滾輪滾針軸承(bearing)參數(shù)(parameter)估計與非參數(shù)估計的特點：

參數(shù)估計可以清晰、準確評估數(shù)據(jù)特征，在數(shù)據(jù)靜態(tài)評估方面有很大的優(yōu)越性。常用的參數(shù)估計主要
有矩估計和極大似然估計。滾輪軸承外圈采用外圈壁較厚的滿裝圓柱滾子軸承，滾輪的外徑面有圓柱形和弧形，可根據(jù)使用場合設計來與滾道面配合。利用這種外圈，滾輪可以直接在滾道上滾動，并可以承受較重負荷和沖擊負荷。然而，參數(shù)估計要求數(shù)據(jù)無污染數(shù)據(jù)，也就是沒有離散值。如果出現(xiàn)離散值，即
使很少，參數(shù)(parameter)估計的效果也會大大降低（reduce)，甚至出現(xiàn)錯誤。復合滾輪軸承當中*主要的承載體，主要承受垂直方向的載荷和沖擊負荷，具有很強的耐沖擊性、耐磨性及抗腐蝕性。由于主滾輪為滿裝滾子軸承，亦可作為單向軸承單獨使用。螺栓滾輪軸承側滾輪為一套復合滾輪當中第二承載體，主要承受水平方向載荷，同樣具有很強的耐沖擊性、耐磨性及抗腐蝕性。側滾輪為無內(nèi)圈滿滾針設計，由一根芯軸代替內(nèi)圈和軸頭銜接承載。矩估計評估需要知道數(shù)據(jù)分布類型、原點矩或者中
心矩收斂，但有些情況下，數(shù)據(jù)（data)的矩是不存在的;極大似然法要求數(shù)據(jù)分布類型已知并求出極小值，但在一
些情況下無法直接求出極小值，需要借助其他方法，增加計算的難度（difficulty)。
非參數(shù)估計是近代統(tǒng)計學中重要的分析方法之一， 適用于小樣本、分布未知樣本、污染樣本、混雜
樣本，在數(shù)據(jù)（data)評估中占有很重要的位置。常用的非參數(shù)(parameter)估計主要有符號估計、秩估計、柯爾莫哥洛夫估計和
斯米爾諾夫估計等。例如，符號估計法可以估計兩個總體的差異性與一個總體的時序差異性等問題;秩估計
法可以估計兩個總體的位置（position )分布，以反映總體差異的特點;柯爾莫哥洛夫估計法可以分析(Analyse)一個總體數(shù)據(jù)與標
準分布的差異性。雖然非參數(shù)估計對數(shù)據(jù)（data)要求不高，但其評估結果很模糊、粗糙，且數(shù)據(jù)本身的特點難以體
現(xiàn)。
結合參數(shù)估計與非參數(shù)估計的特點可以看出，在參數(shù)估計與非參數(shù)評估方法中，僅采用其中任何一種
評估方法，都很難對數(shù)據(jù)（data)做出有效、正確的評估。從數(shù)據(jù)評估的角度（angle)看，參數(shù)(parameter)估計無論是矩估計還是極大似
然估計，每個數(shù)據(jù)對評估結果貢獻大小不同，大數(shù)據(jù)(Data Mining)對評估結果影響較大，小數(shù)據(jù)對評估結果影響較小。例
如，在矩估計中，數(shù)據(jù)平均值是數(shù)據(jù)線性組合，可以看出離散數(shù)據(jù)比其他數(shù)據(jù)對評估結果的影響要大得多;
數(shù)據(jù)（data)方差值是數(shù)據(jù)與平均值差的平方，是數(shù)據(jù)二次方線性組合，可以看出離散值比其他數(shù)據(jù)對評估結果的影
響更大。而非參數(shù)(parameter)估計把每個數(shù)據(jù)對總體的影響看作是一樣的，可以弱化離散數(shù)據(jù)對評估結果的影響。為此
本書提出融合參數(shù)估計與非參數(shù)估計優(yōu)點的參數(shù)與非參數(shù)融合方法對數(shù)據(jù)（data)進行分析(Analyse)，以挖掘（excavate)更多的數(shù)據(jù)信
息，實施更有效的數(shù)據(jù)評估。