抽样调查的理论和方法 作者施锡铨 由上海财经大学出版社出版 很好的教材

Reddit 评论的马尔可夫链 要运行您自己的实例，只需执行“pip install -r requirements.txt”，然后运行“python markovReddit.py”。 这在 Python 2.7 上运行。 另外，请忽略我在编码时写给自己的所有随机笔记。 不过，如果您想实现我的任何 TODO，我会很高兴。 要在 reddit 上使用，只需输入 MarkovME 以获取过去的评论，并输入 MarkovME: freqCount 以分析您最常用的单词。 更好格式化的 TODO： 我希望这个机器人有线程。 具体来说，我希望它为每组 subreddits 都有一个单独的实例。 现在，praw 使用 praw-multiprocess 支持这一点。 我正在努力使机器人在几个不同的进程中运行。 这很容易，因为它不共享状态。 我最终想要一个数据库，这样我就可以开始收集有关用户

通过matlab对二维抽象定理的验证，抽样还原一个二维peak函数

统计学高清思维导图-抽样分布

抽样设计方案

研究了小波变换和Contourlet变换的不足,利用非抽样Contourlet变换的多尺度性、多方向性以及平移不变性特征进行彩色图像数字水印。先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的系数,然后为了满足水印的不可见性和稳健性,在低频系数和高频系数中采用不同的嵌入强度,并依据人类视觉的彩色感知特性,在蓝色分量中嵌入较多水印,在其他颜色分量选取变换系数能量最大的区域嵌入水印。与同样嵌入规则的Contourlet变换算法和平稳小波变换算法相比,该算法具有更好的稳健性,利用该算法得到的水印相似度更高,最高可提高约0.5。

吉布斯采样是统计学中用于马尔科夫蒙特卡洛的一种算法，用于在难以直接采样时从某一多变量概率分布中近似抽取样本序列。文档内有例子和代码以及运行结果。

信号抽样与恢复、含代码、实验报告

matlab代码替换自举-离散事件模拟 引导程序是使用随机抽样进行替换的任何测试或度量，并且属于更广泛的重采样方法类别（wiki） Air Secure希望开设许多新的服务台，以确保从长远来看，其90％的客户在等待服务之前不必在等待队列中等待超过8分钟。 Air Secure的初步研究表明，到达目的地时，客户总是选择最小的队列，并一直待在那里直到服务。 这项研究还调查了乘客的到达时间（以分钟为单位）和服务时间。 结果总结在data.csv中。 提供了前四名乘客的数据 我们需要在Matlab，Python或R中执行离散事件模拟研究，以回答以下问题：应该最少提供几个服务台来满足服务需求？ 即，应该有多少个服务台，以使概率为0.9，客户在等待之前不必在等待队列中等待超过8分钟。 以T = 3000单位时间运行仿真。 执行离散事件模拟研究以回答以下问题。 （a）给出问题摘要并描述项目目标。 （b）给出模拟研究中使用的变量的规格。 另外，显示一个描述项目动态的图表。 （c）结果与分析。 使用表格和数字，可以清楚地表明您的学习成果。 给出相应的置信区间。 （d）提出您的结论。 （e）附录。 包括所

科学研究八种抽样方法介绍