1) probability event regression analysis
概率回归方法
1.
In this paper, the precipitation probability event regression analysis is introduced.
主要介绍了降水概率预报的事件概率回归方法,1997年试用表明这种方法有一定的参考价值。
2) regression method
回归方法
1.
An iterative least square method was used for the evaluation of standard Gibbs free energy for the formation of silicate minerals in order to remove some of the limitations of the earlier exponential regression method.
将迭代最小二乘法应用于硅酸盐矿物标准生成Gibbs自由能ΔG0f 的估算 ,以克服早期指数回归方法 (Chen ,1 975)的一些局限性。
2.
Aiming at generalized maximum entropy(GME) regression effect and especially the indetermination of the choice of support space of parameter and error in the model,the modelling process of GME regression method is analyzed,and its regression effect is compared with others effects through two cases in this paper.
针对广义最大熵回归方法的建模效果问题,尤其是模型中未知参数和误差项支持空间选择的不确定性问题,该文剖析了该方法的建模过程,并通过两个实例将该方法与其它建模方法的回归效果进行了对比分析。
3.
While transmission attenuation islarge,the convergence and stability of used regression method seem very important.
该文研究线性对称网络散射参数测量的回归方法,采用传输线方法测媒质样品的电磁参数时就会遇到这一问题。
3) regression
[英][rɪ'ɡreʃn] [美][rɪ'grɛʃən]
回归方法
1.
In MPMR,regression function maximizes the minimum probability that future predication will be within an ε to the true regression function.
在对该序列进行1至20步的预测中,MPMR方法较局步加权线性回归方法具有更好的预测效果。
4) REEP
事件概率回归
1.
It employs 80 physical field data by T106 numerical model of Stated Metorological Administration and rainfall 0-1 data from Fuzhou station during 24 hours from 1 March 1999 to 40 May 2001, and compares it with REEP method.
介绍了一种气象上较少应用的 Logistic回归的原理和计算方法 ,并利用 1 999年 3月 1日至 2 0 0 1年5月 30日期间 ,国家气象局 T1 0 6模式输出的 80个物理量场及其导出场资料和福州地区降水的 0、1化资料 ,采用 Logistic回归方法 ,制作春季福州 2 4 h降水概率预报 ,并与事件概率回归方法作了比较。
2.
Based on this correlation,three stepwise regreession equations and one REEP(Regression Estimation of Event Probaility)equation have been formulated.
在此基础上分别用逐步回归方法及事件概率回归估计方法,建立方程,计算黄海热带气旋发生个数及偏离正常年份的程度,并对各种方法及预报结果进行了分析对比,效果较好。
5) Probit Regression Models
概率回归模型
6) probit regression line
概率单位回归线
补充资料:数论中的概率方法
数论中的概率方法
umber theory, probaixlistic methods
数论中的概率方法【n皿成此rd践叮,训如问峭c 11能灯.dsin:明ce月Toop。二,:。po,功oe翎.],概率数论[娜、·b业ticn切的be rt」leory】 广义地说,是数论(n山川义r也cory)中利用概率论(pro加bility theory)的思想和方法的那一部分.狭义地说,概率数论是指算术函数(面让山r康允曰为。n)值分布的统计理论. 数论中研究的算术函数绝大多数是加性的或乘性的(见加性算术函数(祖山石记州thi众泪cfiJ目币on);乘性算术函数(m川石pli“山Ve面th订哈ticfu朗tion).它们的值通常是以十分复杂的方式分布的.如果描绘出这种函数当变数取值于自然数列时的变化,我们就会得到一个高度混乱的图形,正如我们同时考虑整数的加性与乘性性质时所经常看到的一样.在关于实算术函数f(m)的值分布的经典研究中,通常讨论的是f(m)本身或它的均值的渐近性质.在第一种情形下,是要去找两个简单的函数妙、(m),价:(m),使得妙,(水)(f(扭)成沙:(。)对所有的。成立,或者至少对充分大的。成立.例如,假设。(m)表示。的不同的素因数个数,则。(m))1对所有的m>1成立,且对m)附。,有田(m)(2(In inm)一,inm; 决见讨。(m)=l, .呱suP。(。)(Inm)一’inh。二1.在第二种情形下,是考虑均值 青其,‘m,“,的性质.对口(m),均值(l)等于(1+o(1)Ininn).在一般情形下,关于函数f(m)的值或它的值的跳动,从第一个问题和第二个问题的解,只能得到很少的信息.一个函数可以本质上不同于它的均值.但是,在这点上出现大的偏差是很稀少的.这就提出了这样一个问题:确定范围使对占压倒多数的变数值函数f(m)的值在其中变动.设f(川)是实算术函数,及 A_一又迎卫之.B:一丫工二些生,(2、 p订。pp嘀。p-这里的求和号分别是对所有的素数P续”及所有的素数幂尸毛。求和,则 l价,,,、‘、,,。,,3 .c 言离(f(m)一A·)‘簇B·‘(亏+蓄万),其中c是一个绝对常数.这样,对任意的t>O,除了可能有少于(3/2+c/inn)陀t一2个例外值外,对所有的从(n有不等式 If(m)一A。}
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