数学建模
文章平均质量分 96
Never give up
这个作者很懒,什么都没留下…
展开
-
动手学数理统计(2)
在前面的案例中,可以发现:正态分布N(μ,σ2)N(\mu, \sigma^2)N(μ,σ2)的极大似然估计的估计统计量为样本均值xˉ\bar{x}xˉ和有偏样本方差sn2s_n^2sn2,而指数分布的参数λ\lambdaλ的极大似然估计的估计统计量为1xˉ\frac{1}{\bar{x}}xˉ1,因此如何构造统计量去估计总体参数并没有一个明确的规定。换句话来说,对于同一个总体参数的估计统计量的构造方式多种多样,那么如何评价这些统计量的估计好坏呢?下面给出两个准则,分别是:无偏性和有效性。(1)无偏性:原创 2022-06-26 15:37:38 · 599 阅读 · 0 评论 -
动手学数理统计(1)
前面的概率论专题,我们已经详细地学习了概率论的相关知识,并且针对某些特定问题使用概率论进行建模。但是在概率论的建模中,我们往往假设随机变量的分布已知,但是这个假设在实际中时很难做到的。现在,我们使用投资组合风险分析来说明:在前面的案例中,我们假设A、B股票的收益率服从N(0.1,0.01)N(0.1,0.01)N(0.1,0.01)和N(0.3,0.04)N(0.3,0.04)N(0.3,0.04),但是现实时市场上并不会告诉我们股票的收益分布是什么,我们能做的只有根据历史数据进行合理的猜测与估算,而不同的原创 2022-06-26 15:24:39 · 344 阅读 · 0 评论 -
动手学线性代数
本章的主要内容如下:1、理论知识:线性方程组与向量向量空间、矩阵、行列式以及范数对角化、矩阵的特征值与特征向量、正交化2、实战案例:Ginger的智慧农场I——图像的基本处理GitModel 公司的实习生Ginger自己在家中后院组建了一个智慧农场,养了几只公鸡和兔子,由于刚来实习,还不会很深的模型,采用的摄像头对动物计数时,只能统计有多少个头,有多少只脚.现在摄像头采集到的数据是一共有10个头,28只脚,请问鸡兔各有几只?我们可以列出一个二元一次方程,假设鸡有xxx只,兔子有yyy只那么可以得原创 2022-06-23 11:36:23 · 481 阅读 · 0 评论 -
动手学概率论(2)
在之前关于随机变量的讨论中,我们仅仅只研究了单一随机变量及其分布情况,但是现实中的问题往往影响的因素有很多而且是相互影响的。例如:人的身高与什么因素相关?可能与每天吃钙物质的量、影响身高基因的数量、基因的表达情况等等。单一影响因素并不能满足日常问题的研究,因此需要引入多维随机变量的概念。通俗的说,多维随机变量就是多个随机变量的结合,从一个推广到多个,在线性代数中我们已经干过这件事,那就是使用向量去表达!具体地说:若随机变量 X1(ω),X2(ω),⋯ ,Xn(ω)X_{1}(\omega), X_{2}(\原创 2022-06-21 10:16:00 · 242 阅读 · 0 评论 -
动手学概率论(1)
本篇文章主要讲解了概率论的相关内容,结合具体实例以及代码实现,来理解相关概念的含义。(1)随机现象:在一定条件下,并不总是出现相同结果的现象。举例:(2)随机试验:很多随机现象是可以大量重复的,如抛一枚硬币可以无限次重复,不同麦穗上的麦粒数可以大量观察等,这种可重复的随机现象又称为随机试验,简称试验。以后常把检验一件产品看作做一次试验,观察一颗麦穗上的麦粒数也看作一次试验。但是也有很多随机现象是不能重复的,明年世界经济是增长还是衰退,一场足球赛的输贏都是不能重复的随机现象。现在介绍的概率论主要研究能大量重复原创 2022-06-21 10:15:10 · 706 阅读 · 0 评论 -
动手学高等数学
这门课将帮你从编程的角度,重新学习微积分、线性代数、概率论、统计学······有许多朋友一直在吐槽,我学了一系列模型,基础知识能够娓娓道来,结果到比赛才发现学习和实践的内容难以衔接,压根就不会求解。这样的困难我们也曾遇到过,在我们学习的理论和真实实践之间存在一座看不见的桥梁,因此,在这门课中,我们将带领你从最熟悉的高等数学出发,(如果你忘了也没事)我们会从实战的角度出发,只讲最有用的知识,一步步带领你从理论到Python实现。结合实践讲解每一步代码的逻辑,让你彻底了解你曾经学过的数学工具,并从根源上消除理论原创 2022-06-15 16:05:30 · 207 阅读 · 0 评论