概率論
關注創建者：匿名 創建時間：2021-12-20
概率論的實例教程
通過Excel，Minitab軟件可以很簡單得到某個區域的概率。</p><p>！！！</p><p>為什么有Z變換？無軟件，能夠借助查標準正態表就能方便地得到概率。</p><p>但是不借助軟件，需要通過Z變換進行歸一化，將某個測量值X0轉換為Z（0，1）上的Z值，Z值即是多少個標準差（sigma），查表能夠直接得到概率。</p><p>后續具體列一下詳細過程。目前只需記一個點，<span style="color: rgb(25, 27, 31);">如果有人給你一個Z值（相當于給了sigma值），也就是給了概率值。</span></p><p>----</p><p>為什么有這么多分布，是因為實際情況沒法統一一個分布描述，甚至同一個事情的不同階段都不能用同一個分布去描述。</p><p>所以我們處理數據，首先要選擇合適的分布，而且要檢驗到底擬合得好不好，引出下一個概念，檢驗。</p><div contenteditable="false" width="100%"><hr>
</div><p><br></p><p><br></p><p><br></p><p><br></p><p><br></p><p><br></p><p><br></p><p>8.概率密度函數（Probability Density Function），累計密度函數（累計分布函數，<span style="background-color: rgb(255, 255, 255); color: rgb(51, 51, 51);">Cumulative Distribution Function</span>），失效概率圖（Probability Plot）</p><p>主要說一下失效概率圖，用于視覺直觀檢測（IOT, Interocular Trauma）。看看樣本數據是否在此圖上是一條直線。
展開 統計公差是根據概率論與數理統計理論進行公差分析與計算的方法。統計公差方法是一種以概率論與數理統計理論為理論基礎的公差分析方法。當已知組成環或封閉環公差時，統計公差方法計算得到的封閉環或組成環公差較大，降低了加工精度的要求，從而減少了加工工序。但統計公差法會產生少量的廢品(如取(+/-)3a，不合格率為0．27％)，廢品中有50％可以修復的，因此，總體上可以節約能源和資源。與極值法相比，它可以得到更符合實際的裝配公差的估計，并允許有較寬的公差帶，所以它是一種綠色公差設計方法。
二、綠色制造的公差分配
(1)公差分配和公差優化分配
公差分配又叫公差綜合，是公差設計的一個重要方面，是已知裝配封閉環公差值，按一定的準則分配到各零件組成環公差的過程。公差分配對產品質量、制造成本、裝配成功率都有直接影響，其主要研究如何將封閉環的設計公差合理地分配給各組成環，在保證一定裝配率的情況下，使產品的加工成本達到最低。
目前，計算機輔助公差分配方法主要有傳統的公差分配方法和基于優化技術的公差分配方法。傳統的公差分配方法主要有：等公差法、等精度法、等影響法、綜合因子法、等工藝能力法。公差分配的目的就是在產品質量、制造成本、裝配成功率之間找到平衡點，在保證產品質量和一定的裝配成功率條件下，使制造成本最低。由此可知，公差分配問題是一個多變量求解的復雜問題，是一個需要優化設計的問題。在20世紀70年代，就有學者提出了以制造成本最小為目標函數的公差優化方法，以后又提出了基于初等函數的成本公差模型。目前，又建立了考慮約束條件的目標函數，進行公差的優化分配研究。
(2)綠色制造的公差優化分配
公差分配中，由于封閉環公差是已知的，而尺寸鏈由多個組成環組成，將封閉環的公差分配到組成環的公差數值町以有多個解，所以分配方案是多種多樣的。
展開 它屬于應用數學的范疇，涉及概率論、隨機過程、運籌學、拓撲學等數學分支。
現代數學手冊：隨機數學卷
作者: 《現代數學手冊 委員會
isbn: 7560921752
定價: 88
出版社: 華中科技大學出版社
出版年: 2000-12-1
隨機數學卷
第1篇 概率論
第2篇 數理統計
第3篇 試驗設計
第4篇 抽樣調查
第5篇 質量管理
第6篇 線性模型
第7篇 多元統計分析
第8篇 貝葉斯統計
第9篇 穩健統計
第10篇 蒙特卡羅法
第11篇 現代統計計算方法
第12篇 隨機過程
第13篇 時間序列分析
第14篇 隨機分析
第15篇 排隊論
第16篇 庫存論
第17篇 馬爾可夫決策過程
第18篇 可靠性與生存分析
第19篇 決策分析
展開 正是基于風險管理，挪威船級社提出了一個概率論數字孿生概念模型，用于進行風險管理和預測，如下圖所示。根據概率論知識，對于一個系統的未來預期收益可以認為是不同結果收益與其發生概率的累加和，即。
圖 9 挪威船級社基于概率數字孿生概念結構圖
如果我們給定數字孿生體不同的初始條件，則可以產生不同的預期收益值和概率。通過數字孿生體的運行，就可以推演真實物理世界在不同條件的發展狀態和預期收益。通過比較不同給定條件下的未來預期總收益，就可以確定最佳的未來運行方案，并得出目前應該給定的輸入條件。應對這種需要時，數字孿生體就會同時出現不同給定條件的運行狀態，即運行時期多態。
后記
本文所分析和闡述的數字孿生體的多態概念和技術方法，主要是基于個人對數字孿生系統（體）的理解和應用提出了僅屬于作者個人的觀點，主要目的也是引起數字孿生系統（體）的設計開發人員的關注，以防止出現在項目后期發生遺漏和缺憾，從而限制了數字孿生系統（體）的應用和能力的發揮。
本文所講理念和思路也許在本人不知道的地方，早已有行業大家應用其它的概念和理論解決了相關的問題，給出了詳盡可行的解決方案，那本文就當是拾人牙慧吧！
展開 
概率論的最新內容
<p>主要對基本術語的說明，重點在術語的理解，對概率論的基礎掌握，才能把握數據分析。</p><p><br></p><p>1.數據data</p><p>連續數據（數量，測量值），名義數據（就是名字），順序數據（能表征順序，大小等），二項數據（非黑即白，非0即1）</p><p>區分數據類型，不會對我們的認知有什么改善。</p><p>會讓我們對數據的描述更有系統。
我們可以用概率論和微積分的相關數學知識進行嚴格的理論推導來驗證其正確性。
2. 圓中均勻采樣是一些裝配功能的基礎，例如兩/多孔銷裝配中銷中心位置的隨機均勻生成，此功能的正確實現保障了各類孔銷裝配中隨機采樣的準確性，保證軟件仿真結果的正確性。
3. 在DTAS3D中用戶可以根據實際工況選擇上述兩種方法。
用中心極限定理逐步接近正常分布
正態分布在統計學和概率論中扮演著重要角色。它出現在許多實際例子和許多理論結果中。中心極限定理可以解釋一些根本原因。
該結果表明，重復實驗的平均值將近似于正態分布。這個成立的一個重要條件是實驗具有相同的分布，盡管它們不需要是正態分布。
舉個擲骰子的例子。普通骰子有六個面，在單次擲骰子時，每種結果——1、2、3、4、5或6都是等可能發生的。
掌握線性代數、微積分、概率論、最優化的相關知識。
02 機器學習基礎
了解線性回歸、邏輯回歸、決策樹等機器學習經典模型、能夠基于Python語言上手機器學習算法實踐。
03 深度學習基礎
熟練卷積神經網絡和循環神經網絡、了解簡單的Pytorch使用。
01
裝置可靠性計算
①設備可靠性計算
收集裝置基本數據、故障數據，建立關鍵設備故障數據庫，應用概率論統計模型進行設備可靠性計算，得到關鍵設備的可靠性。
a）資料收集。根據項目需要，收集的資料主要為反映裝置基本情況的資料和反映裝置故障情況的資料。
b）建立結構化的故障數據庫。
仿真結果
本文嘗試通過嚴格的數學理論推導來對比模擬結果與理論計算的差異，其中主要涉及概率論與微積分等相關知識
MAC地址用于在網絡中唯一標示一個網卡，一臺設備若有一或多個網卡，則每個網卡都需要并會有一個唯一的MAC地址；
機器學習：機器學習是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。
等首次提出了使用內部信任度和外部信任度兩個指標來評估信源的可靠性方法,實現對冗余和不可靠信源的過濾,并通過將原始數據轉換為三角模糊信息粒,實現基于粒計算的多源數據融合[82].但上述方法僅適用于多源同構數據集,難以適應多源異構數據環境.目前對信源的評價選擇問題依然是信息融合領域的一個開放性研究課題.多源數據信息潛在的不完備、不一致、沖突、語義模糊等不確定性是多源信息融合所要解決的最根本問題,相關學者已嘗試將概率論
正是基于風險管理，挪威船級社提出了一個概率論數字孿生概念模型，用于進行風險管理和預測，如下圖所示。根據概率論知識，對于一個系統的未來預期收益可以認為是不同結果收益與其發生概率的累加和，即。
圖 9 挪威船級社基于概率數字孿生概念結構圖
如果我們給定數字孿生體不同的初始條件，則可以產生不同的預期收益值和概率。
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。
