精华内容
下载资源
问答
  • 什么是假设检验?

    千次阅读 2020-12-03 17:03:23
    假设检验 在参数估计的区间估计中,我们提到置信区间的概念,有提到置信区间最主要的应用是用于... 假设检验与参数估计(包括点估计和区间估计)是建立在中心极限定理和抽样分布之上的推断统 计的两个重要基础方法,由这

    目录

    假设检验原理

    置信区间

    反证法

    小概率思想

    假设检验步骤

    假设检验的意义


    假设检验原理

    在参数估计的区间估计中,我们提到置信区间的概念,有提到置信区间最主要的应用是用于假设检验。(详情请见☞什么是参数估计

    那什么是假设检验?

    假设检验(test of bypothesis)是统计推断的一个重要内容,用于判断某个假设是否正确。在数据分析中,总体的参数始终是不可知的,只能由统计量推断总体的参数。在统计推断过程中,需要对参数提出一定的假设,然后对提出的假设进行假设检验。 假设检验与参数估计(包括点估计和区间估计)是建立在中心极限定理和抽样分布之上的推断统 计的两个重要基础方法,由这两个方法出发,生发出诸多有针对性的统计分析方法。

    假设检验涉及的范围非常广泛,几乎我们用到的所有统计分析方法都要用到它,如是否相关、 是否服从正态分布、两个总体均值是否相等、回归系数是否显著、过程是否稳定等等均运用了 假设检验。

    假设检验的原理:假设检验 显著性水平 小概率思想 反证法

    假设检验中引入了显著性水平的概念,要理解显著性水平α,就要复习下什么是置信区间了。

    置信区间

    区间估计(interval estimation)是从点估计值和抽样标准误出发,按给定的概率值建立包含待估计参数的区间。其中这个给定的概率值称为置信度或置信水平(confidence level),这个建立起来的包含待估计参数的区间称为置信区间(confidence interval),指总体参数值落在样本统计值某一区内的概率。

    什么是显著性水平?

    所谓置信水平就是给出一个区间的信心,这个信心以概率来表示,绝大多数情况下取 0.95,表示你对所估计的总体参数有95%的信心落在你所给的区间内。通常置信水平以1-α表 示α称为显著性水平

    置信区间的建立就与中心极限定理和抽样分布有关了,在给定置信度的条件下,置信区间的宽度决定于抽样分布。 建立置信区间的意思是在设定的置信水平(如取0.95)下,总体参数落在这个区间的概率为 0.95,大致的理解是如果抽100次样,建立100个置信区间,大约95个区间包含总体参数,约5个区间不包含总体参数(注意不是一定有5个,可能会多,也可能会少)。

    划定置信区间的两个数值分别称为置信下限(lower confidence limit,lcl)置信上限(upper confidence limit,ucl)

    反证法

    什么是反正法?

    反证法(Proof by Contradiction),又称为归谬法、背理法。在证明数学问题时,先假定命题结论的反面成立,在这个前提下,若推出的结果与定义、公理、定理相矛盾,或与命题中的已知条件相矛盾,或与假定相矛盾,从而证明命题结论的反面不可能成立,由此断定命题的结论成立。

    例如证明的结果是一个无理数

    反证法思想:设定与原假设相反的假设H,如果H被推翻,则原假设成立。

    第一步:我们假设是一个有理数,有理数可以表示为两个互质的整数的比值。

    第二步:=p/q,其中p和q是互质的整数

                   上式整理可得:2q^2=p^2,可知,p是偶数,令p=2r

                    故:q^2=2r^2,可知q也是偶数,这与p和q互质矛盾

    第三步:得出结论,假设H被推翻,原假设成立。

    小概率思想

    什么是小概率事件?

    如何判断抽样结果是不是不合理呢?费希尔老先生提出了p值这个概念,用来表示在原假设成立的条件下,抽样结果的不合理和更不合理的概率。他还给出了一个判决点,即0.05,p值小于1/20就足以拒绝原假设了。

    0.05是足够小的概率,一般认为,在一次抽样(试验)中,小概率事件几乎不可能发生,如果出现发生了,则说明事先的假设是错误的。但小概率事件并不是一定不会发生,当抽样次数足够多时,小概率事件是一定会发生的。这说明即使是一次抽样,小概率事件仍有可能发生,也就是说存在判断错误的可能性。

    假设检验步骤

    假设检验的意义

    假设检验是抽样推断中的一项重要内容。它是根据原资料作出一个总体指标是否等于某一个数值,某一随机变量是否服从某种概率分布的假设,然后利用样本资料采用一定的统计方法计算出有关检验的统计量,依据一定的概率原则,以较小的风险来判断估计数值与总体数值(或者估计分布与实际分布)是否存在显著差异,是否应当接受原假设选择的一种检验方法。用样本指标估计总体指标,其结论有的完全可靠,有的只有不同程度的可靠性,需要进一步加以检验和证实。通过检验,对样本指标与假设的总体指标之间是否存在差别作出判断,是否接受原假设。 这里必须明确,进行检验的目的不是怀疑样本指标本身是否计算正确,而是为了分析样本指标和总体指标之间是否存在显著差异。从这个意义上,假设检验又称为显著性检验。

     

     

    展开全文
  • 概率论于数理统计

    2021-02-18 08:18:16
    下面我用一篇短文来简单介绍统计在学习什么。需要掌握哪些知识。 在一开始我打算放一张图,让大家理解一下统计到底是在干什么,统计的基本...统计推断通常包括参数估计和假设检验两个内容参数估计是指用样本指标推

    下面我用一篇短文来简单介绍统计在学习什么。需要掌握哪些知识。

    在一开始我打算放一张图,让大家理解一下统计到底是在干什么,统计的基本流程是什么,旨在帮助大家建立起一个初步概念。

    数据的统计分析主要包括两个方面的内容:一是统计描述,主要是运用一些统计指标诸如均数、标准差以及统计表和统计图等,对数据的数量特征及其分布规律进行客观地描述和表达,不涉及样本推断总体的问题;二是统计推断,即在一定的置信度或概率保证下,根据样本信息去推断总体特征。统计推断通常包括参数估计和假设检验两个内容:参数估计是指用样本指标推断总体相应的指标,例如根据部分城市人群的原发性高血压患病率去估计整个城市的原发性高血压患病率,参数估计又分为点区间和区间估计,比如:已知样本量为200、均数为100,标准差为5,对总体均数进行估计,如果直接用100作为总体的均数,这种估计方法被称为点估计,由于样本是随机的,抽出一个具体的样本得到的估计值很可能不同于总体真值。所以就有了另一种估计方法区间估计,它是在点估计的基础上,给出总体参数估计的一个区间范围,该区间通常由样本统计量加减估计误差得到;假设检验是指由样本之间的差异推断总体之间是否可能存在差异,例如原发性高血压治疗药物在两组的疗效存在一定差别,假设检验回答这种差别是机会造成的,还是真实存在的。它又分为单尾检验和双尾检验,单尾是判断大于或者小于,双尾是判断是不是等于。

    举一个形象的例子:设总体均数为μ,如果用参数估计是:求μ=?而假设检验则是:判断μ=100?(双尾检验) u>100?(单尾检验)

    总计一下更清晰:

    是不是有种恍然大悟的感觉!下面我来解释下大学中大家学的概率论于数理统计是怎么结合到一起的?

    概率论:从已知分布出发,研究随机变量X的性质、规律、数学特征等;

    数理统计:研究对象X的分布未知或只知道部分信息,需要观察它的取值(数据采集),通过分析数据来推断X服从什么分布或确定未知参数。

    数理统计研究问题的主要方法:以部分数据信息来推断整体相关信息

    这样大家对于两者的关系是不是清晰了一些,下面我来介绍下统计学中常用的一些概念

    一、数据分析的方法可分为描述统计和推断统计

    描述统计:将一系列复杂数据浓缩成一个单一数字的便捷工具。比如:击球率,反映一个球员在赛场上的整体表现,它只是一个去除了单位性质用于比较的简单易行的数学工具。然而击球率也并非衡量球员能力的完美指标(完美是不存在的),也非全貌,但提供了一扇窗。

    推断统计:推断统计是研究如何利用样本数据来推断总体特征的统计方法。比如,要了解一个地区的人口特征,不可能对每个人的特征一一进行测量;对产品的质量进行检验,往往是破坏性的,也不可能对每个产品进行测量。这就需要抽取部分个体即样本进行测量,然后根据获得的样本数据对所研究的总体特征进行推断,这就是推断统计要解决的问题

    二、数据的收集

    总体:包含研究的全部个体(数据)的集合

    样本:从总体中抽出的一部分元素的集合,实际情况通常是我们很难拿到总体的数据,用样本来代替总体是一个不错的选择

    样本容量或样本量:构成样本的元素数目

    有限总体:容量有限的总体;

    无限总体:容量无限的总体,通常将容量非常大的有限总体也按无限总体处理。

    参数:用来描述总体特征的概括性数字度量,这个概念有点抽象,比如总体标准差、总体平均数啊都是参数,由于总体数据通常是不知道的,所以参数也是一个未知数。因此我们需要进行抽样,根据样本估算总体参数。

    统计量(statistic):用来描述样本特征的概括性数字度量,统计量是根据样本数据计算出来的一个量,他是样本的函数。通常我们所关心的样本统计量样本均数、样本标准差等。

     

    三、数据的描述:

    通常我们只能对样本进行描述,对样本的描述可以用统计量也可以用图表来表示

    首先是统计量

    众数:体现出个体占据总体的频次情况,可用于定性数据和定量数据,一个字段多个定性数据,可对该字段相同定性数据进行聚合,了解到每个定性数据的总数量。

    中位数:同样是一个描述中间位置的统计量,但是相比平均数,这个中间位置就是中位数,按照从大到小或者从小到大的顺序排列好,中间的位置就是中位数,如果有两位中位数那就相加之后除以2。如果一个数据的的分布中没有特别离谱的异常值,那么他们的中位数和平均数应该差不多。

    平均数:描述数据中间位置的一个描述统计量,反应的是数据的集中趋势。但平均数容易受到异常值的影响,比如10个收入都为1万元的家庭和比尔盖茨比一下,那这组人群的的平均收入一定提高很多。

    方差和标准差:衡量数据相对于平均值的分散程度,根据方差和标准差我们可以知道所观察的数据的分散情况。

    你会发现大部分的数据都会在样本平均值的左右一个标准差内。到底多少呢?这个数值是68.2%

    标准分:表征了距离均值的标准差的个数,标准分为我们提供了解决方法,当比较均值和标准差各不相同的数据集时,我们可以把这些数值视为来自同一个标准的数据集,然后进行比较。标准分将把每一个数据集转化为通用的分布形态,进行比较。标准分还有个重要的作用,它可以把正态分布变为标准正态分布。

    变异系数:样本标准差除以均值,用变异系数可以比较不同样本相对变异程度的大小。

    协方差:度量各个维度偏离其均值的程度。协方差的值如果为正值,则说明两者是正相关的,结果为负值就说明负相关的,如果为0,也是就是统计上说的“相互独立”。协方差仅能进行定性的分析。

    私以为统计学的核心就是研究变量与变量之间的关系

    相关系数:相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数可以作定量的分析,看一看相关性到底有多大。

    标准误:样本均数的标准差,是描述均数抽样分布的离散程度及衡量均数抽样误差大小的尺度,反映的是样本均数之间的变异。

    关于标准误这个概念很多人可能不了解,你想一下如果你只从总体中抽一次样本这样得到的均值和方差是否真的就能代表总体的均值或者方差呢?我们可不可以进行多次抽样,如果这样多次抽样后计算样本之间的标准差,标准差如果越小不就说明这些取样取的很好吗。

    偏度:偏度是统计数据分布偏斜方向和程度的度量,是统计数据分布非对称程度的数字特征,向左偏还是向右偏。偏度定义中包括正态分布(偏度=0),右偏分布(也叫正偏分布,其偏度>0),左偏分布(也叫负偏分布,其偏度<0)。

    峰度:峰度又称峰态系数。表征概率密度分布曲线在平均值处峰值高低的特征数。直观看来,峰度反映了峰部的尖度。随机变量的峰度计算方法为:随机变量的四阶中心矩与方差平方的比值。峰度包括正态分布(峰度值=3),厚尾(峰度值>3),瘦尾(峰度值<3)。峰度越大,越高。

    频数:指变量值中代表某种特征的数(标志值)出现的次数,如果在频数分布图中更胖的话表明你的数据越分散。

     

    还可以用一些图表来进行描述:只展示部分

    四、常见数据的分布

    实际上数据的分布也可以算作在描述里面,看个人的分类了。

    选择其中三个分布:二项分布、正态分布、卡方分布进行解释

    正态分布:正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。

    在正态分布中我们通常认为在平均值左右三个标准差的范围内包含了大部分的数值。

    二项分布:指的是重复n次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立,并且相互独立,与其它各次试验结果无关,事件发生与否的概率在每一次独立试验中都保持不变,则这一系列试验总称为n重伯努利实验,当试验次数为1时,二项分布服从0-1分布。

    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。

     

    五、假设检验

    假设检验:假设检验一般分为四个步骤,提出假设-确定显著水平-计算概率-推断是否接受假设。假设检验首先要对总体做出假设,一般应作两个假设,一个是无效假设,一个是备择假设。无效意指要比较两个参数之间没有真实的差异,那么备择就是与之相反。两个假设是对立的。

    原假设和备择假设:原假设:根据检验结果准备予以拒绝或接受的假设,以H0表示;备择假设:与原假设不相容(即对立)的假设,以H1表示

    拒绝域、显著性水平:拒绝域: 所使用的统计量可能取值的集合的某个子集合。如果根据观测值得出的统计量的数值属于这一集合,拒绝原假设;反之,接受原假设。显著性水平: 当原假设正确时,而被拒绝的概率的最大值,记为α。α的值一般取为0.05或0.01。

    单尾/双尾假设检验:备择假设没有特定的方向性,称为双尾检测检验,单尾检测具有特定的方向性,并含有大于或者小于的假设检验。

    P值:P值是指在一个特定的统计模型下,从样本数据计算出的估计值(如两组间样本均数差)等于观测值或比观测值更为极端的概率

    六:回归与分类

    这两块打算在数据挖掘这边讲解的,作为入门的话会比较困难一点。

    七:多元分析

    寻找多个变量的代表:主成分分析

    把对象分类:聚类分析

    八:其他非常重要的概念

    概率:研究不确定性事件和结果,比如2008年的金融危机,恰恰是华尔街预测模型中极小可能发生的事件同时发生了。用概率的语言来说就是概率很低的事件一起发生。因此所有的预测模型都是以概率为基础的。

    变量:说明某种特征的概念,例如击球率,变量在上一次和下一次的测量是可以变化的,比如这一次击球率是40%,下一次是50%。具体可以分为分类变量(比如性别:男或者女)、顺序变量(奖项:一等奖、二等奖、三等奖)、数值型变量(年龄:1、2、3)。数值型根据取值的不同又可以分为离散型变量(比如年级)和连续型变量(比如温度)。

    同质:根据研究目的所确定的观察单位其性质应大致相同。观察单位是研究的基本单元,可以是一个人、一个地点、一只动物、一份生物样品等。同质即为观察单位所受的影响相同。

    变异:即使性质相同的事物,如果观察同一指标,各观察单位之间由于存在个体差异,也会使测量结果不同,这种差异称为变异。变异即为在观察单位在同质基础上的个体差异。例如,同种族、同年龄、同性别的健康人,在相同的条件下测其脉搏、呼吸、体温等生理指标均可能存在很大的差异。

    四分位数:等于将数据分割为四等分的几个数值,最大的称为上四分位数,最小的称为下四分位数,中间的四分位数即中位数,上四分位数-下四分位数;常用全距量度数据常受异常值困扰,因此常关注位于数据中央的50%,排除异常值,这时用上了四分位数,用到四分位距。

    中心极限定理:中心极限定理是概率论中讨论随机变量序列部分和分布渐近于正态分布的一类定理

    大数定律:概率论中讨论随机变量序列的算术平均值向随机变量各数学期望的算术平均值收敛的定律。这个定理就是,在试验不变的条件下,重复试验多次,随机事件的频率近似于它的概率。比如一个均匀的骰子,你投掷的次数如果足够多,那么你得到的1-6的频率计算应该大致等于概率,就是每一个数字出现的概率为1/6

    方差分析:方差分析是通过对数据误差来源的分析来判断不同总体的均值是否相等,进而分析自变量(分类型)对因变量(数值型)是否有显著影响。可分为单因素方差分析,双因素方差分析

    除了统计学相应概念的了解,还应该结合软件进行学习,目前生信中常用R语言进行统计分析。

    展开全文
  • 多元统计:相关概念总结目录什么是多元统计分析多元正态分布的参数估计随机向量,密度函数和边缘密度函数多元正态分布多元正态分布的参数估计多元正太分布均值向量和协方差阵的检验三级目录三级目录三级目录三级目录...

    目录

    什么是多元统计分析

    **来源百度:**多元统计分析是从经典统计学中发展起来的一个分支,是一种综合分析方法,它能够在多个对象和多个指标互相关联的情况下分析它们的统计规律,很适合农业科学研究的特点。主要内容包括多元正态分布及其抽样分布、多元正态总体的均值向量和协方差阵的假设检验、多元方差分析、直线回归与相关、多元线性回归与相关(Ⅰ)和(Ⅱ)、主成分分析与因子分析、判别分析与聚类分析、Shannon信息量及其应用。简称多元分析。当总体的分布是多维(多元)概率分布时,处理该总体的数理统计理论和方法。数理统计学中的一个重要的分支学科。

    我们要研究客观事物中多个变量(或多个因素)之间相互依赖的统计规律性。它的重要基础之一是多元正态分析。又称多元分析 。 如果每个个体有多个观测数据,或者从数学上说, 如果个体的观测数据能表为 P维欧几里得空间的点,那么这样的数据叫做多元数据,而分析多元数据的统计方法就叫做多元统计分析 。 它是数理统计学中的一个重要的分支学科。20世纪30年代,R.A.费希尔,H.霍特林,许宝碌以及S.N.罗伊等人作出了一系列奠基性的工作,使多元统计分析在理论上得到迅速发展。50年代中期,随着电子计算机的发展和普及 ,多元统计分析在地质 、气象、生物、医学、图像处理、经济分析等许多领域得到了广泛的应用 ,同时也促进了理论的发展。各种统计软件包如SAS,SPSS等,使实际工作者利用多元统计分析方法解决实际问题更简单方便。重要的多元统计分析方法有:多重回归分析(简称回归分析)、判别分析、聚类分析、主成分分析、对应分析、因子分析、典型相关分析、多元方差分析等。

    多元正态分布的参数估计

    随机向量,密度函数和边缘密度函数

    随机变量:
    在这里插入图片描述密度函数:
    在这里插入图片描述
    在这里插入图片描述边缘密度函数:

    在这里插入图片描述
    随机向量的特征
    在这里插入图片描述

    多元正态分布

    在这里插入图片描述在这里插入图片描述在这里插入图片描述

    多元联合分布和边际分布之间的关系

    在这里插入图片描述

    展开全文
  • 本课件主要内容包括什么是隐马尔可夫模型? ...参数估计 HMM的应用 关键要点 下载英文原文地址: http://page2.dfpan.com/fs/alc7j2521d29116ba77/ 更多精彩文章请关注微信号: ...

    本课件主要内容包括:

    1. 什么是隐马尔可夫模型?

    2. HMM公式化

    3. HMM中的推断

    4. 解码

    5. 前向进程

    6. 后向进程

    7. 最佳状态序列

    8. 维特比算法

    9. 参数估计

    10. HMM的应用

    11. 关键要点

    在这里插入图片描述

    在这里插入图片描述

    在这里插入图片描述

    下载英文原文地址:

    http://page2.dfpan.com/fs/alc7j2521d29116ba77/

    更多精彩文章请关注微信号:在这里插入图片描述

    展开全文
  • 附录 习题 第3章 随机变量的数字特征 3.1 数学期望(均值)与中位数 3.2 方差与矩 3.3 协方差与相关系数 3.2 方差与矩 3.3 协方差与相关系数 3.4 大数定理和中心极限定理 习题第4章 参数估计 4.1 数理统计学的基本...
  • 是研究如何通过样本数据推断总体特征的统计学方法,内容包括参数估计和假设性检验。 2、描述统计 是研究数据搜集、处理和描述的统计学方法。内容包括如何获取研究所需要的数据,如何用图表形式对数据进行处理和展示...
  • 什么是CANA? CANA软件包代表“小行星分析代码”。 该工具旨在对小行星光谱数据进行科学分析。 作为原始小行星光谱调查(PRIMASS)的一部分,我们在最近几年中收集并分析了数百个原始小行星的光谱。 在这种情况下...
  • CDA数据分析师系列丛书按照数据分析师规范化学习体系而定,对于一名初学者,应该先掌握必要的概率、统计理论基础,包括描述性分析,推断性分析,参数估计,假设检验,方差分析,回归分析等内容,这在本书《从零进阶...
  • 这是什么?...Statsmodels是一个Python包,为统计计算的scipy提供补充,包括描述性统计和统计模型的估计和推断。 英文文档 最新的稳定版文档位于 https://www.statsmodels.org/stable/ 开发版文档位于 ...
  • 第10-14章介绍了计算机视觉领域主要的优化方法及思路等,包括迁移学习、网络架构及训练、网络优化技巧、超参数调整及模型的压缩和加速等。本书凝聚了众多一线科研人员及工程师的经验,旨在培养读者发现问题、解决...
  • 1.0.31 这本书有些什么内容呢? 36 第2章 图像变换 37 2.0.1 本章概况 37 2.0.2 如何能定义一幅基本图像? 37 2.0.3 什么是两个矢量的外积? 37 2.0.4 如何可将一幅图像展开成矢量的外积? 37 2.0.5 如何选择...
  • Snoopy was developed and tested with PHP 3.0.12.(这么旧的PHP版本估计中国也找不到了) CLASS METHODS: fetch($URI) ----------- 此方法可以获取页面所有内容包括html标签。$URI就是目标页面的url地址。 结果...
  • Oracle专家高级编程--详细书签版

    热门讨论 2012-08-21 11:57:09
     本书内容包括Oracle数据库的基本概念;Oracle数据库结构和实用程序;Oracle数据库性能优化;高级SQL特性;用interMedia、基于C的外部过程、Java存储过程和对象关系特性实现Oracle数据库功能的扩展;Oracle数据库...
  • 操作系统精髓与设计原理答案

    热门讨论 2011-11-19 15:15:08
    1.12、考虑一个存储器系统,它具有以下参数: Tc = 100 ns Cc = 0.01 分/位 Tm = 1200 ns Cm = 0.001 分/位 a.1MB的主存储器价格为多少? b.使用高速缓冲存储器技术,1MB的主存储器价格为多少? c.如果有效存取...
  • 包括性能管理(中文),安全指南(中文),以及“System Management Concepts:Operating System and Devices”( 英文);内容相当全面; 它和本人整理的另一个“UNIX-IBMAIX5L参考-命令参考大全.chm”可以说是本人...
  • fex-team.github.io.zip

    2019-07-19 09:06:32
    具体内容形式将包括但不限于: 技术介绍、经验总结 FEX 新开源项目及升级版本介绍 优秀文章的翻译 优秀资源(书籍、开源项目)等的推荐 内部分享的 PPT(推荐使用 Speaker Deck 存放) 另外,如果你对目前...
  • Toad 使用快速入门

    2008-11-27 15:22:14
    SQL编辑器中不仅包括标准的编辑命令,也包括一些增强的功能,如快速查询表中的字段、将SQL语句的内容格式化等等。这个窗口可以处理大到4GB 的内容,对大的开发项目来说非常有用。便捷的书签可以让开发人员非常容易地...
  • 计划应包括测试的内容、进度、条件、人员、测试用例的选取原则、测试结果允许的偏差范围等。  ◇ 测试分析报告:测试工作完成以后,应提交测试计划执行情况的说明,对测试结果加以分析,并提出测试的结论意见。 ...
  • 8.4.3 琐碎计划/自动参数化 347 8.4.4 限制 348 8.4.5 备注——有效地探索多项计划 349 8.5 统计信息、基数估计和开销 350 8.5.1 统计信息设计 351 8.5.2 密度/频度信息 353 8.5.3 筛选的统计信息 355...
  • 8.4.3 琐碎计划/自动参数化 347 8.4.4 限制 348 8.4.5 备注——有效地探索多项计划 349 8.5 统计信息、基数估计和开销 350 8.5.1 统计信息设计 351 8.5.2 密度/频度信息 353 8.5.3 筛选的统计信息 355...
  • 8.4.3 琐碎计划/自动参数化 347 8.4.4 限制 348 8.4.5 备注——有效地探索多项计划 349 8.5 统计信息、基数估计和开销 350 8.5.1 统计信息设计 351 8.5.2 密度/频度信息 353 8.5.3 筛选的统计信息 355...
  • 书中内容主要集中在大多数企业常见的问题之上,如安装和升级到oracle database 11g数据库软件、创建数据库、导出和导入数据、数据库的备份与恢复、性能调优,等等。  本书还提供了dba完成本职工作必备的基本的uniix...
  • 现代企业的基本内容包括:①现代企业产权制度。即公司产权制度,是产权明晰的企业制度,股东出资后,由公司法人支配财产权。②现代公司组织制度。即公司组织结构,明确集权和分权关系,权责界限明晰。③现代企业管理...
  • 五.Linux操作系统上有什么应用?.....................................................................................4 六.在那里可以找到讨论区?..........................................................
  • everything

    2010-04-25 17:05:20
    Everything:速度最快的文件搜索工具 转载善用佳软,本人用的时候...现在这类工具挺多,确实很有意义,估计微软用不了多久应该就会集成进windows了。 有没有用过的说说它和ava find比有什么优点? 2008-11-27 12:33:01
  • 软件工程教程

    2012-07-06 23:10:29
    问:开发内容包括什么? 答: 本项目从Android的声音处理入手,实现音乐功能,根据用户的兴趣,提高用户参与度。 问:有什么应用价值? 答: 本项目是一个能提高用户参与和娱乐程序的项目,具有一定的使用价值。 ...

空空如也

空空如也

1 2 3
收藏数 54
精华内容 21
关键字:

参数估计包括什么内容