当前位置：
首页 资源下载
搜索资源 - normal distribution
搜索资源列表
-
0下载：
用C语言产生正态分布随机数、泊松分布随机数和瑞丽分布随机数(Using C language to produce normal distribution random number, Poisson distribution random number and Rayleigh distribution random number)
-
-
0下载：
将产出的正态分布随机数、瑞丽分布随机数和泊松分布随机数用matlab绘制出相应的分布直方图和理论曲线，便于进一步分析(The normal distribution random number, Rayleigh distributed random number and Poisson distribution random number are plotted out by MATLAB, and the corresponding distribution histogram and th
-
-
0下载：
matlab,模式识别，基于Iris数据设计编写两类正态分布模式的贝叶斯判别程序(Pattern recognition report, based on Iris data design, two kinds of Bayesian discriminant program for normal distribution mode are written.)
-
-
0下载：
Mall-Kendall以气候、下垫面一致为前提，要求序列随机独立且同分布，用于突变点的识别。
UFk为一条随k变化的曲线，当n增加时，UFk很快趋于标准正态分布。
假设H0成立。给定显著性水平α，查算正态分布表得。当|UFk|＜时，接受原假设，即趋势不显著；反之，拒绝原假设，即趋势显著。
在坐标轴上绘制两条曲线，若相交，则交点为突变点。这就是Mall-Kendall法。(Mall-Kendall to climate and underlying surface consistent i
-
-
0下载：
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。其表达形式为y = w'x+e，e为误差服从均值为0的正态分布。(Linear regression is a statistical analysis method to determine the quantitative relationship between two or more variables and more than two variables by regres
-
-
0下载：
It is a long established fact that a reader will be distracted by the readable content of a page when looking at its layout. The point of using Lorem Ipsum is that it has a more-or-less normal distribution of letters, as opposed to using 'Content her
-
-
1下载：
此处有两个源代码，一个先剔除Excel数据中的异常数据，再由另一个程序代码检验导入到MATLAB中的Excel数据属于哪种分布（正态分布、伽马分布、泊松分布和rayleigh）。(There are two source codes here, one that first eliminates the exception data in the Excel data, and then the other program code tests which distribution (norma
-
-
4下载：
用matlab实现基于正态分布的极大似然估计(Realization of maximum likelihood estimation based on normal distribution)
-
-
2下载：
用C#生成符合正态分布数，并在界面进行显示(Using C# to generate normal distribution numbers, and display them at the interface.)
-
-
1下载：
用VC++6实现的一个伪随机数生成演示程序源码,包含了正态分布随机数生成和平均分布随机数两种生成方式,(Using VC 6 to realize a pseudorandom number generation demonstration program source code, including normal distribution random number generation and average distribution random number generation met
-
-
1下载：
Labview VI，包括曲线分析，谐波分析，正态分布，三维曲面等内容(Labview VI, including curve analysis, harmonic analysis, normal distribution, three-dimensional surface, etc.)
-
-
0下载：
校验数据是否是正态分布，并算出方差与期望，同时画出正态分布图形，并在该正态分布参数上随机生成100个数据(Is the calibration data normal distribution, calculating variance and expectation, drawing normal distribution graph, and generating 100 data randomly on the normal distribution parameters.)
-
-
0下载：
正态分布、均匀分布随机噪声分析，通过画出正态分布、均匀分布随机噪声的频谱、功率谱、一维概率密度、自相关函数对噪声进行分析。(Random Noise Analysis of Normal Distribution)
-
-
1下载：
用马尔可夫蒙特卡罗抽样从抽取样本，并拟合总体分布：正态分布、beta分布、t分布(Markov Monte Carlo sampling was used to extract samples and fit the population distribution: normal distribution, beta distribution and t distribution.)
-
-
1下载：
用random walk metropolis算法计算标准正态分布的收敛(Using Markov Chain Monte Carlo Method to Calculate the Convergence of Standard Normal Distribution)
-
-
3下载：
（1）产生N（0,1）正态分布的随机过程；
（2）产生正态分布随机过程外的任意一种随机过程；
（3）对随机过程的性能进行评估，包括概率密度函数、分布函数、均值、方差和相关函数。((1) The stochastic process of generating N(0,1) normal distribution;
(2) generating any random process outside the normal distribution random process;
(3) evalua
-
-
1下载：
C++ 编程设计大作业：绘制车速正态分布和累积频率分布曲线(C ++ programming design homework: drawing the normal distribution of vehicle speed and the cumulative frequency distribution curve)
-
-
1下载：
一个吉布斯采样的实例：从二元正态分布中采样(sampling from a bivariate a Normal distribution)
-
-
1下载：
（a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。
（b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。
（c）测试每一次算法在和上的性能。
（d）画出数据集和，以及分类面。((a) Generate
-
-
2下载：
a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。
（b）在上述数据集上和分别属于+1类和-1类，请在上述数据集的两类中各随机抽取150个样本作为训练集，运用Logistic regression算法得到的分类面，然后对余下的各5
-
