浅析矩估计法的教学

矩估计法是参数的点估计的一个重要方法之一,其思想方法学生都感到不好理解,笔者根据长期从事公共课概率论与数理统计的教学经验,就这一内容的教学谈了一些体会,供读者参考.     

基于Bayes理论的可靠性评估方法研究

高可靠性的数控系统可靠性评估是目前尚未解决的难题.文章提出了基于Bayes理论的数控系统可靠性评估方法,给出了基于最大熵原理的验前分布的计算模型.研究旨在寻找一条切实可行的数控系统可靠性评估方法.     

基于Rasch模型的参数估计方法比较研究

本研究的目的是基于Rasch模型,比较联合极大似然估计法、边际极大似然估计法和EM算法、边际贝叶斯估计法参数估计结果的准确程度。实验数据为2 185名被试在HSK试卷170道试题中的作答矩阵,考虑到初值和收敛精度对参数估计结果的影响,将三种参数估计方法按照初值设置和收敛精度不同分别进行参数估计,然后通过计算项目参数估计标准误判断参数估计方法的准确度。     

一种基于特征聚类的文本分类模型研究

借助特征聚类进行特征抽取是信息检索领域进行文本特征降维的重要手段之一.本文通过χ2统计和特征聚类相结合的模式,在尽量减少信息缺失的前提下两次对特征项维数进行压缩,通过分析特征的类别分布信息,实现了基于统计的特征降维;进而在基于类别概率分布的模式下实现了文本的矩阵表示,借助矩阵范数进行文本分类.实验结果表明,该方法的分类效率较高.     

最大似然估计法教学新探

最大似然估计法是概率与数理统计教材中的教学重难点,本文对最大似然估计的讲解作了一种新的探究和尝试。     

Bayes公式的一个注记

文章对《概率论与数理统计》中Bayes公式的样本空间取均等划分后，给出一个推论，以简化运算。     

最大似然估计法浅谈

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。     

非对称损失下单边截断分布族参数的经验Bayes检验问题

在一种非对称损失函数L(θ,θ0)=k1(θ-θ0)2Iθ<θ0+[K2(θ-θ0)2+k3(θ-θ0)]Iθ≥θ0下,构造了一类单边截断型分布族参数的渐近最优经验Bayes检验,建立了它的收敛速度,其中ki≥0,i=1,2,3。     

单边截断型分布族中EB估计的渐近结构

本文对单边截断型分布族中位置参数的一阶可微函数在平方损失下所构造的经验Bayes估计φ_n(x)与Bayes估计φ(λ),在适当条件下,证明了(nh_n)~(1/2) (φ(x)-φ_G(x))的极限为N(O,ψ(x)intergral form n=0 to 1 K~2(u)d(u)变量.     

Bayes网络在数据挖掘中的应用研究

Bayes网络以其独特的不确定性知识表达形式、丰富的概率表达能力、综合先验知识的增量学习方法等特性表示了客体的概率分布和因果联系,成为当前数据挖掘众多方法中最为引人注目的焦点之一。介绍了Bayes网络模型和数据挖掘的基本知识、Bayes网络在数据挖掘中的典型应用、Bayes网络应用于数据挖掘的优势。