注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. Minitab15 中文教程

  2. Minitab软件，现代质量管理统计的领先者，自1972年创，是为质量改善、教育和研究应用领域提供统计软件和服务的先导。是一个很好的质量管理和质量设计的工具软件，更是持续质量改进的良好工具软件。 MINITAB 统计软件为质量改善和概率应用提供准确和易用的工具。MINITAB 被许多世界一流的公司所采用，包括通用电器、福特汽车、通用汽车、3M、霍尼韦尔、LG、东芝、诺基亚、以及 Six Sigma 顾问公司。作为统计学入门教育方面技术领先的软件包，MINITAB 也被 4,000 多所高等院校

  3. 所属分类：金融

    • 发布日期：2011-11-20
    • 文件大小：3mb
    • 提供者：sucyin

  1. 灰色系统理论及其应用

  2. 灰色系统理论提出了一种新的分析方法—关联度分析方法，即根据因素之间发展 态势的相似或相异程度来衡量因素间关联的程度，它揭示了事物动态关联的特征与程 度。由于以发展态势为立足点，因此对样本量的多少没有过分的要求，也不需要典型的 分布规律，计算量少到甚至可用手算，且不致出现关联度的量化结果与定性分析不一致 的情况。这种方法已应用到农业经济、水利、宏观经济等各方面，都取得了较好的效果。

  3. 所属分类：IT管理

    • 发布日期：2012-11-24
    • 文件大小：346kb
    • 提供者：ywc689

  1. power V3.0

  2. 样本量计算工具，可用于多种流行病学研究设计样本量的计算

  3. 所属分类：其它

    • 发布日期：2015-07-10
    • 文件大小：837kb
    • 提供者：qq_29702447

  1. 抽样误差抽样量计算Excel表格

  2. 抽样误差 样本量计算 置信度 1. 样本量的计算均值时，请把数据输入“B”列，会自动算出方差； 2. 填写置信度（加粗行），输入：90%或者95%； 3. 填写允许的抽样误差（加粗行）估算最小抽样量 或者 填写样本量（加粗行）估算抽样误差；

  3. 所属分类：算法与数据结构

    • 发布日期：2019-02-26
    • 文件大小：13kb
    • 提供者：netgem

  1. Sample Size Calculations in Clinical Research.pdf

  2. 临床试验的样本量计算Sample Size Calculations in Clinical Research

  3. 所属分类：医疗

    • 发布日期：2019-08-11
    • 文件大小：15mb
    • 提供者：sligo

  1. 样本量计算工具power V3.0.rar

  2. 软件介绍: power V3.0可用于多种流行病学研究设计样本量的计算，很专业的一个小工具，只是操作界面是英文版本的,用得着的朋友可以下载了。

  3. 所属分类：其它

    • 发布日期：2019-09-02
    • 文件大小：812kb
    • 提供者：weixin_38744153

  1. NCSS-pass 12.0.2.zip

  2. ASS软件是一款易于使用的研究工具，可以确定用于学习的对象的数量。作为确定样本量技术方面的领跑者，PASS完成了超过740次统计检验和置信区间上的样本含量计算和效能检验。由于拥有比其他工具包更多的样本量选项，PASS成为了市场上最受欢迎的研究工具。 安装了后就把那个txt码替换就永久用了

  3. 所属分类：医疗

    • 发布日期：2019-07-01
    • 文件大小：125mb
    • 提供者：fyd4088

  1. 2018年下半年网络工程师考试上午真题

  2. 2018年下半年网络工程师考试上午真题答案 1-5 DCABA 6-10 CDCDB 11-15 CCBBD 16-20 ADDDC 21-25 ADBCB 26-30 ABCBC 31-35 ADADD 36-40 ADCCC 41-45 BBDBB 46-50 CDBAC 51-55 BDDAB 56-60 CBABD 61-65 AACAA 66-70 CBABA 71-75 BACDA●以下关于信息和数据的描述中,错误的是() ().通常从数据中可以提取信息 信息和数据都由数字组成

  3. 所属分类：软考等考

    • 发布日期：2019-04-06
    • 文件大小：614kb
    • 提供者：wfz_1999

  1. Python语言描述KNN算法与Kd树

  2. 最近邻法和k-近邻法 下面图片中只有三种豆，有三个豆是未知的种类，如何判定他们的种类？ 提供一种思路，即：未知的豆离哪种豆最近就认为未知豆和该豆是同一种类。由此，我们引出最近邻算法的定义：为了判定未知样本的类别，以全部训练样本作为代表点，计算未知样本与所有训练样本的距离，并以最近邻者的类别作为决策未知样本类别的唯一依据。但是，最近邻算法明显是存在缺陷的，比如下面的例子：有一个未知形状(图中绿色的圆点)，如何判断它是什么形状？ 显然，最近邻算法的缺陷——对噪声数据过于敏感，为了解决这个问题，

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：397kb
    • 提供者：weixin_38663701

  1. 详解python实现交叉验证法与留出法

  2. 在机器学习中，我们经常在训练集上训练模型，在测试集上测试模型。最终的目标是希望我们的模型在测试集上有最好的表现。 但是，我们往往只有一个包含m个观测的数据集D，我们既要用它进行训练，又要对它进行测试。此时，我们就需要对数据集D进行划分。 对于数据集D的划分，我们尽量需要满足三个要求： 训练集样本量充足 训练模型时的计算量可以忍受 不同的划分方式会得出不同的训练集和测试集，从而得出不同的结果，我们需要消除这种影响 我们将分别介绍留出法、交叉验证法，以及各自的python实现。自助法(b

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：119kb
    • 提供者：weixin_38640072

  1. 基于样本界估计的机会约束免疫优化及其应用

  2. 在探究任何随机变量的样本量下限估计之后，这项工作研究了一种简单而实用的生物免疫优化方法，以解决一种机会受限的编程问题，该方法没有已知的噪声属性。这种方法主要由样本组成分配，评估，扩散和突变。 前两个，取决于获得的下界估计值，不仅决定随机变量的样本大小和每个进化的B细胞的重要性水平，而且还确保以较低的计算成本评估这种B细胞； 第三使多样化的B细胞参与进化并抑制噪声的影响。 最后一个与种群多样性和适应性遗传有关的信息，产生了多样化和高亲和力的B细胞。 在这种方法下，选择了不同的突变规则后，可以得出三

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：824kb
    • 提供者：weixin_38576392

  1. 零空间分集Fisher判别分析用于人脸识别

  2. 试图将原始数据投影到低维特征空间中的特征提取算法引起了很多关注。 本文基于增强型Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为零空间多样性Fisher判别分析（NSDFDA），用于人脸识别。 提出了基于新优化准则的NSDFDA，这意味着可以在类内散点的零空间中计算所有判别向量。 此外，所提出的算法能够提取特征空间中的正交判别矢量，并且同时不存在样本量小的问题，这是许多模式分析应用所希望的。 在Yale数据库上的实验结果证明了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：303kb
    • 提供者：weixin_38609571

  1. classifier_metric_uncertainty:确定（二元）分类器度量不确定性的贝叶斯方法-源码

  2. 小样本量导致分类器度量不确定性 如果从小样本量计算出分类器指标（例如准确性，敏感性，特异性，准确性...），则将非常不确定。 不幸的是，这些点估计通常被认为是准确的。 我们提出一种贝叶斯方法来确定度量不确定性。 解释了基本概念并展示了许多已发布的分类器具有惊人的度量不确定性。 该存储库包含Python中的实现。 用法 计算指标不确定性的最简单方法是通过我们基于浏览器的交互式工具。 该网站可能需要几分钟才能加载。 它不会在您的计算机上安装任何软件包或执行任何代码，它需要在主机上启动环境。 这导致

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：55kb
    • 提供者：weixin_42168230

  1. BAG_SNPs:使用基于SNP的野生物种种群的等位基因频率和遗传多样性估算种质库（BAG）样本量的脚本-源码

  2. 使用SNP和重采样数据集的种子/种质库中的等位基因频率和遗传多样性 使用等位基因频率和野生物种/种群的遗传多样性估算种质/种子库（BAG）中样本量的影响的脚本 番薯分三步走： 使用VCF计算野生物种/种群中的等位基因频率 使用野生物种/种群作为模型，使用VCF计算重采样数据集中的等位基因频率。 使用野生物种/种群作为使用GENIND的模型，计算重采样数据集中的遗传多样性。 Pilocarupus分五个步骤： 使用GENIND对象（空等位基因和等位基因> 50个副本）在自然种群和具有

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：24kb
    • 提供者：weixin_42116847

  1. BDC-Code-源码

  2. 欢迎来到儿童健康生物统计学核心 生物统计学咨询准则 概述 生物统计学家可以与BDC的初级研究人员，研究员和学生进行咨询，这些研究人员，研究人员和学生没有获得资助和/或接触统计学家的机会。 如何注册一个新项目 给电子邮件或 提供的服务 研究设计，样本量估计/功率计算 随机方案 REDCap数据库设计咨询 数据分析 拨款/提案准备，协议审查 摘要和手稿的准备 时间表和优先次序 为了帮助我们管理工作要求，请在任何特定的截止日期（例如摘要提交，拨款截止时间等）之前的4周与我们联系。 对于数据分析项目，还

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：38mb
    • 提供者：weixin_42131861

  1. jstat-examples：jstat库的用法示例-源码

  2. jstat-示例 使用示例 实例图 机器学习 ：线性回归 ：非线性回归 ：使用香草KNN算法进行分类 ：具有多个线程的KNN分类 ：使用KMeans进行聚类 ：后勤分类 ：使用正则化LassoRegularizer和RidgeRegularizer线性回归 ：使用ConfusionMatrix类的分类性能评估 ：转发算法 ：向后算法 ：维特比算法 优化 ：具有一个特征的梯度下降 ：具有两个特征的梯度下降 统计数据 ：平均值的Vanilla Bootstrap ：均值

  3. 所属分类：其它

    • 发布日期：2021-02-28
    • 文件大小：527kb
    • 提供者：weixin_42175516

  1. genomisc：其他基因组学工具和数据结构-源码

  2. 基因组 Golang中的其他基因组学工具和数据结构 HWE go get github.com/carbocation/genomisc/hwe HWE计算Exact或Approximate Hardy-Weinberg P值。 Fast计算近似的P值，然后如果根据您的阈值有意义，则计算确定的Exact P值。 这是采用朴素算法的纯Go实施，因此可能很慢。 它使用big.Int并可以处理非常大的样本量（数十万）。 RAMCSV go get github.com/carbocation/g

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：52mb
    • 提供者：weixin_42131414

  1. 基于支持向量回归的温度和应变同时测量的长周期光栅

  2. 本文使用单个长周期光栅同时测量温度和应变。 为了有效降低交叉敏感度的影响，基于其在整个区域近似逼近非线性函数的特点，提出了一种支持向量回归（SVR）方法。 通过检测液化石油气不同损耗峰的共振波长的变化，通过回归预测的方式获得温度和应变，并选择适当的参数。 在SVR和标准矩阵求逆方法之间进行了一些比较。 两种方法的均方根误差分别为0.1746 C，3.82 me和2.981 C，28.61 me。 实验结果表明，SVR具有样本量小，学习能力强，泛化能力强，误差小，计算精度高等优点。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：295kb
    • 提供者：weixin_38614825

  1. 样本：选择，加权和分析复杂的样本数据-源码

  2. 样本分析 在大规模调查中，通常使用复杂的随机机制来选择样本。 从此类样本得出的估计值必须反映随机机制。 Samplics是一个python软件包，可为复杂的调查设计实现一套采样技术。 这些调查抽样技术分为以下四个子包。 抽样提供了一组随机选择技术，用于从总体中抽取样本。 它还提供了计算样本量的程序。 采样子包包含： 样本量的计算和分配：Wald和Fleiss方法用于比例。 选择的均等概率：简单随机抽样（SRS）和系统选择（SYS） 与大小成正比的概率（PPS）：系统方法，布鲁尔方法，哈

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：11mb
    • 提供者：weixin_42131443

  1. sample_size_calculation_and_power_analysis_in_R：R中的样本大小计算和功效分析-源码

  2. R中的样本量计算和功效分析 library(pwr) effect_size<-1.1 power.t.test(delta=effect_size,sd=1,sig.level=0.05,power=.80,alternative="two.sided") ## equivalent to uniroot(function(n)pt(qt(0.025,df=(n-1)*2,lower.tail=F),df=(n-1)*2,ncp=sqrt(n/2)*effect_size,lower.t

  3. 所属分类：其它

« 12 »