针对非线性隐式极限状态方程的可靠度指标计算,将支持向量机和粒子群优化算法相结合,提出了一种结构可靠度算法.首先结合支持向量机不受样本点限制的优点,将历次迭代产生样本点加入本次迭代样本点中,采用支持向量机对样本点进行训练,然后引入粒子群优化算法计算可靠度指标,解决迭代过程中支持向量机回归模型可靠度指标计算震荡不收敛的情况,最后根据可靠度指标收敛得到的支持向量机回归模型,采用重要抽样法计算失效概率.计算结果表明:该方法得出的失效概率具有较好的精度,特别是针对迭代过程中可靠度指标不收敛的情况具有良好的适用性.

里面有低通抽样的代码，有均匀量化的代码，还有非均匀量化的代码，写了简单的例子调用这些函数方便大家查看效果。

LPSS 代码根据拉丁化部分分层抽样方法在 [0,1] 上生成 n 维均匀样本。 该方法用于推广拉丁超立方抽样方法，以便在用户指定维度的子域上进行分层。 该方法详细描述于： Shields, MD 和 Zhang, J.（2016 年）。 “拉丁超立方体采样的推广。” 可靠性工程和系统安全。 148：96-108。 提供了一个简单的演示，以图形方式显示了如何根据两个二维子域和一个一维子域的分层来构建五维样本。 还提供了适用于 Shields 和 Zhang 提出的 6 维板屈曲问题的代码。

分层抽样法 同样是利用贡献率大小来降低估计方差的方法。它首先是把样本空间 D 分成一些小区间D1, …, Dm，且诸Di不交， ，然后在各个小区间内的抽样数由其贡献大小决定。对积分贡献大的Di抽样多，可提高抽样效率。如果能够提出较好抽样区间的分配和各子区间内抽样次数的分配方案，分层抽样法估计积分可以达到非常令人满意的效果。

用于GJB9001C-2007质量管理体系，用于产品的抽样检查。

人教高中数学必修简单随机抽样PPT课件.pptx

目录   1、scipy库中各分布对应的方法   2、stats中各分布的常用方法及其功能   3、正态分布的概率密度函数及其图象     1）正态分布的概率密度函数及其图象     2）python绘制正态分布的概率密度函数图象   4、卡方分布的概率密度函数及其图象     1）卡方分布的概率密度函数及其图象     2）python绘制卡方分布的概率密度函数图象   5、t分布的概率密度函数及其图象     1）t分布的概率密度函数及其图象     2）python绘制t分布的概率密度函数图象     3）python绘制t分布和正态分布的概率密度函数对比图   6、F分布的概率密度函数

多抽样率数字信号处理（克劳切）(1986).pdf 希望对大家有帮助

审计测试中抽样技术的运用.pptx

审计测试中的抽样技术.pptx