⑴ 能用数据库模型来预测一些东西的概率吗
可以，主要看你的数据质量。
祝好运，望采纳。
⑵ 建立和求解概率图模型有哪些好用的python 库
标准库 Python拥有一个强大的标准库。Python语言的核心只包含数字、字符串、列表、字典、文件等常见类型和函数，而由Python标准库提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。 Python标准库的主要功能有：...
⑶ 谈一谈你对数据库的了解
国有企业招聘效度的Bayes分析方法
招聘工作是人力资源管理的重要职能之一，它从源头上影响着企业整体人力资源的素质水平。为了成功地为企业找到合适的人选，HR们使出了浑身招数，在招聘方式上付出了极大的努力。各种各样的面试方法和测评技术正不断地充实着人力资源管理的理论与实践。
��经过多年的招聘实践和理论的学习，企业及HR们都或多或少地形成了一套自己的招聘理念与方法。那么如何去评价这些方法是否真的有效呢？尽管我们可以应用一些诸如录用比、完成比、应聘比、雇佣率等指标对人资部的招聘工作进行衡量，从企业的长短期目标、成本的控制等因素上进行考量。但这些指标仍然无法有针对性地显示出企业所采用的招聘方法的有效性。在此笔者简单地介绍一下企业招聘效度评价的贝叶斯(Bayes)分析方法，希望能起到抛砖引玉的作用。
��贝叶斯(Bayes)分析方法是一种基于概率的分析方法。在实践中，企业可以根据招聘的历史资料或主观判断初步地估计目前采用的招聘方式在某些方面的概率，如面试通过率等。这些概率由于是以前资料或经验的总结，在实践的运用上会存在着较大的偏差。在概率论里，我们称这些概率为先验概率。
��贝叶斯分析正是基于这些先验概率进行分析的，它通过调查及统计分析的方法对先验概率进行修正，求得较为准确的后验概率，并协调管理人员据此进行决策。
��对企业招聘方式进行贝叶斯分析通常需要进行以下几个步骤：
1．对企业招聘的内外部历史数据及岗位资料进行收集
2．通过收集岗位资料进行计算和逻辑判断，取得先验概率，包括历史概率和逻辑概率，对历史概率要加以检验，辩明其是否适合计算后验概率。
3．根据贝叶斯定理进行效度分析。
��例如，A公司决定对某管理职位所采用的招聘方式进行贝叶斯分析，假定该公司是进行常规面试来为公司甄选某管理职位人员。通过企业对该职位招聘的历史数据进行统计和经验的逻辑判断表明：在所有应聘该职位的人员中，仅有70%的人在实际中“符合企业要求”，其余则“不符合企业要求”。“符合企业要求”的人仅有80%能通过面试的筛选，“不符合企业要求”的人中，通过面试的为30%。
��在招聘工作中，企业希望招到的人是既“符合企业要求”又“通过面试”，而现实中却常常会有“符合企业要求”的人没有通过面试，或“不符合企业要求”的人通过了面试的现象发生。当然，无论哪种招聘方式都会或多或少地存在这种问题。作为招聘方，想知道的是一个“通过面试”的人“符合企业要求”的概率有多大。如果这个概率比较低，那么证明这个招聘是无效的。
��以上面A公司为例，对这些数据进行贝叶斯分析，假定一个应聘者通过了企业的面试，那么，他是一个“符合要求”的人员的概率是多少呢？
��按照概率论的贝叶斯定理，我们以A1表示一个“符合要求”的应聘者，B代表通过面试。给定一个应聘者通过了面试，那么他实际是一个“符合企业要求”的人员的概率为：
P(A1|B) =P(A1)*P(B|A1)/[P(A1)*P(B|A1)+P(A2)P(B|A2)]
����=0.70*0.8/(0.70*0.8+0.30*0.30)=0.862
��该职位进行贝叶斯分析的Excel公式代码(见附件)
��由此我们可以判断出，该职位进行的招聘方法对于筛选应聘者是有价值的。因为对该职位来说，如果不进行面试，从应聘人中随机挑选一个人，他符合要求的概率为70%；但是如果公司只接受通过面试的应聘者，这个概率就提高到86.2%。
��通过贝叶斯分析，我们可以较为清晰地了解到某种招聘方式在甄选方面的效度，从而决定是否应对这种招聘方法进行改善处理。上例中的概率为86.2%，如果企业的目标在90%以上，那么这种面试方法还需要在技术、程序等方面加以改进以符合企业的要求。
��实践表明，贝叶斯分析方法在对企业招聘效度的评价方面能取得较为不错的效果。当然它也有一些缺点。比如需要企业保存有大量的招聘历史数据，需要对这些信息的外部表象进行理性的分析。然而事实上，许多企业并没有建立完善的数据库，因此有些数据必须使用到主观性概率，使得评价的结果的精确性受到一些人的怀疑，也妨碍了贝叶斯分析方法的应用与推广。为了解决这些问题，对贝叶斯分析方法上出现了许多理论和研究方法的更新，如贝叶斯回归分析、插值方法、分段定价模型、序贯分析等，对此有兴趣的也可去了解一下。
⑷ sqlserver数据库中查询概率的语句怎么写 谢谢 帮帮忙！
爱问,,道无法自拔.
⑸ 能用数据库模型来预测一些事情的概率吗
数据库本身是用于交易的，里面使用的SQL语句用于业务操作，最主要的是数据的增删改查，在这些方面是不能预测的。
当数据库中积累了足够多的数据之后，这些数据内部可能会满足某种分布规律，此时可以套用数据挖掘的一些算法进行预测。
⑹ 美国国家标准与技术研究院的数据库
根据标准参考数据计划，NIST的各实验室正在将他们的数据库产品不断加入到在线访问的数据库行列，建立了一系列的科学数值数据库。通过更新现有的数据库及开发新数据库，NIST不断地丰富它的评价数值数据集，为社会提供可靠的、经过评价的数值数据。社会各界的工程师和科学家依靠 NIST的标准参考数据对许多关键技术进行决策。
NIST的标准参考数据库系列包括50多个数据库，其中大部分是建在微机上的多用途数据包，根据学科可分为以下几类：分析化学（包括谱学），原子和分子物理，生物技术，化学与晶体结构，化学动力学，工业流体与化工，材料性能，热力学与热化学，以及NIST的其它数据库。
分析化学类包括质谱库、红外谱、光电子能谱等数据库；原子与分子物理类包括光谱性能、c-射线衰减系数及交叉截面、原子光谱等数据库；生物技术类包括生物大分子结晶库等数据库；化学与晶体结构类有电子衍射等数据库；化学动力学类包括化学动力学、溶液动力学等数据库；工业流体与化工类有物质的热力学性能数据库；材料性能类包括结构陶瓷、腐蚀性能、摩擦材料、高温超导等数据库；表面数据类包括表面结构、弹性电子散射交叉截面等数据库；热化学类包括化学热力学、有机化合物热力学性能估算、JANAF热化学表等数据库。
NIST提供科学数值数据服务的方式主要有：①将数据与分析仪器连在一起出售，如质谱库中有近10万个化合物数据，附在质谱仪中出售的有常用的几万个化合物；②以PC数据包方式出售；③联机数据服务；④作为其它大的软件包的一部分；⑤直接装入用户的计算机。
具体的在线科学数据库名单如下：
儿童人体测量数据库（AnthroKids - Anthropometric Data of Children），
铂/氖阴极管灯泡的光谱图（Atlas of the Spectrum of a Platinum/Neon Hollow-Cathode Lamp in the Region 1130-4330 Å），
用于电子结构计算的原子参考数据库（Atomic Reference Data for Electronic Structure Calculations），
原子光谱数据库（Atomic Spectra Database，ASD），
原子谱线加宽目录数据库（Atomic Spectral Line Broadening Bibliographic Database），
原子跃迁概率数据库（Atomic Transition Probability Bibliographic Database），
原子重量及同位素成分数据库（Atomic Weights and Isotopic Compositions），
光子总交叉截面（衰减系数）测量目录（Bibliography of Photon Total Cross Section (Attenuation Coefficient) Measurements），
生物高分子结晶数据库（Biological Macromolecule Crystallization Database），
陶瓷互联网手册（Ceramics WebBook），
化学动力学数据库（CKMech，Chemical Kinetic Mechanisms），
化学互联网手册（Chemistry WebBook），
单分子反应计算数据库（ChemRate: A Calculational Database for Unimolecular Reaction），
视觉协同测试床（CIS2 Visual Interoperability Testbed），
化学动力学机理（CKMech，Chemical Kinetic Mechanisms），
计算化学比较和基准数据库（Computational Chemistry Comparison and Benchmark Database），
计算机辨认工具测试项目网站（Computer Forensics Tool Testing (CFTT) Project Web Site），
二阶光谱数据库（Diatomic Spectral Database），
运算法则和数据结构字典（Dictionary of Algorithms and Data Structures），
电子与等离子体加工用气体相互作用数据 (Electron Interactions with Plasma Processing Gases），
元素数据索引（Elemental Data Index），
工程统计学手册（Engineering Statistics Handbook），
火灾研究信息服务（Fire Research Information Services ，FRIS），
基本物理常数（Fundamental Physical Constants），
中性原子的基本水平和电离能量（Ground Levels and Ionization Energies for the Neutral Atoms），
数学软件指南（Guide to Available Mathematical Software），
NIST计量结果不确定性的评估与表达指南（Guidelines for Evaluating and Expressing the Uncertainty of NIST Measurement Results），
基础原子光谱数据手册（Handbook of Basic Atomic Spectroscopic Data），
绝缘体和建筑材料的热传递性质（Heat Transmission Properties of Insulating and Building Materials），
高温超导材料数据库（High Temperature Superconcting Materials Database），
HIV蛋白酶数据库（HIV Protease Database），
人线粒体蛋白数据库（Human Mitochondrial Protein Database），
烃类光谱数据库（Hydrocarbon Spectral Database），
二氧化碳同位素测定的交互规则（Interactive Algorithm for Isotopic CO2 Measurements），
国际比较数据库（International Comparisions Database），
ITS-90热电偶数据库（ITS-90 Thermocouple Database），
自动数据分析工具（MassSpectator Automated Data Analysis Tool），
矩阵市场数据库（Matrix Market Database），
相位图和计算热动力学―焊接系统（Phase Diagrams and Computational Thermodynamics - Solder Systems），
多轮烃结构索引（Polycyclic Aromatic Hydrocarbon Structure Index），
聚合物方法数据库（Polymer MALDI MS Methods Database），
高级材料的性质数据总结（Property Data Summaries for Advanced Materials），
断裂韧度性质数据总结（Property Data Summaries for Fracture Toughness），
氧化玻璃的性质数据总结（Property Data Summaries for Oxide Glasses），
蛋白质数据银行（Protein Data Bank (PDB) ( in collaboration with RCSB )
放射性核半衰期计量（Radionuclide Half-Life Measurements），
用于观测星际分子微波跃迁的雷达技术扫描频率（Recommended Rest Frequencies for Observed Interstellar Molecular Microwave Transitions - 1991 Revision），
加强渗透性数值数据库（Database on Reinforcement Permeability Values），
短暂前后重复的DNA数据库（Short Tandem Repeat DNA Internet Database），
无铅焊料的焊接特性数据库（Database for Solder Properties with Emphasis on New Lead-free Solders），
可溶性数据库（IUPAC-NIST Solubility Database），
溶解动力学数据库（NDRL/NIST Solution Kinetics Database on the Web），
坎德拉X-射线天文台光谱数据库（Spectral Data for the Chandra X-ray Observatory），
统计参考数据库（Statistical Reference Datasets），
电子、质子和氦离子的静止能与行程表（Stopping-Power and Range Tables for Electrons,Protons,and Helium Ions），
NIST结构陶瓷学数据库（NIST Structural Ceramics Database），
合成聚合物质谱项目（Synthetic Polymer Mass Spectrometry Project），
X-射线质量衰减系数和能量吸收系数表（Tables of X-Ray Mass Attenuation Coefficients and Mass Energy - Absorption Coefficients），
酶催化反应的热力学数据库（Thermodynamics of Enzyme-Catalyzed Reactions Database），
半导体器件加工用的气体的热物理特性数据库（Database of the Thermophysical Properties of Gases Used in the Semiconctor Instry），
三原子光谱数据库（Triatomic Spectral Database），
Vibrational branching ratios and asymmetry parameters in the photoionization of CO2 in the region between 650 Å and 840 Å
可见物粘合剂数据集（NIST Visible Cement Dataset），
Wavenumber Calibration Tables from Heterodyne Frequency Measurements
用于剂量测定的X-射线衰减与吸收表（X-Ray Attenuation and Absorption for Materials of Dosimetric Interest），
X-射线波型系数、衰减与散射表（X-Ray Form Factor,Attenuation and Scattering Tables），
X-射线电光子分光光谱数据库（NIST X-ray Photoelectron Spectros Database），
X-射线跃迁能量数据库（X-Ray Transition Energies Database），
光子交叉截面数据库（XCOM: Photon Cross Sections Database）。
⑺ 从数据库中根据出现概率随机读数据sql怎么写
如下：
--依据出现概率
SELECT * FROM t1 ORDER BY [出现概率]
--随机
SELECT * FROM t1 ORDER BY NEWID()
⑻ 大连海事大学数据库系统概率和数据库原理同不同
您好，大连海事大学数据库系统概论华文精品高分套餐包括数据库系统概论的内部笔记、内部重点讲义、导师复习题、近2-3年期末题、考研复习必做重点习题汇编、考研专业课基础复习模拟测试题、2014年考研全程复习规划（视频）、专业就业指导及分析规划（电子版）、2014年考研英语词汇5500精讲速记班 （视频）。购买大连海事大学数据库系统概论华文精品高分套餐赠送本专业所有历年真题。
大连海事大学软件工程（专业学位）专业数据库原理笔记：大连海事大学软件工程（专业学位）专业数据库原理内部重点权威笔记，由大连海事大学软件工程（专业学位）专业数据库原理的多本重点笔记查缺补漏整理而成，手写版，考点全面，重点突出。数据库原理是大连海事大学软件工程（专业学位）专业的最重要的核心专业基础课之一，由大连海事大学软件工程（专业学位）专业最权威的导师授课。包括考研重点分析，知识体系全面，基础知识重难点分析。并且笔记由大连海事大学软件工程（专业学位）专业的考研高分学员仔细检查审定，并且结合自身考研经验，对考研的重点进行了必要的补充，这样就会更加凸显重点，直击考研的命题重点及相关考点，完善而详细。
⑼ oracle数据库，如何根据概率随机查询取四条数据呢
select * from tableName sample(10) where rownum<5;
sample(10)代表从tableName 表中随机取到10%的数据 rownum<5 取4条
⑽ 查询至少选修了数据库和概率统计的学生姓名和所在系
select distinct 学生姓名,系名 from 学生表,成绩表,选课表 where 选课表.课程号=成绩表.课程号 and 学生表.学号=成绩表.学号 and 课程表.课程名 in('数据库','概率统计')
应为你没给出表结构，所以不知道是怎么样的，我只能根据我自己写的表结构这样写了