統計學
關注創建者：博集華仿 創建時間：2019-12-17
統計學的視頻教程
ANSYS-WorkBench教程 支承結構地震響應計算、電子設備隨機振動分析
本課程結合工程實際，使用workbench軟件對支承結構與電子設備在隨機激勵下的響應，課程包含：支承結構（含橡膠底座）在地震激勵下，運用瞬態分析模塊，獲得時域內的應力應變響應；對電子設備進行隨機振動分析，即功率譜密度分析，從統計學角度出發，將時間歷程轉變為功率譜密度函數（PSD），在頻域內獲得電子設備的應力應變響應規律。
￥30 29分鐘 514播放
查看
測量不確定度的應用實踐
內容概要： 1.測量誤差 2.測量不確定度發展歷程、定義、來源 3.測量誤差與測量不確定度的主要區別 4.統計學基礎 5.標準不確定度和擴展不確定度 6.測量不確定度評定 7.測量不確定度應用實例（以扭矩測量為例） 8.測量改進措施（以扭矩測量為例）
免費 1小時8分鐘 320播放
查看
統計學的實例教程
巖體裂隙滲流，考慮裂隙接觸（滲透率低）和非接觸（滲透率高）的影響，利用地質統計建模，反映裂隙表面的非均質性質，研究裂隙面可能存在的優勢通道。
可以說，以統計分析方法為基礎的產品管理才是科學的管理，才是產品可靠性有保證的管理
［文］楊振海
中國現場統計研究會理事長
北京工業大學教授
博士生導師
大家經常能通過媒體了解到一些社會經濟方面的統計數字，并且發表意見，但很少有人能準確解釋“統計學”的含義。
統計學，可以說是大家既熟悉又不了解的學科。它是人們思維、決策的工具。統計思維的核心是不確定思維。世界上的事物都有不確定性，可能發生，也可能不發生。期望的事發生了，就認為決策正確；不期望的事發生了，就認為決策失誤。
人們在做決策時常列舉種種可能，最可能發生的列在第一位，其次者列第二位，這正是樸素的不確定思維。只不過，統計學將不確定思維定量化了。用統計學思想來分析問題、做決策，可以把決策失誤控制在一個較小的比例之內。
不確定思維認為，一個事物發生的可能性是客觀存在的，這種可能性叫概率，用介于0和1之間的數表示。概率越大，發生的可能性越大。比如，大家買產品，都希望買到合格品，但是，總有人會買到不合格品。這意味著能否買到合格品，是一件不確定的事，它發生的概率，就是通常說的合格品率。名牌產品，往往合格品的概率高，而雜牌產品，這樣的概率就要低一些甚至低很多。
怎樣才能知道產品的合格率呢？統計學提供了以數據為依據來估計合格率的方法。最簡單的辦法是，調查使用一年以上的產品中還在正常使用的比例，該比例數就是產品使用一年的合格率的估計，估計誤差取決于調查產品的數量。調查的數量越多，誤差越小。
我們可以用統計學方法來定義產品的質量指標。這樣的指標，就是可靠性的指標。以人們購買轎車為例，拋開外觀、內飾、耗油以及品牌、價格等考慮因素不談，僅就汽車的性能而言，其可靠性如何比較？這就要靠統計學方法來估算了。
展開 數據分析決策
統計學分析
⑴統計學應用的挑戰。
統計學廣泛應用于許多領域，但在大鍛件生產科研領域里的應用幾乎是空白，很少能見到和找到其他研究者和作者關于大鍛件統計學應用實例的研究報告、論文和理論書籍。這并非統計學方法在大鍛件領域里不重要，而是因為缺乏數據和參數無法應用統計分析。此外，概率論統計學本身不太容易被理解和掌握，在大鍛件領域里，成功應用的方法和實例也非常少，缺少能直接借鑒和引用的實例和方法。萬事開頭難，大數據的發展必須經過小數據階段，因此大鍛件小樣本統計學的研究應運而生。
⑵小樣本的概念。
樣本按其容量有大小之分。一般情況下，樣本量小，則統計學估計的誤差大；樣本量大，則統計學估計的誤差小。然而，提高一點精度，統計量則需急劇大幅增加。大鍛件的生產特點是單件小批量，除非是長期積累才能獲得較大樣本，否則其應用只有從小樣本量著手。
關于統計學所需要的最小樣本量，目前并沒有確切的要求。從統計學書籍后面附帶的常用統計學統計量分布表來看，列出的最小樣本量是2。本研究認為，最小樣本量可根據實際確定。只要能進行統計分析并能得到科學結論就可。
⑶小樣本統計學成果。
顯著性檢驗就是事先對總體的參數或總體分布形式做出一個假設，然后利用樣本信息來判斷這個假設（原假設）是否合理，即判斷總體的真實情況與原假設是否有顯著性差異。顯著性檢驗是針對我們對總體所做的假設做檢驗，其原理就是“小概率事件實際不可能性原理”來接受或否定假設。
顯著性檢驗用概率P來表示由抽樣誤差引起的可能性有多大。統計學上習慣規定P＞0.05 相差不顯著，可能性大；0.05≥P＞0.01 相差顯著，可能性小；P≤0.01相差非常顯著，可能性極小。小樣本檢驗方法包括：
1）計量資料的顯著性檢驗。
展開 Ansys Lumerical首席技術官James Pond稱：“首次推出統計學緊湊模型是我們在打造客戶所需的產業化環境方面的又一個重要里程碑。”
AIM Photonics首席運營官兼EPDA、測試、封裝和工藝研發總監David Harame博士表示：“能率先提供來自Lumerical的統計學CML，我們深感自豪。借助最新的PDK 4.0a，我們將繼續運用基于摻雜分布的統計方法來推動PIC生態系統走向前沿。”
成效
圖2：AP_SUNY CML器件庫中，C+L頻帶且具有統計學模型的環形調制器
AP_SUNY v4.0a CML中包含超過25個帶有統計學模型的器件，可助力光子集成電路設計人員在Lumerical INTERCONNECT中開展Corner和Monte Carlo分析，研究波導寬度、高度和摻雜分布（有源器件）等工藝誤差對設計的影響。圖2是AP_SUNY v4.0a CML中16個含有統計學模型的有源器件之一。這個C頻帶環形調制器的緊湊模型考慮了環形波導寬度和高度的制造變化。圖2展示了在INTERCONNECT中運行Monte Carlo仿真所獲得的環形諧振波長和FSR的變化。
注：NY CREATES目前負責位于紐約州Albany的制造工廠并管理所有AIM Photonics運營，PDK的新版本將被重新命名，以體現這一變化。訪問ny-creates.org了解更多詳細信息。
展開 Ansys Lumerical首席技術官James Pond稱：“首次推出統計學緊湊模型是我們在打造客戶所需的產業化環境方面的又一個重要里程碑。”
AIM Photonics首席運營官兼EPDA、測試、封裝和工藝研發總監David Harame博士表示：“能率先提供來自Lumerical的統計學CML，我們深感自豪。借助最新的PDK 4.0a，我們將繼續運用基于摻雜分布的統計方法來推動PIC生態系統走向前沿。”
成效
圖2：AP_SUNY CML器件庫中，C+L頻帶且具有統計學模型的環形調制器
AP_SUNY v4.0a CML中包含超過25個帶有統計學模型的器件，可助力光子集成電路設計人員在Lumerical INTERCONNECT中開展Corner和Monte Carlo分析，研究波導寬度、高度和摻雜分布（有源器件）等工藝誤差對設計的影響。圖2是AP_SUNY v4.0a CML中16個含有統計學模型的有源器件之一。這個C頻帶環形調制器的緊湊模型考慮了環形波導寬度和高度的制造變化。圖2展示了在INTERCONNECT中運行Monte Carlo仿真所獲得的環形諧振波長和FSR的變化。
注：NY CREATES目前負責位于紐約州Albany的制造工廠并管理所有AIM Photonics運營，PDK的新版本將被重新命名，以體現這一變化。訪問ny-creates.org了解更多詳細信息。
展開 
統計學的最新內容
在金屬材料、陶瓷及復合材料的微觀力學研究中，構建一個符合統計學特征的多晶代表性體積單元（RVE）往往是科研工作的第一步。
然而，傳統的建模方法往往面臨重重困難：使用商業軟件手動分割效率低下；利用專業建模軟件（如 Neper）雖然強大，但命令行操作和復雜的參數配置讓許多初學者望而卻步；而自編程序生成 Voronoi 鑲嵌模型，又難以精準控制晶粒尺寸分布和形狀統計特征。
課程內容：
- 從基礎到進階，覆蓋Leapfrog Geo軟件全功能
- 學習鉆孔勘探、礦脈建模、品位插值、塊體模型及儲量體積計算
- 實操案例+練習，掌握地形創建、數據庫加載、地質信息管理
- 專業可視化、分析與成果展示
- 地質統計學工具，塊體模型構建
適合地質、地質工程、采礦工程專業學生及從業者，零基礎可學，貼合實際勘探項目
傳統思路是讓AI模型更大、數據更多，用統計學“補償”圖像質量不足。但這有一個隱秘的邏輯漏洞：模糊的圖像不是加密信息，而是丟失了信息。AI可以從模糊中“猜”出一個合理答案，但它無法從不存在的信息中還原真相。這個區別，在安防監控中或許無關緊要；但在工業精密檢測中，0.01毫米的誤判意味著批次報廢；在自動駕駛中，100米外混淆塑料袋與混凝土塊意味著致命風險。
為保證統計結果的嚴謹性，NIST 采用了學生t 分布（正態分布假設）與非參數 bootstrap 法兩種相互獨立的統計學方法，分別計算了不同型號傳聲器的年平均漂移率（基于 95% 置信概率），兩種方法的計算結果高度一致，最終得出了行業內極具說服力的結論：
HBK 4160 型（LS1P）實驗室標準傳聲器：年平均漂移率區間為 -0.004 dB / 年～0.003 dB / 年 ，與零漂移無顯著統計學差異
image_process=/format,webp" data-initial-src="https://img.jishulink.com/202603/attachment/1ec4dff24a1643c6ab23c8505e0e2a3d.png">
</figure>
</figure><p>(5)VanderWaals模型和Arruda-Boyce模型</p><p>熱力學統計模型是通過統計橡膠中分子鏈的長度
基于 Geovia Surpac 的礦山設計（2024）
視頻：MP4
語言：英文 | 大小：2GB
時長：2小時
你將學習：礦山設計、Geovia Surpac 操作、礦體建模、地質統計學與塊體建模、露天礦及排土場設計
### 你將學到
- 在 Surpac 中創建地質數據庫
- 剖面創建與矢量化解譯
GEOVIA Surpac軟件掌握塊體建模所需的地質統計估值方法
2026年1月
授課語言：英語（附字幕）
課程時長：13個課時（總計2小時）
課程大小：1.3GB
核心方向：掌握塊體建模所需的地質統計估值方法
課程學習目標
地質統計學基礎入門
掌握向
統計學指標：鑒于LiDAR和Radar輸出的隨機性和對環境的敏感性，驗證應轉向統計學方法，采用如Kolmogorov-Smirnov檢驗、Kullback-Leibler (KL) / Jensen-Shannon (JS) 散度[7]等
（2）標準化驗證流程：
環境搭建：在受控光照環境（如光學暗室）和真實戶外場景中，分別放置標準棋盤格、Macbeth色卡，或在可復現的真實環境中（如測試場的高速路段
### 前置要求
無需編程經驗，也無需統計學知識。
### 課程介紹
你是否曾想應用機器學習、制作有影響力的可視化圖表或生成可靠報告，卻發現數據混亂、不完整或結構不佳？本課程旨在從源頭幫你避開這些障礙。
不僅可以分析在統計學上的宏觀差異，還有每個彎道中操縱的不同。駕駛模擬器還可幫助我們建立更完善的駕駛員評價方式，通過在G-G圖與其他駕駛員操縱指標進行分析，對比兩個駕駛員的差距來自于什么位置。遙測和關鍵指標不僅用于分析性能，還可以用于指導駕駛員。
