“正态”查询结果_在线百科全书查询
国际安全度联合委员会（jcss）推荐使用的将非正态随机变量转换为正态变量的方法，所以又称作jc法。与非正态变量相应的当量正态化变量和原来在设计验算点处有相同的累积分布函数和概率密度函数。 详情>>
详情>>
别称混合正态分布又称混合高斯分布或混合常态分布。意义混合正态分布与基本正态分布或逆高斯分布不同，它的基本思想是:对每一个像素,定义K个状态,每个状态用一个高斯函数表示,这些状态一部分表示背景的像素值,其余部分则表示前景的像素值。 详情>>
normalvariates是一个随机变量，以概率取值，它的取值服从正态分布。 详情>>
有穷维分布都是正态分布的随机过程,又称高斯过程。就象一维正态分布被它的均值（见数学期望）和方差所确定一样,正态过程{x(t),t∈T}被它的均值函数m(t)=Ex(t)和协方差函数λ(s,t)=Ex(s)x(t)-m(s)m(t)所确定，其中λ(s，t)是对称非负定函数，即λ(s，t)=λ(t,s)，而且对任意的tj∈T及实数αj，1≤i≤n，有反之,对任给的有限实值函数m(t)和对称非负定函数λ 详情>>
正态河口（positiveestuary)河口的三大类型之一。这种一类型的河口，水面蒸发少于河川的排水和降水。该水域表面由大量淡水流向海洋，使密度较大的海水从底部进入后逐渐向上垂直混合。如珠江口、长江口、密西西比河口、亚马孙河口等。 详情>>
正态性检验简介三种检验方法(Anderson-Darling：Ryan-Joiner：Kolmogorov-Smirnov：)正态性检验简介生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，假设为H0：数据服从正态分布与H1：数据不服从正态分布图形中的垂直尺度类似于正态概率图中的垂直尺度。水平轴为线性尺度。此线形成数据所来自总体的累积分布函数的估计值。图中会显示总体参数的 详情>>
详情>>
词目：直方图正态化。英文：histogramnormalization。释文：使图像的直方图呈正态分布和近似正态分布。相当于高斯扩展。正态化使直方图中频率高处的反差即图像信息的主体得到增强,但又不像均衡化那样使反差扩展得非常强烈。正态分布的特征可用均值μ和标准差σ两个参数描述,μ确定了正态分布曲线的位置,决定了图像的总体亮度水平,σ控制了曲线变化的陡缓,决定了图像的总体反差水平。正态分布时图像值位 详情>>
standardnormaldistribution期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。标准正态分布曲线下面积分布规律是：在-1.96～＋1.96范围内曲线下的面积等于0.9500，在-2.58～＋2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（ 详情>>
定义主要特征作用评价((1)正态分布在测验评价中的功能。(2)过度追求正态分布的弊端。)用例案例(一分的道理)定义一种概率分布的特殊表现形式，在统计某次考试成绩分布规律的时候，将成绩按分数段制成如右图类似的统计图，如果成绩分布如右图所示，中等成绩占最多数，其余成绩以中等成绩为中轴，向两侧逐次降低，则称这次成绩呈正态分布。主要特征1、集中性：成绩分布的高峰位于正中央，即平均成绩所在的位置2、对称性： 详情>>
基本概念与几何平均值和几何标准差的关系对数正态分布（logarithmicnormaldistribution）：一个随机变量的对数服从正态分布，则该随机变量服从对数正态分布。在分析测试中，特别是在衡量分析中，在不少情况下，测定值不遵循正态分布，而是遵循对数正态分布。基本概念在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。如果X是服从正态分布的随机变量，则exp(X)服从 详情>>
简介论述简介非正态分布（abnormaldistribution）在通常的情况下，观测试验数据遵从正态分布，可用观测值的平均值和标准差分别描述它的集中趋势和离散特性。但在有些情况下，观测值不遵从正态分布，而遵从其他类型的分布，比如偏态分布。相对正态分布而言，将不遵从正态分布的其他类型的分布统称为非正态分布。论述1、在实际遇到的许多随机现象都服从或近似服从正态分布。在上一节课我们研究了当样本容量无限 详情>>
强制正态分布法也称为“强制分布法”、“硬性分配法”，该方法是根据正态分布原理，即俗称的“中间大、两头小”的分布规律，预先确定评价等级以及各等级在总数中所占的百分比，然后按照被考核者绩效的优劣程度将其列入其中某一等级。强制正态分布法的步骤强制正态分布法的使用强制正态分布法的步骤为了克服强制正态分布考评方法的缺陷，同时也将员工的个人激励与集体激励好地结合起来，可以使用团体考评制度以改进硬性分配的效果。 详情>>
正态分布（normaldistribution）又名高斯分布（Gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标 详情>>
又叫正态分布normaldistribution一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2)。服从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ 详情>>
正态性检验简介三种检验方法(Anderson-DarlingRyan-JoinerKolmogorov-Smirnov)残差正态性检验(残差直方图积累概率图)图书介绍1图书介绍2正态性检验简介生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，原假设为H0：数据服从正态分布；备择假设H1：数据不服从正态分布。图形中的垂直尺度类似于正态概率图中的垂直尺度。水平轴为线性尺度。此 详情>>
详情>>
别称混合正态分布又称混合高斯分布或混合常态分布。意义混合正态分布与基本正态分布或逆高斯分布不同，它的基本思想是:对每一个像素,定义K个状态,每个状态用一个高斯函数表示,这些状态一部分表示背景的像素值,其余部分则表示前景的像素值。 详情>>
normalvariates是一个随机变量，以概率取值，它的取值服从正态分布。 详情>>
有穷维分布都是正态分布的随机过程,又称高斯过程。就象一维正态分布被它的均值（见数学期望）和方差所确定一样,正态过程{x(t),t∈T}被它的均值函数m(t)=Ex(t)和协方差函数λ(s,t)=Ex(s)x(t)-m(s)m(t)所确定，其中λ(s，t)是对称非负定函数，即λ(s，t)=λ(t,s)，而且对任意的tj∈T及实数αj，1≤i≤n，有反之,对任给的有限实值函数m(t)和对称非负定函数λ 详情>>
正态河口（positiveestuary)河口的三大类型之一。这种一类型的河口，水面蒸发少于河川的排水和降水。该水域表面由大量淡水流向海洋，使密度较大的海水从底部进入后逐渐向上垂直混合。如珠江口、长江口、密西西比河口、亚马孙河口等。 详情>>
正态性检验简介三种检验方法(Anderson-Darling：Ryan-Joiner：Kolmogorov-Smirnov：)正态性检验简介生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，假设为H0：数据服从正态分布与H1：数据不服从正态分布图形中的垂直尺度类似于正态概率图中的垂直尺度。水平轴为线性尺度。此线形成数据所来自总体的累积分布函数的估计值。图中会显示总体参数的 详情>>
详情>>
词目：直方图正态化。英文：histogramnormalization。释文：使图像的直方图呈正态分布和近似正态分布。相当于高斯扩展。正态化使直方图中频率高处的反差即图像信息的主体得到增强,但又不像均衡化那样使反差扩展得非常强烈。正态分布的特征可用均值μ和标准差σ两个参数描述,μ确定了正态分布曲线的位置,决定了图像的总体亮度水平,σ控制了曲线变化的陡缓,决定了图像的总体反差水平。正态分布时图像值位 详情>>
standardnormaldistribution期望值μ=0，即曲线图象对称轴为Y轴，标准差σ=1条件下的正态分布，记为N(0，1)。标准正态分布又称为u分布，是以0为均数、以1为标准差的正态分布，记为N（0，1）。标准正态分布曲线下面积分布规律是：在-1.96～＋1.96范围内曲线下的面积等于0.9500，在-2.58～＋2.58范围内曲线下面积为0.9900。统计学家还制定了一张统计用表（ 详情>>
定义主要特征作用评价((1)正态分布在测验评价中的功能。(2)过度追求正态分布的弊端。)用例案例(一分的道理)定义一种概率分布的特殊表现形式，在统计某次考试成绩分布规律的时候，将成绩按分数段制成如右图类似的统计图，如果成绩分布如右图所示，中等成绩占最多数，其余成绩以中等成绩为中轴，向两侧逐次降低，则称这次成绩呈正态分布。主要特征1、集中性：成绩分布的高峰位于正中央，即平均成绩所在的位置2、对称性： 详情>>
基本概念与几何平均值和几何标准差的关系对数正态分布（logarithmicnormaldistribution）：一个随机变量的对数服从正态分布，则该随机变量服从对数正态分布。在分析测试中，特别是在衡量分析中，在不少情况下，测定值不遵循正态分布，而是遵循对数正态分布。基本概念在概率论与统计学中，对数正态分布是对数为正态分布的任意随机变量的概率分布。如果X是服从正态分布的随机变量，则exp(X)服从 详情>>
简介论述简介非正态分布（abnormaldistribution）在通常的情况下，观测试验数据遵从正态分布，可用观测值的平均值和标准差分别描述它的集中趋势和离散特性。但在有些情况下，观测值不遵从正态分布，而遵从其他类型的分布，比如偏态分布。相对正态分布而言，将不遵从正态分布的其他类型的分布统称为非正态分布。论述1、在实际遇到的许多随机现象都服从或近似服从正态分布。在上一节课我们研究了当样本容量无限 详情>>
强制正态分布法也称为“强制分布法”、“硬性分配法”，该方法是根据正态分布原理，即俗称的“中间大、两头小”的分布规律，预先确定评价等级以及各等级在总数中所占的百分比，然后按照被考核者绩效的优劣程度将其列入其中某一等级。强制正态分布法的步骤强制正态分布法的使用强制正态分布法的步骤为了克服强制正态分布考评方法的缺陷，同时也将员工的个人激励与集体激励好地结合起来，可以使用团体考评制度以改进硬性分配的效果。 详情>>
正态分布（normaldistribution）又名高斯分布（Gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标 详情>>
又叫正态分布normaldistribution一种概率分布。正态分布是具有两个参数μ和σ2的连续型随机变量的分布，第一参数μ是服从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2)。服从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。正态分布的密度函数的特点是：关于μ对称，在μ 详情>>
正态性检验简介三种检验方法(Anderson-DarlingRyan-JoinerKolmogorov-Smirnov)残差正态性检验(残差直方图积累概率图)图书介绍1图书介绍2正态性检验简介生成正态概率图并进行假设检验，以检查观测值是否服从正态分布。对于正态性检验，原假设为H0：数据服从正态分布；备择假设H1：数据不服从正态分布。图形中的垂直尺度类似于正态概率图中的垂直尺度。水平轴为线性尺度。此 详情>>
