SamplingFunctionScaleEParameter (iObjects Java Help)

java.lang.Object
- com.supermap.data.InternalHandle
- - com.supermap.data.InternalHandleDisposable
  - - com.supermap.analyst.spatialstatistics.SamplingFunctionParameter
    - - com.supermap.analyst.spatialstatistics.SamplingFunctionScaleEParameter

所有已实现的接口:

IDisposable
```
public class SamplingFunctionScaleEParameter
extends SamplingFunctionParameter
```
简单随机、系统、空间随机抽样模型计算样本量的E函数（刻度值）参数类。简单随机、系统、空间随机抽样模型在计算样本量用到的函数，包括A函数（刻度值）、B函数（刻度值）、C函数（刻度值）、D函数（刻度值）、E函数（刻度值）、F函数（刻度值）、G函数（刻度值）、A函数（比例值）、B函数（比例值）、C函数（比例值）、D函数（比例值）、E函数（比例值）。

构造器概要

构造器
构造器和说明
`SamplingFunctionScaleEParameter(double dPopulationVariance, double dRelativeError, Double dSignificanceLevel, int nInitialIteratedSize, double dPresamplingMean)` E函数（刻度值）参数。

方法概要

所有方法实例方法具体方法
限定符和类型	方法和说明
`int`	`getInitialIteratedSize()` 返回初始迭代样本量。
`double`	`getPopulationVariance()` 返回总体方差。
`double`	`getPresamplingMean()` 返回预抽样均值。
`double`	`getRelativeError()` 返回相对误差。
`double`	`getSignificanceLevel()` 返回置信区间参数alpha。
`void`	`setInitialIteratedSize(int value)` 设置初始迭代样本量。
`void`	`setPopulationVariance(double value)` 设置总体方差。
`void`	`setPresamplingMean(double value)` 设置预抽样均值。
`void`	`setRelativeError(double value)` 设置相对误差。
`void`	`setSignificanceLevel(double value)` 设置置信区间参数alpha。

从类继承的方法 com.supermap.analyst.spatialstatistics.SamplingFunctionParameter
dispose, getFunctionType

从类继承的方法 com.supermap.data.InternalHandleDisposable
makeSureNativeObjectLive

从类继承的方法 java.lang.Object
equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

- 构造器详细资料
  - SamplingFunctionScaleEParameter
```
public SamplingFunctionScaleEParameter(double dPopulationVariance,
                                       double dRelativeError,
                                       Double dSignificanceLevel,
                                       int nInitialIteratedSize,
                                       double dPresamplingMean)
```
    E函数（刻度值）参数。
    
    参数:
    
    dPopulationVariance - 总体方差。
    
    dRelativeError - 相对误差。
    
    dSignificanceLevel - 置信区间参数alpha。
    
    nInitialIteratedSize - 初始迭代样本量。
    
    dPresamplingMean - 预抽样均值。
- 方法详细资料
  - getPopulationVariance
```
public double getPopulationVariance()
```
    返回总体方差。
    
    返回:
    
    总体方差。
  - setPopulationVariance
```
public void setPopulationVariance(double value)
```
    设置总体方差。抽样空间中真实的方差（每个可能样本得到的测量值计算得到的方差），一般来源于上一次调查或者相关的历史资料，无法精确获得。
    
    参数:
    
    value - 总体方差。
  - getRelativeError
```
public double getRelativeError()
```
    返回相对误差。
    
    返回:
    
    相对误差。
  - setRelativeError
```
public void setRelativeError(double value)
```
    设置相对误差。抽样均值减去实际目标对象值除以目标对象值。
    
    参数:
    
    value - 相对误差。
  - getSignificanceLevel
```
public double getSignificanceLevel()
```
    返回置信区间参数alpha。
    
    返回:
    
    置信区间参数alpha。
  - setSignificanceLevel
```
public void setSignificanceLevel(double value)
```
    设置置信区间参数alpha。根据均值正态分布假设，用户希望在多大程度上相信得到的结果可信。用户得到结果的可信程度通过（1-alpha/2）%来表示。
    
    参数:
    
    value - 置信区间参数alpha。
  - getInitialIteratedSize
```
public int getInitialIteratedSize()
```
    返回初始迭代样本量。
    
    返回:
    
    初始迭代样本量。
  - setInitialIteratedSize
```
public void setInitialIteratedSize(int value)
```
    设置初始迭代样本量。在计算抽样样本量的时候，需要利用t分布，t分布值计算需要2个参数：样本量和alpha。而在计算中t分布会用很多次，样本量通过迭代计算，最后收敛而得到，初始迭代样本量就是第一次用于计算t值的样本大小。
    
    参数:
    
    value - 初始迭代样本量。
  - getPresamplingMean
```
public double getPresamplingMean()
```
    返回预抽样均值。
    
    返回:
    
    预抽样均值。
  - setPresamplingMean
```
public void setPresamplingMean(double value)
```
    设置预抽样均值。用户在正式抽样之前，进行一定范围的调查，得到样本的均值。
    
    参数:
    
    value - 预抽样均值。

类 SamplingFunctionScaleEParameter

构造器概要

方法概要

从类继承的方法 com.supermap.analyst.spatialstatistics.SamplingFunctionParameter

从类继承的方法 com.supermap.data.InternalHandleDisposable

从类继承的方法 java.lang.Object

构造器详细资料

SamplingFunctionScaleEParameter

方法详细资料

getPopulationVariance

setPopulationVariance

getRelativeError

setRelativeError

getSignificanceLevel

setSignificanceLevel

getInitialIteratedSize

setInitialIteratedSize

getPresamplingMean

setPresamplingMean