1) random subsample
随机子样本
2) Random sample
随机样本
1.
Let X(1),…,X(n) denote the order statistics of a random sample,X1,…,Xnfrom a continuous population.
设X(1),…,X(n)是来自于一个连续分布总体的随机样本X1,…,Xn的秩序统计量,给出了任意两个秩序统计量的联合分布函数和联合密度函数的推导证明,从而为其进一步应用打下了基础。
3) random samples
随机样本
1.
The random samples possesses the same statistical characteristics.
结果表明:随机相位角、功率谱密度等级分别影响路面谱激励的样本形状和幅值大小,不同随机样本具备相同统计特征;对于系统的响应曲线,路面平整度等级对幅值影响相对显著,车速变化对形状影响相对显著;根据算例中不同路面平整度等级的计算结果,给出了相应的工程建议。
4) nonrandom sample
非随机样本
5) complex random samples
复随机样本
1.
However,statistical learning theory is based on real random samples (real number valued random variables) and as such is not ready to deal with the statistical learning problems involving complex random samples (complex number valued random variables),which can be encountered in real world scenarios.
然而,该理论主要是针对实随机样本的,它难以讨论和处理现实世界中客观存在的涉及复随机样本的小样本统计学习问题。
6) Random datasets
随机数据样本
补充资料：随机数和伪随机数
随机数和伪随机数
random and pseudo-randan numbers
随机数和伪随机数【喇间佣1 al川牌”山一喇闭..m.山娜;cJI了，a如曰e”nce，口oc月卿成.以叹“c月a】 数亡。(特别，二进制数:。)，其顺序出现，满足某种统计正则性(见概率论(probability Uleory)).人们是这样区别随机数(mndomn切mbe比)和伪随机数(PSeudo一mn由mn切mbe岛)的，前者由随机的装置来生成，而后者是用算术算法构造的.总是假设(出于较好或较差的理由)所得(或所构造)的序列具有频率性质，这些性质对于具有分布函数F(z)的某随机变量心独立实现的一个序列来说是“典型的”;因此人们称作根据规律F(习分布的(独立的)随机数.最经常使用的例子为:在区间【O，l]上均匀分布的随机数亡。，尸(亡。
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