“協方差”造句，怎麼用協方差造句

對協方差函式的意義和應用做了討論。

次序統計量的矩有原點矩和中心矩，主要是期望、方差和協方差。

遺傳協方差分析結果表明，5個重金屬元素含量間的基因型協方差均為正向。

返回在某一*上對兩個系列求得的協方差。

一個正值的協方差表示兩個變數同向變動。

但協方差分析結果表明，本次測量的母鴨體尺間的部分差異是由於體質量的差異帶來。

本文提出了一種適用於協方差陣奇異或非奇異、設計陣列滿秩或降秩時的方差分量估計方法；

採用協方差分析方法，對油菜田除草劑的試驗結果進行了分析。

結果將GLM簡化成適用於迴歸分析、方差和協方差分析、多水平模型等具體的統計模型。

返回在某一*上對兩個資料系列求得的協方差。

根據模糊影象的頻譜和協方差特*估計模糊影象的模糊度。

對於不同的相關函式模型對背景誤差協方差的擬合也做了相關分析對比。

將線*混合模型中隨機效應的協方差陣推廣為正定陣，運用方差分析估計的方法給出了方差分量的估計。

該演算法採用協方差匹配技術，依據濾波新息，動態調整測量噪聲方差，使融合系統的均方誤差始終最小。

對半相依迴歸線*系統，我們週期地使用迭加資訊的方法，得出了迴歸係數廣義協方差改進估計。

此方法並不需要假設各總體分佈的協方差相同，而且在預試樣本容量較小時仍然可行。

這帶領太減慢在手段和協方差矩陣的適應，因此跟蹤儀可以在初始化以後的一些秒鐘內無法。

為了用線*或非線*模型擬合縱向資料，需要確定一個合理的協方差結構。

在系統具有正則無窮遠極點和奇異無窮遠極點的條件下，得到了系統狀態向量的均值、方差陣及協方差陣的計算公式。

介紹三種對多指標的質量控制方法，第一種方法是用一個純量控制多變數總體的均值向量和協方差矩陣；

與已有的融合方法相比，文章提出的神經資料融合方法具有非偏倚的統計特*而且不需要關於噪聲協方差的任何先驗知識。

雖然控制品質*狀的主要遺傳效應分量與農藝*狀相應遺傳效應分量遺傳協方差不顯著，但在其他相應遺傳效應分量方面存在著複雜的關係。

將協方差分解技術和譜代替法分別應用於蒙特卡羅隨機有限元法，計算了一個堤坡的區域性失效概率。

由目標的實測資料，計算特徵向量總體的均值和協方差矩陣及其逆矩陣，由距離判別法進行目標識別。

方法：在協方差分析與方差分析中使用啞變數。

運用協方差分析法比較兩組嬰兒MDI和PDI的差異。

資料用卡方檢驗、逐步迴歸和協方差分析等。

協方差速度譜是基於取樣資料可以排列成協方差矩陣的特徵結構而設計的。

提出了用於得到最優加權係數的區域性濾波誤差方差和協方差計算公式。

同時，推導了一般協方差分析模型的引數估計的公式，舉例*單協變數兩向協方差分析的一般解算方法。

因為這時模型協方差陣結構仍含有方差引數，因此我們的目標是尋求可行估計。

再以該近似解和協方差矩陣為初值，由無跡卡爾曼濾波(ukf)實時估計雙差整週模糊度的精確解。

,然後，我們還有三種資產,收益的標準差,我們還有三種資產,兩兩相互之間的協方差。

該方法的優點在於能夠處理各投資專案之間的協方差矩陣為半正定的情形。

最後利用細節點到中心點之間的紋線切割數目、全域性匹配距離和協方差距離來判斷匹配的結果。

導向向量失配和協方差矩陣失配是影響空時自適應處理（STAP）*能的兩大主要因素，基於在最差情況下的*能最優，提出了一種穩健的STAP演算法。

在衛星的狀態估計過程中應用推廣的序列估計演算法，藉助數值積分方法積分狀態向量和協方差矩陣。

其中，市場狀態用一個馬爾可夫鏈來描述，各種狀態之間的轉換也就由相應的轉移矩陣刻畫，而且隨機回報率的均值和協方差矩陣均處決於市場的狀態。

目的探討協變數的不均衡對協方差分析的影響。

遺傳協方差分析結果表明，重金屬元素含量間的基因型協方差均為正向。

以雙因素協方差分析為例，介紹如何用代數中投影的方法進行離差平方和分解。

從應用角度出發，解決了雙樣本均值向量和協方差矩陣的檢驗問題。

給出了檢驗疏失誤差是否存在的符號檢驗法和遊程數檢驗法。並給出了存在疏失誤差時如何調整實驗資料協方差矩陣的方法。

從降低保險公司所面臨風險的角度出發，給出了兩全保險在協方差和方差最小時的最佳年限的確定模型。

在卡爾曼濾波過程中使用了序貫處理和U-D協方差因式分解演算法提高濾波時的計算速度和數字穩定*。

負值的協方差就表示，二者反向變動。

*了S -估計具有強合*和漸近正態*，並且獲得了類似*同分布情形的方差-協方差結構。

從而可以消除異常的測量資料帶來的影響，使濾波器的殘差始終保持零均值，且使估計誤差的協方差陣收斂，最終實現最優估計。

採用線**值及雙線**值得到預測點位置上的本徵模態值。 結構由原風壓場協方差分析得到的主座標和上述新本徵模態值獲得未佈置測壓點位置的風壓時間序列。

一百，然後，我們還有三種資產，收益的標準差，我們還有三種資產，兩兩相互之間的協方差。

協方差衡量的是兩個變數一起變動的情況。

有的文獻中直接利用最小二乘法組成了一個二次方程組，然後構造協方差矩陣，通過計算特徵值和特徵向量來得到最佳的法矢方向。