![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学基础
文章平均质量分 61
liying_tt
这个作者很懒,什么都没留下…
展开
-
Day04-概率论与数理统计-数理统计(DataWhale)
八、样本及抽样分布8.1 总体与样本总体:个体、总体分布样本:抽样、样本变量、样本观测值抽样:简单随机抽样【独立同分布】样本的分布: 变量:(X1,X2,...,Xn)(X_1,X_2,...,X_n)(X1,X2,...,Xn) 分布:F(x1,x2,...,xn)=F(x1)F(x2)⋅⋅⋅F(xn)F(x_1,x_2,...,x_n)=F(x_1)F(x_2)···F(x_n)F(x1,x2,...,xn)=F(x1)F(x2)⋅⋅⋅F(xn)原创 2021-11-04 15:13:05 · 238 阅读 · 0 评论 -
Day04-概率论与数理统计-随机变量的数字特征与大数定律中心极限定理(DataWhale)
六、数字特征6.1 期望6.1.1 离散型P{X=xk}=Pk,若∑k=1∞xkPkP\{X=x_k\}=P_k,若\sum_{k=1}^{\infty}x_kP_kP{X=xk}=Pk,若∑k=1∞xkPk绝对收敛,则随机变量XXX的数学期望E(X)=∑k=1∞xkpkE(X)=\sum_{k=1}^{\infty}x_kp_kE(X)=∑k=1∞xkpk数学期望并不一定都存在,∑k=1∞xkPk\sum_{k=1}^{\infty}x_kP_k∑k=1∞xkPk需要绝对收原创 2021-11-02 08:48:15 · 270 阅读 · 0 评论 -
Day03-概率论与数理统计-多维随机变量及其分布(DataWhale)
五、二维随机变量及其分布5.1 联合分布E:试验;Ω:样本空间;X,Y是Ω的两个变量【来自同一样本空间】E:试验;\Omega:样本空间;X,Y是\Omega的两个变量【来自同一样本空间】E:试验;Ω:样本空间;X,Y是Ω的两个变量【来自同一样本空间】联合分布函数:F(x,y)=P{(X≤x)∩P{Y≤y)}=P(X≤x,Y≤y}F(x,y)=P\{(X\leq x)\cap P\{Y\leq y)\}=P(X\leq x,Y\leq y\}F(x,y)=P{(X≤x)∩P{Y≤y)}=P(X≤x,原创 2021-10-27 16:01:13 · 228 阅读 · 0 评论 -
Day02-概率论与数理统计-一维随机变量及其分布(DataWhale)
二、随机变量事件:{X=a}\{X=a\}{X=a};事件的概率P{X=a}P\{X=a\}P{X=a}离散型随机变量:有限个或者无限可列非离散型随机变量:连续型2.1 离散型随机变量及其概率分布XXX的所有取值xk(k=1,2,...)x_k(k=1,2,...)xk(k=1,2,...)【可以取无穷个,但是要可列】概率函数分布:P(X=xk)=PkP(X=x_k)=P_kP(X=xk)=Pkpk≥0p_k \geq 0pk≥0∑pk=1\sum p_k=1∑pk=原创 2021-10-27 15:59:19 · 314 阅读 · 0 评论 -
Day01-概率论与数理统计-概率论基础(DataWhale)
一、概率论基础1.1 概念随机试验E在相同的条件下可以重复进行每次试验的可能结果不止一个,并且能事先明确试验的可能结果进行试验之前不能确定哪一个结果会出现样本空间S随机试验的所有可能结果的集合样本点样本空间的元素随机事件试验E的样本空间S的子集基本事件一个样本点组成的单点集频率在相同条件下进行n次试验,在这n次试验中,事件A发生的次数nAn_AnA称为事件A发生的频数,nAn\frac{n_A}{n}nnA称为频次,记作fn(原创 2021-10-17 21:15:12 · 127 阅读 · 0 评论 -
Day04-线性代数-特征值和特征向量(DataWhale)
七、特征值和特征向量AAA 是n阶方阵,数λ\lambdaλ,若存在非零列向量α⃗\vec{\alpha}α,使得Aα⃗=λα⃗A\vec{\alpha}=\lambda\vec{\alpha}Aα=λα,则λ\lambdaλ是特征值,α⃗\vec{\alpha}α是对应于λ\lambdaλ的特征向量λ\lambdaλ可以为0α⃗\vec{\alpha}α不能为0⃗\vec{0}0,且为列向量Aα⃗=λα⃗λα⃗−Aα⃗=0(λE−A)α⃗=0有非零解的条件是∣λE−A∣=0\begin{原创 2021-10-17 21:14:14 · 603 阅读 · 0 评论 -
Day03-线性代数-n维向量(DataWhale)
五、n维向量kα⃗=0;k=0或α⃗=0⃗k\vec{\alpha}=0;k=0或\vec{\alpha}=\vec{0}kα=0;k=0或α=05.1 向量间的线性关系零向量可以有由任意向量组表示向量组中任一向量可由向量组表示任意向量可由ε1⃗=(1,0,...,0),ε2⃗=(0,1,...,0),...,εn⃗=(0,0,...,1)\vec{\varepsilon_1}_=(1,0,...,0),\vec{\varepsilon_2}_=(0,1,...,0),...,\vec{\var原创 2021-10-17 21:11:39 · 345 阅读 · 0 评论 -
Day02-线性代数-矩阵(DataWhale)
二、矩阵2.1 概念同型矩阵:两个矩阵的行数相等、列数也相等非齐次线性方程组:{a11x1+a12x2+...+a1nxn=b1a21x1+a22x2+...+a2nxn=b2......am1x1+am2x2+...+amnxn=bm\begin{cases}a_{11}x_1+a_{12}x_2+...+a_{1n}x_n =b_1 \\a_{21}x_1+a_{22}x_2+...+a_{2n}x_n =b_2\\......\\a_{m1}x_1+a_{m2}x_2+...+a原创 2021-10-15 10:28:36 · 269 阅读 · 0 评论 -
Day01-线性代数-行列式(DataWhale)
一、行列式1. 性质行列式与他的转置行列式相等两行互换,值变号行列式两行或两列对应相等,行列式的值等于0某一行乘以k,相当于k乘以行列式行列式两行成比例,行列式值为0行列式的某一行的元素是两数之和,则行列式等于两个行列式之和【是和的那一行分开,其余行保持不变】某一行乘以一个数,加到另一行上去,行列式不变2. 行列式计算利用性质化为上三角、下三角直接展开【将某一行或列尽可能多的化出0】观察行和列的和,累加到某一行,化出1出现平方项要注意原创 2021-10-12 09:13:04 · 196 阅读 · 0 评论 -
Day08-数学基础-多元函数积分学(DataWhale)
原创 2021-10-01 08:22:58 · 85 阅读 · 0 评论 -
Day07-数学基础-经济问题(DataWhale)
一、复利复利公式Am=A(1+r)mA_m = A(1+r)^mAm=A(1+r)mA:本金,r:每一期的利率,m:复利的总期数,AmA_mAm:m期后的余额年利率为r,一年支付1次,t年后的余额At=A(1+r)tA_t = A(1+r)^tAt=A(1+r)t一年支付n次,t年后的余额At=A(1+rn)ntA_t=A(1+\frac{r}{n})^{nt}At=A(1+nr)nt,当n→∞n \rightarrow \inftyn→∞时,limn→∞At=Aert\l原创 2021-09-29 08:51:40 · 158 阅读 · 0 评论 -
Day06-数学基础-傅里叶级数(DataWhale)
原创 2021-09-27 21:23:27 · 77 阅读 · 0 评论 -
Day05-数学基础-无穷级数(DataWhale)
原创 2021-09-25 18:40:59 · 82 阅读 · 0 评论 -
Day04-数学基础-常微分方程(DataWhale)
来源:https://m.bilibili.com/video/BV1H54y1J7Ka?原创 2021-09-22 22:17:52 · 85 阅读 · 0 评论 -
Day03-数学基础-一元函数微分学(DataWhale)
来源:https://m.bilibili.com/video/BV1H54y1J7Ka?原创 2021-08-25 21:24:11 · 98 阅读 · 0 评论 -
Day02-数学基础-数列极限(DataWhale)
来源:https://m.bilibili.com/video/BV1H54y1J7Ka?1. 导数和积分的性质① 若f(x)f(x)f(x)是可导的偶函数,则f′(x)f'(x)f′(x)是奇函数② 若f(x)f(x)f(x)是可导的奇函数,则f′(x)f'(x)f′(x)是偶函数③ 若f(x)f(x)f(x)是可导的周期为TTT的周期函数,则f′(x)f'(x)f′(x)是周期为TTT的周期函数④ 连续的奇函数的一切原函数都是偶函数⑤ 连续的偶函数的原函数有且仅有一个原函数是奇函数⑥ 若连原创 2021-08-21 21:30:54 · 116 阅读 · 0 评论 -
Day01-数学基础-函数极限(DataWhale)
视频:https://m.bilibili.com/video/BV1H54y1J7Ka?原创 2021-08-18 23:56:12 · 75 阅读 · 0 评论