精华内容
下载资源
问答
  • 一,0-1分布 二,二项分布 三,泊松分布 ,三大分布之间联系

    一,0-1分布

    这里写图片描述

    二,二项分布

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    三,泊松分布

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    四,三大分布之间的联系

    这里写图片描述
    这里写图片描述
    这里写图片描述
    这里写图片描述

    展开全文
  • 4种典型口音普通话共振峰分析,周正娟,严勤,以广州、重庆、上海和厦门地带口音普通话为研究对象,分析主要音素共振峰的分布差异及共振峰空间分布差异。 研究采用基于线��
  • 但是有时候得四个分布一起用,找来找去难免会有些麻烦,找到一篇文献:邓泽怀的硕士学位论文《基于实测数据的海杂波统计建模》,里面详细地讲解了上面提到的四种分布参数的矩估计、极大似然估计,并作了拟合优度检验...

    前言: 找到的第一篇文献,里面的密度函数出现了明显问题,在CSDN里面找也经常是只找到一个或者两个分布的估计,但是有时候得四个分布一起用,找来找去难免会有些麻烦,找到一篇文献:邓泽怀的硕士学位论文《基于实测数据的海杂波统计建模》,里面详细地讲解了上面提到的四种分布参数的矩估计、极大似然估计,并作了拟合优度检验。实践证明这里面讲到的关于参数估计的内容非常准确。

    1 背景知识

    对于海洋雷达来说,回波信号中不可避免地会包含海面和海面上其他物体的散射信号,亦即海杂波。其在信号中的比重与雷达的工作频率、电磁波的极化状态、照射条件及海面风速、风向等密切相关,强的杂波干扰甚至会把有用的信号湮灭,因此,海杂波在很大程度上影响了雷达对海上目标的预警能力。为了提高现代海洋雷达的监测性能,有必要对海杂波特性进行精确的分析,以降低其虚警率。其中,幅度分布特性作为海杂波重要的统计特性,一直是研究的热点。

    雷达分辨单元内有许多随机分布的散射体,它们的大小尺寸、轮廓形状等往往也都是随机变量。同时,雷达和散射体之间的相对运动也导致杂波幅度和相位在不断变化。因此雷达杂波具有随机起伏的特性,但这种随机起伏的特性中又隐含一定的统计规律,这就是本节所要讲述的雷达回波在经过包络检波后的幅度概率密度函数(Probability density function, PDF) 。常用的杂波模型有Rayleigh分布、Log-normal分布、Weibull分布和K分布等。下面将分别对它们进行简单介绍。

    2 典型分布模型

    2.1 瑞利分布

    在这里插入图片描述
    在这里插入图片描述

    2.2 对数正态分布

    在这里插入图片描述

    2.3 韦布尔分布

    在这里插入图片描述

    在这里插入图片描述

    2.4 K分布

    在这里插入图片描述
    在这里插入图片描述

    3 模型参数估计

    对于某一组杂波数据,想要知道它最符合哪种分布模型,需要先对各种模型的分布参数进行估计,再通过拟合优度检验来确定最适合的分布模型。常用的参数估计方法有:矩估计法、最大似然估计法、最小二乘法、遗传算法等,本文主要采用前两种方法。接下来就对矩估计法和最大似然估计法进行简单介绍。

    3.1 矩估计法

    在这里插入图片描述
    在这里插入图片描述

    3.2 极大似然估计法

    在这里插入图片描述
    在这里插入图片描述
    以下均假设得到的杂波幅度序列为{Xi}i=1N\{X_i\}_{i=1}^{N}

    3.3 瑞利分布

    在这里插入图片描述

    3.4 对数正态分布

    在这里插入图片描述

    3.5 韦布尔分布

    在这里插入图片描述

    3.6 K分布

    在这里插入图片描述
    在这里插入图片描述

    4 拟合优度检验

    4.1 卡方检验

    在这里插入图片描述
    在这里插入图片描述

    4.2 K-S检验

    在这里插入图片描述

    5 MATLAB实现

    function FBNH(a,b,data)
    
    M = length(data);
    xx = a:0.1:b;
    
    figure
    % 直方图
    [yp_fd,xp_fd] = ecdf(data);    % 计算经验累积概率分布函数值
    ecdfhist(yp_fd,xp_fd,200);   % 绘制频率直方图
    % [yp,xp]=hist(data,200);   %统计频次分布
    % bar(xp,log(yp)/sum(log(yp)),1);  %画直方图
    xlim([a b])
    hold on
    
    % 瑞利分布
    a_ML = sqrt(sum(data.^2)/(2*M));   % 参数a的估计
    f_rl = @(z) z/a_ML^2.*exp(-z.^2/(2*a_ML^2));
    % fplot(f_rl,[a,b])
    plot(xx,f_rl(xx),'-d','linewidth',1.1)
    
    % 对数正态分布
    [mu_ML,sigma_ML] = normfit(log(data));
    f_ln = @(x) (1./(sqrt(2*pi)*x*sigma_ML ).*exp(-(log(x)-mu_ML).^2/(2*sigma_ML^2)));
    % fplot(f_ln,[a,b])
    plot(xx,f_ln(xx),'-+','linewidth',1.1)
    
    % 威布尔分布
    [parmhat,~] = wblfit(data);
    p = parmhat(1);
    q = parmhat(2);
    f_wb = @(z) (z/q).^(p-1).*exp(-(z/q).^p).*heaviside(z)*p/q;
    % f_wb = @(z) (z/q).^(p-1).*exp(-(z/q).^p)*p/q;
    % fplot(f_wb,[a,b])
    plot(xx,f_wb(xx),'-*','linewidth',1.1)
    
    % K分布
    v = ( mean(data.^4)/(2*(mean(data.^2)).^2) - 1 )^(-1);
    mu = 0.5*sqrt(mean(data.^2)/v);
    f_k = @(x) 2/(mu*gamma(v))*(x/(2*mu)).^v.*besselk(v-1,x/mu);
    % f_k = @(z) sqrt(2*v)*(sqrt(2*v/mu)*z).^v.*besselk(v-1,sqrt(2*v/mu)*z).*heaviside(z)/(sqrt(mu)*gamma(v)*2^(v-1));
    % fplot(f_k,[a,b])
    plot(xx,f_k(xx),'-o','linewidth',1.1)
    % '直方图',
    legend('直方图','瑞利分布','对数正态分布','韦布尔分布','K分布')
    hold off
    end
    
    展开全文
  • 基于标准k-ε 两方程湍流模型和2.5 m 光学望远镜4种典型天文圆顶,通过计算流体动力学软件Fluent进行数值风洞模拟实验。研究了在不同方向恒定风作用下,圆顶打开时望远镜周围风速、湍流动能的分布状态和对天文...
  • 基于优化后的工艺参数制作了多周期结构的λ/4相移光栅,实现了单片集成的四波长1.3 μm分布反馈式激光器阵列。该激光器阵列中激光器的阈值电流典型值为11 mA,外微分效率可达0.40 W/A,且实现了边摸抑制比大于46 dB...
  • 分析了TD-SCDMA与其他通信系统共享室内分布系统功率匹配问题,从而提出了微型、小型、中型和大型四种典型2G分布系统TD-SCDMA改造方案。该改造方案充分考虑了2G室内分布系统现状和TD-SCDMA技术特点,对现有分布系统...
  • 长江南京段地表水中全氟化合物分布特征,于南洋,韦斯,本研究目的是了解长江南京段地表水中全氟化合物的分布特征。采用超高效液相色谱-三重级杆质谱联用仪,对12种典型的全氟化合物进
  • 产品组合广泛多样,在以下个主要目标市场中拥有约 6500 产品,即:无线通信、有线基础设施、工业和汽车电子产品以及消费品与计算机外围设备。同时这些目标市场中可应用于移动电话、家用电器、数据联网与电信设备...
  • 卡方检验和卡方分布

    2019-11-04 18:31:45
    什么是卡方检验 卡方检验是一用途很广的计数资料的假设检验方法。它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性分析。...以下为一个典型的四格...

    什么是卡方检验

    卡方检验是一种用途很广的计数资料的假设检验方法。它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题。

    它在分类资料统计推断中的应用,包括:两个率或两个构成比比较的卡方检验;多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。

    例子1:四格卡方检验

    以下为一个典型的四格卡方检验,我们想知道喝牛奶对感冒发病率有没有影响:

    感冒人数	未感冒人数	合计	感冒率
    

    喝牛奶组 43 96 139 30.94%
    不喝牛奶组 28 84 112 25.00%
    合计 71 180 251 28.29%

    通过简单的统计我们得出喝牛奶组和不喝牛奶组的感冒率为30.94%和25.00%,两者的差别可能是抽样误差导致,也有可能是牛奶对感冒率真的有影响。

    为了确定真实原因,我们先假设喝牛奶对感冒发病率是没有影响的,即喝牛奶喝感冒时独立无关的,所以我们可以得出感冒的发病率实际是(43+28)/(43+28+96+84)= 28.29%

    所以,理论的四格表应该如下表所示:

    在这里插入图片描述

    即下表:

    在这里插入图片描述

    如果喝牛奶喝感冒真的是独立无关的,那么四格表里的理论值和实际值差别应该会很小。

    卡方检验

    卡方检验的计算公式为:

    在这里插入图片描述

    其中,A为实际值,T为理论值。

    x2用于衡量实际值与理论值的差异程度(也就是卡方检验的核心思想),包含了以下两个信息:

    1. 实际值与理论值偏差的绝对大小(由于平方的存在,差异是被放大的)
    2. 差异程度与理论值的相对大小

    例1卡方检验

    根据卡方检验公式我们可以得出例1的卡方值为:

    卡方 = (43 - 39.3231)平方 / 39.3231 + (28 - 31.6848)平方 / 31.6848 + (96 - 99.6769)平方 / 99.6769 + (84 - 80.3152)平方 / 80.3152 = 1.077

    卡方分布的临界值:

    上一步我们得到了卡方的值,但是如何通过卡方的值来判断喝牛奶和感冒是否真的是独立无关的?也就是说,怎么知道无关性假设是否可靠?

    答案是,通过查询卡方分布的临界值表。

    这里需要用到一个自由度的概念,自由度等于V = (行数 - 1) * (列数 - 1),对四格表,自由度V = 1。

    对V = 1,喝牛奶和感冒95%概率不相关的卡方分布的临界概率是:3.84。即如果卡方大于3.84,则认为喝牛奶和感冒有95%的概率不相关。

    显然1.077<3.84,没有达到卡方分布的临界值,所以喝牛奶和感冒独立不相关的假设不成立。

    在这里插入图片描述

    上面通过一个小例子让大家对卡方检验有一个简单的认识,下面是卡方检验的标准做法:

    例子2. 四格卡方检验的标准做法

    我们想知道不吃晚饭对体重下降有没有影响:

    体重下降	体重未下降	合计	体重下降率
    

    吃晚饭组 123 467 590 20.85%
    不吃晚饭组 45 106 151 29.80%
    合计 168 573 741 22.67%

    1. 建立假设检验:

    H0:r1=r2,不吃晚饭对体重下降没有影响,即吃不吃晚饭的体重下降率相等;
    H1:r1≠r2,不吃晚饭对体重下降有显著影响,即吃不吃晚饭的体重下降率不相等。α=0.05

    1. 计算理论值

      体重下降 体重未下降 合计
      吃晚饭组 133.765 456.234 590
      不吃晚饭组 34.2348 116.765 151
      合计 168 573 741

    2. 计算卡方值

    根据公式

    在这里插入图片描述

    计算出卡方值为5.498

    1. 查卡方表求P值

    在查表之前应知本题自由度。按卡方检验的自由度v=(行数-1)(列数-1),则该题的自由度v=(2-1)(2-1)=1,查卡方界值表,找到3.84,而本题卡方=5.498即卡方>3.84,P<0.05,差异有显著统计学意义,按α=0.05水准,拒绝H0,可以认为两组的体重下降率有明显差别。

    通过实例计算,对卡方的基本公式有如下理解:若各理论数与相应实际数相差越小,卡方值越小;如两者相同,则卡方值必为零。

    附录

    什么是卡方分布

    若n个相互独立的随机变量ξ₁,ξ₂,…,ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布(chi-square distribution)。

    R语言实现:

    x1 = rnorm(1000000)
    x2 = rnorm(1000000)
    x3 = rnorm(1000000)
    x4 = rnorm(1000000)
    x5 = rnorm(1000000)
    x6 = rnorm(1000000)

    Q1 = x1^2
    Q2 = x1^2 + x2^2
    Q3 = x1^2 + x2^2 + x3^2
    Q4 = x1^2 + x2^2 + x3^2 + x4^2
    Q5 = x1^2 + x2^2 + x3^2 + x4^2 + x5^2
    Q6 = x1^2 + x2^2 + x3^2 + x4^2 + x5^2 + x6^2

    par(mfrow=c(1,1))
    plot(density(Q1),xlim=c(0.23,6),ylim = c(0,1),breaks = 200,col = ‘blue’,lwd=2,main=‘chi-square’,xlab = ‘’,ylab=’’)
    lines(density(Q2),col=‘black’,lwd=2)
    lines(density(Q3),col=‘red’,lwd=2)
    lines(density(Q4),col=‘green’,lwd=2)
    lines(density(Q5),col=‘gray’,lwd=2)
    lines(density(Q6),col=‘orange’,lwd=2)
    legend(‘topright’,c(‘k=1’,‘k=2’,‘k=3’,‘k=4’,‘k=5’,‘k=6’),fill = c(‘blue’,‘black’,‘red’,‘green’,‘gray’,‘orange’))

    最后画出来的图是:
    在这里插入图片描述

    由于随机数取得比较少,可能分布图与实际有些许的差别,不过这个可以不用太在意,一下是标准的分布图:
    在这里插入图片描述

    或称X^2检验,主要作用是判定实际统计数据是否符合期望值,之后便可以演变出各种用法,例如:特征选择,变量各类的出现概率,变量是否相互有关联等。

    主要公式:
    在这里插入图片描述
    右侧的X^2代表卡方值,卡方值=[(观测值O-期望值E)/期望值E]所有的组别的累加。

    例子:
    在这里插入图片描述
    假设一果农场,今年水果产量记为观察值,往年产量记为期望值,所生成的四格表如上图所示。

    计算:
    卡方值X2=(28-20)2/20+(38-30)2/30+(34-50)2/50=10.45
    因此卡方值的话是10.45
    卡方值再与卡方鉴定表相比较,如果卡方值<鉴定表中值可以得到:
    H0:行分类变量与列分类变量无关联
    如果卡方值>鉴定表中值可以得到:
    H1:行分类变量与列分类变量有关联

    卡方鉴定表比较:
    在这里插入图片描述

    刚开始学的时候一直觉得这个表要自己算、、、搞了半天,查了半天资料原来表示固定的、、、好了,跑题了。
    查这个表,我们首先得要知道自由度K,而K的值和我们的组别数量有关。如上图,我们有 芒果、苹果、水蜜桃 三种水果,也就是三种组别,因此自由度K=组别-1
    而概率如果没有特别要求,我们一般使用的是5%,也就是0.05这一档。
    查表可得上个例子的鉴定表数值是:5.99
    卡方值X^2=10.45>5.99,因此得到H0:行分类变量与列分类变量无关联,可以得出今年产量不同于往年。
    如果X^2<比较值,我们能得出H1:行分类变量与列分类变量有关联,也就是今年产量类似于往年。

    总结:
    卡方检验的一个典型应用场景是衡量特定条件下的分布是否与理论分布一致,比如:特定用户某项指标的分布与大盘的分布是否差异很大,这时通过临界概率可以合理又科学的筛选异常用户。另外,X2值描述了自变量与因变量之间的相关程度:X2值越大,相关程度也越大,所以很自然的可以利用X^2值来做降维,保留相关程度大的变量。

    R语言卡方检测:
    R语言自带卡方检测的方法,只要调用方法chisq.test(),会自行输出X-squared卡方值, df自由度, p-value概率

    参考博客

    http://blog.sina.com.cn/s/blog_7054a1960102wizu.html

    https://blog.csdn.net/qq_15111861/article/details/80723754

    https://blog.csdn.net/qq_18769269/article/details/98843816

    展开全文
  • 什么是卡方检验卡方检验是一用途很广的计数资料的假设检验方法。它属于非参数检验的范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量的关联性...例子1:四格卡方检验以下为一个典型的四格卡方检验...
    展开全文
  • Wolfsort通过创建256个存储桶并将每个无符号的32位整数除以16777216来像典型的基数排序一样进行操作。如果不进行任何优化,这将使内存开销增加256倍。 Wolfsort通过对数据运行一次以找出每个存储桶的最终大小来解决...
  • 什么是卡方检验 卡方检验是一用途很广的计数资料的假设检验方法。它属于非参数检验的范畴,主要是...以下为一个典型的四格卡方检验,我们想知道喝牛奶对感冒发病率有没有影响: 感冒人数 未感冒人数 合..
  • 日本京瓷(Kyocera)宣布将推出KVA21的四路电磁干扰滤波器(quadEMIfilter),这是一符合欧盟有害物质标准(RoHS)、分布常数的组件,其特点是在单体组件同时提供抗电磁干扰(EMI)滤波和静电(ESD)的保护,其尺寸仅为2.0×...
  • KVA21四联电磁干扰滤波器(quad EMI filter)阵列是一紧凑、符合欧盟有害物质标准(RoHS)、分布常数元件,其特点是在单个封装上同时提供电磁干扰(EMI)滤波和静电放电(ESD)保护。该尺寸仅为2.0 x 1.25 x ...
  • 卡方检验是一用途很广计数资料假设检验方法。它属于非参数检验范畴,主要是比较两个及两个以上样本率( 构成比)以及两个分类变量关联性分析。其根本思想就是在于比较理论频数和实际频数吻合程度或拟合...
  • 朴素贝叶斯法是基于贝叶斯定理 与特征条件独立假设的分类方法,是一种典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y),然后球的后验概率分布P(Y|X)。具体来说,利用训练数据学习P(X|Y)和P(Y)的估计...
  • 第十课.马尔科夫链

    2021-05-03 11:53:17
    随机过程指是一个随机变量序列:{Xt}\left\{X_{t}\right\}{Xt​},而马尔科夫链就是随机过程中种典型类型,其概率图如下: 马尔科夫链在不同时间 ttt 对应着不同状态节点 xtx_{t}xt​,实际上就是用时间...
  • 安全性 使用网络来将应用系统分布化是一个挑战,这不仅是因为带宽的物理限制以及一些潜在的问题,而且也由于它产生一些诸如关系到客户间、组件间以及客户和...一种典型的方法是用某种登录的方法要求用户通过用...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 223
精华内容 89
关键字:

典型的四种分布