【推论】 对称点公式

求点  A(x1,y1) 关于直线  l:ax+by+c=0  的对称点  B(x2,y2)

 

点A与直线方程是已知的,那么可以通过两步来推出 关于已知条件的公式

1、斜率方面

直线 L 的斜率为  K1 =  -a/b 

那么由AB所构成的直线 与 L 是垂直的关系 所以   K2 =         a/b =  y1-y2)/(x1-x2)       方程1

2、点线方面

对称点与A的中点必在直线上 所以   a(x1+x2)/2 + b(y1+y2)/2  +c  =  0       方程2

 

联立上述方程,通过代入法,即可得到

x2  = -2b*y1-2c/2a 

y2 =  -2a*x1-2c/2b  

  • 3
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
贝叶斯推论是一种基于概率理论的推论方法,用于计算某个事件的后验概率。Python中可以通过使用贝叶斯公式和相关库来实现贝叶斯推论。 贝叶斯公式如下: P(A|B) = P(B|A) * P(A) / P(B) 其中,P(A|B)是事件A在B发生的条件下的概率;P(B|A)是事件B在A发生的条件下的概率;P(A)是事件A发生的概率;P(B)是事件B发生的概率。 在Python中,可以使用SciPy库来实现贝叶斯推论。以下是一个简单的例子: ```python from scipy import stats # 假设有一个硬币,投掷10次,其中有6次正面朝上 # 我们想知道这个硬币正面朝上的概率是多少 # 定义先验概率P(A),即硬币正面朝上的概率 prior = 0.5 # 定义似然函数P(B|A),即在硬币正面朝上的情况下,投掷10次正面朝上的概率 likelihood = stats.binom.pmf(6, 10, 0.5) # 定义边缘概率P(B),即投掷10次正面朝上的概率 marginal = stats.binom.pmf(6, 10, 0.5) * 0.5 + stats.binom.pmf(4, 10, 0.5) * 0.5 # 计算后验概率P(A|B) posterior = prior * likelihood / marginal print(posterior) ``` 在这个例子中,我们假设硬币的先验概率为0.5,即硬币正面朝上和反面朝上的概率相等。然后,我们根据投掷硬币10次的结果,计算出似然函数和边缘概率,最终得到后验概率,即硬币正面朝上的概率为0.6。 需要注意的是,在实际应用中,先验概率和似然函数需要根据具体情况进行定义和计算,边缘概率可以通过求和或积分等方式计算得到。此外,还可以使用PyMC库等更高级的贝叶斯推论工具来进行更复杂的推论分析。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值