摘要： 區(qū)別:①資料要求不同:直線相關(guān)分析要求兩個(gè)變量都是正態(tài)分布;回歸分析要求因變量Y服從正態(tài)分布,而自變量X是能精確測(cè)量和嚴(yán)格控制的變量。②統(tǒng)計(jì)意義不同:直線相關(guān)分析反映兩變量間的伴隨關(guān)系,這種關(guān)系是相互的、對(duì)等的,不一定有因果關(guān)系;回歸則分析反映兩變量間的依存關(guān)系,一般將“因”或較易測(cè)定、變異較小者定為自變量,這種依存關(guān)系可能是因果關(guān)系或從屬關(guān)系。③分析目不同:直線相關(guān)分析的目的是把兩變量間直線關(guān)系的密切程度及方向用一統(tǒng)計(jì)指標(biāo)表示出來(lái);回歸分析的目的則是把自變量與應(yīng)變量間的關(guān)系用函數(shù)公式定量表達(dá)出來(lái),回歸分析不僅可以揭示X對(duì)Y的影響大小,還可以由回歸方程進(jìn)行數(shù)量上的預(yù)測(cè)和控制。④變量的意義不同:在回歸分析中,因變量Y處在被解釋的特殊地位;在直線相關(guān)分析中,X與Y處于平等的地位。在直線相關(guān)分析中,X與Y都是隨機(jī)變量;在回歸分析中,Y是隨機(jī)變量,X可以是隨機(jī)變量,也可以是非隨機(jī)的,通常在回歸模型中,總是假定X是非隨機(jī)的。

摘要： 混凝土結(jié)構(gòu)在自然環(huán)境、使用環(huán)境和材料內(nèi)部因素的共同作用下,在規(guī)定的時(shí)間內(nèi)、規(guī)定的條件下完成預(yù)定功能的能力不斷降低,即混凝土結(jié)構(gòu)可靠度降低。本文以混凝土結(jié)構(gòu)為例,探討了混凝土強(qiáng)度退化、隨機(jī)變量相關(guān)系數(shù)、非正態(tài)隨機(jī)變量等因素對(duì)可靠度指標(biāo)的影響。

摘要： 高考命題的題型正逐步走向規(guī)范化、科學(xué)化,這就需要教師多方位、多角度挖掘形式多樣的問題.對(duì)于中學(xué)生如何學(xué)習(xí)離散型隨機(jī)變量問題,關(guān)鍵是需要把握公式,掌握解題方法,并需要注意公式的正確應(yīng)用,特別要分清楚哪種類型,這樣才能在解決離散型隨機(jī)變量問題中得心應(yīng)手.

摘要： 概率論與數(shù)理統(tǒng)計(jì)作為一門極具實(shí)用價(jià)值的學(xué)科,在經(jīng)濟(jì)生活中的應(yīng)用涉及方方面面。文章通過具體闡述常用的離散分布、連續(xù)分布在庫(kù)存問題、生產(chǎn)設(shè)備問題及經(jīng)濟(jì)利潤(rùn)問題上的應(yīng)用,來(lái)討論概率論與數(shù)理統(tǒng)計(jì)對(duì)于現(xiàn)代經(jīng)濟(jì)的重要作用。

摘要： 隨機(jī)過程是揭示和探討客觀世界動(dòng)態(tài)隨機(jī)現(xiàn)象數(shù)量關(guān)系及其變化規(guī)律的應(yīng)用數(shù)學(xué)理論。文章分析隨機(jī)過程理論在研究質(zhì)點(diǎn)隨機(jī)運(yùn)動(dòng)時(shí),將質(zhì)點(diǎn)位移與時(shí)間之間的數(shù)量關(guān)系抽象為隨機(jī)變量,并用描述大量重復(fù)試驗(yàn)中隨機(jī)事件發(fā)生可能性的概率來(lái)度量隨機(jī)游走每一步向右或向左的可能性大小,以及將隨機(jī)過程樣本函數(shù)當(dāng)作隨機(jī)變量等基本概念錯(cuò)誤。隨機(jī)過程理論中出現(xiàn)的基本概念錯(cuò)誤不僅導(dǎo)致隨機(jī)過程樣本軌道研究對(duì)象發(fā)生錯(cuò)位,而且也為自然科學(xué)、工程技術(shù)和社會(huì)科學(xué)提供錯(cuò)誤的理論、方法及工具。

摘要： 隨著電力系統(tǒng)中不確定量日益復(fù)雜,同時(shí)存在的隨機(jī)與區(qū)間變量使得采用概率或區(qū)間潮流計(jì)算難以準(zhǔn)確獲取系統(tǒng)的運(yùn)行狀態(tài)。為此,提出一種基于雙層代理模型的概率-區(qū)間潮流計(jì)算方法。該方法僅需較少次數(shù)的確定性潮流計(jì)算便可實(shí)現(xiàn)上、下層代理模型的構(gòu)建,進(jìn)而通過代理模型求解概率-區(qū)間潮流常規(guī)求解方法中所需要的大量確定性潮流計(jì)算,可實(shí)現(xiàn)輸出變量的快速獲取。此外,該文還提出了用于描述輸出變量特征的靈敏度指標(biāo),并結(jié)合所提出的雙層代理模型開展靈敏度分析,以量化輸入?yún)^(qū)間變量對(duì)輸出變量的影響程度。在IEEE 118節(jié)點(diǎn)系統(tǒng)中進(jìn)行算例分析,通過與已有方法對(duì)比驗(yàn)證了所提方法的精確性和快速性,借助靈敏度分析可識(shí)別對(duì)輸出變量具有顯著影響的關(guān)鍵區(qū)間變量,有助于揭示系統(tǒng)運(yùn)行狀態(tài)與區(qū)間變量之間的關(guān)系。

摘要： 為了檢驗(yàn)基于干濕期的天氣發(fā)生器(Weather Generator based on Dry and Wet Spells,WGDWS)在中國(guó)不同氣候區(qū)的應(yīng)用效果,該研究利用中國(guó)五大主要?dú)夂騾^(qū)16個(gè)站點(diǎn)57a的逐日天氣數(shù)據(jù),通過對(duì)比生成與實(shí)測(cè)氣象要素統(tǒng)計(jì)值,及比較WGDWS與隨機(jī)天氣模擬器(Daily Weather Stochastic Simulator,DWSS)生成的氣象要素統(tǒng)計(jì)值,測(cè)試WGDWS的可用性和準(zhǔn)確性。顯著性檢驗(yàn)表明,WGDWS產(chǎn)生的每個(gè)氣象要素的月值和干濕期長(zhǎng)度與實(shí)測(cè)值相比沒有顯著差異。月最高、最低氣溫絕對(duì)誤差≤0.5°C的站點(diǎn)比例分別達(dá)93.8%和96.4%,月降水日數(shù)絕對(duì)誤差≤1d的站點(diǎn)比例達(dá)95.8%,月降水量絕對(duì)誤差有91.7%的站點(diǎn)在10mm之內(nèi),月太陽(yáng)總輻射絕對(duì)誤差2MJ/m^(2)以內(nèi)的站點(diǎn)比例達(dá)90.1%;月最長(zhǎng)干期、最長(zhǎng)濕期、平均干期、平均濕期的平均絕對(duì)誤差分別為4.16、0.76、1.00、0.15d。WGDWS在溫帶季風(fēng)和亞熱帶季風(fēng)氣候下的干濕期模擬效果優(yōu)于溫帶大陸氣候和熱帶季風(fēng)氣候。比較WGDWS和DWSS生成的逐日模擬序列的誤差分布,月最高氣溫、月最低氣溫和月總太陽(yáng)輻射的誤差分布高度一致。WGDWS對(duì)月降水日數(shù)的模擬效果優(yōu)于DWSS,即等概率條件下,WGDWS相對(duì)誤差更小,而DWSS對(duì)月降水量的模擬效果優(yōu)于WGDWS。因此,WGDWS能夠準(zhǔn)確反映長(zhǎng)期干旱或長(zhǎng)期陰雨天氣的實(shí)際情況,可用于生成長(zhǎng)序列逐日天氣數(shù)據(jù),以滿足氣候模型、水分模型和作物生理模型的需求。

摘要： 當(dāng)隨機(jī)變量序列的數(shù)學(xué)期望與n^(α)的比值的上下極限屬于某一區(qū)間時(shí),得到了隨機(jī)變量序列與nα的比值的上下極限也幾乎處處屬于該區(qū)間,然后將其應(yīng)用到部分和序列,最后得到獨(dú)立的有界且數(shù)學(xué)期望為零的隨機(jī)變量序列的部分和與n^(α)的比值的極限幾乎處處為零.

摘要： 二項(xiàng)式定理是乘法公式的推廣,是排列組合的應(yīng)用,也是學(xué)習(xí)隨機(jī)變量及其分布的基礎(chǔ).高考中二項(xiàng)式定理的考查多以選擇題和填空題的形式出現(xiàn),難度基礎(chǔ)或中等,主要體現(xiàn)在以下四個(gè)方面:1)應(yīng)用通項(xiàng)公式;2)應(yīng)用二項(xiàng)式系數(shù)的性質(zhì);3)應(yīng)用二項(xiàng)式定理;4)應(yīng)用轉(zhuǎn)化與化歸思想.

摘要： 在隨機(jī)變量及分布列的學(xué)習(xí)中,學(xué)生對(duì)概念理解不透、審題不嚴(yán)、考慮不周以及忽視公式成立的條件等,導(dǎo)致求解中出現(xiàn)“多解”或“漏解”等失誤.本文對(duì)常見的易錯(cuò)、易混、易忘的典型問題歸類整理,并進(jìn)行錯(cuò)解剖析和警示展示,希望對(duì)學(xué)生的學(xué)習(xí)有所幫助.

摘要： 蒙特卡羅模擬有時(shí)需要對(duì)相關(guān)隨機(jī)變量進(jìn)行模擬抽樣.本文介紹基于Choesky因子線性變換-非線性變換產(chǎn)生指定邊緣分布和相關(guān)系數(shù)的相關(guān)隨機(jī)變量抽樣序列的一般方法,給出一種簡(jiǎn)單易行的高效數(shù)值實(shí)現(xiàn)途徑和一些模擬結(jié)果.模擬結(jié)果表明,該方法產(chǎn)生的隨機(jī)變量抽樣序列具有預(yù)期要求的相關(guān)性,并能通過指定邊緣分布Kolmogorov_Smirnov非參數(shù)假設(shè)檢驗(yàn).對(duì)該方法應(yīng)用中的一些限制問題進(jìn)行了討論.

摘要： 在經(jīng)典的概率論中,中心極限定理是一個(gè)非常重要的結(jié)果,在統(tǒng)計(jì)中它有很多的應(yīng)用.中心極限定理主要研究隨機(jī)變量序列的部分和的極限分布,它給出了隨機(jī)變量序列趨近十正態(tài)分布的很多種方法,因此是數(shù)理統(tǒng)計(jì)和誤差分析的理論基礎(chǔ).經(jīng)典的定理證明需要借助于特征函數(shù).但是,在非線性情形,特征函數(shù)的定義還不明確,因此中心極限定理的證明變得非常復(fù)雜.不過,很多種非線性概率與線性概率有很多的聯(lián)系.通過這種聯(lián)系我們可以研究非線性概率的性質(zhì).完全共單調(diào)容度是經(jīng)濟(jì)和金融中應(yīng)用非常多的一種容度,Choquet給出了其與經(jīng)典的概率的聯(lián)系.本文證明了在完全l單調(diào)的容度下,獨(dú)立同分布的隨機(jī)變量的部分和也有類似經(jīng)典的中心極限定理的結(jié)果.

摘要： 本文主要針對(duì)強(qiáng)度和應(yīng)力之一為隨機(jī)變量,另一個(gè)為模糊變量的情況,提出將模糊變量通過模糊集合截集轉(zhuǎn)換為區(qū)間數(shù),并假定強(qiáng)度或應(yīng)力在此區(qū)間取各個(gè)值的可能性正比于相應(yīng)的隸屬函數(shù)值,這樣就可將結(jié)構(gòu)模糊事件的概率問題即轉(zhuǎn)化為相應(yīng)的普通事件概率問題進(jìn)行計(jì)算.

摘要： 為有效分析大規(guī)模間歇性能源以及柔性負(fù)荷自主響應(yīng)聚合的不確定性,本文提出了一種計(jì)及響應(yīng)相關(guān)性的動(dòng)態(tài)概率潮流模型.將動(dòng)態(tài)潮流思想引入半不變量概率潮流,研究系統(tǒng)不平衡功率的分配方法.結(jié)合實(shí)際運(yùn)行中存在一個(gè)或多個(gè)隨機(jī)變量是引起其他變量產(chǎn)生隨機(jī)性的原因的情況,研究響應(yīng)量與隨機(jī)量間的響應(yīng)相關(guān)性并對(duì)潮流模型進(jìn)行修正.以某實(shí)際電網(wǎng)為例,分析驗(yàn)證了所提模型和方法的有效性.

摘要： 電力系統(tǒng)中含有大量隨機(jī)電源、隨機(jī)負(fù)荷等隨機(jī)變量,對(duì)于這些隨機(jī)因素的簡(jiǎn)化分析是目前電力系統(tǒng)分析中的一個(gè)重要問題.針對(duì)系統(tǒng)中含有多隨機(jī)變量的問題,提出了采用主成分分析對(duì)多電源提取有效的主成分來(lái)進(jìn)行等值,結(jié)合REI等值對(duì)網(wǎng)絡(luò)進(jìn)行化簡(jiǎn)的方法.算例分析中運(yùn)用了主成分分析方法進(jìn)行了多臺(tái)風(fēng)力發(fā)電機(jī)的主成分提取,將提出的主成分看成虛擬的等效風(fēng)力發(fā)電機(jī)來(lái)替換原有的多臺(tái)風(fēng)電機(jī)組,實(shí)現(xiàn)了有效地簡(jiǎn)化替換,降低了系統(tǒng)分析的復(fù)雜性.

摘要： 基于三維五向編織復(fù)合材料細(xì)觀結(jié)構(gòu)模型建立有限元模型.將纖維性能、基體性能以及內(nèi)部編織角作為隨機(jī)變量,采用蒙特卡洛隨機(jī)有限元法和單一變量法分析了各類隨機(jī)變量對(duì)三維五向編織復(fù)合材料彈性性能分散性的影響,并研究了各彈性性能的分散系數(shù)隨編織角度的變化規(guī)律.結(jié)果表明:各類隨機(jī)參數(shù)對(duì)三維五向編織復(fù)合材料彈性性能分散性影響程度不同,隨機(jī)纖維性能對(duì)縱向性能分散性影響較大,隨機(jī)基體性能對(duì)橫向性能分散性影響較大;纖維和基體性能分散性造成的材料彈性性能分散性隨編織角度的變化平緩,而編織角度分散性造成的材料彈性性能分散性隨編織角度變化劇烈.

摘要： 疲勞失效通常是原始損傷通過從微觀到宏觀的跨尺度串行發(fā)展而誘發(fā)災(zāi)變的過程.其中,裂紋萌生是結(jié)構(gòu)疲勞損傷演化的重要階段,在高周疲勞中可占總壽命的90％以上.基于Tanaka-Mura微裂紋形核機(jī)制,運(yùn)用多晶體連續(xù)分布位錯(cuò)理論和金相體視學(xué)原理,對(duì)恒幅交變載荷下無(wú)織構(gòu)多晶體金屬表面疲勞裂紋形核過程中起重要作用的細(xì)觀隨機(jī)變量進(jìn)行概率分析,闡述了晶粒尺寸、晶粒取向歐拉角等細(xì)觀隨機(jī)變量對(duì)位錯(cuò)滑移方向分解切應(yīng)力不確定性的影響,為多晶體金屬結(jié)構(gòu)件的疲勞可靠性評(píng)估和抗疲勞概率設(shè)計(jì)開辟精細(xì)化分析的新途徑.

摘要： 利用MSC虛擬制造技術(shù)，綜合運(yùn)用MSC．PATRAN、MSC．NASTRAN和MSC．ADAMS系列軟件結(jié)合NESSUS對(duì)四連桿機(jī)構(gòu)的強(qiáng)度可靠性進(jìn)行了數(shù)值分析。首先通過參數(shù)化柔性四連桿機(jī)構(gòu)建模、確定四連桿機(jī)構(gòu)隨機(jī)變量的分布類型，然后完成四連桿機(jī)構(gòu)運(yùn)動(dòng)過程中的強(qiáng)度分析，最后采用蒙特卡洛方法對(duì)系統(tǒng)進(jìn)行結(jié)構(gòu)可靠性數(shù)值分析并優(yōu)化設(shè)計(jì)。結(jié)果表明該方法可以對(duì)類似機(jī)構(gòu)進(jìn)行可靠性數(shù)值分析，在對(duì)影響系統(tǒng)可靠性的關(guān)鍵變量進(jìn)行優(yōu)化后，能夠大大提高系統(tǒng)的可靠度。

摘要： 馬爾可夫跳變線性系統(tǒng)是控制系統(tǒng)研究中的一種常見模型。由于馬爾可夫跳變線性系統(tǒng)可視為一類特殊的切換系統(tǒng)，因而可以考慮將切換系統(tǒng)鎮(zhèn)定的一種重要方法——平均駐留時(shí)間方法引入到馬爾可夫跳變線性系統(tǒng)的隨機(jī)鎮(zhèn)定研究中。此問題的首要難點(diǎn)是如何利用馬爾可夫轉(zhuǎn)移概率矩陣估算馬爾可夫鏈各模態(tài)的平均駐留時(shí)間。本文基于獨(dú)立隨機(jī)變量聯(lián)合分布的性質(zhì)，給出了一個(gè)估算平均駐留時(shí)間期望的方法，并通過仿真例子驗(yàn)證了文中結(jié)果的正確性。

摘要： 從混沌動(dòng)力學(xué)來(lái)說(shuō)明研究大氣不可預(yù)報(bào)性的必要性及其客觀存在性.業(yè)務(wù)天氣預(yù)報(bào)和氣候預(yù)測(cè)中,報(bào)不準(zhǔn)是常有的事,其中就包含了大氣的不可預(yù)報(bào)性.本文藉助離散數(shù)學(xué)定義了躊躇度和可預(yù)數(shù).由此可以研究不同預(yù)報(bào)對(duì)象的可預(yù)報(bào)性和不可預(yù)報(bào)性,兩者間的關(guān)系,并進(jìn)行比較.指出求取大氣可預(yù)報(bào)性和不可預(yù)報(bào)性的途徑,著重說(shuō)明了途徑之一的經(jīng)驗(yàn)評(píng)估法.

摘要： 本文公開了一種方法和系統(tǒng)。該方法包括開發(fā)具有第一變量、第二變量和表示第一變量與第二變量之間的共同信息的聯(lián)合隱變量的聯(lián)合隱變量模型；生成該聯(lián)合隱變量模型的變分后驗(yàn)；訓(xùn)練該變分后驗(yàn)；以及基于該變分后驗(yàn)從第二變量執(zhí)行第一變量的推斷。

摘要： 本發(fā)明公開了一種考慮含相關(guān)性高維隨機(jī)變量的混聯(lián)電網(wǎng)概率潮流計(jì)算方法，包括根據(jù)混聯(lián)電網(wǎng)中隨機(jī)變量的歷史數(shù)據(jù)，確定其概率分布類型及參數(shù)，并計(jì)算出隨機(jī)變量之間的相關(guān)矩陣RX；將服從任意分布的隨機(jī)變量變換至標(biāo)準(zhǔn)高斯分布域，并由隨機(jī)變量之間的相關(guān)矩陣RX計(jì)算出標(biāo)準(zhǔn)高斯分布間的相關(guān)矩陣RZ；基于相關(guān)矩陣RZ，計(jì)算標(biāo)準(zhǔn)高斯分布間的協(xié)方差矩陣PZZ；確定STUT算法在處理服從標(biāo)準(zhǔn)高斯分布的隨機(jī)變量時(shí)的比例伸縮系數(shù)α；在標(biāo)準(zhǔn)高斯分布域上選取樣本點(diǎn)Z；將樣本點(diǎn)Z逆變換至多維任意分布域；將多維任意分布域上的2n+1組樣本點(diǎn)作為輸入量逐組進(jìn)行混聯(lián)電網(wǎng)確定性潮流計(jì)算。提高電網(wǎng)運(yùn)行的可靠性和安全性。

摘要： 本發(fā)明公開了一種含高維隨機(jī)變量的交直流混聯(lián)電網(wǎng)運(yùn)行風(fēng)險(xiǎn)評(píng)估算法，為包含高比例間歇性可再生能源以及負(fù)荷的節(jié)點(diǎn)功率隨機(jī)波動(dòng)下交直流混聯(lián)電網(wǎng)的運(yùn)行風(fēng)險(xiǎn)評(píng)估提供分析計(jì)算方法，該算法考慮隨機(jī)時(shí)序性對(duì)風(fēng)、光間歇性可再生能源和負(fù)荷這些電網(wǎng)運(yùn)行中的節(jié)點(diǎn)注入功率的隨機(jī)特性進(jìn)行建模，基于隨機(jī)空間譜逼近方法來(lái)進(jìn)行交直流混聯(lián)電網(wǎng)概率潮流建模和計(jì)算，描述隨機(jī)輸入下電網(wǎng)運(yùn)行狀態(tài)的隨機(jī)性，完成節(jié)點(diǎn)電壓越限風(fēng)險(xiǎn)和支路潮流越限風(fēng)險(xiǎn)的指標(biāo)評(píng)估，該算法能夠?qū)Ω呔S隨機(jī)因素影響下交直流混聯(lián)電網(wǎng)運(yùn)行所面臨的風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確評(píng)估，算法計(jì)算效率高，并為交直流混聯(lián)電網(wǎng)的調(diào)度決策分析提供重要依據(jù)。

摘要： 一種離散型隨機(jī)變量演示裝置，屬于數(shù)學(xué)教學(xué)用器具領(lǐng)域。包括外殼、兩個(gè)計(jì)數(shù)裝置、活動(dòng)裝置和固定裝置；所述外殼的內(nèi)部底端設(shè)有活動(dòng)裝置；所述固定裝置固定連接在外殼的內(nèi)部，且固定裝置位于活動(dòng)裝置上端；所述兩個(gè)計(jì)數(shù)裝置固定連接在外殼的內(nèi)壁上。不僅可以拋硬幣時(shí)保證拋出的力度相同，而且可以對(duì)硬幣正反面朝上的次數(shù)分別計(jì)數(shù)，方便觀察最后結(jié)果，并且本裝置可以僅使一個(gè)工人人員即可完成，節(jié)約人力。

摘要： 本發(fā)明提供了一種計(jì)及多種隨機(jī)變量的儲(chǔ)能設(shè)備優(yōu)化方法，通過充分考慮到可再生能源發(fā)電以及負(fù)荷用電的隨機(jī)不確定性，構(gòu)建耦合Markov模型；基于耦合Markov模型中的各個(gè)模態(tài)構(gòu)建數(shù)據(jù)序列，以此來(lái)刻畫所有隨機(jī)變量的組合變化情況。在此基礎(chǔ)上，通過構(gòu)建儲(chǔ)能設(shè)備優(yōu)化配置模型進(jìn)行優(yōu)化求解，得出儲(chǔ)能優(yōu)化方案。為儲(chǔ)能設(shè)備的優(yōu)化配置提供了有效了理論基礎(chǔ)和參考依據(jù)。

摘要： 一種用于操作神經(jīng)網(wǎng)絡(luò)的系統(tǒng)和方法。在一些實(shí)施例中，神經(jīng)網(wǎng)絡(luò)包括變分自編碼器，并且訓(xùn)練神經(jīng)網(wǎng)絡(luò)包括用第一隨機(jī)變量的多個(gè)樣本以及第二隨機(jī)變量的多個(gè)樣本來(lái)訓(xùn)練變分自編碼器，第一隨機(jī)變量的多個(gè)樣本和第二隨機(jī)變量的多個(gè)樣本不成對(duì)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)包括基于第一損失函數(shù)來(lái)更新神經(jīng)網(wǎng)絡(luò)中的權(quán)重，第一損失函數(shù)基于與以下之間的一致性的偏差的度量：從第一隨機(jī)變量到第二隨機(jī)變量的條件生成路徑，以及從第二隨機(jī)變量到第一隨機(jī)變量的條件生成路徑。

摘要： 本發(fā)明屬于電力系統(tǒng)運(yùn)行分析領(lǐng)域，公開了一種電力系統(tǒng)隨機(jī)變量概率分析方法、系統(tǒng)、設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：根據(jù)概率分析方法，將電力系統(tǒng)實(shí)際應(yīng)用樣本生成獨(dú)立的標(biāo)準(zhǔn)正態(tài)分布樣本；將標(biāo)準(zhǔn)正態(tài)分布樣本輸入基于預(yù)先構(gòu)建的概率模型中的標(biāo)準(zhǔn)正態(tài)分布變量的相關(guān)系數(shù)矩陣，獲取具有相關(guān)性的標(biāo)準(zhǔn)正態(tài)分布變量的隨機(jī)樣本；根據(jù)Nataf變換，將所述標(biāo)準(zhǔn)正態(tài)分布變量的隨機(jī)樣本轉(zhuǎn)換為原始分布域隨機(jī)樣本；將所述原始分布域隨機(jī)樣本帶入電力系統(tǒng)確定性計(jì)算模型進(jìn)行計(jì)算，得到所需要的輸出變量的輸出結(jié)果；根據(jù)概率分析方法對(duì)輸出變量結(jié)果進(jìn)行分析，獲取輸出變量的概率信息。該方法為電力系統(tǒng)穩(wěn)定、經(jīng)濟(jì)、安全、可靠的運(yùn)行提供了技術(shù)支撐。

摘要： 本發(fā)明提供了一種高中數(shù)學(xué)教學(xué)用隨機(jī)變量實(shí)驗(yàn)箱，屬于教學(xué)教具技術(shù)領(lǐng)域，它解決了現(xiàn)有對(duì)實(shí)驗(yàn)球擾動(dòng)效果差，不能適應(yīng)不同環(huán)境的工作等技術(shù)問題。本高中數(shù)學(xué)教學(xué)用隨機(jī)變量實(shí)驗(yàn)箱，包括箱體，箱體上設(shè)置有進(jìn)料斗，箱體的下端開設(shè)有下料通道，下料通道的下方放置有透明收集盒，箱體上端固定有螺紋驅(qū)動(dòng)座，螺紋驅(qū)動(dòng)座內(nèi)螺紋連接有螺紋桿，箱體的上端設(shè)置有升降機(jī)構(gòu)，升降機(jī)構(gòu)的上端設(shè)置有升降板，升降板的下側(cè)與螺紋桿上端旋轉(zhuǎn)連接，螺紋桿的下端伸進(jìn)箱體內(nèi)并固定有攪拌柱，攪拌柱的外側(cè)設(shè)置有若干攪拌組件。本發(fā)明具有提高對(duì)實(shí)驗(yàn)球的攪動(dòng)效果，從而提高試驗(yàn)球的抽取的隨機(jī)性，并且可以根據(jù)工作環(huán)境的不同，改變裝置工作的狀態(tài)的優(yōu)點(diǎn)。

摘要： 本申請(qǐng)公開了一種基于隨機(jī)變量教學(xué)的教學(xué)工具，包括：外箱體；第一教學(xué)裝置，設(shè)置于外箱體內(nèi)，用于進(jìn)行隨機(jī)變量模擬實(shí)驗(yàn)；還包括第二教學(xué)裝置,設(shè)置于外箱體內(nèi)，用于進(jìn)行正態(tài)分布模擬實(shí)驗(yàn)；其中，第二教學(xué)裝置包括:第二箱體；第二儲(chǔ)存箱，設(shè)置于第二箱體的頂部，用于存儲(chǔ)實(shí)驗(yàn)球，其底部開設(shè)有導(dǎo)球口；導(dǎo)球桿組，設(shè)置于第二箱體內(nèi)，且位于導(dǎo)球口的正下方，導(dǎo)球桿組由若干根沿水平方向以及豎直方向等距均勻分布的導(dǎo)球桿組成；隔球板，設(shè)置于第二箱體的底部，將第二箱體的下方區(qū)域分割成多個(gè)同等的空間，該空間形成儲(chǔ)球槽，各儲(chǔ)球槽與所述導(dǎo)球桿組最下層的相鄰的導(dǎo)球桿之間的間隙一一對(duì)應(yīng)，用于存儲(chǔ)從導(dǎo)球桿組上落下的實(shí)驗(yàn)球。

摘要： 本實(shí)用新型公開了一種隨機(jī)變量教學(xué)用的實(shí)驗(yàn)裝置，包括側(cè)壁開設(shè)有進(jìn)球口的實(shí)驗(yàn)箱，所述實(shí)驗(yàn)箱內(nèi)橫向設(shè)置有抽拉插板，所述實(shí)驗(yàn)箱自上而下被抽拉插板分隔成混合腔和收集腔，所述收集腔底部設(shè)有兩個(gè)對(duì)稱放置的收球斗，所述收球斗底部開有僅供單個(gè)球體通過的收球口，所述收球口下方通過螺紋連接有收球筒，多個(gè)球體上下堆疊在收球筒內(nèi),兩個(gè)所述收球斗之間橫向設(shè)置有防架橋機(jī)構(gòu)，所述防架橋機(jī)構(gòu)包括設(shè)置在兩個(gè)收球斗之間的雙向旋轉(zhuǎn)電機(jī)，雙向旋轉(zhuǎn)電機(jī)的兩端均連接有攪拌軸，兩個(gè)所述攪拌軸位于收球口正上方的端部設(shè)有多根攪拌桿，解決了部分隨機(jī)變量教學(xué)用的實(shí)驗(yàn)裝置在實(shí)驗(yàn)通常是將小球堆放在收納盒中，不便于對(duì)實(shí)驗(yàn)結(jié)果的直接觀察的問題。