1) discrete multinomial distributions
离散多项分布
2) Multinomial Distribution
多项分布
1.
A Study to the Confidence Region of Multinomial Distribution on the Condition of Large Sample Size;
大样本条件下多项分布未知参数置信域的研究
2.
Research on the relationship between multinomial distribution and multi-Poisson distribution, we got the sufficient and necessary condition of Poisson distribute obeyed for the non-negative multi-independent random variable X_1,X_2,…,X_n.
通过对多项分布与多元Poisson分布关系的研究,得到多元独立的非负整值随机变量X1,X2,…,Xn每一个服从Poisson分布的充分必要条件,并从另一个方面描述了二项分布与Poisson分布的内在关系。
3.
At last,the relations between multivariate Poisson distribution and multinomial distribution or multivariate normal distribution are given.
最后给出了多元Poisson分布与多项分布以及多元正态分布之间的关系。
3) mal-distribution
多项分布
1.
And studying the difference of positive defined matrix of discrete and continuous sample by using of mal-distribution and the relationship among weights.
分析当多元随机变量协方差阵正定时,各随机分量应满足的关系,并结合多项分布研究离散型与连续型样本协方差阵的不同。
4) discrete polynomial
离散多项式
5) Discrete distribution
离散分布
1.
This paper is devoted to providing an iterative algorithm for computing the maximum likelihood estimators of discrete distributions under an increasing convex order constraint,and the convergence of the algorithm is proved.
给出在增凸序约束下离散分布的极大似然估计量的一种迭代算法,并证明了该算法的收敛性。
2.
Converting the continuous distributions into discrete distributions will decrease a large amount of computation in Monte-Carlo simulation.
如果把风险变量所符合的连续分布转换为离散分布,能够显著减少蒙特卡罗模拟的计算量。
6) multinomial distribution
多项式分布
1.
Web text categorization based on multinomial distribution model;
基于多项式分布模型的Web文本分类
补充资料：多项分布
多项分布
ultinoniial distribution g?polynomial distribution
多项分布〔nl过山目画闯血方山团阅或p01ynom血ldistribu-tion;uo月”IloMH幼‘Hoep舰Ilpe几e几ellHe] 随机变量X:，…，X*的联合分布，它对于任意一组满足条件n，+…十。*二。，。j=0，…，n，j=1，…，k的非负整数摊:，…，n*，由下列公式定义 p{Xl二n，，二，X*=n*}= n! n一!‘’‘n众!其中n，，.，二，，*(，，)o，艺药一l)为分布的参数.多项分布是一种多元离散分布—满足X:+…+X，=。的随机向量(X、，…，X*)的分布(这个分布实质上是(k一l)维的，因为它在k维E谓Ud空间中是退化的).多项分布是二项分布(binorrnial曲川bution)的自然推广，后者即同于k=2的情形.这个分布名称的来由是因为概率(*)是(P:十…+p*)”多项展开式的通项.多项分布出现在如下的概率概形中.每个随机变量X‘是互不相容事件A，(j=1，2，…，k)之一在重复独立试验中发生的次数.如果事件Aj在每次试验中的概率为巧(j=1，…，k)，那么概率(，)就等于在”次试验中事件A，，二，A*分别出现nl，…，n*次的概率.每个随机变量Xj有数学期望为。Pj且方差为”马(1一Pj)的二项分布. 随机向量(X，，…，X*)有数学期望(nP:，‘二，n，*)与协方差阵B=}lb，，11，其中 厂。P‘(l一P‘)，i=j， b:=之i，j=1，…，k 贬一np，p，，i笋j，(因为艺李二1。。=。，故矩阵B的秩为k一1).多项分布的特征函数是 f(tl，…，t*)=(P le’r’+…+P*e’“)”.当n~的l付，有正规化分量 X，一nP: 艺一不益亡责一的向量(Yl，…，Y七)的分布，趋于某一多元正态分布(nom笼幻曲颐bution)，而和 k 艺(l一夕‘)y) 口=I的分布(它在数理统计中常用来构造xZ检验(’chi-squared‘招t))趋于k一1自由度的x’分布(’chi-sq珑川刃‘distribution).
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