简介:位场边界检测在位场数据处理中占有重要的地位,大多数的检测方法都是基于位场的梯度计算,因此算法易受干扰、稳定性较低。本文基于数理统计理论,不需要进行位场梯度计算,提出了利用各方向均方差相关系数进行位场边界检测,并且对算法及其合理性进行了详细的阐述与分析。在模型试验中,分别做了单一模型、组合模型以及加入随机噪声的组合模型试验,验证了方法的可靠性,并进一步与其它边界识别方法作了比较。各方向均方差相关系数法的特点为:算法简单稳定,结果辨识度较高,能同时对不同埋深的地质体边界都有较好的检测效果,能较好地保留边界形态,对噪声敏感度较低。最后将方法应用于老挝万象附近某地实测布格重力异常的处理中,利用研究区遥感解译的构造格架作为佐证,说明了各方向均方差相关系数法在实际应用中的可行性,为进一步判读区内构造展布提供了依据。
简介:一、启发提问1.什么叫总体平均数?什么叫样本平均数?2.甲乙两名战士在同样条件下练习射击,每人打5枪所得环数分别是:甲:6、8、9、9、8 乙:10、7、7、7、9怎样判断他们的射击技术谁比较稳定.3.什么是方差?什么是标准差?4.怎样计算一组数据的方差?二、读书自学 教材P167-P175三、启读指导1.方差是各数据与它们的平均数的差的平方的.2.设一组数据x1、x2…xn.它们的平均数为x,方差为S2,则计算方差的公式为S2=.3.方差是衡量一组数据波动大小的量,一组数据的方差越大、则这组数的波动.4.启发提问(2)中战士甲这组数据的方差S2甲=,战士乙这组数据的方差S2乙=.射击技术比
简介:多个样本均数比较的方差分析,是数值变量资料统计推断的一个重要内容,其中应用最多的是单因素方差分析与双因素方差分析.就方差分析的基本思想而言,是将所有观察值的总变异按设计与研究的目的分解为两个或更多个部分.例如,单因素方差分析将总变异SS总分解为SS组内与SS组间,而双因素方差分析是将总变异SS总/分解为SS处理、SS区组与SS误差[1].以上不同来源变异的计算,如果利用目前各类教科书与参考书提供的计算公式,都离不开原始数值.当资料不提供原始数值,只给出各组的均数i、标准差si及样本例数ni时,上述不同来源的变异无法计算,方差分析便不能进行.尤其是医学期刊论文中,往往只提供各组的均数i、标准差si和样本例数ni,若要对方差分析的结论进行验证,现有的公式显然不能满足这个要求.本文通过标准差与离均差平方和之间的关系,导出一套利用均数、标准差及样本例数进行多个样本均数比数的方差分析F值的计算公式,不仅计算简单,而且易于理解.
简介:认知诊断模型中,项目参数的方差-协方差矩阵具有很重要的作用。作为一种非参数化的方差-协方差矩阵估计方法,Bootstrap法的一个主要优势在于它不需要解析推导。比较认知诊断模型中基于解析法的经验交叉相乘信息矩阵、观察信息矩阵和三明治协方差矩阵法,与Bootstrap法在估计项目参数标准误时的表现,模拟结果显示,认知诊断模型及Q矩阵正确设定或是模型中错误设定较少时,解析法的表现优于Bootstrap法,只有在样本量N=5000的条件下,Bootstrap法的表现才基本与解析法接近;当模型中错误设定较多时,Bootstrap法也没有表现出明显的稳健性。因此,在认知诊断模型中,推荐使用基于解析法的方差-协方差矩阵估计方法,尤其是三明治协方差矩阵法;当没有现成的基于解析法的方差-协方差矩阵估计方法可用时,Bootstrap法可以作为一种粗略的估计方法使用,尤其是在样本量较小的情况下。