em 教程
EM重建的步骤
6.点击小手电筒图标，输入用户名、密码（oracle、oracle），在文件名或目录名中输入“/oradata”，在目录众搜索输入“/”，点击“开始go”，找到后点击“选择select”。
7.输入名字，比如testtb1.dbf，选择大小，可以选择“自动扩展”，但是最好不要用这个功能，如果空间不够之后，最好手动增加。
Storage Type如果选择ASM，只需在DiskGroup中选择“DATA”，选择大小即可。
8.选择“Show SQL”，查看刚才建立的表空间对应的SQL。
CREATE SMALLFILE TABLESPACE “TESTTB1”DATAFILE ‘+DATA’ SIZE 100MAUTOEXTEND ON NEXT 100MMAXSIZE UNLIMITEDLOGGINGEXTENT MANAGEMENT LOCAL UNIFORM SIZE 1MSEGMENT SPACE MANAGEMAENT AUTO;给表空间加数据文件：1.选中刚才建立的表空间“TESTTB1”，在上方下拉列表中选择“添加数据文件Add Datafile”2.输入大小，选择“自动扩展”，及每次扩展的大小。
选择show SQL，查看操作。
然后选择“return”，选择“OK”。
ALTER TABLESPACE “TESTTB1”ADD DATAFILE ‘+DATA’ SIZE 200MAUTOEXTEND ON NEXT 100M MAXSIZE UNLIMITED在表空间上建表：1.在主页中选择“Schema方案”，选择“表”2.输入“sys”用户，选择“创建”3.选择“标准”，“Continue继续”4.输入名字“tab1”，选择表空间5.在下方设置字段、数据类型、大小等，show SQLCREATE TABLE “SYS”。
“TAB1”(“ID” NUMBER(10) NOT NULL , “NAME” VARCHAR(20))TABLESPACE “TESTTB1”PCTFREE 20查看这个表占多少extent：select * from dba_extent a where a.segment_name=’TAB1’记录着区的编号，FILE_ID，BLOCK_ID也就是从那个块开始，BLOCKS共分配了多少个块。
EM算法及其推广解析PPT课件
第21页/共26页
• 证明 由于 取对数有 由 令 于是对数似然函数可以写成
第22页/共26页
• 只需证明右端为非负值即得出结果，由于
•使
达到极大，所以有
Q( , (i) )
其第二项，由
得出
(i1)
第23页/共26页
• 定理9.2 设L(θ)=logP(Y|θ)为观测数据的对数似然函数， (i=1,2,…)为EM算
数的当前估计值.每次迭代实际在求Q函数及其极大；
第12页/共26页
• （3）M步：求使
极大化的Qθ(， ,确定(i)i)+1次迭代得参数的估计值
(i1)
（4）重复第（2）步和第（3）步，直到收敛，这里给出停止迭代得条件，一
般是对较小的正数
，若满足
则 停 止1迭, 代2 .
第13页/共26页
• 定义9.1（Q函数）完全数据（观测变量数据Y和隐变量数据Z）的对数似然函数
极大似然估计
• 极大似然估计是概率论在统计学中的应用，它是参数估计的方法之一。说的是已知某个随机样本满足某种 概率分布，但是其中具体的参数不清楚，参数估计就是通过若干次实验，观察其结果，利用结果推出参数 的大概值。
第2页/共26页
极大似然估计
• 似然函数： • 已知样本集X,X是通过概率密度p(x|θ)抽取。样本集X中各个样本的联合概率： • 为了便于分析，由于L(θ)是连乘的，还可以定义对数似然函数，将其变成连加的：
值可以任意选择(i) ，但需注意EM算法对初值是敏感 的； （2）E步：记 为第i次迭代参数θ的估计值，在 第i+1次迭代得E步，计算
P(Z | Y, (i))
(i)
Q( , (i) )
EM(最大期望算法)极大似然估计PPT课件
• 思想：已知某个参数能使这个样本出现的概率最 大，我们当然不会再去选择其他小概率的样本， 所以干脆就把这个参数作为估计的真实值
极大似然估计
设总体X是离散型随机变量，其分布中含有未知 参数θ，设x （x1，x2.....xn）是取自总体X的一 个样本，（x1，x2.....xn）是其观察值。则取到 这组样本观察值的概率是：
对于本例，其E步为：
EM算法
Expectation-maximization algorithm
其M步即为上式两边关θ于求导，并令其等于0，即
解之，得如下迭代公式。开始时可取任意一个初始 值进行迭代。
EM算法
Expectation-maximization algorithm
说明：
① 以Z1为例，以A1表示第一种结果出现，B1，B2分
分别为75，18，70，34，求MLE（极大似然估计） 解：以y1,y2,y3,y4表示四种类结果发生的次数，此时总体分
布为多项分布，故其似然函数:
EM算法
Expectation-maximization algorithm
要求解的MLE，由于其对数似然方程是一个三次多项式，就引入两个变量
z1,z2后使得求解要变得容易。现在假设第一种结果可分成两部分，其发生
的概率分别为
令z1和y1-z1分别表示落入这两部分的次数；再假设第
三种结果分成两部分，其发生的概率分别为
令z2和y3-z2分别表示落
入这两部分的次数。显然z1,z2是我们认为引入的，它是不可观测的，数据
（y , z）为完全数据，而观测到的数据称之为不完全数据，此时完全数据
ansysemc教程
ansysemc教程摘要：1.简介- 介绍ansys em 教程的主题和目的2.ansys em 软件介绍- 解释ansys em 软件的作用和功能3.ansys em 教程概述- 概述ansys em 教程的主要内容和学习目标4.安装和设置ansys em- 描述安装ansys em 的步骤和注意事项- 解释如何设置ansys em 以满足个人需求5.ansys em 基本操作- 介绍ansys em 的基本操作和界面- 解释如何在ansys em 中执行基本任务6.ansys em 高级操作- 介绍ansys em 的高级操作和功能- 解释如何使用ansys em 进行高级分析和模拟7.ansys em 实战应用- 介绍ansys em 在实际应用中的案例- 解释如何使用ansys em 解决实际问题8.ansys em 常见问题及解决方法- 列举ansys em 使用过程中可能遇到的问题- 介绍解决这些问题的方法和技巧9.总结- 总结ansys em 教程的主要内容和要点正文：ansys em 教程主要介绍了ansys em 软件的使用方法和技巧。
ansys em 是一款强大的电磁场模拟软件，它可以用于分析和模拟各种电磁场问题。
本教程旨在帮助用户更好地了解和掌握ansys em 软件，提高其电磁场模拟和分析能力。
ansys em 软件是一款专业的电磁场模拟软件，它可以用于分析和模拟各种电磁场问题，如电容器、电感器、线圈、变压器等。
ansys em 具有强大的三维建模和模拟能力，可以帮助用户快速准确地分析和优化电磁场设计。
ansys em 教程共分为九个部分。
第一部分简介部分主要介绍了ansys em 教程的主题和目的，以及ansys em 软件的作用和功能。
第二部分ansys em 软件介绍部分详细解释了ansys em 软件的作用和功能，以及它与其他电磁场模拟软件的区别。
第三部分ansys em 教程概述部分概述了ansys em 教程的主要内容和学习目标，以及如何使用ansys em 软件进行学习和实践。
大数据经典算法EM算法 讲解
������ ������ = ������������������ ������ = ������������
������=������
������ ������������ ������ =
������=������
������������������(������������ |������)
dl( p ) n dp 1 p
n
[x i ln p (1 x i )ln(1 p )] n ln(1 p ) x i[ln p ln(1 p )] i i
1 1
n 1 1 n 1 x i( ) xi 0 p 1 p 1 p p(1 p ) i 1 i 1
ˆ xi x 4. 解似然方程得： p n i 1 5. 验证在 pˆ x 时，d l( p ) 0，这表明 pˆ x 可使似 dp 然函数达到最大
2 2
11
1
n
16:54:11
小结
极大似然估计，只是一种概率论在统计学的应 用，它是参数估计的方法之一。说的是已知某 个随机样本满足某种概率分布，但是其中具体 的参数不清楚，参数估计就是通过若干次试验， 观察其结果，利用结果推出参数的大概值。最 大似然估计是建立在这样的思想上：已知某个 参数能使这个样本出现的概率最大，我们当然 不会再去选择其他小概率的样本，所以干脆就 把这个参数作为估计的真实值。
16:54:09
EM算法——最大期望算法
——吴泽邦 吴林谦 万仔仁 余淼 陈志明 秦志勇
1
16:54:10
食堂的大师傅炒了一份菜，要等分成两份给两个人吃
——显然没有必要拿来天平一点一点的精确的去称分量， 最简单的办法是先随意的把菜分到两个碗中，然后观察是 否一样多，把比较多的那一份取出一点放到另一个碗中， 这个过程一直迭代地执行下去，直到大家看不出两个碗所 容纳的菜有什么分量上的不同为止 EM算法就是这样，假设我们估计知道A和B两个参数，在 开始状态下二者都是未知的，并且知道了A的信息就可以 得到B的信息，反过来知道了B也就得到了A。可以考虑首 先赋予A某种初值，以此得到B的估计值，然后从B的当前 值出发，重新估计A的取值，这个过程一直持续到收敛为 止。
EM软件操作手册
EM软件操作手册EM软件操作手册EM软件是一款重要的工程软件，广泛应用于无线电通信、雷达、天线、电磁兼容等领域。
本操作手册将为您介绍EM软件的基本操作方法和应用技巧。
1.软件安装和启动安装过程按照主机的系统提示进行即可，启动EM软件后，进入主界面，可以看到菜单栏、工具栏、绘图区等基本组成部分。
在操作时，建议首先阅读软件说明书或在线帮助文档，对软件功能有清晰的认识。
2.模型建立EM软件主要用于模拟各种电磁场环境，模型建立是进行仿真前的基本工作。
在EM软件中，可以通过基于CAD文件的逆向建模方式，直接导入各种三维几何模型；也可以通过直接建模方式手动创建各种密度分布、物理尺寸、形状复杂的电磁场三维几何形体。
3.网格划分将建立好的几何模型进行网格划分是进行电场仿真的关键步骤，划分网格需要根据实际情况选择不同的划分方式。
一般而言，可以手动设置网格密度和分布，也可以通过网格自适应分布算法在几何模型上自动生成合适密度的网格。
4.边界条件在进行电场计算时，需要确定边界条件，即如何处理空间中的边界条件，常用的方法有各种常量电势边界，及任意和自适应阻抗边界；特殊情况下，也可以通过定义电介质等介质方法进行模拟。
5.模拟运行经过模型建立、网格划分、边界条件设置等步骤后，就可以进行电场模拟计算了。
在进行计算时，可以通过修改参数控制模型仿真的范围和准确性，比如调节计算步长、求解方法、场stabilier等等。
6.结果分析仿真计算完后，可以得到各种场强电荷、电流、电介质等相关的结果数据。
这些数据需要进行结果分析，以确定结果的合理性和有效性。
在结果分析时，可以通过可视化工具绘制场强、磁感应强度、电流密度等场中物理量的二维或三维图像，更直观的展示模拟结果，并得出相关结论。
总之，EM软件是一款功能强大的工程软件，通过了解软件的基本操作方法和应用技巧，可以更好地发挥EM软件的作用，成功解决各类电磁场问题。
希望本操作手册能对你们的工作有所帮助。
光电子显微镜使用教程
光电子显微镜使用教程光电子显微镜（Electron Microscope，简称EM）是一种重要的科研工具，可以通过电子束来观察和研究非常微小的物体，例如细胞、细菌等。
本文将为大家介绍光电子显微镜的使用方法和注意事项。
一、准备工作首先，使用光电子显微镜需要一些基本的准备工作。
首先确保实验室内环境的清洁，避免灰尘和杂质对显微镜的影响。
其次，电子显微镜需要稳定的电源供应，所以确保电源线连接良好，电压稳定。
另外，还需要准备一些样品，比如细胞、纤维等物质。
二、操作步骤1. 打开光电子显微镜的电源开关，等待一段时间，让显微镜的各个部件预热。
2. 调整光电子显微镜的聚焦，首先使用裸眼观察，并使用增倍镜放大实验物体。
通过旋转聚焦按钮，将观察到的物体尽可能清晰。
3. 调整照明方式，选择合适的照明方式可以提高显微镜的分辨率。
根据实验需要，可以选择侧透射、底透射或反射式照明。
4. 安装样品，将准备好的样品放置在光电子显微镜的样品台上，并通过样品夹固定，确保样品在观察过程中不会移动。
5. 调整电子束，使用电子束光辐射的方式对样品进行观察。
通过调整聚焦按钮和电子源强度，控制电子束的聚焦和辐射范围，使样品显示出清晰的细节。
6. 调整缩放比例，根据需要可以通过旋转开关或调整电子源强度等方式来调整显微镜的缩放比例。
7. 观察样品，利用电子显微镜的放大功能，观察样品的细节结构。
可以通过旋转显微镜的调焦环来观察样品的不同层面。
8. 拍摄图片或录制视频，根据需要可以使用光电子显微镜的拍摄设备，将观察到的图片或视频记录下来，便于后续分析和研究。
三、注意事项1. 使用光电子显微镜时要小心操作，避免碰撞等导致设备损坏的情况发生。
2. 在观察样品前，需要对样品进行处理和固定，以保证样品在显微镜中不会变形或损坏。
3. 在操作光电子显微镜时，要注意良好的实验室通风，避免有害气体聚集。
4. 使用时要遵守相关安全操作规范，避免对自己和他人造成伤害。
em算法原理 -回复
em算法原理-回复“EM算法原理”是一种用于处理有缺失数据或隐变量的统计问题的迭代算法。
它最早由Arthur Dempster、Nan Laird和Donald Rubin于1977年提出，并被广泛应用于许多领域，如机器学习、数据挖掘和生物统计学等。
EM算法的全称是“Expectation-Maximization algorithm”，即“期望最大化算法”。
它的基本思想是：通过利用观测数据和隐变量的信息，不断迭代地优化模型参数估计，从而找到使模型拟合数据最好的参数。
EM算法的步骤如下：步骤一：初始化参数首先，需要对模型的参数进行初始化。
这可以通过随机初始化或使用领域知识来进行。
参数的初始化对最终结果影响较大，因此通常需要进行多次实验来获得较好的结果。
步骤二：E步（Expectation Step）在E步中，需要根据当前参数估计的值，计算隐变量（即不可观测的变量）的后验概率。
这可以使用贝叶斯公式进行计算，其中观测数据和参数估计值是已知的。
这些后验概率被称为“隐藏变量的期望”，因此这一步骤被称为E步。
步骤三：M步（Maximization Step）在M步中，需要利用E步得到的隐藏变量的期望，来更新模型的参数估计值。
这可以通过最大化完全数据的似然函数来实现。
对于一些简单的模型，这个步骤可以通过解析求解得到参数的闭式表达式。
对于复杂的模型，可以使用数值优化算法（如梯度下降法或牛顿法）来最大化似然函数。
步骤四：重复E步和M步在进行完一次M步之后，需要重新进行E步和M步，直到满足停止迭代的条件。
通常，可以设置最大迭代次数或终止条件，如参数的变化小于某个阈值。
EM算法的优点是对于具有缺失数据或隐变量的模型具有较好的适应性。
此外，它收敛得相对快速，因此被广泛应用于实际问题中。
然而，EM算法也存在一些限制。
首先，EM算法只能保证收敛到局部最大值，不能保证收敛到全局最大值。
其次，EM算法在遇到高维问题时，计算量往往过大。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
SAS 8.2 Enterprise Miner数据挖掘实例目录1.SAS 8.2 Enterprise Miner简介 (2)2.EM工具具体使用说明 (2)3.定义商业问题 (3)4.创建一个工程 (4)4.1调用EM (4)4.2新建一个工程 (5)4.3应用工作空间中的节点 (6)5.数据挖掘工作流程 (6)5.1定义数据源 (6)5.2探索数据 (8)5.2.1设置Insight节点 (8)5.2.2察看Insight节点输出结果 (9)5.3准备建模数据 (11)5.3.1建立目标变量 (11)5.3.2设置目标变量 (13)5.3.3数据分割 (21)5.3.4替换缺失值 (22)5.4建模 (23)5.4.1回归模型 (23)5.4.2决策树模型 (25)5.5评估模型 (28)5.6应用模型 (30)5.6.1抽取打分程序 (30)5.6.2引入原始数据源 (31)5.6.3查看结果 (32)6.参考文献： (34)1.SAS 8.2 Enterprise Miner简介数据挖掘就是对观测到的庞大数据集进行分析，目的是发现未知的关系和以数据拥有者可以理解并对其有价值的新颖方式来总结数据。
[1]一个数据挖掘工程需要足够的软件来完成分析工作，为了计划、实现和成功建立一个数据挖掘工程，需要一个集成了所有分析阶段的软件解决方案，包括从数据抽样到分析和建模，最后公布结果信息。
大部分专业统计数据分析软件只实现特定的数据挖掘技术，而SAS 8.2 Enterprise Miner是一个集成的数据挖掘系统，允许使用和比较不同的技术，同时还集成了复杂的数据库管理软件。
SAS 8.2 Enterprise Miner把统计分析系统和图形用户界面（GUI）集成在一起，并与SAS协会定义的数据挖掘方法——SEMMA方法，即抽样（Sample）、探索（Explore）、修改（Modify）建模（Model）、评价（Assess）紧密结合，对用户友好、直观、灵活、适用方便，使对统计学无经验的用户也可以理解和使用。
Enterprise Miner简称EM，它的运行方式是通过在一个工作空间（workspace）中按照一定的顺序添加各种可以实现不同功能的节点，然后对不同节点进行相应的设置，最后运行整个工作流程(workflow)，便可以得到相应的结果。
2.EM工具具体使用说明EM中工具分为七类：⏹Sample类包含Input Data Source、Sampling、Data Partition⏹Explore类包含Distribution Explorer、Multiplot、Insight、Association、Variable Selection、Link Analysis（Exp.）⏹Modify类包含Data Set Attribute、Transform Variable、FilterOutliers、Replacement、Clustering、SOM/Kohonen、Time Series（Exp.）⏹Medel类包括Regression、Tree、Neural Network、Princomp/Dmneural、User Defined Model、Ensemble、Memory-Based Reasoning、Two Stage Model⏹Assess类包括Assessment、Reporter⏹Scoring类包括Score、C*Score⏹Utility类包括Group Processing、Data Mining Database、SASCode、Control point、Subdiagram每个节点的具体使用方法可以在EM打开界面，选择SAS主菜单中帮助子菜单中的“EM参考资料”选项，进一步查看各个节点的具体使用方法。
下面我们将以客户商品信息为例来建立如下的工作流程，从而引导我们学会使用EM（Enterprise Miner）。
3.定义商业问题假设有一家目录服务公司每个月都要向发出一份服饰用品和家用器皿的商品目录。
为了更好的面对商品战，公司打算发出一张主要宣传厨房用品（dining），包括厨具（kitchenware）、器皿（dishes）和餐具（flatware）的目录。
由于对所有的客户发送目录的成本是公司无法承受的，所以公司需要把目标锁定在那些有购买倾向的客户。
我们可以通过EM来建立一个倾向模型来完成这个任务，从而得到一个邮寄对象列表。
要完成这个任务我们需要准备好关于客户购买产品记录的数据库表，表中应该包含近两年内客户是否购买了厨具（kitchenware）、器皿（dishes）和餐具（flatware）的数据，以及其他与客户购买倾向相关的变量。
我们这里根据客户购买的历史数据建立起来了数据集（数据库表）CUSTDET1，它包含了49个变量。
上表中的Total Dining (kitch+dish+flat)变量是我们新建的变量，它的值等于Kitchen Product、Dishes Purchase和Flatware Purchase三个变量的值的和，这个变量可以用来预示客户购买厨房用品（dining）的倾向，同时也是建模的基础。
当建立好这个数据集以后，相当于我们已经为我们的挖掘准备好了数据源，接下来我们就可以在EM的工作空间（workspace）里建立我们的挖掘工作流程（workflow）了。
4.创建一个工程4.1调用EM启动SAS系统后，有两种方式调用EM，一种是通过菜单调用，一种是通过在命令窗口输入命令调用。
菜单方式在SAS系统主菜单中选择“解决方案—〉分析—〉企业数据挖掘”命令方式在SAS命令窗口输入miner后按回车。
4.2新建一个工程在EM窗口打开后，建立一个新数据挖掘工程的步骤如下：（1）在SAS主菜单中选择“文件—〉新建—〉项目”，会出现建立新项目的对话框，在Create new project窗口中的Name域输入Dining List。
（2）单击Create按钮后，Dining List工程名将显示在EM窗口的左侧，下面是默认的工作流的名称Untitled,单击Untitled输入新的工作流名称Propensity，如下图所示，则一个名为Propensity的工作流程就建立起来了。
4.3应用工作空间中的节点EM中的挖掘程序需要通过设置相应的节点的方式实现，节点是EM的一个重要组成部分，在EM中的挖掘任务都是通过拖拽、右单击、双击节点等操作实现的。
在图3中单击左下方的tools标签，所有可以使用的带名称的节点分组列表显示。
部分工具也可以通过EM窗口顶部的菜单栏来选择，将鼠标在相应的节点上停留1-2秒钟可以显示节点的名称。
5.数据挖掘工作流程EM工作流程主要包括六个环节：定义数据源（Input Data Source）、探索数据（Explore data）、为建模准备数据（Prepare data for modeling）、建立模型（Build model）、评价模型（Evaluate model）和应用模型（Apply model），每个环节可能由一个或多个节点来完成。
5.1定义数据源EM定义数据源的工具是Input Data Source节点，利用Input Data Source 节点引入一个数据源的过程如下：（1）在名为Input Data Source的节点上按住鼠标左键，将其拖拽到EM 窗口右侧的空白工作区中释放，则工作区中会出现一个新的InputData Source节点。
双击该节点会出现Input Data Source窗口（2）单击select按钮，会出现SAS Data Set窗口，其中SASUSER为默认数据集库。
tables下面是SASUSER库中所有可以选择的数据集，这里我们选择CUSTDET1作为我们的数据源。
（3）选择CUSTDET1后单击OK按钮可以返回到Input Data Source窗口可以看到当选择完数据源以后，EM会自动创建节点输出数据和元数据样本。
元数据样本的默认容量（size）是2000，当数据源的记录小于2000时，元数据容量会等于数据源的大小。
如果需要改动元数据样本大小可以通过单击change 按钮实现。
（4）选择完数据源后关闭Input Data Source会弹出对话框，（5）单击“是”按钮保存修改返回到EM工作区，EM会自动将Input Data Source节点名称改为所选数据集的名称。
5.2探索数据数据源中的缺失值、边界值、不规则分布都可能会影响到挖掘得建模甚至歪曲挖掘得结果。
所以，清楚的了解数据源的内容和结构对于建立一个数据挖掘项目来说是非常重要的。
5.2.1设置Insight节点EM实现探索数据的步骤如下：（1）将Insight节点拖拽到工作区中方在名为SASUSER.CUSTDET1的Input Data Source节点下方。
（2）连接Input Data Source节点和Insight节点：A．单击空白工作区B．将鼠标箭头移动到Input Data Source 节点边缘，使鼠标箭头变为十字形状C．按住鼠标左键滑动到Insight节点后释放，单击空白工作D．出现从Input Data Source到Insight的一个箭头（3）双击Insight节点，出现Insight Settings窗口由于不同的数据源的数据量可能不同，而且有些数据源的数据量可能是非常巨大的，所以Insight节点默认抽取2000条数据记录来探索数据源，当数据源的记录数小于2000时，可以选择Insight Based On设置中的Entire data set 来改变探索数据的样本数量。
（4）单击Entire data set后关闭Insight Settings窗口，在弹出对话框中单击“是”保存设置5.2.2察看Insight节点输出结果当设置完Insight节点之后，通过运行该节点可以查看探索数据的结果，其过程如下：（1）右单击Insight节点，在弹出菜单中选择Run运行该节点，运行过程中节点的四周会变成绿色，运行完毕会有运行结果的提示对话框（2）单击“是”可以察看运行结果。
Insight运行结果将数据源以二维表视图的形式显示（3）单击SAS主菜单中的“分析”，选择下拉菜单中的“分布”，将弹出选择察看分布的变量的窗口（4）单击第一个变量PURCHASE后将滚动条拖到最后一个变量，按住Shift键单击最后一个变量SEX，当所有的变量都被选择上后单击“Y”按钮，然后确定，会出现所有变量的分布窗口。
其中包括每个变量的分布图和一些重要的统计变量以及一组分位数。