1) Boundary condition independence
独立边界条件
2) conditional independence
条件独立
1.
In this paper,we give the concept of conditional independence by conditional probability and obtain some properties of conditional independence.
本文应用条件概率给出了条件独立的概念,得到了条件独立的相关性质。
2.
We propose the concept of conditional independence between the estimators of the regression parameter and the unknown variance.
本文给出未知方差的估计量和它的性质,提出方差估计量和参数估计量之间条件独立的概念,有了这些性质,就可以定义t统计量和F统计量,它们是方差未知时做统计推断所必须的。
3.
The identifiability for causal effects under a type of assumptions based on conditional independence in a causal model is treated by equation method.
只要运用该方程组解的性质便可判断在一类条件独立假设之下因果效应是否可识别 。
3) conditional independent
条件独立
1.
Though studying some concepts and formulas in theory of probability,we give the definition of conditional independent between two random events and the formula probability in complete events set,and a simplified formula for density s function in n random variables is given.
通过对概率论中有关公式的研究,给出了条件独立的定义、推广了全概率公式和贝叶斯公式,并给出了n维随机变量函数的密度函数的简化计算公式。
2.
With model 1, it is assumed that xi,(i= 1,2) is conditional independent under θi(i=1,2).
方法一是假定xi(i=1,2)关于θi(i=1,2)条件独立;方法二假定x1、x2无条件独立。
5) Dirichlet boundary conditions
狄立克莱边界条件
1.
In this paper,the sufficient conditions for the discrete and unbounded below spectrum of a class of four-order differential operator with Dirichlet boundary conditions are obtained by Courant variational principle.
利用库朗变分原理,得到具有狄立克莱边界条件的一类四阶微分算子的谱是离散且下方无界的充分条件。
6) conditional independence
条件独立性
1.
By using CI (conditional independence) tests, it can be pruned a fully connected potential graph to a best PG, which is expected to approximate the undirected version of the underlying directed graph.
阐述了贝叶斯网络结构学习的内容与方法 ,提出一种基于条件独立性 (CI)测试的启发式算法。
2.
It shows that the distribution determined by the Bayesian network maximises entropy given the causal and probability distribution of a Bayesian network under the conditional independence.
用信息熵的观点 ,如果将Bayesian网看作Agent的背景知识 ,采用与Bayesian网对应的概率分布作为信念函数的Agent的分布是最合理的 ,说明了与最大熵相对应的概率分布正好是在条件独立性假设下由Bayesian网确定的特征概率分布 。
补充资料：边界条件
分子式：
分子量：
CAS号：
性质：当用一个微分方程描述一个化工设备的特性和各种参数间的关系时，求解这个方程必需知道这个设备的起始边界（如入口处）和终止边界（如出口处）的状态（如温度、压力、浓度等）。这些状态参数的大小称为边界条件。
分子量：
CAS号：
性质：当用一个微分方程描述一个化工设备的特性和各种参数间的关系时，求解这个方程必需知道这个设备的起始边界（如入口处）和终止边界（如出口处）的状态（如温度、压力、浓度等）。这些状态参数的大小称为边界条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条