自由度

模拟多个自由度的机械臂 hArm = osg::Matrix::rotate(osg::DegreesToRadians(rotateArm1), 1, 0, 0); osg::Matrix originPos = rotArm->getMatrix(); osg::Vec3d set_center = osg::Vec3d(0, 0, 4); rotArm->setMatrix(originPos*osg::Matrix::translate(-set_center)*hArm*osg::Matrix::translate(set_center)); 来源： https://www.cnblogs.com/herd/p/11406077.html

统计量 统计量是统计理论中用来对数据进行分析、检验的变量。 宏观量 是大量 微观量 的统计 平均值 ，具有统计平均的意义，对于单个微观粒子，宏观量是没有意义的． 相对于微观量的统计平均性质的宏观量也叫统计量。需要指出的是，描写宏观世界的 物理量 例如速度、动能等实际上也可以说是宏观量，但宏观量并不都具有统计平均的性质，因而宏观量并不都是统计量。 样本均值 样本均值(sample mean)又叫 样本均数 。即为样本的均值。 均值是表示一组数据 集中趋势 的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。 样本均值则是在总体中的样本数据的均值。 样本： 样本（sample），是指从 总体 中抽出的一部分 个体 。样本中所包含个体数目称 样本容量 或含量，用符号N或n表示。 均值： 均值是表示一组数据 集中趋势 的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。 解答平均数应用题的关键在于确定“总数量”以及和总数量对应的总份数。在统计工作中，平均数（ 均值 ）和标准差是描述数据资料集中趋势和离散程度的两个最重要的测度值。 设 是来自正态总体 的样本， 是样本均值，则有 ： 样本方差 先求出 总体 各单位变量值与其 算术平均数 的 离差 的平方，然后再对此变量取 平均数 ，就叫做 样本方差 。

目录： 一、统计量 1、概念 2、常用统计量 二、抽样分布 1、常见三大抽样分布 一、统计量： 1、概念： 统计量是统计理论中用来对数据进行分析、检验的变量。在实际应用中，当我们从某个总体中抽取一个样本（X1，X2，X3......，Xn）后，并不能直接用它对总体的有关性质和特征进行推断，因为样本虽说是从总体中获取的代表，含有总体性质的信息，但还是会比较分散。当我们需要将统计的推断变成可能的，必须要把分散在样本中的信息集中起来，针对不同的目的，构造不同的样本函数，这种函数在统计学中成为统计量。 统计量是样本的一个函数。有样本构造具体的统计量，实际是对样本所含的总体信息按照一些要求进行加工处理，把分散在样本中的信息集中都统计量的取值上。不同的统计推断问题要求构造不同的统计量。统计量是统计推断的基础，相当于概率论中的随机变量。 在统计量的公式中不能依赖于总体分布的未知参数，如包含E(X),D(X)的都不是统计量。 2、常用统计量： 　　一般在概率论中，将数学期望和方差等概念用‘矩’的概念描述。当n充分大时，有定理可以保证经验分布函数Fn（x）很靠近总体分布函数F（x）。所以，经验分布函数Fn（x）的各阶矩就反映了总体各阶矩的信息。通常把经验分布函数的各阶矩称为样本各阶矩。常用的样本各阶矩及其函数都是实际应用中的具体统计量。 2.1、样本均值 ，反映出总体X数学期望的信息。 2.2