共查询到7条相似文献,搜索用时 15 毫秒
1.
2.
从(0,1)型的完备随机因子群与预报量之间的等概率相关出发,我们导出了偶然性相关率概率定理,即:任一含有n个(0,1)型元素的预报量序列,它与含有n个(0,1)型元素的完备随机因子群之间具有偶然性相关率m/n二的概率P_w(m/n)=C_n~m/2~n。类似于“偶然性单相关的识别与过滤”一文中的做法,引进统计量 并用其对预报因子进行显著性检验。文中给出了实际应用时应当执行的步骤。 然后本文将变量型从(0,1)型推广到K级划分的情况,于是得到K级偶然相关率概率定理,即:任一含有n个k级划分元素的预报量序列,它与包含n个k级划分元素的完备随机因子群之间具有的偶然性相关率m/n的概率P_w(m/n,k)=(k-1)~(n-m)C_n~m/K~n。 相似文献
3.
在统计预测中,如何选取物理意义明确、预报准确率又高的预报因子,几乎是统计预测成功与否的关键。在实际预测当中,常会碰到这样的情况:某些因子与预报量的单相关率甚高,但用它们构成预报方程并做预报时,却常常导致失败。事后分析发现,这些因子并非由于物理上的原因,而仅仅由于在有限样本的情况下(在实际预报中样本客量常常很小),预报因子序列偶然地与预报量序列具有很高的相关性。本文把这样的因子称为虚假因子,并把这种相关称为偶然性单相关。 为了研究的方便,作者将因子和预报量分别化为(0,1)序列,并提出了一种最佳(0,1)化算法。在因子X和预报量Y分为(0,1)两级的情况下,假定它们相互独立,于是有 P_i(x,y)=P_i(x)P_i(y)即:X和Y在i级的正相关率等于各自出现在i级的概率之积。引进统计量 式中υ_i是(X,Y)实际出现在i级内的频数,n为子样总数。用该统计量对预报因子进行显著性检验,就能有效地识别和过滤假因子。 本文最后将理论应于台风的登陆,转向预报。显著水平为0.001时,有8个预报因子通过检验。从中选取η值较大的5个,用简单的编码相关法构成预测模型,其预报准确率为94.1%。 相似文献
4.
提出不等时距的灰色模型GM(1,1)的建模方法,依据1976~1989年的现行黄河河道长度数据,假设在现行清水沟流路不变的前提下,利用该模型对2000年前的黄河河道长度进行预测。 相似文献
5.
INMARSAT-C在海洋环境监测系统中应用若干问题的分析和试验(二)孙仲汉,孔杰(国家海洋局海洋技术研究所天津)3 INMARsAT-C在海洋环境监测系统中应用若干问题的分析和试验3.1关于通信路径的选择在海洋环境监测系统中应用INMARSAT-C... 相似文献
6.