“CramervonMisesPVal_SimpleH0”函数通过蒙特卡洛模拟估算接受简单零假设的 p 值：“在样本上估计具有特定参数的 CDF”。 “CramervonMisesPVal_SimpleH0”函数基于 Cramer-von Mises gof 测试，当样本的长度对于 Chi2gof 来说太短（比如 < 50）时，它是 ChiSquare gof 测试的一个很好的替代方案。 Cramer-von Mises 检验对整个 X 范围施加相同的权重（与 Anderson-Darling 检验对分布尾部施加更多权重不同）。

Cramer-von Mises 基于 Csörgo & Faraway (1996) 的精确和渐近分布测试单个样本的拟合优度。

von Mises-Fisher 分布的混合 (movMF) movMF 是 D 维球面数据的分布模型。 movMF 类似于高斯分布，但在球面空间中。 此代码基于A. Banerjee 的对一文。 安装 获取并编译（你需要提升）： git clone https://github.com/mrouvier/movMF cd movMF make 生成随机数据： python data/generate_data.py > data/vec 或者 make generate_date 程序使用 训练统计混合模型： ./bin/movmf_train --nb_mixture 128 --nb_iteration_em 10 --train data/vec --save mixture.txt 其中nb_mixture是混合数， nb_iteration_em是期望最大化（

这受到来自 matlab 统计工具箱的 kstest2 的启发。 适用于中到大样本量，查看代码中的参考。

给定图像的局部 Rényi 熵在四个等距方向上计算，并用于确定图像熵的 von Mises 分布参数。 von Mises 分布的浓度参数 κ 及其适应度参数 φ 似乎适合定义某些特定图像失真（例如高斯模糊或加性高斯噪声）中的图像质量评估度量。 可以在S. Gabarda和G.Cristóbal的“通过von Mises分布进行的无参考图像质量评估”中找到详细信息。 社会。 是。 A，卷。 29, No. 10 / 2012 年 10 月。/

mises-audiobook-scraper 下载所有 mises.org 有声读物的 Python 抓取工具

在塑性成形板材成形力学中，M-K理论是一种经典的判定板材成形极限的理论，计算了本身呈角度的沟槽的板材成形极限

LAMMPS 后处理 计算应力hydro_stress和von Mises stress的脚本。

von mises图像的代码，适用于仿真

给初学者用，详细MISES屈服准则UAMT注释，希望对你有用！