搜索结果
查询Tags标签： mu，共有 70条记录-
normal + lognormal
matlab命令正态分布 [μ,σ]=normfit(x)\mu, \sigma]=normfit(x) \quadμ,σ]=normfit(x) %数据x来拟合正态分布，get分布参数 [μ,σ\mu, \sigmaμ,σ,,muCI,sigmaCI]=normfit(x,α)],muCI,sigmaCI] = normfit(x,\alpha) ] \quad,muCI,sigmaCI]=normfit(x,α)] %α\alpha…
2022/1/20 6:47:15 人评论 次浏览 -
BUAA_概率统计_Chap11_平稳过程
第十一章 平稳过程 11.1 严平稳过程 11.1.1 严平稳过程的定义 对于任意实数 \(\varepsilon\)，如果随机过程 \(\{X(t), t\in T\}\) 的任意 \(n\) 维分布满足： \[\begin{aligned}& F(x_1, x_2, ..., x_n; t_1, t_2, ..., t_n)\\= & F(x_1, x_2, ..., x_n; t_1 + \…
2022/1/9 6:03:44 人评论 次浏览 -
BUAA_概率统计_Chap11_平稳过程
第十一章 平稳过程 11.1 严平稳过程 11.1.1 严平稳过程的定义 对于任意实数 \(\varepsilon\)，如果随机过程 \(\{X(t), t\in T\}\) 的任意 \(n\) 维分布满足： \[\begin{aligned}& F(x_1, x_2, ..., x_n; t_1, t_2, ..., t_n)\\= & F(x_1, x_2, ..., x_n; t_1 + \…
2022/1/9 6:03:44 人评论 次浏览 -
BUAA_概率统计_Chap09_假设检验
第九章 假设检验 9.1 假设检验的概念 先对总体的参数或总体的分布形式作某种假设 \(H_0\)，然后由抽样结果推断假设 \(H_0\) 是否成立。 在数理统计学中，称检验假设 \(H_0\) 的方法为假设检验。参数的假设检验 分布的假设检验检验假设的理论依据 实际推断原理： 小概率事…
2022/1/9 6:03:37 人评论 次浏览 -
BUAA_概率统计_Chap09_假设检验
第九章 假设检验 9.1 假设检验的概念 先对总体的参数或总体的分布形式作某种假设 \(H_0\)，然后由抽样结果推断假设 \(H_0\) 是否成立。 在数理统计学中，称检验假设 \(H_0\) 的方法为假设检验。参数的假设检验 分布的假设检验检验假设的理论依据 实际推断原理： 小概率事…
2022/1/9 6:03:37 人评论 次浏览 -
BUAA_概率统计_Chap05_随机变量的数字特征
第五章 随机变量的数字特征 5.1 数学期望 5.1.1 离散型随机变量 \(X\) 的数学期望 定义 设 \(X\) 的分布律为：\(P\{X=x_k\}=p_k,\quad k = 1, 2, ...\) 若级数 \(\sum\limits_{k=1}^{\infty}x_kp_k\) 绝对收敛（即\(\sum\limits_{k=1}^{\infty}|x_k|p_k\) 收敛） 则称级数…
2022/1/9 6:03:31 人评论 次浏览 -
BUAA_概率统计_Chap05_随机变量的数字特征
第五章 随机变量的数字特征 5.1 数学期望 5.1.1 离散型随机变量 \(X\) 的数学期望 定义 设 \(X\) 的分布律为：\(P\{X=x_k\}=p_k,\quad k = 1, 2, ...\) 若级数 \(\sum\limits_{k=1}^{\infty}x_kp_k\) 绝对收敛（即\(\sum\limits_{k=1}^{\infty}|x_k|p_k\) 收敛） 则称级数…
2022/1/9 6:03:31 人评论 次浏览 -
「吴恩达机器学习」16.异常检测
本章主要介绍异常检测（Anomaly detection）问题，这是机器学习算法的一个常见应用。这种算法的有趣之处在于，它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。 Problem motivation 主要介绍了什么是异常检测，以及其应用。 Anomaly detecti…
2021/12/28 23:14:54 人评论 次浏览 -
「吴恩达机器学习」16.异常检测
本章主要介绍异常检测（Anomaly detection）问题，这是机器学习算法的一个常见应用。这种算法的有趣之处在于，它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。 Problem motivation 主要介绍了什么是异常检测，以及其应用。 Anomaly detecti…
2021/12/28 23:14:54 人评论 次浏览 -
「吴恩达机器学习」14.无监督学习
Unsupervised learning introduction 通过和监督学习进行对比，简单介绍了无监督学习。 在一个监督学习问题中，我们的训练集是有标签（y）的，我们需要据此训练假设函数，来拟合出一个决策边界。而在无监督学习问题中，我们的训练集是没有任何标签的，我们需要算法自己从…
2021/12/28 23:12:49 人评论 次浏览 -
「吴恩达机器学习」14.无监督学习
Unsupervised learning introduction 通过和监督学习进行对比，简单介绍了无监督学习。 在一个监督学习问题中，我们的训练集是有标签（y）的，我们需要据此训练假设函数，来拟合出一个决策边界。而在无监督学习问题中，我们的训练集是没有任何标签的，我们需要算法自己从…
2021/12/28 23:12:49 人评论 次浏览 -
「51nod1220」 约数之和 题解
Statement \(\sigma(k)\) 表示 \(k\) 的所有约数的和。\(\sigma(6) = 1 + 2 + 3 + 6 = 12\) 定义 \(S(N) = ∑_{i=1}^N ∑_{j=1}^N \sigma(i*j)\) 给出正整数 \(N\)，求 \(S(N)\) ，由于结果可能会很大，输出 $\mod\ \ \ 1000000007(10^9 + 7) $的结果。 Solution \[\begi…
2021/12/19 23:28:39 人评论 次浏览 -
「51nod1220」 约数之和 题解
Statement \(\sigma(k)\) 表示 \(k\) 的所有约数的和。\(\sigma(6) = 1 + 2 + 3 + 6 = 12\) 定义 \(S(N) = ∑_{i=1}^N ∑_{j=1}^N \sigma(i*j)\) 给出正整数 \(N\)，求 \(S(N)\) ，由于结果可能会很大，输出 $\mod\ \ \ 1000000007(10^9 + 7) $的结果。 Solution \[\begi…
2021/12/19 23:28:39 人评论 次浏览 -
渲染算法学习（六）-- Real-Time Physically-Based Materials
目录 PBR and PBR MaterialsPhysically-Based Rendering (PBR) PBR materials in RTRPBR materials Microfacet BRDFNormal Distribution Function (NDF)Shadowing-Masking Term（Term G）Linearly Transformed CosinesDisney’s Principled BRDFNon-Photorealistic Rende…
2021/12/3 9:06:07 人评论 次浏览 -
渲染算法学习（六）-- Real-Time Physically-Based Materials
目录 PBR and PBR MaterialsPhysically-Based Rendering (PBR) PBR materials in RTRPBR materials Microfacet BRDFNormal Distribution Function (NDF)Shadowing-Masking Term（Term G）Linearly Transformed CosinesDisney’s Principled BRDFNon-Photorealistic Rende…
2021/12/3 9:06:07 人评论 次浏览
