您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 随机信号总复习题 随机信号考试必备

  2. 一章 (1)概率分布函数的性质 ① 是x的单调非减函数,对于 ,有 ② 非负, ③随机变量在 区间内的概率为 ④ 右连续,即 离散随机变量的概率分布函数的表达式为: (2)概率密度函数的性质 ① ,概率密度函数非负 ②概率密度函数在整个取值区间上的积分为1 ③概率密度函数在 区间积分,给出了该区间的取值概率 离散随机变量的概率密度函数为: (3)多维随机变量概率分布函数和概率密度函数 (4)随机变量的数字特征 ①数学期望: ②方差: ③相关矩 ④协方差 课后第1题 (5)统计独立与不相关 ①随
  3. 所属分类:.Net

    • 发布日期:2011-05-03
    • 文件大小:244736
    • 提供者:mengzhizui2
  1. 已知二维联合概率密度matlab求解

  2. 已知二维联合概率密度matlab求解 二维联合概率密度 matlab 待定系数 边缘分布
  3. 所属分类:专业指导

    • 发布日期:2012-02-27
    • 文件大小:229
    • 提供者:fuleifox
  1. 贝叶斯思维:统计建模的Python学习法

  2. 第1章 贝叶斯定理 1 1.1 条件概率 1 1.2 联合概率 2 1.3 曲奇饼问题 2 1.4 贝叶斯定理 3 1.5 历时诠释 4 1.6 M&M豆问题 5 1.7 Monty Hall难题 6 1.8 讨论 8 第2章 统计计算 9 2.1 分布 9 2.2 曲奇饼问题 10 2.3 贝叶斯框架 11 2.4 Monty Hall难题 12 2.5 封装框架 13 2.6 M&M豆问题 14 2.7 讨论 15 2.8 练习 16 第3章 估计 17 3.1 骰子问题 17 3.2 火
  3. 所属分类:机器学习

    • 发布日期:2018-03-20
    • 文件大小:116
    • 提供者:data2word
  1. 保研概率论复习.pdf

  2. 概率论复习资料,保研用,课程考试复习请勿使用!未经允许请勿转载或用作商业用途!本次上传重新下调了下载积分第二章:二维变量 维变量 1.二维随机变量(X,Y):X与Y相互独立 2.(X,Y)的联合分布函数F(xy)与联合概率密度函数f(x,y) F(x,y)=P(X≤x,y≤y)=Jf(xydx f(x,y)=F(x, y) 、边缘分布与独立性 边缘分布:多维随机变量中只包含其中部分变量的概率分布。如对(XY)分布只研究 X的分布 2.边缘分布函数函数和边缘概率密度函数: X的边缘分布函数] Fx
  3. 所属分类:讲义

    • 发布日期:2019-10-05
    • 文件大小:547840
    • 提供者:qq_38633884
  1. 高斯分布参数的极大似然估计,EM算法

  2. 哈工大研究生课程讲义高斯分布参数的极大似然估计,EM算法高斯混合模型算法的迭代公式推导 我们首先来推导般混合密度模型参数估计的算法达代公式,然后再将般的混合 密度模型具体化为髙斯混合模型。 混合密度模型 假设样本集={x1,…,x}中的样本相互独立,并且按照如下的过程产生: 样木是依据桃率由个分布中的一个产生的,分布的概率密度数为(x0), 1,,,0为分布的参数 由第个分布产生样本的先验概率为a 先验概率a=(a1…,a),以及分布的参数日,…,0均未知。 我们称样本集来自于一个混合密度模型,
  3. 所属分类:讲义

    • 发布日期:2019-03-03
    • 文件大小:214016
    • 提供者:qq_27328663
  1. 基于二维空间域移动通信统计信道的空时特性

  2. 为了减小无线环境中的多径效应,要求提供信道模型多径分量的到达角度(AOA)和到达时延(TOA)。因此产生了几何单反射信道模型(GBSBCMs)的概念,即假定散射体均匀分布在椭圆区域(宏蜂窝)或圆形区域(微蜂窝)。在宏蜂窝和微蜂窝中,假定散射体为椭圆模型(EM)或圆模型(CM)时或许是合理的,但对于一般散射体模型而言,要确保当散射体为其他分布类型的情况下都是有效的,就需要获得信道参数。推导了在一般散射体模型中基站信号的到达角度和到达时延的联合概率密度函数、边缘概率密度函数,它适用于多种蜂窝型,重点
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:533504
    • 提供者:weixin_38576392
  1. 考虑爬坡特性的短期风电功率概率预测

  2. 短期风电功率概率预测有助于调度部门提前安排发电计划,提高风电的消纳能力。提出一种考虑爬坡特性的风电功率概率预测方法,首先通过分析不同风电爬坡定义的特点,阐述互补组合预测的思路;然后采用小波神经网络建立风电功率确定性预测模型,并在其基础上建立不同功率分区内风电爬坡率和风电功率预测误差的二维核密度估计概率预测模型;最后由二者的联合概率分布求取后者的条件概率分布,得到风电功率概率预测结果。仿真结果表明,所提模型具有很高的短期风电功率概率预测精度。
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:1048576
    • 提供者:weixin_38592847