您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 随机信号分析实验离散随机变量的仿真与计算(验证性实验)

  2. 实验1 离散随机变量的仿真与计算(验证性实验) 1 实验2 离散随机信号的计算机仿真(验证性实验) 5 实验3 随机信号平稳性分析(验证性实验) 8 实验4 实验数据分析(综合性实验) 10 实验5 窄带随机过程仿真分析 (验证性实验) 11 实验6 高斯白噪声通过线性系统分析(综合实验) 13
  3. 所属分类:嵌入式

    • 发布日期:2010-12-04
    • 文件大小:151552
    • 提供者:wangyiwen2010
  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. 二维随机变量信息量的计算

  2. [实验内容及步骤] 离散二维随机变换熵的计算 说明: (1)利用random函数和归一化方法构造一个二维离散随机变量(X,Y); (2)分别计算X与Y的熵、联合熵、条件熵:H(X)、H(Y)、H(X,Y)H(X|Y)、I(X|Y); (3)对测试通过的程序进行规范和优化; (4)编写本次实验的实验报告。
  3. 所属分类:C

    • 发布日期:2011-11-27
    • 文件大小:15360
    • 提供者:baigeju
  1. 数理统计讲义离散随机变量

  2. 本讲义包含贝叶斯公式和全概率,离散随机变量两部分,里面含有详细例题。
  3. 所属分类:专业指导

    • 发布日期:2008-10-08
    • 文件大小:254976
    • 提供者:WZL781213
  1. 离散型随机变量的均值课件

  2. 离散型随机变量的均值
  3. 所属分类:教育

    • 发布日期:2014-05-13
    • 文件大小:2097152
    • 提供者:qq_15344315
  1. 随机信号分析课后习题答案

  2. 随机信号分析课后习题答案第一次作业:练习一之1、2、3题 1.1 离散随机变量X由0,1,2,3四个样本组成,相当于四元通信中的四个电平,四个样本的取值概率顺序为1/2,1/4,1/8,和1/8。求随机变量的数学期望和方差。 解:
  3. 所属分类:专业指导

    • 发布日期:2008-11-04
    • 文件大小:679936
    • 提供者:guanwenchao1
  1. 系统建模与simulink仿真课件资料-第11章 随机变量模型的确定.pdf

  2. 系统建模与simulink仿真课件资料-第11章 随机变量模型的确定.pdf 系统建模 与仿真  好资料  特清晰 第14章 离散事件系统仿真结果分析.pdf
  3. 所属分类:其它

    • 发布日期:2019-08-13
    • 文件大小:199680
    • 提供者:weixin_39840387
  1. 系统建模与simulink仿真课件资料-第12章 随机变量的产生.pdf

  2. 系统建模与simulink仿真课件资料-第12章 随机变量的产生.pdf 系统建模 与仿真  好资料  特清晰 第14章 离散事件系统仿真结果分析.pdf
  3. 所属分类:其它

    • 发布日期:2019-08-13
    • 文件大小:361472
    • 提供者:weixin_39840515
  1. 离散型随机变量的概率密度函数及其应用

  2. 利用单位脉冲函数定义了离散型随机变量的概率密度,给出离散型随机变量与其独立的连续型随机变量和分布的计算公式,且证明其和分布不可能为正态分布。
  3. 所属分类:其它

    • 发布日期:2020-05-05
    • 文件大小:89088
    • 提供者:weixin_38691055
  1. 保费随机的带干扰离散风险模型的破产概率

  2. 保费随机的带干扰离散风险模型的破产概率,刘俊峰,,建立了一类带干扰离散风险模型,并且保费收取率为随机变量.对此模型进行研究,主要是通过鞅的方法,得到了破产概率满足的一般公
  3. 所属分类:其它

    • 发布日期:2020-02-18
    • 文件大小:175104
    • 提供者:weixin_38690830
  1. 关于对随机变量数字特征新概念的讨论

  2. 关于对随机变量数字特征新概念的讨论,孔建勇,孔璐,根据统计研究对象标志的性质不同分为品质标志和数量标志。数字特征、位置特征、离散特征为品质标志表现统计对象要标识的名称;位
  3. 所属分类:其它

    • 发布日期:2019-12-29
    • 文件大小:305152
    • 提供者:weixin_38597990
  1. 随机信号分析(常建平)全章(第一章)

  2. 随机信号分析(常建平)全章某繁忙的汽车站,每天有大量的汽车进出。设每辆汽车 在一天内出事故的概率为 ,若每天有辆汽车进出 汽车站,问汽车站出事故的次数不小于的概率是多少? n=1 分布 二项分布 n>∞0,p->0,np= 泊松分布 →成立,0不成立>高斯分布 实际计算中,只需满足 ≤,二项分布就趋近于泊松分布 汽车站出事故的次数不小于的概率 答案 已知随机变量的概率密度为 其它 求:①系数?②的分布函数?③<≤<≤ 第③问 方法一 联合分布函数 性质: 若任意四
  3. 所属分类:专业指导

    • 发布日期:2019-03-01
    • 文件大小:664576
    • 提供者:weixin_41180209
  1. 离散事件仿真与建模 随机数 随机变量仿真设计

  2. 这是离散事件仿真与建模的实验报告,里面有源程序跟代码,主要是掌握随机数、随机变量的生成方法,用到反变换法、拒绝法的机理。
  3. 所属分类:嵌入式

    • 发布日期:2010-08-29
    • 文件大小:512000
    • 提供者:wenhuayin0204
  1. DSP中的判断离散随机线性系统的可观性与可控性

  2. 定义系统的可观测性和可控制性分别如下:   线性系统:状态变量和输出变量对于所有可能的输入变量和初始状态都满足叠加原理的系统。一个由线性元部件所组成的系统必是线性系统。但是,相反的命题在某些情况下可能不成立。线性系统的状态变量(或输出变量)与输入变量间的因果关系可用一组线性微分方程或差分方程来描述,这种方程称为系统的数学模型。   可观测性:给定控制后,能在有限的时间间隔内根据系统输出惟一地确定系统的所有起始状态,则系统是完全可 观。如果只能确定部分起始状态,则系统不完全可观。   可控制性:当
  3. 所属分类:其它

    • 发布日期:2020-10-23
    • 文件大小:34816
    • 提供者:weixin_38503233
  1. 随机变量-离散-连续-假设检验方法

  2. 一组随机样本数据需要进行分析处理时,往往需要用到假设检验,对于离散变量discrete多用卡方检验,连续变量continuous用t检验或wilcoxon秩序和检验,具体的的使用场景如下 离散变量-卡方检验-适用条件 四格表: 所有的理论数T≥5并且总样本量n≥40,用卡方进行检验 理论数T<5但T≥1并且n≥40,用连续性校正的卡方进行检验 有理论数T<1或n<40,用Fisher’s检验 非四格表(R×C表): R×C表中理论数小于5的格子不能超过1/5,且不能有小于1的理论数,用卡方进行检
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:89088
    • 提供者:weixin_38628183
  1. 离散随机变量的常用分布

  2. 离散型随机变量的常用分布 [ + ] 两点分布 1 若事件A发生 0 若事件A不发生 记做 r,v X ~ B(1,p) [ + ] 二项分布 n次伯努利实验的成功次数X,每次伯努利实验成功概率p q = 1 – p 记做 r,vX~B(n,p)r,v X ~ B(n,p) r,vX~B(n,p) 1=(p+q)n=∑k=0nCnkpkqn−k 1 = (p+q)^{n} = \sum_{k=0}^nC_{n}^{k}p^kq^{n-k}1=(p+q)n=k=0∑n​Cnk​pkqn−k 利用
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:36864
    • 提供者:weixin_38668160
  1. Single-Channel-Queue-Python-Master:模拟20个客户的µ = 5.6客户分钟(到达率)和λ= 5客户分钟(服务率)的银行问题。您应该恰好使用19到20个随机变量来生成随机变量(两个)。为了方便起见,在模拟过程

  2. 单通道队列Python主 背景:随机数在离散事件模拟中对于生成事件时间非常重要。随机数链必须具有两个主要属性:1)均匀性2)独立性。随机仿真模型需要一个或多个随机变量作为输入。可以从一个随机变量(例如X)生成随机数。当可能结果的总数有限时,P(X = x)大于零,范围在零到一之间。在这种情况下,随机变量X被认为是离散的。当可能结果的总数为无限时,P(X = x)恰好为零。在这种情况下,可以说随机变量X是连续的。因此,在我们的研究中,我们现在发现了两个术语-离散随机数和连续随机数。有许多生成随机数
  3. 所属分类:其它

    • 发布日期:2021-03-22
    • 文件大小:2048
    • 提供者:weixin_42130786
  1. Shiny-App-1:将分布拟合到离散随机变量(2021)-源码

  2. Shiny-App-1 适用于将分布拟合到离散随机变量的闪亮应用程序 我的业余时间完成了这个项目,这是一个有趣的编码实验。 可以代表各种现象,从个人每年看医生的次数到给定地区遭受飓风袭击的频率。 利用一些样本数据,可以使分布适合于这种现象,并且可以将其用于对未来事件进行预测。 离散随机变量的概念在保险领域起着至关重要的作用。 即通过索赔频率。 保险公司寻求对和严重性进行,以预测总损失,从而使保险公司能够为保费定价并为公司进行损失准备。 但是拟合分布的过程通常需要编写一堆代码并分析许多统计数据
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:1048576
    • 提供者:weixin_42134144
  1. 随机:PyTorch的随机深度学习-源码

  2. pytorch的随机深度学习 Storchastic是一个用于深度学习中的随机梯度估计的PyTorch库[1]。 许多最先进的深度学习模型都使用梯度估计,尤其是在变分推理和强化学习领域。 虽然PyTorch自动计算确定性计算图的梯度,但它不会估计随机计算图上的梯度[2]。 借助Storchastic,您可以轻松定义任何随机深度学习模型,并让其为您估计梯度。 Storchastic提供了多种即插即用的梯度估计方法,以确定哪种方法最适合您的问题。 Storchastic可自动广播采样批次的尺寸
  3. 所属分类:其它

    • 发布日期:2021-02-18
    • 文件大小:1048576
    • 提供者:weixin_42107374
  1. 边缘分布和随机变量独立性

  2. 离散型随机变量的边缘分布 设二维离散型随机变量(X,Y)(X,Y)(X,Y)的分布律为: P(X=xi,Y=yj)=pij,i,j=1,2…P(X=xi)=∑j=1+∞pij,i=1,2…P(X=x_i,Y=y_j) = p_{ij},\quad i,j=1,2…\\ P(X=x_i) = \sum_{j=1}^{+\infty}p_{ij},\quad i=1,2…P(X=xi​,Y=yj​)=pij​,i,j=1,2…P(X=xi​)=j=1∑+∞​pij​,i=1,2… 称为二维离散型随机
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:24576
    • 提供者:weixin_38746387
« 12 3 4 5 6 7 8 »