研究 - 在多点地统计中选择训练图像的新方法

训练图像作为多点地统计学中重要的建模参数，直接决定了建模效果。 在使用多点地统计建模之前，有必要评估并选择候选训练图像。 总的重复概率不足以描述训练图像中单个数据事件的关系。 在此基础上，提出了一种新的训练图像选择方法。 如基本思想所示，单个数据事件的重复概率分布用于表征训练图像中沉积模式的类型和平稳性。 单个数据事件的重复概率均值和偏差反映了训练图像地质模型的平稳性。 数据事件不匹配的比率反映了训练图像中地质模式的多样性。 最佳训练图像的选择是通过组合重复事件的概率和单个数据事件的整体重复概率来实现的。 仿真实验表明，良好的训练图像具有较高的重复概率相容性，单个数据事件重复概率的稳定分布，较低的概率平均值，较低的概率偏差和较低的失配率。 该方法可以快速选择训练图像，为多点地统计模拟提供基本保证。

露天煤矿车辆优化调度不确定模型研究

车辆优化调度是减少采运设备非生产时间、提高生产效率、从而降低整个露天煤矿开采成本和能耗行之有效的方法,因此对露天煤矿车辆调度中的关键时间参数进行了数据统计分析,验证了装车时间和道路运行时间的概率分布类型,并针对这些不确定信息,建立了车辆调度模型的随机期望值模型和随机期望目标规划模型。对模型进行研究分析,发现考虑了不确定信息,优化结果更符合实际生产需求。

通过非原始高斯进行景观层析成像

在本文中，我们展示了如何通过导致宇宙微波背景各向异性起源的原始密度扰动和我们宇宙的大规模结构来探测原始宇宙的景观潜力结构。 等曲率场（垂直于通货膨胀轨迹的场）可能会在通货膨胀过程中跨越将景观势的局部极小值分开的障碍而波动。 我们分析了这个过程如何影响原始曲率扰动的演化。 如果将景观势的连续最小值与势垒的高度分开的典型距离小于参数化膨胀的哈勃扩展率，则等曲率场的概率分布函数由于与波峰相关的颠簸和倾角的出现而变为非高斯分布。 潜力的结构。 我们证明，如果等曲率场耦合到曲率摄动，这种非高斯性可以被转移到原始曲率摄动的统计中。 曲率摄动分布中出现的非高斯结构的类型不能用多光谱的标准方法来完全探究。 相反，需要概率分布函数。 后者是通过将所有n点相关函数求和而获得的。 为了证实我们的主张，我们提供了一个具体模型，该模型由具有正弦势的轴对称等曲率微扰和等曲率与曲率场之间的线性导数耦合组成。 在该模型中，曲率摄动的概率分布函数由高斯函数组成，该函数具有小的叠加振荡，反映了等曲率轴突的电势。

论文研究-一种概率XML数据树的化简算法.pdf

针对概率XML数据树分布节点冗余的问题，提出一种化简概率XML数据树的算法。通过分析概率XML数据树中的路径类型，把概率XML数据树划分为稀疏和紧凑两种形式结构，通过消除概率级联、计算绝对路径的相容类集合和等价类集合等过程把前者变换为后者。理论研究和实例分析表明，该化简算法是有效的，能够解决概率XML数据树的化简问题。

入侵检测数据集KDD CUP99

KDD CUP99 数据集是从一个模拟的美国空军局域网上采集来的9个星期的网络连接数据,分成具有标识的训练数据和未加标识的测试数据。测试数据和训练数据有着不同的概率分布,测试数据包含了一些未出现在训练数据中的攻击类型,这使得入侵检测更具有现实性。在训练数据集中包含了1种正常的标识类型normal和22种训练攻击类型,如表1-1所示。另外有14种攻击仅出现在测试数据集中。

低秩矩阵分解的概率模型研究

低阶矩阵分解例如主成分分析（PCA），奇异值分解（SVD）和非负矩阵分解（NMF）是追求给定数据矩阵低阶近似的一大类方法。 传统的分解模型基于以下假设：数据矩阵被某种类型的噪声随机污染。 因此，可以通过最大似然（ML）估计或最大后验（MAP）获得低秩分量的点估计。 在过去的十年中，出现了各种低秩矩阵分解的概率模型。 低秩矩阵分解与它们相应的概率模型之间最显着的区别是后者将低秩分量视为随机变量。 本文对低秩矩阵分解的概率模型进行了调查。 首先，我们回顾了低秩矩阵分解的概率模型中常用的一些概率分布，并介绍了一些概率分布的共轭先验以简化贝叶斯推断。 然后，我们为概率低秩矩阵分解提供了两种主要的推理方法，即吉布斯采样和变分贝叶斯推理。 接下来，我们将低秩矩阵分解的重要概率模型大致分为几类，并分别进行回顾。 这些类别通过不同的矩阵分解公式来执行，这些公式主要包括PCA，矩阵分解，鲁棒PCA，NMF和张量分解。 最后，我们讨论了将来需要研究的研究问题。

【MATLAB R2014a完全自学一本通】-第二部分（共两部分）真正的入门、进阶、实践

《MATLAB R2014a完全自学一本通》面向MATLAB 的初中级读者，在介绍MATLAB R2014a 集成环境的基础上，对MATLAB 使用中常用的知识和工具进行了详细的介绍，书中各章均提供了大量有针对性的算例，供读者实战练习。 　　根据内容的侧重点不同，全书分为4 部分共20 章：第1～5 章为基础部分，讲解MATLAB R2014a 概述、MATLAB 基础知识、数组与矩阵、MATLAB 编程基础及数据可视化等；第6～8 章为数学应用部分，讲解数据分析、符号数学计算和概率统计等；第9～15 章为工程应用部分，讲解偏微分方程、优化、图像处理、信号处理、小波分析等工具箱，Simulink 仿真基础及应用等；第16～20 章为知识拓展部分，讲解句柄图形对象、图形用户界面、文件读取I/O、MATLAB 编译器和外部接口应用介绍等内容。为了使用户能够更好地操作MATLAB，本书中示例的命令已记录在M 文件及其他相关文件中，用户可以将相关的目录设置为工作目录，直接使用M 文件进行操作，以便快速掌握MATLAB 的使用方法。 1．3．3 工作区 1．4 MATLAB R2014a 的通用命令 1．5 MATLAB R2014a 的文件管理 1．5．1 当前文件夹浏览器和路径管理器 1．5．2 搜索路径及其设置 1．6 MATLAB R2014a 的帮助系统 1．6．1 纯文本帮助 1．6．2 演示（Demos）帮助 1．6．3 帮助导航浏览器 1．7 MATLAB 使用初步 1．8 本章小结 第2 章MATLAB 基础知识 2．1 数据类型 2．1．1 数值类型 2．1．2 逻辑类型 2．1．3 字符和字符串 2．1．4 函数句柄 2．1．5 结构体类型 2．1．6 单元数组类型 2．1．7 单元数组类型 2．1．8 map 容器类型 2．2 基本矩阵操作 2．2．1 矩阵和数组的概念及其区别 2．2．2 矩阵的构造 2．2．3 矩阵大小及结构的改变 2．2．4 矩阵下标引用 2．2．5 矩阵信息的获取 2．2．6 矩阵的保存和加载 2．3 运算符 2．3．1 算术运算符 2．3．2 关系运算符 2．3．3 逻辑运算符 2．3．4 运算优先级 2．4 字符串处理函数 2．4．1 字符串的构造 2．4．2 字符串比较函数 2．4．3 字符串查找和替换函数 2．4．4 字符串――数值转换 2．5 本章小结 第3 章数组与矩阵 3．1 数组运算 3．1．1 数组的创建和操作 3．1．2 数组的常见运算 3．2 矩阵操作 3．2．1 创建矩阵 3．2．2 改变矩阵大小 3．2．3 重构矩阵 3．3 矩阵元素的运算 3．3．1 矩阵加减运算 3．3．2 矩阵乘法运算 3．3．3 矩阵的除法运算 3．3．4 矩阵的幂运算 3．3．5 矩阵元素的查找 3．3．6 矩阵元素的排序 3．3．7 矩阵元素的求和 3．3．8 矩阵元素的求积 3．3．9 矩阵元素的差分 3．4 矩阵运算 3．4．1 矩阵分析 3．4．2 矩阵分解 3．4．3 特征值和特征向量 3．5 稀疏矩阵 3．5．1 稀疏矩阵的存储方式 3．5．2 稀疏矩阵的生成 3．5．3 稀疏矩阵的运算 3．6 本章小结 第4 章MATLAB 编程基础 4．1 M 文件编辑器 4．2 变量 4．2．1 变量的命名 4．2．2 变量的类型 4．2．3 MATLAB 默认的特殊变量 4．2．4 关键字 4．3 MATLAB 的控制流 4．3．1 顺序结构 4．3．2 if-else-end 分支结构 4．3．3 switch-case 4．3．4 try-catch 结构 4．3．5 for 循环结构 4．3．6 while 循环结构 4．4 控制程序流的其他常用指令 4．4．1 return 指令 4．4．2 input 和keyboard 指令 4．4．3 yesinput 指令 4．4．4 pause 指令 4．4．5 continue 指令 4．4．6 break 指令 4．4．7 error 和warning 指令 4．5 脚本和函数 4．5．1 脚本 4．5．2 函数 4．5．3 M 文件的一般结构 4．5．4 匿名函数、子函数、私有函数与私有目录 4．5．6 重载函数 4．5．6 eval、feval 函数和内联函数 4．5．7 内联函数 4．5．8 向量化和预分配 4．5．9 函数的函数 4．5．10 P 码文件 4．6 M 文件中变量的检测与传递 4．6．1 输入/输出变量检测指令 4．6．2 “可变数量”输入/输出变量 4．6．3 跨空间变量传递和赋值 4．7 MATLAB 程序的调试 4．7．1 程序调试的基本概念 4．7．2 直接调试法 4．7．3 使用调试函数进行调试

论文研究-基于小波模型的多媒体通信流特性分析.pdf

近年来，网络实时流媒体获得了越来越广泛的应用，引起了学术界和工业界的广泛关注。通过NS仿真实验得到两种不同类型的通信流，并用小波分析模型进行匹配拟合。对上述两种通信流的自相关系数、概率特性以及突发性进行了深入的分析和研究。结果表明，利用小波数学模型产生的多媒体通信流的自相关系数和概率分布等特性与仿真通信流非常相近；可以小波模型为基础构造多媒体通信源负载发生器。该结果将对多媒体网络通信流量分析和模型化提供依据。