基本用法
目前支持三个或更少变量的信息度量。基本用例是将每个变量的数据数组传递给每个函数。这些将被离散化。
也可以传入频率（如果数据已经离散化）或概率（如果概率已知或已经估计） - 见下文。
配置选项
可以将以下关键字参数传递给每个函数：
estimator (String) 估计概率分布的估计器
"maximum_likelihood"（默认）
"miller_madow"
"dirichlet"
"shrinkage"
base (Number) 对数的底，即熵的单位
2（默认）
mode (String) 离散化方法
"uniform_width"（默认）
"uniform_count"
"bayesian_blocks"
number_of_bins (整数)
0（默认）
get_number_of_bins (Function) 用于计算 bin 数量的自定义函数（仅在number_of_binsis时使用0）
get_root_n（默认）
特定于 Estimator 的配置选项
更多详情、使用方法，请下载后阅读README.md文件
2022-07-12 09:07:52
19KB
该程序计算/估计图像的Kong隙率。 主要用于 SEM 图像。 它可用于包含多Kong表面的其他类型的图像。 使用 PorosityCalculatorEXEC.m 来运行程序。 还提供了样品 SEM 图像用于实验。
2022-07-12 00:54:52
2.21MB
1
13.5 区间估计原理
区间估计与点估计不同，它寻求一个区间，该区间以一定的概率保证真正的总
体参数值包含在其中，当然，对于一个特定的样本，它可能包含参数真值，也可
能不包含。
*============================begin=================================
capt prog drop bb
prog bb
drawnorm x,n(100) m(5) sds(10) d clear
/*生成一个均值u=5,标准差o=10的正态随机变量样本，样本容量为100*/
quietly sum x
end
***将上述抽样试验进行100次，得到100个样本均值mean和标准差sd
simulate mean=r(mean) sd=r(sd), reps (100) nodots: bb
g n=_n
*在已知总体方差前提下（总体标准差为10），求100个子样本95%的置信区间
g zlow=mean-invnorm(0.975)*10/sqrt(100)
g zhigh=mean+invnorm(0.975)*10/sqrt(100)
*在总体方差未知的前提下，用样本标准差sd替代，需要借助t统计量
g tlow=mean-invttail(99,0.025)*sd/sqrt(100)
g thigh=mean+invttail(99,0.025)*sd/sqrt(100)
*考察总体均值是否在子样本的95%置信区间内，如不在则标记为1，否则为零
g zsign=(zlow<5& zhigh>5)
2022-07-11 15:10:35
2.41MB
1