multiplier

本文是对 参考原文链接 这篇文章的翻译。如有疑问或译文有误，可留言修正。 本文尝试这些基本概念1)似然比检验2)Wald检验3)分数检验。 一位研究员想要估计下面这个模型， 该模型使用 gender ， read ， math , science 四个预测变量预测学生在标准测试中的 High vs low writing score 。 模型结果如图1. 现在研究员想知道，图1中的模型(使用4个预测变量)会不会比只使用两个预测变量（ gender , read )时的模型更显著。研究员将如何进行这种比较呢? 有三种常用检验可以用来检验这类问题， 他们是 似然比检验LR ， Wald检验 和 拉格朗日乘子检验(有时也叫分数检验) 。这些假设检验有时被描述成检验嵌套子模型区别的的检验，因为模型中的一个了可以理解成被内嵌在另一个模型中。就像两个预测变量的模型其实可理解成是四个预测变量的子模型，那么想要知道嵌套子模型与全变量模型的好坏区别就可以使用上述的三种检验去做评估。 上述三种检验都通过比较模型的似然值来评估他们的拟合度。似然是一个概率，表达的是已知某种结果对应某个参数估计值的概率(具体理解 见图2)。模型的目标是找到一个参数值（系数）使得似然函数值最大，也就是说找到一组参数可以最大程度的近似数据集。很多应用程序使用对数似然函数，而不是似然函数， 这是因为对数似然函数计算起来更方便。对数似然函数永远是负数，值越大（越接近于0）表明拟合模型更好。 尽管上面图1中的模型是逻辑回归，但这些检验方法非常通用，可以应用于具有似然函数的任何模型。 上面已经提到过， 似然函数是参数与数据的函数。当数据集一旦确定就不再改变， 可以改变系数估计值使得似然函数达到最大值。 不同的参数值，或者估计值的集合将对应不同的似然概率。如图3所示， 图中曲线体现出对数似然值随着参数a的变化而变化的趋势。X轴是参数a的值，Y轴是参数a取某值时对应的似然函数值。大多数模型都多个参数但如果模型中的其他参数固定不变，改变其中一个参数如a时就会呈现出图3中的相似的曲线。垂直的这条线标记出最大似然值对应的a的取值。 似然比检验（以后简写为LR)被用来评估两个模型并且比较两个模型的拟合效果。从一个模型中删除掉几个预测变量往往会使模型拟合效果变差（比如，会得到一个更小的对数似然概率），但这对于检验所观察的模型拟合度是否具有统计显著性来说是必要的。 LR通过这种方式来比较两个模型的对数似然值来检验两个模型， 如果此差异（两个模型的对数似然值差异）是统计显著的，那么限制性更小的模型（参数更多的模型）相对限制性更大的模型对数据的拟合更好。 如果你已经有了一个模型的对数似然值，那么LR检验值就很容易计算了。LR检验统计值计算公式如下： 其中 指对应模型的似然函数值， 表示模型的自然对数似然函数值。 指系数少的模型， 表示系数更多的模型。 检验统计结果服从卡方分布，自由度等于受约束的参数个数，比如这里相对全变量模型，只有2个参数的模型少了两个变量， 所以自由度为2， 所以检验统计结果服从自由度为2的卡方分布。 使用上面的两个模型，使用LR检验他们的差异。模型1是只使用两个 gender 和 read 两个变量的模型（没有 math 和 science ,我们将它们的系数限制为0），图4是模型1的结果， 结果中标记出了对数似然函数值（我们不对模型结果进行解释， 这不是文章的目的）。 现在再运行模型2， 模型2中使用4个预测变量，图5是模型结果。同样我们仅标记出模型2的对数似然值，并不对模型的做过多的解释。 既然有了两个模型的对数似然值， 我们可以计算LR。 代入公式我们有 即我们的似然比是36.05（服从自由度为2的卡方分布）。 我们现在可使用一张表或者其它手段得知36.05对应的 , 这表示全变量模型相对两个变量的子模型拟合数据更显著。 值得注意的是， 很多统计工具包会都会计算两个模型的LR检验去比较两个模型， 我们现在手动做是因为它计算简单且可以更好的帮助理解似然比检验的工作原理。 Wald与LR相似，但比LR要简单， 因为它只需要评估一个模型。Wald通过检验的工作原理是检验一组参数等于某个值的零假设。对被检测的模型来说， 零假设是指感兴趣的两个系数是否同时为零。 如果检验结果无法拒绝零假设， 表明移除这两个变量将不会严重影响模型对数据的拟合效果， 因为相对系数标准差很小的系数通常对因变量的预测没有太大帮助。Wald的计算公式相对LR来说有点繁琐所以这里不会列出， 可参考（Fox, 1997, p569）。为了让大家直观的感受Wald如何工作，它会测试标准误差下估计参数距离0有多远（或者是零假设下的其他值），wald的结果和其他回归结果的假设检验很类似。只不过wald可以同时检验多个参数， 而经典的做法是在回归结果中一次只检验一个参数 。 图6显示了四个变量的模型， 也不是模型2的结果。 图7中第一部分列出了wald检验的零假设， 即 math和science对应的系数同时为0 。 第二部分列出了模型2执行wald检验后的卡方分布值为27.53，其对应的自由度为2的卡方分布的 p_value=0.0000 ，即p值掉入拒绝域， 我们可以拒绝两个参数同时为0的假设。 因为包括具有统计意义的预测变量应该会导致更好的预测（即更好的模型拟合），所以我们可以得出结论，包括 math 和 science 变量会使模型拟合的统计得到显著改善。 与Wald检验一样，Lagrange乘数检验仅需要估计一个模型。区别在于，使用拉格朗日乘数检验时，估计的模型不包含感兴趣的参数。这意味着，在我们的示例中，我们可以使用拉格朗日乘数检验来测试在仅使用 gender 并将其作为预测变量运行的模型之后，向模型中添加 science 和 math 是否会导致模型拟合度显著改善。基于在模型中变量（ female 和 read ）的观察值处的似然函数的斜率来计算测试统计量。该估计的斜率或“分数”是拉格朗日乘数测试有时称为得分测试的原因。如果在模型中包括其他变量，则将分数用于估计模型拟合的改进。如果将变量或变量集添加到模型，则测试统计量是模型卡方统计量的预期变化。因为如果将当前遗漏的变量添加到模型中，它会测试模型拟合的改进，所以拉格朗日乘数检验有时也称为遗漏变量的检验。它们有时也称为修改索引，尤其是在结构方程建模文献中。图8是使用变量female和作为hiwrite的预测变量读取的逻辑回归模型的输出（与LR测试的模型1相同）。 运行上述模型后，我们可以查看拉格朗日乘数测试的结果。与前两个测试不同，前两个测试主要用于在向模型中添加多个变量时评估模型拟合的变化，而拉格朗日乘数测试可以用于测试模型拟合的预期变化（如果一个或多个参数为当前受限的被允许自由估计。在我们的示例中，这意味着测试向模型添加 math和science 是否会显着改善模型拟合。图10是分数测试的输出。表中的前两行提供了将单个变量添加到模型的测试统计信息（或分数）。为了继续我们的示例，我们将重点关注第三行中标记为“同时测试”的结果，该结果显示了在模型中同时添加数学和科学的测试统计量。将数学和科学都添加到模型的测试统计量为35.51，它是卡方分布的，自由度等于要添加到模型中的变量的数量，因此在我们的示例中为2。p值低于典型的截止值0.05，表明在模型中包含数学和科学变量将在模型拟合方面产生统计学上的显着改善。该结论与LR和Wald检验的结果一致。 如上所述，这三个测试都解决了相同的基本问题，即是否将参数约束为零（即忽略这些预测变量）会降低模型的拟合度？它们的区别在于他们如何回答该问题。如您所见，为了执行似然比检验，必须估计一个人希望比较的两个模型。 Wald和Lagrange乘数（或分数）检验的优势在于，它们近似于LR检验，但只需要估计一个模型即可。 Wald和Lagrange乘数检验在渐近上都等同于LR检验，也就是说，随着样本量变得无限大，Wald和Lagrange乘数检验统计的值将越来越接近LR检验的检验统计量。在有限的样本中，这三个样本往往会产生不同的检验统计量，但通常得出相同的结论。三种检验之间的有趣关系是，当模型为线性时，三种检验统计量具有以下关系Wald≥LR≥评分（Johnston和DiNardo 1997，第150页）。也就是说，Wald检验统计量将始终大于LR检验统计量，而LR检验统计量将始终大于分数测试中的检验统计量。当计算能力受到更大限制，并且许多模型需要很长时间才能运行时，能够使用单个模型来近似LR测试是一个相当大的优势。如今，对于大多数研究人员可能想要比较的模型而言，计算时间已不再是问题，我们通常建议在大多数情况下运行似然比检验。这并不是说永远不要使用Wald或成绩测试。例如，Wald检验通常用于对用于建模回归中的预测变量的虚拟变量集执行多自由度测试（有关更多信息，请参阅我们的《关于Stata，SPSS和SAS回归的网络手册》，特别是第3章–使用分类预测变量进行回归。）分数测试的优势在于，当候选变量数量很大时，它可用于搜索省略的变量。 更好地了解这三个测试之间如何关联以及它们如何不同的一种方法是查看它们所测试内容的图形表示。上图说明了这三个测试的每一个。沿x轴（标记为“ a”）是参数a的可能值（在我们的示例中，这是数学或科学的回归系数）。沿y轴是与a的那些值相对应的对数似然值。 LR测试将模型的对数似然率与参数a的值（被限制为某个值（在我们的示例中为零））与自由估计a的模型进行比较。它通过比较两个模型的可能性高度来查看差异是否在统计上显着（请记住，可能性值越高表示拟合越好）。在上图中，这对应于两条虚线之间的垂直距离。相反，Wald测试将参数估计值a-hat与a_0进行比较； a_0是零假设下a的值，通常假设a =0。如果a-hat与a_0明显不同，则表明自由估计a（使用a-hat）可显着改善模型拟合。在图中，这表示为x轴上a_0和a-hat之间的距离（由实线突出显示）。最后，当a受到约束（在我们的示例中为零）时，得分测试着眼于对数似然率的斜率。也就是说，它查看了在（零）假设的a值处改变可能性的速度。在上图中，这显示为a_0处的切线。

听说过没用过，也就是所谓SATA端口倍增功能，以前记得INTEL主板ICH10以上才支持，H67应有此功能。要用此功能还需外置专门硬盘阵列盒（或硬盘塔），价格也不便宜。你的主板6个口还不够用？真不够用还是走pci-e转eSata方便可靠。

灯光有三种！标准灯（max自带 效果一般）、光度学（模拟现实的灯光的参数）、Vray灯光（效果最好）。你要知道教程上用的是什么灯，光度学没有强度（就是你说找不到的那个），Vr才有强度！

负荷乘数

力量倍增器

foisun fois sept (fait), septdeux fois sept (fait), quatorze

set multiplier看贴吧有调节到二十多三十多 最高大概34T目前没看见更高的

针对不锁倍频的CPU调整倍频用的。

您好！感谢您选择惠普产品。 根据您的描述，建议您参考下列信息： PM（Port Multiplier）端口倍增器功能，简单来说就是允许一个 eSATA 接口连接多个 SATA 设备，具体到实际应用中，当您使用带有 eSATA 接口的多位外置 RAID 硬盘盒时，就可以和它进行良好的兼容和使用。希望以上回复能够对您有所帮助。

income multiplier收入乘数双语对照词典结果：income multiplier[英][ˈinkəm ˈmʌltəˌplaɪə][美][ˈɪnˌkʌm ˈmʌltəˌplaɪɚ]所得乘数; 以上结果来自金山词霸

这算什么啊？

那是力量倍增器。

CPU NB倍频器

看NSLayoutConstraintapi constant修改其都读要改其属性移除constranit再加入新update想修改肯定先找吧添加候记录第二 循环查找ios7 没标识字段查找要判断相等才能找

搜一下你主板上的sata controller的品牌和型号，然后搜索一下该controller是否支持PMP，或者直接打联想客服问就可以了。理论上是否支持Port Multiplier取决于sata controller的capability register（x230是较新的主板，所以sata controller应该是ahci mode），在linux下，可以dmesg | grep pmp看一下。

意思是两周期循环的芯片，是主板芯片的一种。微型电脑的主机内一般安装着系统主板，是安装在主机中最大的一块印刷电路板，上面分布着构成电脑系统电路的各种元器件和插接件。主板上面有许多大规模集成电路、超大规模集成电路器件和电子线路、其中包括芯片组、中央处理器插座、内存插槽、总线扩展槽、外设端口和BIOS芯片。许多主板带有电源管理功能，在规定时间内，无键盘、鼠标和磁盘操作时，系统自动切断磁盘驱动器和显示器的电源，使屏幕变黑，系统只给中央处理器供电。总线是用一串插接器组成一组导线，所有的插接器与每条线相连。当一块总线适配卡插入到某个扩展槽中，就与总线的公共导线接上了，它能接收到微机内部传来的公共信号和信息。ISA扩展槽的颜色一般是黑的，是主板中最长的扩展槽，是早期主板必备的插槽之一。PCI扩展槽长度短，颜色一般为白色，位宽一般为32位或64位。目前只有显示卡才有AGP总线。并行通信端口，即LPT1，俗称打印口，因为它常接打印机，它是同时传送八路信号，一次并行传送完整的一个字节信息。串行通信端口，即COM1、COM2，一般接鼠标，外置Modem或其他串口设备。它在一个方向上只能传送一路信号，一次只能传送一个二进制位，传送一个字节信息时，只能一位一位地依次传送。USB端口，可用于U盘、数码相机、手机、还可以用于打印机。现在的打印机可以通过USB端口直接连接电脑，安装相应的打印机驱动程序即可使用。在主板上，一般都有ROM-BIOS，是固化在只读存储器中的系统引导程序。它保存着电脑最重要的基本输入输出的程序，系统设置信息，开机上电自检程序和系统启动自举程序。只读存储器平时是只读不写的。

Equity Multiplier 简称：EM　　权益乘数又称股本乘数，是指资产总额相当于股东权益的倍数。权益乘数=资产总额/股东权益总额 即=1/(1-资产负债率)。权益乘数越大表明所有者投入企业的资本占全部资产的比重越小，企业负债的程度越高。　　计算公式　　权益乘数=资产总额/股东权益总额 即=1/(1-资产负债率).　　权益报酬率是净利润与平均净资产的百分比，也叫净值报酬率或净资产收益率。　　公式：净利润/平均净资产*100% 其中：平均净资产=(年初净资产+年末净资产)/2

　　在求取有约束条件的优化问题时，拉格朗日乘子法（Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法，对于等式约束的优化问题，可以应用拉格朗日乘子法去求取最优值；如果含有不等式约束，可以应用KKT条件去求取。当然，这两个方法求得的结果只是必要条件，只有当是凸函数的情况下，才能保证是充分必要条件。KKT条件是拉格朗日乘子法的泛化。之前学习的时候，只知道直接应用两个方法，但是却不知道为什么拉格朗日乘子法（Lagrange Multiplier) 和KKT条件能够起作用，为什么要这样去求取最优值呢？　　本文将首先把什么是拉格朗日乘子法（Lagrange Multiplier) 和KKT条件叙述一下；然后开始分别谈谈为什么要这样求最优值。　　一. 拉格朗日乘子法（Lagrange Multiplier) 和KKT条件　　通常我们需要求解的最优化问题有如下几类：　　(i) 无约束优化问题，可以写为:　　min f(x);　　(ii) 有等式约束的优化问题，可以写为:　　min f(x),　　s.t. h_i(x) = 0; i =1, ..., n　　(iii) 有不等式约束的优化问题，可以写为：　　min f(x),　　s.t. g_i(x) <= 0; i =1, ..., n　　h_j(x) = 0; j =1, ..., m　　对于第(i)类的优化问题，常常使用的方法就是Fermat定理，即使用求取f(x)的导数，然后令其为零，可以求得候选最优值，再在这些候选值中验证；如果是凸函数，可以保证是最优解。　　对于第(ii)类的优化问题，常常使用的方法就是拉格朗日乘子法（Lagrange Multiplier) ，即把等式约束h_i(x)用一个系数与f(x)写为一个式子，称为拉格朗日函数，而系数称为拉格朗日乘子。通过拉格朗日函数对各个变量求导，令其为零，可以求得候选值集合，然后验证求得最优值。　　对于第(iii)类的优化问题，常常使用的方法就是KKT条件。同样地，我们把所有的等式、不等式约束与f(x)写为一个式子，也叫拉格朗日函数，系数也称拉格朗日乘子，通过一些条件，可以求出最优值的必要条件，这个条件称为KKT条件。　　(a) 拉格朗日乘子法（Lagrange Multiplier)　　对于等式约束，我们可以通过一个拉格朗日系数a 把等式约束和目标函数组合成为一个式子L(a, x) = f(x) + a*h(x), 这里把a和h(x)视为向量形式，a是横向量，h(x)为列向量，之所以这么写，完全是因为csdn很难写数学公式，只能将就了.....。　　然后求取最优值，可以通过对L(a,x)对各个参数求导取零，联立等式进行求取，这个在高等数学里面有讲，但是没有讲为什么这么做就可以，在后面，将简要介绍其思想。　　(b) KKT条件　　对于含有不等式约束的优化问题，如何求取最优值呢？常用的方法是KKT条件，同样地，把所有的不等式约束、等式约束和目标函数全部写为一个式子L(a, b, x)= f(x) + a*g(x)+b*h(x)，KKT条件是说最优值必须满足以下条件：　　1. L(a, b, x)对x求导为零；　　2. h(x) =0;　　3. a*g(x) = 0;　　求取这三个等式之后就能得到候选最优值。其中第三个式子非常有趣，因为g(x)<=0，如果要满足这个等式，必须a=0或者g(x)=0. 这是SVM的很多重要性质的来源，如支持向量的概念。　　二. 为什么拉格朗日乘子法（Lagrange Multiplier) 和KKT条件能够得到最优值？　　为什么要这么求能得到最优值？先说拉格朗日乘子法，设想我们的目标函数z = f(x), x是向量, z取不同的值，相当于可以投影在x构成的平面（曲面）上，即成为等高线，如下图，目标函数是f(x, y)，这里x是标量，虚线是等高线，现在假设我们的约束g(x)=0，x是向量，在x构成的平面或者曲面上是一条曲线，假设g(x)与等高线相交，交点就是同时满足等式约束条件和目标函数的可行域的值，但肯定不是最优值，因为相交意味着肯定还存在其它的等高线在该条等高线的内部或者外部，使得新的等高线与目标函数的交点的值更大或者更小，只有到等高线与目标函数的曲线相切的时候，可能取得最优值，如下图所示，即等高线和目标函数的曲线在该点的法向量必须有相同方向，所以最优值必须满足：f(x)的梯度 = a* g(x)的梯度，a是常数，表示左右两边同向。这个等式就是L(a,x)对参数求导的结果。（上述描述，我不知道描述清楚没，如果与我物理位置很近的话，直接找我，我当面讲好理解一些，注：下图来自wiki）。　　而KKT条件是满足强对偶条件的优化问题的必要条件，可以这样理解：我们要求min f(x), L(a, b, x) = f(x) + a*g(x) + b*h(x)，a>=0，我们可以把f(x)写为：max_{a,b} L(a,b,x)，为什么呢？因为h(x)=0, g(x)<=0，现在是取L(a,b,x)的最大值，a*g(x)是<=0，所以L(a,b,x)只有在a*g(x) = 0的情况下才能取得最大值，否则，就不满足约束条件，因此max_{a,b} L(a,b,x)在满足约束条件的情况下就是f(x)，因此我们的目标函数可以写为 min_x max_{a,b} L(a,b,x)。如果用对偶表达式： max_{a,b} min_x L(a,b,x)，由于我们的优化是满足强对偶的（强对偶就是说对偶式子的最优值是等于原问题的最优值的），所以在取得最优值x0的条件下，它满足 f(x0) = max_{a,b} min_x L(a,b,x) = min_x max_{a,b} L(a,b,x) =f(x0)，我们来看看中间两个式子发生了什么事情：　　f(x0) = max_{a,b} min_x L(a,b,x) = max_{a,b} min_x f(x) + a*g(x) + b*h(x) = max_{a,b} f(x0)+a*g(x0)+b*h(x0) = f(x0)　　可以看到上述加黑的地方本质上是说 min_x f(x) + a*g(x) + b*h(x) 在x0取得了最小值，用fermat定理，即是说对于函数 f(x) + a*g(x) + b*h(x)，求取导数要等于零，即　　f(x)的梯度+a*g(x)的梯度+ b*h(x)的梯度 = 0　　这就是kkt条件中第一个条件：L(a, b, x)对x求导为零。　　而之前说明过，a*g(x) = 0，这时kkt条件的第3个条件，当然已知的条件h(x)=0必须被满足，所有上述说明，满足强对偶条件的优化问题的最优值都必须满足KKT条件，即上述说明的三个条件。可以把KKT条件视为是拉格朗日乘子法的泛化。转载

我觉得吧 还是你用多硬盘合起来组raid会比较好咯这样速度会快上很多的

torque multiplier扭矩倍增器双语对照词典结果：torque multiplier扭矩放大器; .__________________________________很高兴为你解答！如有不懂，请追问。 谢谢！

小郭想拿他画的

single multiplier 单一的乘数的意思

乘数效应

使用以下方法设置宽度约束实现一个进度指示器，进度从0到1，设置multiplier从0到1，当设置为0时再次更新为0.5等数值时失效； 当multiplier设置为0时，view2及attr2被系统设置为无效，如果继续通过原有约束更新multiplier就会获取不到view2和attr2，导致与预期效果存在差异。只需要控制当multiplier为0时，设置一个比较小的数值，使效果接近于0即可解决。还有其他方式，就不列出了，欢迎评论区补充。

乘数加1的意思

income multiplier英[ˈinkəm ˈmʌltəˌplaɪə]美[ˈɪnˌkʌm ˈmʌltəˌplaɪɚ]所得乘数 [例句]This is the stuff of dreams for governments , because such multiplier effects are likely to generate additional tax income so that budget deficits decline.这正是各国政府所梦寐以求的，因为这样的乘数效应可能导致税收收入增加，使得预算赤字下降。 **************************************************************如果你对这个答案有什么疑问，请追问，另外如果你觉得我的回答对你有所帮助，请千万别忘记采纳哟！***************************************************************

字面意思是：没有增加的人可以理解为：不要另外加人进来了/不要是多人的/不能另外带人来了具体意思要结合上下文的语境，如果是游戏，那就是不再吸收新团员一类的意思。希望我的回答能对你有帮助,^_^

multiplier英 ["mʌltɪplaɪə]   美 ["mʌltɪplaɪɚ]  n. [数] 乘数；[电子] 倍增器；增加者；繁殖者

乘数

不是。cpu，ultiplier越高越好，核心速度Core，eed就是主频，算是CPU最重要的性能参数越高越好，通常是体积越大晶体管数量越多，性能越强，功耗越大，也越贵。

首先要搞清楚，既然有了multiplier了，怎么还会有 tax cut multiplier？因为tax cut之后剩下来的钱，也是有mpc的，并不是省下来的钱都会花掉。那tcm的计算方法就是expenditure multiplier乘mpc

setting time multiplier设置时间倍数例句筛选1.Screening phone calls is a time multiplier.筛选你的电话是加倍时间。2.Eliminating time wasting activities is a time multiplier.消除浪费时间的活动能够“扩大”时间。

balanced budget里面，0<MPC<1A=C+MPC(TR-TA)+I+G+NX因为dTA=dG在平衡预算所以dA/dG=1-MPC所以dY/dG=(dY/dA)*(dA/dG)=1/(1-MPC)*(1-MPC)=1

虽然整体上Width是相同的，但是实现结果是不同的（前提是原理图的版图严格对应）；对某些模块的设计中，finger是有最佳值的，比如PA，JSSC上有文章提到这一点的。如果比较关键的电路还是多考虑一下吧。。。

credit multiplier 英[ˈkredit ˈmʌltəˌplaɪə] 美[ˈkrɛdɪt ˈmʌltəˌplaɪɚ] [释义] 信贷乘数; [例句]However, China did not suffer a liquidity shortage and credit crunch. Its monetarymultiplier has been more or less stable.然而，中国并未遭遇流动性不足和信贷危机，其货币乘数一直也基本稳定。求采纳

　　利用 Transform 类，可以访问可应用于显示对象的颜色调整属性和二维或三维转换对象。在转换过程中，会将显示对象的颜色或方向和位置从当前值或坐标调整（偏移）到新值或坐标。Transform 类还收集有关应用于显示对象及其所有父对象的颜色和二维矩阵转换的数据。可以通过 concatenatedColorTransform 和 concatenatedMatrix 属性访问这些组合转换。　　要应用颜色转换，请执行下列操作：创建一个 ColorTransform 对象，并使用该对象的方法和属性设置颜色调整，然后将显示对象的 transform 属性的 colorTransformation 属性分配给新的 ColorTransformation 对象。　　要应用二维转换，请执行下列操作：创建一个 Matrix 对象，并设置该矩阵的二维转换，然后将显示对象的 transform.matrix 属性分配给新的 Matrix 对象。　　要应用三维转换，应首先创建一个三维显示对象。三维显示对象具有一个非零的 z 属性值。您无需创建 Matrix3D 对象。对于所有三维对象，当您为显示对象分配 z 值时，将自动创建 Matrix3D 对象。可以通过显示对象的 transform属性访问显示对象的 Matrix3D 对象。使用 Matrix3D 类的方法，可以添加或修改现有转换设置。还可以创建自定义 Matrix3D 对象，并设置该对象的转换元素，然后使用 transform.matrix 属性将新的 Matrix3D 对象分配给显示对象。　　要修改舞台或 root 对象的透视投影，请执行下列操作：使用 root 显示对象的 transform.matrix 属性以访问 PerspectiveProjection 对象。或者，通过设置显示对象的父级的透视投影属性，对显示对象应用不同的透视投影属性。子显示对象会继承新属性。具体而言，创建一个 PerspectiveProjection 对象并设置其属性，然后将此 PerspectiveProjection 对象分配给父显示对象的 transform 属性的 perspectiveProjection 属性。然后，指定的投影转换将应用于显示对象的所有三维子级。　　由于 PerspectiveProjection 对象和 Matrix3D 对象都会执行透视转换，因此不要将二者同时分配给显示对象。将 PerspectiveProjection 对象用于焦距和投影中心更改。要获取对透视转换的更多控制，请创建透视投影 Matrix3D 对象。

keynesian multiplier_翻译keynesian multiplier 凯恩斯乘数;

xib确实是一个很方便的工具； 在创建某些自定义视图的时候如果用代码来写，会比较麻烦而且需要计算各种控件的frame，这样很不方便。这个时候使用XIB酒呢方便了。 使用步骤： 1.新建一个类，继承UIview。类名与下文中的XIB名称一致。 2.新建一个xib文件，在XIB 中 选中View 改它Class 为你建的 类名。注意是选中XIB的view绑定类的。 3.然后就可以在里面托各种控件，设置约束了。 4.实例化有两种方法，一种是在外部使用的时候直接调用

这个你可以下载一个有道词典啊，挺好用的啊？

multiplier[英] [ˈmʌltɪplaɪə(r)] [美] [ˈmʌltəˌplaɪɚ] n. 乘数；乘子相关例句1. In 8 X 2 , the multiplier is 8.在乘式8X2中, 乘数是8.2. For the geometry depicted in Figure 2 - 2 , the lagrange multiplier is positive.对于图 2-2 中所画的几何图形来说, 拉格朗日乘子是正的.

字面意思是：没有增加的人 可以理解为：不要另外加人进来了/不要是多人的/不能另外带人来了 具体意思要结合上下文的语境,如果是游戏,那就是不再吸收新团员一类的意思.

您所说的这个词语，是属于FRM，frm词汇的一个，掌握好FRM词汇可以让您在frm的学习中如鱼得水，这个词的翻译及意义如下：由于一个国家的银行能够借出的资金比接收的多，造成国家的货币供应增加

我好像就没到，这个英文在上面地方，你最好能截图来看看，这个英文出现在哪里。英语的翻译是乘数的意思。还有你是想干嘛，会用到这个英文。

multiplier是指有几个一样的管子并联，在版图中m=4，表示有四个mos管，他们的 四个端子是相连的，而fingers是指单个管子中有多少个插指结构，在版图中每个插指的s，d端是共用的，因此在尺寸小工艺中，相同的W/L采样multiplier和fingers 会有差别，电流大小会不一样

MCML乘数

因为开了节能，空闲时候会降频

不是。cpu，ultiplier越高越好，核心速度Core，eed就是主频，算是CPU最重要的性能参数越高越好，通常是体积越大晶体管数量越多，性能越强，功耗越大，也越贵。

　　Equity Multiplier 简称：EM　　权益乘数又称股本乘数，是指资产总额相当于股东权益的倍数。权益乘数=资产总额/股东权益总额 即=1/(1-资产负债率)。权益乘数越大表明所有者投入企业的资本占全部资产的比重越小，企业负债的程度越高。　　计算公式　　权益乘数=资产总额/股东权益总额 即=1/(1-资产负债率).　　权益报酬率是净利润与平均净资产的百分比，也叫净值报酬率或净资产收益率。　　公式：净利润/平均净资产*100% 其中：平均净资产=(年初净资产+年末净资产)/2

multiplier英[ˈmʌltɪplaɪə(r)]美[ˈmʌltəˌplaɪɚ]n. 乘数; 乘子;

即“乘数”. 举例：政府购买增加1000,（假设边际消费指数是0.9）,则收入增加1000,消费增加900,储蓄增加100.消费增加900,又导致收入再增加900,结果消费增加810,储蓄增加90. 那么900+810+729...的总和就是政府购买1000所产生的乘数效应. 补充楼主的补充： 政府购买增加1000,那么对于供应商来说,就是收入增加1000. 边际消费倾向是针对供应商的收入的,即：消费=收入* 边际消费指数 参考下面词条： 乘数 乘数效应

multiplier乘数双语对照词典结果：multiplier[英][ˈmʌltɪplaɪə(r)][美][ˈmʌltəˌplaɪɚ]n.乘数; 乘子; 以上结果来自金山词霸例句:1.Based on our discussions with the authorities, we estimate that the multiplier is more than 4. 根据我们和有关部门的讨论，我们预计乘数会大于4。

multiplier 英[ˈmʌltɪplaɪə(r)] 美[ˈmʌltəˌplaɪɚ] n. 乘数; 乘子; [例句]An efficient iterative Lagrange multiplier approach is devel-oped to design the filter banks.本文使用了拉格朗日乘数法，通过迭代实现了原型滤波器的设计。

multiplier: [ "mʌltiplaiə ] 乘数例句与用法: 1. The multiplier for the estimate of man-hour costs to take care of overheads and fringe benefits. 工时成本估计的乘数及以满足福利费和经营管理费的需要。 2. The number by which another number is multiplied. In 8*2, the multiplier is 8. 乘数与被乘数相乘的数。在乘式8*2中，乘数是8 英英解释: 名词multiplier:1. the number by which a multiplicand is multiplied同义词：multiplier factor

multiplier翻译成中文是倍增器multiplier音标:英[ˈmʌltɪplaɪə(r)] 美[ˈmʌltɪplaɪər]n. [数] 乘数；[电子] 倍增器；增加者；繁殖者短语搭配:1.multiplier effect 乘数效应2.lagrange multiplier 拉格朗日乘子3.frequency multiplier [电子]倍频器例句:1.In our example, if you multiply 151 by 50, you"ll get 7550.在我们的示例中，如果将151乘以50，则得到7550。2.It"s a weird multiplier of success.它是成功的怪异增倍器。3.These cells attached themselves and began to multiply.这些细胞附在一起，开始繁殖。

英语multiplier，可以翻译为放大器，乘数，倍增器，究竟翻成啥，更妥当要看上下文而敲定。