诱饵态

本代码用于模拟 BB84 和 MDI-QKD 的诱饵态量子密钥分发协议。 BB84：执行 BB84 仿真：运行 BB84/Decoy_Simulate_BB84.m输入实验数据：运行 BB84/evaluate_R.m MDI-QKD：执行 MDI-QKD 仿真：运行 MDIQKD/MDI_Decoy_Simulate.m修改线程数：修改变量 core_num（1 为不使用多线程）

使用Lilliefors正态性检验评估数据分布是否符合正态分布。

使用大数据正态检验能为数据处理提供参考。如果您对数据处理还有疑问，欢迎留言。

在博文中，详细介绍了使用Matlab对深圳成指数据进行正态性检验的方法。

SPSS正态性检验: 数据分析的基石 在进行统计分析之前，准确判断数据的分布类型至关重要，这直接影响后续分析方法的选择。正态分布作为常见的计量资料分布类型之一，在医学领域具有重要意义。SPSS作为一款强大的统计软件，为我们提供了便捷的正态性检验工具。 SPSS正态性检验方法： 图形法: 直方图: 通过观察数据分布的形状，初步判断是否符合正态分布特征。 P-P图和Q-Q图: 将观察值与理论正态分布进行比较，直观地展示数据与正态分布的偏离程度。 检验法: Shapiro-Wilk检验: 适用于小样本数据 (n < 50> Kolmogorov-Smirnov检验: 适用于大样本数据 (n > 50) 的正态性检验。 通过SPSS进行正态性检验，研究者可以快速准确地评估数据是否符合正态分布，从而为后续的统计分析选择合适的工具和方法，确保研究结果的可靠性和有效性。

Matlab开发：复杂化概率的正态化。基于DVHs计算直肠和膀胱毒性的NTCP模型。

2、构建正态云模型t定义模糊集： t根据实际问题的需求，利用前述特征因子定义归属类型模糊集，并建立相应的隶属云模型。对企业而言，可定义以下五个模糊集：1) A1：企业市场占有率相对较高；2) A2：企业价格波动较大；3) A3：企业具备强大的新产品开发能力；4) A4：企业具备强大的分销渠道与实体分配能力；5) A5：企业整体促销能力突出。 t确定了上述五个模糊集的隶属云，即确定了这些模糊集的三个数字特征值（Ex, En, He）。根据统计分析和计算结果，可以确认这些模糊集的隶属云的具体数字特征为：A1(5, 2/3, 1/2)、A2(9, 1, 1/2)、A3(9, 1, 1/2)、A4(9, 1, 1/2)、A5(9, 1, 1/2)。

在响应面分析中，残差的正态概率分布图越接近直线，表明模型拟合效果越好。残差值均匀分布在直线两侧，意味着模型能准确预测响应值，偏差符合正态分布规律。反之，如果残差分布偏离直线，则可能存在模型失拟、异常值等问题，需要进一步分析和调整模型。

讨论了如何在Matlab中开发生成日志正态阴影模型的方法。

在对正态总体参数进行检验时，常用的统计量包括 Z 统计量、t 统计量和 χ² 统计量。Z 统计量和 t 统计量通常应用于均值和比例的检验，而 χ² 统计量则用于方差检验。 选择合适的统计量取决于以下因素： 总体标准差是否已知：当总体标准差已知时，可以使用 Z 统计量；当总体标准差未知时，则需使用 t 统计量。 样本量大小：样本量的大小会影响检验结果的可靠性。一般来说，样本量越大，检验结果越可靠。