代码搜索：概率分析
找到约 10,000 项符合「概率分析」的源代码
代码结果 10,000
www.eeworm.com/read/452910/7429309
c poisson.c
/*【问题描述】
泊松分布是一种常用的离散型概率分布，数学期望为m的泊松分布的分布函数定义如下：
P(m, k) = mk * e-m/k! (k = 0, 1, 2, 3, …)
对于给定的m和k (0
www.eeworm.com/read/443342/7634253
m ex1103.m
%ex1103.m 分别计算二维离散分布的均值
clear all
X=[0,1,2];
Y=[1,2,3,4];
Px=[0.1,0.7,0.2]; %X各点对应的概率
Py=[0.1,0.4,0.2,0.3]; %Y各点对应概率
mX=sum(X.*Px) %E(X) sum为求和函数。
mY=sum(Y.*Py)
z=X+3;
mX3=sum(z.*Px) %E(X+3)
www.eeworm.com/read/396265/8117686
m ex1103.m
%ex1103.m 分别计算二维离散分布的均值
clear all
X=[0,1,2];
Y=[1,2,3,4];
Px=[0.1,0.7,0.2]; %X各点对应的概率
Py=[0.1,0.4,0.2,0.3]; %Y各点对应概率
mX=sum(X.*Px) %E(X) sum为求和函数。
mY=sum(Y.*Py)
z=X+3;
mX3=sum(z.*Px) %E(X+3)
www.eeworm.com/read/246680/12712793
m ex1103.m
%ex1103.m 分别计算二维离散分布的均值
clear all
X=[0,1,2];
Y=[1,2,3,4];
Px=[0.1,0.7,0.2]; %X各点对应的概率
Py=[0.1,0.4,0.2,0.3]; %Y各点对应概率
mX=sum(X.*Px) %E(X) sum为求和函数。
mY=sum(Y.*Py)
z=X+3;
mX3=sum(z.*Px) %E(X+3)
www.eeworm.com/read/482810/6612837
m bayesclassify.m
function A=bayesclassify(S,T,Q)
%给定已知样本 S 、待判样本 T 和先验概率 Q 。bayesclassify(S,T,Q) 函数输出待判样本 T 的判别结果。
%S (n*(m+2))的矩阵，其中第一列是序号，最后一列表示所属类别。S表示已知样品矩阵
%T 是待判样本
%Q (k*1)的向量 是k个总体的先验概率
%
%例
%输入
%S=[
www.eeworm.com/read/404576/11482351
m getsignpro.m
function dat=getsignpro(img)
%得到数据中的所有符号和概率,像素范围为0-255
%输入数据img为2维的灰度图象的矩阵，输出为dat为2维矩阵，其中第一列为符号（像素值），
%第二列为对应的出现概率
n=size(img);
num=n(1)*n(2);
h1=0;
for h=0:255
sign=find(img==h);
sign=sign';