排序方式: 共有30条查询结果,搜索用时 31 毫秒
1.
2.
评价企业合作伙伴的集值统计方法 总被引:1,自引:0,他引:1
针对企业联盟合作伙伴的评价问题,讨论了确定评价指标值以及指标权重的一种集值统计方法。考虑联盟合作伙伴应具备的技术和经营能力,建立了评价指标体系。对于一些很难给出准确评价值的评价指标。给出了当指标值取值区间给定时,计算评价指标值及其置信度的方法和公式。分析了影响指标权重的因素,主要包括评价者对指标的重视程度、指标在决策中的作用、指标评价值的置信度,基于这些因素得出了计算指标权重的方法,为评价合作伙伴提供了定量分析。具体算例表明评价方法合理、可行。 相似文献
3.
为了分析种猪场母猪窝产仔数低的主要影响因素,利用猪场电脑管理GPS系统中的9 545胎次的信息资料,运用Clementine12.0软件以GRI为模型,进行关联分析。结果"窝产仔数小于11头"与因素"1~2胎"关联支持度为36.02%,置信度为69%;与因素"首胎低产影响"关联支持度为28%,置信度为100%。说明窝产仔头数低于11头出现频次较高的胎次主要在"1~2胎"和"头胎低产"母猪后续产的各胎中。也说明窝产仔头数低于11头主要原因在于该场后备母猪培育管理。 相似文献
4.
[目的]从亲权排除率、鉴别准确率、鉴别成功率等方面评价微卫星标记鉴别草鱼亲权关系的可行性,为草鱼系谱信息的确定奠定基础.[方法]利用8个微卫星标记检测5个草鱼家系亲本(F.)及其子代(F1)的基因型,以Cervus 3.0软件进行亲权鉴定,并统计微卫星位点的等位基因数(Na)、多态信息含量(PIC)、观测杂合度(Ho)和期望杂合度(He)等;最后通过模拟分析和试验验证,评估8个微卫星位点最多可鉴定的亲本数及其与鉴定率、置信度之间的关系.[结果]8个微卫星位点中,当两个亲本基因型未知时,单个亲本排除率(E-1P)介于0.342~0.668,平均值为0.520;当一个亲本基因型已知时,另一个亲本的排除率(E-2P)介于0.521~0.802,平均值为0.681;一对亲本组合的亲权排除率(E-PP)介于0.711~0.937,平均值为0.847.以95%置信水平和100%鉴定率为标准,模拟分析及试验验证结果表明,所选择的8个微卫星位点最多可以鉴定598个已知性别的亲本或431个未知性别的亲本.[结论]所选的Hl18、H137、H165、H148、4703、C2489、H57、H81等8对微卫星标记可在生产及科研试验中用于获取草鱼系谱信息. 相似文献
5.
将未确知测度理论应用到膨胀土胀缩等级评价中,针对膨胀土中等级评价中许多不确定性影响因素,选用液限、胀缩总率、塑性指数、天然含水率、自由膨胀率等5个评价指标,建立了膨胀土胀缩等级分类评价和排序模型.根据15组膨胀土实测数据,建立各影响因素的未确知函数,对其进行定量分析;并利用熵计算各影响因素的指标权重,依照置信度识别准则进行等级判定,最后得出膨胀土胀缩分级的评价结果.该模型的评价结果与物元可拓评判法评价结果有较好的一致性.该评价方法能解决膨胀土胀缩等级评价中诸多因素不确定性问题,还可以按难易程度进行排序. 相似文献
6.
在关联规则挖掘中,通常使用的是支持度-置信度框架来挖掘有趣知识。对支持度、置信度阈值进行分析和研究,发现此框架挖掘的关联规则不能够得到有效的强关联规则,导致挖掘效率降低。为此提出一种有效的信息熵-依赖度框架作为关联规则的衡量准则,实验表明此方法更准确、有效。 相似文献
7.
VaR数学模型及其计算方法 总被引:1,自引:0,他引:1
VaR(Value at Risk)是一种以规范的统计技术来度量市场风险的新标准,目前在金融数学领域被广泛使用,它是在正常的市场条件下,给定一定时间区间和置信水平,测度最大损失的数学方法。传统的VaR计算方法在计算开放式基金时,可能存在着高估风险的情况,对数正态分布假设下得到的风险值(VaR)要比正态分布假设下的风险值更接近实际值。本文着重论述了VaR模型的数学原理以及该模型的计算方法,运用对数正态分布假设来评估开放式基金的风险,以验证其结果是否更加接近实际风险值。 相似文献
8.
9.
F分布的最短置信区间 总被引:1,自引:0,他引:1
本文研究了F分布下关于两正态总体方差比σ21/σ22的最短置信区间,运用数值模拟方法,利用R软件对常用置信度1-α和各自由度下的最短置信区问对应的左侧概率分配值(最优分配)作出求解,得出在实践中使用非常方便的统计表.进而利用这一结果可求出最短置信区间. 相似文献
10.
为了保证管道检测的准确度与可信度,通常需要采用多种检测技术即多传感器对同一部位进行检测,但检测的数据量大繁冗,需要进行融合与处理。利用D—S(Dempster—Sharer)证据理论,建立了应用于管道多传感器数据融合的流程模型,阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度,利用D—S证据理论对检测数据进行有效融合,最后根据D—S规则对缺陷类型进行判定。结果表明:在检测过程中利用D—S进行数据融合,保留置信度高的数据,可以得到更明确的判决结果,舍弃干扰数据,节省存储空间,有利于数据存储,实现长距离智能检测。(图2,表2,参11) 相似文献