归类不确定情景下特征推理的综合条件概率模型

用大学生被试,通过三个实验探讨在集中呈现类别成员样本信息的归类不确定情景下的特征推理。实验结果表明,单纯的归类确定性程度和靶类别靶特征的代表性并不直接影响被试的特征推理,而是预测特征相对于目标特征的综合条件概率直接影响被试的特征推理;特征推理不是基于类别中介的间接推理,而是基于特征关联综合条件概率的直接推理。实验结果支持作者提出的预测特征综合条件概率模型。

测震学多项指标综合预测概率分析

通过对测震学各单项指标的预测效能调研 ,为进一步提取前兆信息 ,选择了 7项测震学指标 :频次、地震蠕变、 b值、缺震、η值、GL值和调制比 ,进行综合概率分析。7项指标对关注地区的全时空扫描并考虑了空间单元异常与中强震地点对应的模糊关系 ,得到指标在各空间单元异常后发生中强震的条件概率。根据历史上每个单项指标的预报效能求计算综合概率时的指标权重 ,按贝叶斯定律得到相应不同指标在不同时间窗和不同空间单元时中强震发生的加权综合概率。计算结果 (1 970年以来 )表明 ,对华北地区和川滇地区这一综合概率方法预测效能的 R值评估超过 0 .

归类不确定时样例代表性对特征归纳预测的影响研究

作者用以大学生被试的一个实验考察归类不确定情景下样例的代表典型性对特征归纳预测的可能影响。实验结果表明,预测特征相对于目标特征的综合条件概率影响特征归纳预测,而样例的代表典型性并不影响特征归纳预测,没有出现样例的代表典型性效应。预测特征综合条件概率策略能预测解释这种结果。

归类不确定情境下特征推理的理论模型述评

人们不能完全确定某个事物应该归入哪个类别的情境,被称作"归类不确定的情境"。当前归类不确定情境下特征推理的理论解释有理性模型、理性模型的发展贝叶斯分析修正公式和新的贝叶斯公式、单类说、综合条件概率模型,本文对这些理论进行了介绍和评价,并对研究范式和影响因素进行展望。

多视角探究二项分布和超几何分布的数字特征

近年来高考试卷概率统计部分加强了对概率原理和综合知识的考查.例如,2022年新高考Ⅰ卷20题考查独立性和条件概率的证明;2021年新高考Ⅱ卷21题的命题原理基于分支过程,综合函数知识考查三次函数零点的分布;2019年全国Ⅰ卷理科21题的命题原理基于马尔科夫链,结合全概率公式考查数列的证明.结合新课程标准提出的培育学生六大数学核心素养[1],教师应引导学生发掘问题的本源,多关注公式背后的原理思想与推导过程.