共查询到20条相似文献,搜索用时 31 毫秒
1.
本文从不同的角度论述了最概然速率所对应的动能和最概然动能之间的关系。通过分析我们发现:两者在统计间隔相同的条件下,它们是从不同的侧面揭示了同一个问题的实质。 相似文献
2.
3.
在休谟的哲学著作中,概然性理论十分晦涩,但是休谟非常重视这一部分内容。通过梳理休谟提出概然性的具体论证,有助于澄清概然性在人性哲学中的具体内涵。对这一概念的澄清,是理解休谟哲学的重要基础。同时,休谟的概然性是概率的原初概念,这也是休谟对归纳逻辑的重要贡献之一。 相似文献
4.
在平衡态下,气体分子的动能,速率按一定的规律分布,且各自存在最可几值,本文对两个最可几值涉及的问题进行分析和比较。 相似文献
5.
后附加"然"是由"如此"意的指示代词虚化而来.从战国时代起,"然"字前面的词根已经可以用双音节了,但很多仍用单音节,其中以((庄子>一书最具代表性.<庄子>中的AA然、AB然构构成的词,其词根多为叠音词,而且多为描绘形态和模拟声音的形容词.其语法功能通常在句子里做状语,有时也会用作谓语和定语,一般不做主语和宾语. 相似文献
6.
彭家骥 《四川教育学院学报》1997,(2)
最概然统计法中拉氏乘子α和β的确定彭家骥全同的、近独立的粒子组成的孤立系统处在平衡状态时.用最概然统计迭推导系统中粒子遵从的统计分布,引人了两个拉格朗日未定乘子α和β对于这两个技氏乘子的确定,在国内外的统计物理学著作中。有的仅指明了确定的出发点,有的... 相似文献
7.
8.
王星 《试题与研究:高中理科综合》2019,(6):0119-0120
本文介绍了最大似然估计法,它是基于所给样本 在分布函数形式已知情况下未知参数估计的一类方法。鉴于 学生对此方法理解存在难度’我们首先通过简单实例引入最大 似然原理,然后应用最大似然原理解决点估计问题,最后总结 出最大似然估计法的一般步骤。 相似文献
9.
刘卫生 《语文学刊:高等教育版》2011,(7):26-26,38
孟子的名篇《寡人之于国也》中有一句是"填然鼓之",有的人对其中的"填"字的理解有不同看法,认为"填"字应是形容词,翻译成"猛烈地"。本文从象声词的产生,"然"后缀的组词,鼓在古代战争中的作用三方面论述了"填"应为象声词,翻译为"咚咚地"比较确切。 相似文献
10.
曾柱石 《广东教育学院学报》2005,25(3):45-48
计算出弱简并理想气体的化学势μ,与非简并理想气体和简并性理想气体的化学势μ比照发现,理想气体的化学势μ随温度丁而减小,且是粒子数密度n(=N/V)的函数;结合所导出的多元系粒子的最概然分布,揭示了理想气体化学势μ的统计关联本质. 相似文献
11.
12.
极大似然估计及其应用 总被引:2,自引:0,他引:2
讨论了极大似然估计原理及求法,说明了极大似然估计在不同分布和参数空间的应用,阐述了生命表中在单风险非完整样本数据环境中表格生存模型的极大似然估计方法. 相似文献
13.
14.
15.
本文确定最可几速率、平均速率、方均根速率处的几率的数值关系及变化规律,并由三速率处的动能分析理想气体分子的动能特性。 相似文献
16.
林路 《邵阳学院学报(社会科学版)》2003,2(5):1-4
由Owen(1988)提出的经验似然是一种重要的统计方法.本文主要研究经验似然的基础之一——无偏估计函数的选择问题。为此,定义了基于最优无偏估计函数的最优经验似然,得到了最优无偏估计函数的性质,研究了最优无偏估计函数的构造方法.最后,将这种方法推广到拟似然。 相似文献
17.
最大似然估计教学中的几点注记 总被引:1,自引:0,他引:1
本文总结了最大似然估计教学中容易忽视的一些问题,并对最大似然估计中出现的一些特殊情况进行了举例说明,特别指出不是所有参数都有最大似然估计. 相似文献
18.
张晨 《延安职业技术学院学报》2020,(2):88-91
为了满足车牌识别系统对国内车牌字符的有效识别,利用最大似然分类简单快速、实施方便的特点,提出了一种最大似然分类的国内车牌字符识别的方法。通过对样本图像进行采集和预处理,再提取字符的特征数据并建立训练集数据库,依据字符特征向量样本和最大似然分类建立字符识别模型,针对不同类别的字符提供训练模式,对训练集样本进行模型学习和训练完成机器学习算子,最后完成车牌的识别。实验结果表明,作为国内车牌字符识别的一种方法参考,该方法可以有效识别国内车牌字符。 相似文献
19.
“是”字句的然否连用和否然连用之考察 总被引:2,自引:0,他引:2
朱斌 《华中师范大学学报(人文社会科学版)》2000,39(5):54-56
本主要从类属关系上对现代汉语“是”字句的然否连用形式和否然连用形式进行考察。寅途中连用形式,在并列、转折、因果三大类句法关系中都有分布,其中,以对照关系最为常见。 相似文献
20.
针对数据真实的概率分布不符合事先假设的高斯混合模型的情形,提出了一种鲁棒的基于高斯混合模型的聚类方法.首先,提出了一种新的模型选择准则,即完整似然最短信息长度准则.该准则不仅能衡量模型对数据的拟合优度,还能度量该模型对数据分组的性能.然后,将该准则作为聚类的代价函数,提出了一种新的期望最大化算法来估计模型参数.与标准的期望最大化算法相比,新算法能较好地避免不理想的局部最优解.实验结果表明:当数据概率分布模型不符合假设的高斯混合模型时,所提方法可克服现有的基于高斯混合模型聚类方法过拟合的缺点,鲁棒地得到准确的聚类结果. 相似文献