相關(guān)文章

• 

  現(xiàn)代信號(hào)處理——隨機(jī)信號(hào)的統(tǒng)計(jì)描述

  一、信號(hào)的分類 確定性信號(hào)：能夠以確定的時(shí)間函數(shù)表示的信號(hào)，信號(hào)在任何時(shí)刻的取值都是固定的，信號(hào)的取值都是可以通過表達(dá)式算出來的。 隨機(jī)信號(hào)：稱為不確定信號(hào)或隨機(jī)過程，不是時(shí)間的確定函數(shù)，沒有確定的表達(dá)式，只能通過觀察去得到它的樣本。 例如，觀察

  2023年04月10日

  瀏覽(22)
• 

  隨機(jī)振動(dòng)信號(hào)的特征——PSD（功率譜密度）

  1、背景 信號(hào)可分為確定性信號(hào)和隨機(jī)信號(hào)。確定性信號(hào)是每個(gè)時(shí)間點(diǎn)上的值可以用某個(gè)數(shù)學(xué)表達(dá)式或圖標(biāo)唯一地確定的信號(hào)；而隨機(jī)信號(hào)（random signal)，幅度未可預(yù)知但又服從一定統(tǒng)計(jì)特性的信號(hào)，又稱不確定信號(hào)（百度百科的解釋）。隨機(jī)信號(hào)是普遍存在的，也不能用一個(gè)

  2024年02月02日

  瀏覽(26)
• 

  【考研數(shù)學(xué)】概率論與數(shù)理統(tǒng)計(jì) —— 第二章 | 一維隨機(jī)變量及其分布（2，常見隨機(jī)變量及其分布 | 隨機(jī)變量函數(shù)的分布）

  承接前文，我們繼續(xù)學(xué)習(xí)第二章，一維隨機(jī)變量及其分布的第二部分內(nèi)容。 （一）（0-1）分布 設(shè)隨機(jī)變量 X X X 的可能取值為 0 或 1 ，且其概率為 P P P { X = 1 X=1 X = 1 } = p , =p, = p , P P P { X = 0 X=0 X = 0 } = 1 ? p ( 0 p 1 =1-p(0 p 1 = 1 ? p ( 0 p 1 ，稱 X X X 服從（0-1）分布，記為 X ～ B

  2024年02月11日

  瀏覽(29)

• 數(shù)據(jù)挖掘題目：根據(jù)規(guī)則模板和信息表找出R中的所有強(qiáng)關(guān)聯(lián)規(guī)則，基于信息增益、利用判定樹進(jìn)行歸納分類，計(jì)算信息熵的代碼

  S∈R，P（S，x ）∧ Q（S，y ）== Gpa（S，w ） [ s, c ] 其中，P，Q ∈{ Major, Status ，Age }. Major Status Age Gpa Count Arts Graduate Old Good 50 Arts Graduate Old Excellent 150 Arts Undergraduate Young Good 150 Appl_ science Undergraduate Young Excellent Science Undergraduate Young Good 100 解答： 樣本總數(shù)為500，最小支持?jǐn)?shù)為5

  2024年02月06日

  瀏覽(28)
• 

  【云原生?監(jiān)控】基于Prometheus實(shí)現(xiàn)自定義指標(biāo)彈性伸縮(HPA)

  「Autoscaling即彈性伸縮，是Kubernetes中的一種非常核心的功能，它可以根據(jù)給定的指標(biāo)（例如 CPU 或內(nèi)存）自動(dòng)縮放Pod副本，從而可以更好地管理和利用計(jì)算資源，提高系統(tǒng)的可用性和性能，同時(shí)減少開銷和成本。彈性伸縮可以解決服務(wù)負(fù)載存在較大波動(dòng)或資源實(shí)際使用與預(yù)估

  2024年02月14日

  瀏覽(19)

• 基于容器技術(shù)和服務(wù)發(fā)現(xiàn)的全新大數(shù)據(jù)平臺(tái)彈性伸縮方法

  隨著科技的不斷發(fā)展，各個(gè)行業(yè)都在不斷地?cái)?shù)字化和智能化。在這個(gè)過程中，大數(shù)據(jù)技術(shù)成為了許多行業(yè)的重要支撐。而隨著大數(shù)據(jù)技術(shù)的普及，行業(yè)分類和設(shè)備裝置的不斷更新?lián)Q代，彈性伸縮成為了一個(gè)不可避免的問題。本文將介紹基于服務(wù)發(fā)現(xiàn)和容器技術(shù)的大數(shù)據(jù)平臺(tái)彈

  2024年02月06日

  瀏覽(25)
• 

  概率統(tǒng)計(jì)·樣本及抽樣分布【隨機(jī)樣本、抽樣分布】

  總體：試驗(yàn)的全部可能的觀察值稱為總體 個(gè)體：總體中每個(gè)可能的觀察值稱為個(gè)體 總體期望=樣本平均期望 總體方差/n=樣本平均方差 X 1 ，X 2 ……X n 相互獨(dú)立（x 1 ，x 2 ……x n 是觀察值），稱為總體X的一個(gè)簡(jiǎn)單隨機(jī)變量（樣本） 聯(lián)合=（全部）邊緣相乘 函數(shù)表示化（不含未

  2024年02月10日

  瀏覽(21)
• 

  連續(xù)型隨機(jī)變量的分布（均勻分布、指數(shù)分布、正態(tài)分布）

  均勻分布是指在一個(gè)區(qū)間內(nèi)各個(gè)數(shù)值出現(xiàn)的概率相等的一種隨機(jī)分布?！熬鶆颉边@一概念可以理解為，在任何子區(qū)間上，變量的取值概率相等。它的概率密度函數(shù)為： ?其中，a和b分別為區(qū)間的上下限。 均勻分布的特點(diǎn)是，它的概率密度函數(shù)為常數(shù)，即該分布內(nèi)每一個(gè)數(shù)據(jù)點(diǎn)

  2024年02月11日

  瀏覽(88)

• PT_二維隨機(jī)變量:正態(tài)分布的可加性/一維隨機(jī)變量函數(shù)與正態(tài)分布

  一維隨機(jī)變量函數(shù)與正態(tài)分布 PT_隨機(jī)變量函數(shù)的分布_隨機(jī)變量線性函數(shù)的正態(tài)分布_xuchaoxin1375的博客-CSDN博客 ??正態(tài)分布的可加性 區(qū)別于一維隨機(jī)變量的函數(shù)的正態(tài)分布的規(guī)律,多維隨機(jī)變量(各個(gè)分量相互獨(dú)立同分布)具有不同的規(guī)律 在一維的情況中, X ～ N ( μ , σ 2 ) , 則

  2023年04月25日

  瀏覽(86)
• 

  【k8s、云原生】基于metrics-server彈性伸縮

  第四階段 時(shí) ?間：2023年8月18日 參加人：全班人員 內(nèi) ?容： 基于metrics-server彈性伸縮 目錄 一、Kubernetes部署方式 （一）minikube （二）二進(jìn)制包 （三）Kubeadm 二、基于kubeadm部署K8S集群 （一）環(huán)境準(zhǔn)備 （二）部署kubernetes集群 （三）安裝Dashboard UI （四）metrics-server服務(wù)部署 （

  2024年02月12日

  瀏覽(23)