巧选样本空间解决古典概型问题

对于古典概型问题,一般通过排列组合方法计算,但有的时候计算过于复杂。本文通过几个例题来说明选取合适的样本空间可以简便的解决问题,同时还对这两种方法作比较。     

基于动态贝叶斯网的时变样本空间无监督学习

提出了针对概率分布参数时变的样本空间的参数估计问题,由于一般的聚类和EM算法等参数估计方法是针对概率分布时不变的样本空间的问题所采用的。因此,对于概率分布时变的样本空间而言,这些方法均不能有效、准确地估计实时变化的样本参数。通过构建动态贝叶斯网,利用先验和后验的知识进行预测和滤波,结合贝叶斯增量式学习方法并充分利用了其学习所获得的样本空间概率模型变化演进的规律,这样可以较准确、平滑地学习实时概率模型及其分布参数。     

决策网络计划中决策单元结构及优化方法拓展

为解决决策网络计划中随机样本空间变化而产生的模型表达上的困难,提出经拓展能够描述多个样本空间的决策单元结构.将随机规划理论引入决策网络计划的优化中,建立了新的考虑期望成本与风险等综合因素的数学模型,并通过算例实现了对模型的求解.计算结果表明:经拓展后的决策单元结构及相应的优化模型能够更为有效地解决不同样本空间下的决策问题,具有较高的理论意义与实用价值.     

大学生由浅入深学习全概率公式的应用技巧

通过三道例题，由浅入深的剖析了全概率公式的内涵、引中与扩展，指出全概率为一种加权平均，“全”体现在“权重和为1”，并探讨和总结了全概率公式的扩展和应用技巧．     

有限记忆ISODATA算法在航迹关联中的研究

针对多传感器多目标航迹关联的特点,提出了将基于聚类分析的ISODATA算法应用于航迹关联的解决方法。将表征航迹特征的参量构成待分类的样本空间,利用ISODATA算法对来自不同传感器的航迹进行关联。构建了基于ISODATA算法的有限记忆关联模型,利用有限步的历史航迹状态数据,有效地解决了目标密集环境下的误关联问题。通过仿真研究说明了算法的有效性。     

利用等可能性来计算概率

本通过典型范例详细说明了如何利用等可能性来计算概率，此方法计算简单、迅速、直观、有趣。     

谈谈古典样本空间的选取

<正> 随着科学技术的发展,概率论与数理统计在众多的学科中得到越来越广泛的应用,然而,概率统计是研究随机现象统计规律性的,其处理问题的方法与其他数学学科很不一样。初学概率论的人便感到概率论难学,概率论的习题难解。本文试图通过概率论中一些较典型问题的解题过程的介绍,指出样本空间的选取在解题过程中的重要作用,希望能对学习概率论有所帮助。     

A NEW TEST PROCEDURE FOR NEW BETTER THAN USED IN INCREASING CONVEX ORDERING

A new nonparametric procedure is developed to test the exponentiality against the strict NBUC property of a life distribution. The exact null distribution is derived by the theory of sample spacings, and the asymptotic normality is also established by the large sample theory of L-statistics. Finally, the lower and upper tailed probability of the exact null distribution and some numerical simulation results are presented as well.     

AC聚类方法与层次聚类方法的比较研究

介绍了AC聚类算法原理,并通过比较AC聚类算法和层次聚类方法在算法假设、算法过程方面的差别,显示了AC聚类算法在复杂系统聚类方面的优越性,指出AC聚类算法是研究复杂问题的有效方法.     

Solution and innovation of classical probability＇s problems

在古典概率问题的计算过程中,适当选取样本空间、利用概率的对称性及数形结合使问题的求解变得简单而又直观。