概率分布

型隨機(jī)變量的概率分布問(wèn)題是數(shù)學(xué)高考的必考內(nèi)容之一.離散型隨機(jī)變量的概率分布主要有兩點(diǎn)分布、二項(xiàng)分布、超幾何分布與正態(tài)分布.在解答離散型隨機(jī)變量的概率分布問(wèn)題時(shí)，我們必須要弄清題意，分辨概率分布的情況，明確離散型隨機(jī)變量服從哪種概率分布類型，才能快速解題.下面舉例說(shuō)明，供大家參考.一、兩點(diǎn)分布兩點(diǎn)分布是一種簡(jiǎn)單的概率分布，其實(shí)驗(yàn)結(jié)果只有兩種可能，且概率之和為1.兩點(diǎn)分布能清晰地反映出事件的正反兩面的情況，因而兩點(diǎn)分布列又稱0 -1 分布列或伯努利分布列.兩點(diǎn)

不均勻系數(shù)的概率分布模型。研究表明：隨著銹蝕程度的增大，最大截面銹蝕率和銹蝕不均勻系數(shù)均呈冪函數(shù)增長(zhǎng)，并與銹蝕鋼筋的直徑有關(guān);銹蝕不均勻系數(shù)服從廣義極值分布，其概率分布的形狀參數(shù)、尺度參數(shù)和位置參數(shù)均隨銹蝕程度的增大而線性增大，并與銹蝕鋼筋的直徑和單元長(zhǎng)度有關(guān)。關(guān)鍵詞：銹蝕鋼筋;橫截面積;三維激光掃描;銹蝕特征參數(shù);概率分布中圖分類號(hào)：TU511.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-6717（2022）05-0205-12收稿日期：2020-09-08

;隨機(jī)變量;概率分布;教學(xué)研究中圖分類號(hào)：G632文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1008-0333（2022）13-0030-03基金項(xiàng)目：南寧市教育科學(xué)“十三五”規(guī)劃“2019年度B類課題”數(shù)學(xué)素養(yǎng)視域下高中數(shù)學(xué)答題規(guī)范的教學(xué)與訓(xùn)練的實(shí)踐研究”（項(xiàng)目編號(hào)：2019B175）.[FQ）]1 離散型隨機(jī)變量的方差和標(biāo)準(zhǔn)差的概念一般地，若隨機(jī)變量X的概率分布見(jiàn)表1：則稱x1p1+x2p2+…+xnpn為離散型隨機(jī)變量X的均值或數(shù)學(xué)期望，記為E（X）或μ.一般地，若離

過(guò)對(duì)輸入量的概率分布進(jìn)行隨機(jī)模擬，進(jìn)而評(píng)估輸出量不確定度的方法。蒙特卡洛法不僅適用于測(cè)量模型為線性且輸出量的概率分布是正態(tài)分布的不確定度評(píng)估，還適用于測(cè)量模型復(fù)雜或者輸出量分布明顯不對(duì)稱的不確定度評(píng)估[3]。蒙特卡洛法現(xiàn)已廣泛應(yīng)用于物理、機(jī)械、電子等領(lǐng)域計(jì)量結(jié)果的不確定度評(píng)估，但在化學(xué)、生物等領(lǐng)域的應(yīng)用報(bào)道較少[4-7]。因此，本文以電感耦合等離子體質(zhì)譜儀（Inductively Coupled Plasma Mass Spectrometry，ICP-M

們證明隨機(jī)和概率分布率的遞推公式。首先指出下述兩條顯然的性質(zhì)：證明：關(guān)于g0的證明是一目了然的，我們略過(guò)。下證gi,i≥1分解上式中的第二和第三項(xiàng)得，分解第一項(xiàng)，分別于第三項(xiàng)和第五項(xiàng)合并得，分別合并第一和第三項(xiàng)，第二和第四項(xiàng)得，3. 算法步驟根據(jù)上述的遞推公式，設(shè)計(jì)以下的算法過(guò)程：步驟1 根據(jù)隨機(jī)變量NXi對(duì)a,b,fi變量賦初值步驟3 對(duì)隨機(jī)和的概率分布律gi求和，判斷∑gi是否等于1，若小于1，重復(fù)步驟2。若等于1，進(jìn)入步驟4。步驟4 輸出概率分布列和

板應(yīng)變能進(jìn)行概率分布擬合，由分布擬合的參數(shù)變化趨勢(shì)推斷出它的極限承載力.研究表明：鋼筋混凝土雙向板的彈性應(yīng)變能分布擬合符合對(duì)數(shù)正態(tài)分布.隨著荷載增加，對(duì)數(shù)正態(tài)分布的擬合參數(shù)先增加后趨于穩(wěn)定;對(duì)擬合參數(shù)進(jìn)行曲線擬合發(fā)現(xiàn)，二次多項(xiàng)式擬合程度最好，根據(jù)二次多項(xiàng)式方程推斷出構(gòu)件的極限承載力，與理論值對(duì)比誤差很小，驗(yàn)證了本文提出判據(jù)的可行性.關(guān)鍵詞：概率分布;對(duì)數(shù)正態(tài)分布;極限承載力;判據(jù);彈性應(yīng)變能;曲線擬合中圖分類號(hào)：TU375.2? ? ? ? DOI：10.

;期望收益;概率分布;最優(yōu)訂貨量一、 引言人們?cè)谏a(chǎn)活動(dòng)或日常生活中往往把所需要的物資、食物或用品暫時(shí)儲(chǔ)存起來(lái)，以備將來(lái)的使用或消費(fèi)。同樣，在企業(yè)里，也總是要生產(chǎn)或采購(gòu)一定量的產(chǎn)品儲(chǔ)存起來(lái)。這種儲(chǔ)存物品的現(xiàn)象是為了解決供應(yīng)（或生產(chǎn)）與需求（或消費(fèi)）之間的不協(xié)調(diào)的一種手段。不論是供應(yīng)或是需求，都有兩個(gè)基本問(wèn)題要考慮：一個(gè)是量，即一次供應(yīng)或需求是多少;另一個(gè)是期，也就是時(shí)機(jī)，即需要什么時(shí)候供應(yīng)或采購(gòu)。由于一個(gè)企業(yè)，一個(gè)生產(chǎn)單位往往要使用成千上萬(wàn)種不同的物資，并

為單位的晚歸概率分布更好地符合泊松分布的特點(diǎn)。根據(jù)該文的研究結(jié)果可知，在探究學(xué)生晚歸行為時(shí)，可以將此類隨機(jī)事件轉(zhuǎn)化為一個(gè)已知均值的泊松分布問(wèn)題，將復(fù)雜問(wèn)題簡(jiǎn)單化、模型化，從而為高校教師和管理者更好地管理學(xué)生提供分析和決策依據(jù)。關(guān)鍵詞：泊松分布;卡方檢驗(yàn);晚歸;隨機(jī)事件;概率分布中圖分類號(hào)：O211.3 ? ? ? ? 文獻(xiàn)標(biāo)志碼：A0 引言眾所周知，泊松分布[1]（Poisson Distribution）是一種離散型隨機(jī)概率分布，它是由法國(guó)著名的數(shù)學(xué)家和

)取球次數(shù)的概率分布及期望；（2）取到白球次數(shù)的概率分布及期望；（3）剩下白球個(gè)數(shù)的概率分布及期望.情形一：取到紅球?yàn)橹?情形二：取完紅球?yàn)橹?解法探討：用符號(hào)“△—△”表示若干個(gè)紅球，用符號(hào)“Ο”表示一個(gè)紅球，用符號(hào)“□—□”表示若干白球.關(guān)鍵：從“△—△”中取紅球.分析一：圖示：□—□Ο△—△.剩下白球個(gè)數(shù)τ 的概率分布P（τ=k）=, k=0,1,…,n舉例：從2 個(gè)紅球和4 個(gè)白球中無(wú)放回地逐一取球。求取球次數(shù)的概率分布及期望；期望舉例：一容器內(nèi)有

700一 、概率分布函數(shù)的引入背景設(shè)ξ是一個(gè)隨機(jī)變量，其取值范圍為[a，b]，即a≤ξ≤b，研究ξ所取的值落在任一子區(qū)間[c，d]?[a，b]的概率P{c≤ξ≤d}。由于隨機(jī)變量取任一指定的實(shí)數(shù)值的概率等于零，即P{ξ=c}=P{ξ=d}=0，故若丟棄區(qū)間右端點(diǎn)，可得P{c≤ξ≤d} ①若丟棄區(qū)間左端點(diǎn)，可得P{c≤ξ≤d}=P{c＜ξ≤d} ②由①式可得，P{c≤ξ≤d}=P{c≤ξ＜d}=P{ξ＜d}-P{ξ＜c} ③由②式可得，P{c≤ξ≤d}=P{

性。關(guān)鍵詞：概率分布;熵權(quán)法;博弈論;模糊綜合評(píng)價(jià)中圖分類號(hào)：F713.8;F224 ? 文獻(xiàn)識(shí)別碼：A ?文章編號(hào)：2096-3157（2020）07-0009-02一、問(wèn)題分析通過(guò)提取廣告與用戶的特征并對(duì)它們進(jìn)行相似度的計(jì)算及匹配，已經(jīng)可以建立更新的分戶推送動(dòng)態(tài)匹配模型，并根據(jù)所求得的匹配指數(shù)對(duì)所投標(biāo)的廣告進(jìn)行篩選和排序。廣告與用戶的匹配程度，與其播放后的收視率和對(duì)應(yīng)產(chǎn)品的銷售量正相關(guān)，同時(shí)成交價(jià)即賣(mài)方的收益也影響著賣(mài)方的決策。而匹配程度的最大值點(diǎn)與賣(mài)

分布式光伏;概率分布;出力特征;預(yù)測(cè)方式;分析為了維護(hù)地球的生態(tài)平衡與可持續(xù)性發(fā)展，綠色能源被廣泛的應(yīng)用在各個(gè)領(lǐng)域當(dāng)中。太陽(yáng)能是一種具有分布廣、無(wú)污染等優(yōu)點(diǎn)的情節(jié)性能源，是現(xiàn)階段發(fā)電領(lǐng)域主要研究的問(wèn)題之一。但是隨著其大規(guī)模的發(fā)展，分布式光伏多點(diǎn)無(wú)規(guī)則的接入配電網(wǎng)對(duì)配電網(wǎng)造成了較大的影響。下面對(duì)分布式光伏發(fā)電展開(kāi)了研究。1 分布式光伏出力特性的具體分析光分布式光伏處理具有間歇性強(qiáng)、隨機(jī)性強(qiáng)的特點(diǎn)，會(huì)受到環(huán)境條件與其他因素的影響，例如：季節(jié)、地理區(qū)域、時(shí)間等。

濟(jì)項(xiàng)目評(píng)價(jià)的概率分布或其他特征值的目的。該方法計(jì)算速度快，且通俗易懂便于操作。關(guān)鍵詞：蒙特卡羅模擬;不確定性分析;概率分布1 緒論蒙特卡洛模擬是在二戰(zhàn)期間，當(dāng)時(shí)在原子彈研制的項(xiàng)目中，為了模擬裂變物質(zhì)的中子隨機(jī)擴(kuò)散現(xiàn)象，由美國(guó)數(shù)學(xué)家馮·諾伊曼和烏拉姆等發(fā)明的一種統(tǒng)計(jì)方法。之所以起名叫蒙特卡洛模擬，是因?yàn)槊商乜逶谑菤W洲袖珍國(guó)家摩納哥一個(gè)城市，這個(gè)城市在當(dāng)時(shí)是非常著名的一個(gè)賭城。因?yàn)橘€博的本質(zhì)是算概率，而蒙特卡洛模擬正是以概率為基礎(chǔ)的一種方法，所以用賭城的名字

估計(jì)的加速度概率分布與實(shí)測(cè)數(shù)據(jù)更為吻合，350 km/h列車運(yùn)行速度下，出現(xiàn)概率為99.73%時(shí)箱體橫向、垂向振動(dòng)加速度幅值分別為10.69g，8.78g。該研究獲得的齒輪箱箱體動(dòng)態(tài)特性為高速列車齒輪箱箱體的開(kāi)發(fā)和運(yùn)用提供參考。關(guān)鍵詞： 齒輪箱箱體; 動(dòng)態(tài)特性; 振動(dòng)加速度; 核密度估計(jì); 概率分布中圖分類號(hào)：U260.332; TH113.1? 文獻(xiàn)標(biāo)志碼： A? 文章編號(hào)： 1004-4523（2019）03-0534-06DOI：10.16385/j

定風(fēng)險(xiǎn)變量的概率分布，利用蒙特卡羅模擬法得到凈現(xiàn)值頻率分布直方圖，通過(guò)分析凈現(xiàn)值大于等于零的概率，來(lái)評(píng)價(jià)項(xiàng)目的風(fēng)險(xiǎn)大小，為投資決策者提供理論依據(jù)。關(guān)鍵詞：凈現(xiàn)值;概率分布;蒙特卡羅模擬;風(fēng)險(xiǎn)分析風(fēng)險(xiǎn)的大小直接影響著項(xiàng)目的投資決策，所以應(yīng)采用科學(xué)的方法，對(duì)投資方案的風(fēng)險(xiǎn)進(jìn)行分析。由于項(xiàng)目的影響因素較多，在多個(gè)因素同時(shí)發(fā)生變化時(shí)，風(fēng)險(xiǎn)大小較難預(yù)測(cè)。所以通過(guò)借助計(jì)算機(jī)，利用蒙特卡羅模擬法來(lái)進(jìn)行風(fēng)險(xiǎn)分析，為項(xiàng)目的投資決策提供科學(xué)的參考依據(jù)。1 蒙特卡羅法基本原理蒙

式給出了常見(jiàn)概率分布間的6種極限關(guān)系，包括超幾何分布的二項(xiàng)近似、二項(xiàng)分布的泊松近似、二項(xiàng)分布的正態(tài)近似、泊松分布的正態(tài)近似、t分布的正態(tài)近似和分布的正態(tài)近似。除了比較熟悉的泊松定理和棣莫佛—拉普拉斯中心極限定理外，其他定理一般文獻(xiàn)較少提及，或只給出結(jié)論而未加以證明，該文對(duì)這些定理均給出了證明，同時(shí)對(duì)定理的適用條件及應(yīng)用進(jìn)行了說(shuō)明。了解以上常見(jiàn)概率分布間的極限關(guān)系，有助于系統(tǒng)理解常見(jiàn)分布間的聯(lián)系，同時(shí)為概率的近似計(jì)算及統(tǒng)計(jì)推斷提供了依據(jù)。關(guān)鍵詞：概率分布?

；文本分類；概率分布；貝葉斯分類；分析與實(shí)現(xiàn)中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）11-0206-031 引言文本分類技術(shù)的研究目標(biāo)就是實(shí)現(xiàn)自動(dòng)化的文本分類，用來(lái)到降低分類成本、改善分類效率等目的。作為信息檢索和文本信息管理的技術(shù)基礎(chǔ)，文本分類技術(shù)有著非常廣泛的應(yīng)用前景。2 國(guó)內(nèi)外研究現(xiàn)狀國(guó)內(nèi)文本分類的起步可以認(rèn)為是在1981年，由侯漢清首先對(duì)計(jì)算機(jī)在文獻(xiàn)分類工作中應(yīng)用作了探討。國(guó)內(nèi)的主流高校包括清華大學(xué)在內(nèi)的多個(gè)重

; 能耗; 概率分布; 變頻電控系統(tǒng)中圖分類號(hào)： TN876?34 ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）03?0107?04Abstract： In the research of wind power energy efficiency evaluation and energy saving of tower hoist， the

布介紹了兩個(gè)概率分布是超幾何分布與二項(xiàng)分布[1]。近幾年新課標(biāo)高考對(duì)概率的考查以統(tǒng)計(jì)下的概率為主， 超幾何分布與二項(xiàng)分布成為考查的熱點(diǎn)之一。教學(xué)中，發(fā)現(xiàn)大多數(shù)學(xué)生對(duì)超幾何分布與二項(xiàng)分布的概念理解不準(zhǔn)確，導(dǎo)致在解題中不能準(zhǔn)確地辨別這兩個(gè)概率分布。本文通過(guò)對(duì)超幾何分布和二項(xiàng)分布的定義的挖掘與辨析，讓學(xué)生從根本上辨別這兩個(gè)概率分布的異同?？傊?，超幾何分布與二項(xiàng)分布可以通過(guò)有放回抽樣和無(wú)放回抽樣來(lái)互相轉(zhuǎn)換，同時(shí)二項(xiàng)分布是超幾何分布的極限。讓學(xué)生加深對(duì)這兩個(gè)概率分布

、常見(jiàn)離散型概率分布及其數(shù)學(xué)期望本小節(jié)主要介紹一些常見(jiàn)的古典概率模型，并簡(jiǎn)單計(jì)算出這些常見(jiàn)離散型隨機(jī)變量的數(shù)學(xué)期望。[1]1．伯努利分布假設(shè)在一次獨(dú)立重復(fù)試驗(yàn)中（伯努利試驗(yàn)），事件發(fā)生的概率p,不發(fā)生的概率為q=1-p,也就是說(shuō)P(A)=p,P(`A)=1-p 我們定義隨機(jī)變量1為，[2]我們稱1服從伯努利分布,記作則伯努利分布的概率分布為，伯努利分布的數(shù)學(xué)期望為，2．二項(xiàng)分布二項(xiàng)分布是伯努利分布的推廣，在次伯努利試驗(yàn)中，我們定義隨機(jī)變量為事件發(fā)生的次數(shù)，

運(yùn)用P-Ⅲ型概率分布函數(shù)、GEV概率分布函數(shù)和Gumbel概率分布函數(shù)對(duì)大理河綏德站過(guò)去58 a的降水?dāng)?shù)據(jù)進(jìn)行擬合，發(fā)現(xiàn)3種概率分布函數(shù)均通過(guò)K-S檢驗(yàn)和A-D檢驗(yàn)，其中GEV概率分布函數(shù)擬合效果相對(duì)最優(yōu)，Gumbel概率分布函數(shù)擬合效果最差。采用這3種函數(shù)對(duì)“7·26”暴雨的重現(xiàn)期進(jìn)行了計(jì)算，出于防洪考慮以及從本次暴雨造成的災(zāi)情損失來(lái)看，本次暴雨重現(xiàn)期應(yīng)為GEV概率分布函數(shù)估計(jì)的約200 a一遇。關(guān)鍵詞：P-Ⅲ型概率分布函數(shù)；GEV概率分布函數(shù)；Gumb

數(shù)不確定性；概率分布；概率預(yù)報(bào)中圖分類號(hào)：P338文獻(xiàn)標(biāo)志碼：Adoi： 10.3969/j.issn.1000-1379.2018.04.009受參數(shù)不確定性影響，洪水預(yù)報(bào)模型的預(yù)報(bào)結(jié)果往往難以達(dá)到足夠的精度。在實(shí)際洪水預(yù)報(bào)中基于傳統(tǒng)的洪水預(yù)報(bào)模型得到的預(yù)報(bào)結(jié)果，其不確定性程度較高，難以據(jù)此作出適合的防汛調(diào)度決策，在實(shí)際應(yīng)用中往往通過(guò)校正或概率預(yù)報(bào)的方式來(lái)降低洪水預(yù)報(bào)不確定性。本研究從模型參數(shù)存在不確定性的客觀事實(shí)出發(fā)，分析參數(shù)的概率分布特征以生成隨機(jī)參

iFi信號(hào)的概率分布進(jìn)行研究，彌補(bǔ)了一直以來(lái)由于K?means是無(wú)監(jiān)督學(xué)習(xí)帶來(lái)的k值的難以選取的缺陷，提高了指紋庫(kù)的精確性，同時(shí)確保數(shù)據(jù)實(shí)時(shí)性。后期在線數(shù)據(jù)處理利用KNN分類算法進(jìn)行后期在線定位過(guò)程的準(zhǔn)確性。經(jīng)多個(gè)實(shí)驗(yàn)場(chǎng)景測(cè)試結(jié)果表明，該算法在室內(nèi)定位精度上3 m定位精度概率保持在78.4%，4 m精度保持在93.6%，基本上保證了室內(nèi)定位精度的要求。關(guān)鍵詞： 信號(hào)幅值; 指紋定位; 概率分布; K?means; KNN分類算法; WiFi信號(hào)中圖分類號(hào)：

)是一個(gè)n維概率分布列，其中p1=(p11,p21,…,pn1)T，p2=(p12,p22,…,pn2)T，… ，?α=(x1,x2,…,xm)∈Wmn，令φp(α)=φ1(x1)×φ2(x2)×…×φm(xm)，定義為時(shí)，φ(x)=p(k=1,2,…,n;i=1,2,…,m)，iiki則得到一個(gè)Wmn到[0，1]區(qū)間的映射φp(α):Wmn→[0,1]，稱為Wmn上的一個(gè)隨機(jī)化映射。關(guān)于隨機(jī)化映射有以下結(jié)論。命題2.1[10]設(shè)p=(p1,p2,…)是一

散混沌序列的概率分布、李雅普諾夫指數(shù)等性能參數(shù)進(jìn)行了計(jì)算分析。相比標(biāo)準(zhǔn)ERCS系統(tǒng)，該文構(gòu)建的非對(duì)稱ERCS系統(tǒng)從幾何模型上不具備中心對(duì)稱結(jié)構(gòu)和上下對(duì)稱結(jié)構(gòu)，因此可從根本上克服標(biāo)準(zhǔn)ERCS系統(tǒng)中存在周期解的缺陷。關(guān)鍵詞：非對(duì)稱，橢圓反射腔（ERCS），演化過(guò)程，概率分布，李雅普諾夫指數(shù)中圖分類號(hào)：TP309.7? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? 文章編號(hào)：1009-3044（2018）31-0225-03Performance Analysis

間和達(dá)到時(shí)間概率分布數(shù)據(jù)不足的現(xiàn)實(shí)問(wèn)題，本文利用有限統(tǒng)計(jì)數(shù)據(jù)，假定服務(wù)時(shí)間正態(tài)分布、間隔時(shí)間均勻分布，利用排隊(duì)理論進(jìn)行模擬計(jì)算，以期為銀行決策提供建議.【關(guān)鍵詞】排隊(duì)論；概率分布；數(shù)學(xué)模擬；邏輯判斷一、引 言日常生活中存在大量有形和無(wú)形的排隊(duì)現(xiàn)象，它是數(shù)學(xué)運(yùn)籌學(xué)的分支學(xué)科，也是研究服務(wù)系統(tǒng)中排隊(duì)現(xiàn)象隨機(jī)規(guī)律的學(xué)科.排隊(duì)論（queuing theory），或稱隨機(jī)服務(wù)系統(tǒng)理論，是通過(guò)對(duì)服務(wù)對(duì)象到來(lái)及服務(wù)時(shí)間的統(tǒng)計(jì)研究，得出這些數(shù)量指標(biāo)（等待時(shí)間、排隊(duì)長(zhǎng)度、忙

【摘要】基于概率分布的蒙特卡羅法是價(jià)格決策方法.新產(chǎn)品利潤(rùn)作為模擬對(duì)象，以Excel軟件為基礎(chǔ)工具，利用蒙特卡羅法進(jìn)行模擬計(jì)算.可變成本、人工費(fèi)、銷售數(shù)量三個(gè)參數(shù)根據(jù)統(tǒng)計(jì)數(shù)據(jù)確定為離散分布、均勻分布和正態(tài)分布.RAND函數(shù)生成隨機(jī)數(shù)共模擬利潤(rùn)1 000次，選擇平均利潤(rùn)和虧損率兩個(gè)參數(shù)作為銷售價(jià)格的決策指標(biāo).模擬結(jié)果選擇279元/件為銷售價(jià)格，利潤(rùn)在0～150萬(wàn)元之間的頻率是76.2%，虧損率6.8%，滿足企業(yè)風(fēng)險(xiǎn)承擔(dān)要求.為提高模擬精度，銷售價(jià)格與銷售量的

相對(duì)暴露度；概率分布；試驗(yàn)?zāi)嗌诚鄬?duì)暴露度反映了泥沙顆粒在床面上的相對(duì)位置，其大小直接決定著床面上泥沙顆粒所受到的作用力和起動(dòng)力矩的大小，最終決定著泥沙能否起動(dòng)。因此，泥沙相對(duì)暴露度的研究在泥沙起動(dòng)研究中具有重要的意義。Einstein H.A，在進(jìn)行非均勻沙推移質(zhì)輸沙率研究時(shí)，提出了隱蔽度系數(shù)的概念；韓其為首次提出了泥沙顆粒相對(duì)暴露度的概念，并從理論上給出了它的取值范圍及分布規(guī)律：Paintal A，S，在研究均勻泥沙顆粒在床面上的位置時(shí)提出了新的暴露度概

數(shù)不確定性；概率分布；概率預(yù)報(bào)受參數(shù)不確定性影響，洪水預(yù)報(bào)模型往往難以達(dá)到足夠的精度，在實(shí)際洪水預(yù)報(bào)中基于傳統(tǒng)的洪水預(yù)報(bào)模型得到的預(yù)報(bào)結(jié)果，其不確定性程度較高，難以據(jù)此作出合適的防汛調(diào)度決策，在實(shí)際應(yīng)用中往往通過(guò)校正或概率預(yù)報(bào)的方式來(lái)降低洪水預(yù)報(bào)的不確定性。本研究從模型參數(shù)存在不確定性的客觀現(xiàn)實(shí)出發(fā)，分析參數(shù)的概率分布特征以生成隨機(jī)參數(shù)簇，驅(qū)動(dòng)洪水預(yù)報(bào)模型產(chǎn)生初始預(yù)報(bào)解集，采用適合的方法對(duì)預(yù)報(bào)結(jié)果進(jìn)行綜合，得到概率預(yù)報(bào)結(jié)果。1模型介紹1.1新安江模型及其參

：數(shù)學(xué)建模；概率分布；回歸分析一、背景構(gòu)建1.廠長(zhǎng)同學(xué)的加工廠開(kāi)業(yè)啦！他從外地購(gòu)買(mǎi)了一些半成品但苦于難以區(qū)分其優(yōu)劣程度，每臺(tái)機(jī)器中有許許多多不同的零件，為此他向hey老板購(gòu)進(jìn)檢測(cè)機(jī)器。檢測(cè)機(jī)器需要花費(fèi)一定的時(shí)間金錢(qián)判斷零件是否損壞，從而判斷半成品等級(jí)，而等級(jí)又決定了將來(lái)加工成成品需要的時(shí)間金錢(qián)及將帶來(lái)的利潤(rùn)，于是為了獲取最大利潤(rùn)他不得不冒風(fēng)險(xiǎn)進(jìn)行處理，請(qǐng)運(yùn)用數(shù)學(xué)建模的知識(shí)，圍繞檢查零件及加工過(guò)程，設(shè)計(jì)加工參數(shù)，對(duì)該問(wèn)題進(jìn)行優(yōu)化使得廠長(zhǎng)同學(xué)獲取更多利潤(rùn)。二、

上，根據(jù)聯(lián)合概率分布與邊緣概率分布的關(guān)系，給出了二維離散型隨機(jī)變量獨(dú)立性的判定定理；通過(guò)引入聯(lián)合概率分布矩陣概念，從矩陣形式、矩陣的秩以及向量線性關(guān)系的角度，提出了判別獨(dú)立性的新方法.二維離散型隨機(jī)變量；相互獨(dú)立；聯(lián)合概率分布矩陣；秩設(shè)二維隨機(jī)變量(X，Y)的聯(lián)合概率分布函數(shù)為F(x，y)，隨機(jī)變量X和Y的邊緣概率分布函數(shù)分別為FX(x)，F(xiàn)Y(y)，若對(duì)任意x，y∈R，都有(1)則稱隨機(jī)變量X與Y相互獨(dú)立.若(X，Y)為二維離散型隨機(jī)變量，聯(lián)合概率分布列

準(zhǔn)備時(shí)間服從概率分布在人員輸送中十分重要，然而在進(jìn)行計(jì)算時(shí)這一概率通常被取整數(shù)，這樣的模擬計(jì)算常常導(dǎo)致計(jì)算結(jié)果和實(shí)際狀況存在較大偏差，具體的疏散狀況和真實(shí)狀況存在差距。文章以此為背景，具體探討了人員疏散準(zhǔn)備時(shí)間及其對(duì)火災(zāi)風(fēng)險(xiǎn)評(píng)估結(jié)果的影響。關(guān)鍵詞：人員疏散準(zhǔn)備時(shí)間； 火災(zāi)風(fēng)險(xiǎn)評(píng)估；疏散準(zhǔn)備時(shí)間； 概率分布由于經(jīng)濟(jì)不斷發(fā)展，所以近些年來(lái)，功能復(fù)雜的大型公共建筑越來(lái)越多，在這些公共場(chǎng)所里，不僅人流量大，而且人員密集，如果發(fā)生火災(zāi)就會(huì)造成大量人員傷亡狀況。要想最

能級(jí)圖和三維概率分布圖.關(guān)鍵詞:有限高量子圍欄; 修正的貝塞爾函數(shù)；能級(jí); 概率分布1993年，克羅米(M. F. Crommie)等人使用掃描隧道顯微鏡(STM)將48個(gè)鐵原子吸附在銅表面上并排列成一個(gè)半徑為71.3 ?的圓環(huán)，鐵原子的平均間距為9.5 ?，這個(gè)原子圓圈能將銅表面上的電子圍住，所以這樣的原子圈被稱為“量子圍欄”或“原子圍欄”，該實(shí)驗(yàn)通過(guò)STM觀測(cè)到了圍欄內(nèi)電子概率的駐波圖.這是人類第一次直接觀測(cè)到的電子駐波圖，對(duì)于物理學(xué)的理論和應(yīng)用都具有

個(gè)評(píng)價(jià)參數(shù)的概率分布特征及有利區(qū)取值要求,確定模型中各參數(shù)評(píng)價(jià)的指標(biāo)體系,并據(jù)此對(duì)待評(píng)價(jià)區(qū)帶的地質(zhì)條件和資源情況兩個(gè)因素進(jìn)行打分評(píng)價(jià)。通過(guò)對(duì)資源潛力較大和儲(chǔ)層特性認(rèn)識(shí)較深的已開(kāi)發(fā)非常規(guī)油氣區(qū)帶的開(kāi)發(fā)效果評(píng)價(jià),驗(yàn)證了用地質(zhì)條件和資源情況兩個(gè)因素來(lái)描述非常規(guī)區(qū)帶所建立的選區(qū)評(píng)價(jià)模型，可以清晰地揭示待評(píng)價(jià)非常規(guī)區(qū)帶的開(kāi)發(fā)潛力；采用概率分析的方法確定各參數(shù)的評(píng)價(jià)指標(biāo),有效解決了非常規(guī)油氣評(píng)價(jià)中參數(shù)不確定性大的問(wèn)題,更適合非常規(guī)油氣資源的選區(qū)評(píng)價(jià)。關(guān)鍵詞：非常規(guī)油氣

噪聲在頻域的概率分布，然后根據(jù)噪聲分布規(guī)律給出了信號(hào)的檢測(cè)門(mén)限，然后通過(guò)仿真驗(yàn)證了該算法的準(zhǔn)確性和可行性。【關(guān)鍵詞】LPI信號(hào)；信號(hào)檢測(cè)；檢測(cè)門(mén)限；概率分布【Abstract】For LPI radar signal detection， this paper puts forward a kind of based on FFT and piecewise autocorrelation function of the frequency domain

電功率波動(dòng)的概率分布和負(fù)荷波動(dòng)的概率分布，建立聯(lián)合概率密度函數(shù)，然后加入置信水平，得到不同置信水平下的系統(tǒng)基本發(fā)電成本和校正調(diào)度成本。采用IEEERTS算例，得出系統(tǒng)總成本。關(guān)鍵詞：置信水平；機(jī)組組合；概率分布；基本運(yùn)行成本；校正調(diào)度成本Project Supported by the National Natural Science Foundation of China（51422701）.由于風(fēng)電的間歇性和隨機(jī)性，其輸出功率隨機(jī)波動(dòng)[1]，電網(wǎng)必須維

工具面扭矩的概率分布函數(shù)。通過(guò)現(xiàn)場(chǎng)實(shí)例分析了參數(shù)的隨機(jī)性對(duì)CTD調(diào)整工具面扭矩不確定性的影響，并與實(shí)測(cè)扭矩進(jìn)行了對(duì)比分析。結(jié)果表明，不確定性分析方法預(yù)測(cè)的調(diào)整工具面的扭矩不是單一曲線，而是與累積概率有關(guān)的區(qū)間，區(qū)間窗口的大小與參數(shù)信息的精確程度有關(guān)，置信水平越高，扭矩預(yù)測(cè)區(qū)間的窗口越大，反之，置信水平越低，扭矩預(yù)測(cè)區(qū)間的窗口越小。預(yù)測(cè)結(jié)果與實(shí)測(cè)扭矩具有較好的一致性，說(shuō)明采用概率理論預(yù)測(cè)扭矩更加科學(xué)合理。該方法對(duì)CTD定向過(guò)程中的扭矩預(yù)測(cè)以及CTD定向工具的

究隨機(jī)變量的概率分布及隨機(jī)變量的數(shù)字特征等是解決問(wèn)題的關(guān)鍵.【關(guān)鍵詞】評(píng)判與決策；概率分布；數(shù)字特征；時(shí)間因素評(píng)判與決策類問(wèn)題是常見(jiàn)的數(shù)學(xué)應(yīng)用問(wèn)題，依賴于技術(shù)性數(shù)據(jù)，其一般步驟是：1.建立數(shù)學(xué)模型；2.解模得到關(guān)鍵技術(shù)性數(shù)據(jù)；3.由數(shù)據(jù)作出評(píng)判或決策返回實(shí)際問(wèn)題.引入隨機(jī)變量之后，隨機(jī)事件可通過(guò)隨機(jī)變量的關(guān)系式表達(dá)出來(lái)，從而把隨機(jī)事件代數(shù)化，進(jìn)而建立隨機(jī)變量的分布函數(shù)，再得到隨機(jī)變量的數(shù)字特征，逐步用數(shù)據(jù)來(lái)描述隨機(jī)變量的統(tǒng)計(jì)規(guī)律性，幫助我們發(fā)現(xiàn)隨機(jī)事件發(fā)生

；應(yīng)用數(shù)學(xué)；概率分布；結(jié)構(gòu)分析復(fù)雜網(wǎng)絡(luò)是復(fù)雜系統(tǒng)的重要研究?jī)?nèi)容，主要研究網(wǎng)絡(luò)的生成、結(jié)構(gòu)及其功能，也就是說(shuō)網(wǎng)絡(luò)是從哪里來(lái)，其結(jié)構(gòu)如何，具有什么功能[1-5]。這些問(wèn)題清楚了，就可以利用這些性質(zhì)研究現(xiàn)實(shí)世界大量存在的網(wǎng)絡(luò)，如Internet網(wǎng)、萬(wàn)維網(wǎng)、社交朋友網(wǎng)、交通運(yùn)輸網(wǎng)等復(fù)雜網(wǎng)絡(luò)[6-9]。復(fù)雜網(wǎng)絡(luò)在理論上可以看作一個(gè)圖，可以借助于圖論及隨機(jī)理論進(jìn)行研究。早在1960年，ERD?S等[10]建立了隨機(jī)圖理論，開(kāi)始了隨機(jī)網(wǎng)絡(luò)模型的研究。1998年，由WAT

品中氣單胞菌概率分布的影響與優(yōu)選董慶利1，宋筱瑜2，丁甜3，劉箐1(1. 上海理工大學(xué)醫(yī)療器械與食品學(xué)院，上海200093； 2. 國(guó)家食品安全風(fēng)險(xiǎn)評(píng)估中心，北京100021；3. 浙江大學(xué) 生物系統(tǒng)工程與食品科學(xué)學(xué)院，浙江杭州310058)摘要：探討不同陰性樣品中致病菌污染水平對(duì)定量風(fēng)險(xiǎn)評(píng)估結(jié)果的影響。以冷卻豬肉中氣單胞菌定量暴露評(píng)估為例，設(shè)定陰性樣品中致病菌為零值和最大值(檢測(cè)限)2種極端場(chǎng)景，由此預(yù)測(cè)冷卻豬肉中因氣單胞菌導(dǎo)致食物中毒的概率分別為33.

間剪切強(qiáng)度的概率分布及可靠性設(shè)計(jì)劉小云1, 邵雨虹2, 靳曉娟1(1.長(zhǎng)安大學(xué) 理學(xué)院，陜西 西安 710064； 2.長(zhǎng)安大學(xué) 道路施工技術(shù)與裝備教育部重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710064)摘要：為了對(duì)瀝青路面層間抗剪能力進(jìn)行可靠性設(shè)計(jì)，以現(xiàn)場(chǎng)實(shí)測(cè)的瀝青路面層間剪切強(qiáng)度數(shù)據(jù)為樣本，求出了瀝青路面面層與基層、面層與面層間剪切強(qiáng)度的經(jīng)驗(yàn)密度函數(shù)和分布函數(shù)，依據(jù)分布擬合，對(duì)瀝青路面面層與基層、面層與面層間剪切強(qiáng)度的概率分布做出了假設(shè)，采用科爾莫哥洛夫檢驗(yàn)方法，

數(shù)隨機(jī)變量的概率分布沈銳利，官快，房凱(西南交通大學(xué)土木工程學(xué)院，成都610031)摘要：把橋梁和車輛看作車橋耦合振動(dòng)體系的兩個(gè)分離子系統(tǒng)，基于ANSYS軟件建立了車輛和橋梁的有限元模型。使用三角級(jí)數(shù)疊加以及離散傅里葉逆變換模擬了橋面不平度，采用分離迭代算法計(jì)算了車橋耦合系統(tǒng)的動(dòng)力響應(yīng)。通過(guò)對(duì)一簡(jiǎn)支梁橋車橋耦合振動(dòng)的數(shù)值模擬，引入一種新的沖擊系數(shù)計(jì)算方法，采用數(shù)理統(tǒng)計(jì)的方法得到橋梁沖擊系數(shù)的概率分布及置信度為0.05的沖擊系數(shù)。結(jié)果表明：橋面不平度對(duì)沖擊效

試驗(yàn)；變量；概率分布；共性特征；個(gè)體差異統(tǒng)計(jì)總體是統(tǒng)計(jì)學(xué)的基本概念，無(wú)論是數(shù)理統(tǒng)計(jì)學(xué)，還是應(yīng)用統(tǒng)計(jì)學(xué)，統(tǒng)計(jì)總體都無(wú)可爭(zhēng)辯地被視為最重要的概念。一般看來(lái)，作為概念，總體不難解釋，各類教科書(shū)中關(guān)于總體的定義基本上一致。但在應(yīng)用領(lǐng)域面對(duì)具體問(wèn)題，需要明確總體是什么的時(shí)候，難度遠(yuǎn)比想象的大。因?yàn)閷?shí)際問(wèn)題錯(cuò)綜復(fù)雜，總體的內(nèi)容和形式多樣，針對(duì)一個(gè)具體問(wèn)題，關(guān)于“總體是什么”的問(wèn)題，人們的理解和看法出現(xiàn)了分歧，由此引發(fā)了激烈爭(zhēng)議[1-6]，甚至波及到對(duì)“什么是總體”的重

栓群配合間隙概率分布研究馮蘊(yùn)雯, 劉思宏, 薛小鋒(西北工業(yè)大學(xué) 航空學(xué)院, 陜西 西安710072)摘要：工程結(jié)構(gòu)采用螺栓群連接時(shí),通常螺栓與孔之間存在一定的栓孔間隙。在考慮連接孔位置度和外載荷方向的前提下,提出了在某一給定載荷傳遞方向上單個(gè)螺栓連接情況下栓孔最小間隙概率分布的計(jì)算方法;借助概率統(tǒng)計(jì)中的貝努利試驗(yàn)原理,提出了螺栓群中k個(gè)螺栓數(shù)量組合情況時(shí)的栓孔間隙概率計(jì)算方法。以某大型客機(jī)風(fēng)擋玻璃螺栓群為例,應(yīng)用Monte-Carlo抽樣法,計(jì)算了單個(gè)螺

率波動(dòng)特性的概率分布作出描述，從而有助于我們對(duì)性質(zhì)的了解。關(guān)鍵詞：風(fēng)電功率；波動(dòng)性；概率分布對(duì)風(fēng)電功率的波動(dòng)進(jìn)行研究量分化指標(biāo)的選取十分重要。目前，對(duì)風(fēng)電功率波動(dòng)的量化指標(biāo)沒(méi)有統(tǒng)一的標(biāo)準(zhǔn)，或者說(shuō)在不同的應(yīng)用場(chǎng)合需要不同的量化指標(biāo)。而對(duì)于風(fēng)電輸出功率波動(dòng)的描述目前有時(shí)域分析、頻率分析和時(shí)頻分析等方法。本文以吉林某風(fēng)電場(chǎng)中20臺(tái)1.5MW風(fēng)電機(jī)組30天的風(fēng)電功率數(shù)據(jù)為基礎(chǔ)，對(duì)風(fēng)電功率的波動(dòng)性進(jìn)行研究。1.風(fēng)電功率波動(dòng)特性概率分布研究在數(shù)據(jù)中所給的20臺(tái)機(jī)組中任

50025)概率分布的實(shí)函數(shù)實(shí)現(xiàn)問(wèn)題易利亞(貴州大學(xué)人民武裝學(xué)院,貴陽(yáng) 550025)基于一維隨機(jī)變量,通過(guò)闡釋概率分布實(shí)函數(shù)實(shí)現(xiàn)的內(nèi)在本質(zhì),給出了概率分布實(shí)函數(shù)實(shí)現(xiàn)的一個(gè)充分必要條件,得到分布函數(shù)族及其連續(xù)性特征,揭示出概率論中分布函數(shù)定義所蘊(yùn)含的合理性和深刻性.概率論;概率分布的實(shí)函數(shù)實(shí)現(xiàn);分布函數(shù)族;連續(xù)性1 引 言在柯?tīng)柲缏宸驅(qū)⒏怕矢爬椤胺秦?fù)的、規(guī)范的、可列可加的集函數(shù)”后,概率便在測(cè)度論中獲得了最深刻的數(shù)學(xué)本質(zhì)[1],這使得在一般意義下通過(guò)研