自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(16)
  • 收藏
  • 关注

原创 常用随机变量的期望和方差

同样的,可以将二项分布视为零一分布重复n次,每次都是相互独立的。当n很大时,n-k近似为k,n-k+1也近似为k,p很小时,上一步中k=0变到k=1的原因在于k=0时,第一项为0。泊松分布是二项分布在n很大,p很小时的特例。为第n+1次取得r+1次成功的期望,为。n趋于无穷,p趋于0,np趋于。均匀分布的概率密度函数为。正态分布的概率密度函数为。二项分布的二阶原点矩。于是泊松分布的期望为。均匀分布的分布函数为。

2024-10-06 02:54:23 485

原创 中值定理证明

满足在闭区间[a,b]上连续;在开区间(a,b)内可导;在区间端点处的函数值相等,即。满足在闭区间[a,b]上连续;在开区间(a,b)内可导,那么在(a,b)内至少有一点。,那么在(a,b)内至少有一点。因此由罗尔定理知道:存在一点。⑴在闭区间[a,b]上连续;⑵在开区间(a,b)内可导;由罗尔定理可知:存在一点。

2024-10-04 00:59:40 223

原创 连续型随机变量切比雪夫不等式的证明

(密度函数)都是大于0的数,少一部分之后一定会比原来的值更小,因此,不等式(4)成立。在证明这个不等式之前,需要先回顾一下一些常用的概率论公式。同样大于0,因此原不等式仍应成立,同样,将。由(1)和(2)知,上式可转化为。,因此根据积分的性质知道。因此不等式(5)成立。

2024-10-04 00:20:25 152

原创 两个信封问题的解答

为第i封信装进了第i个信封,设事件B为n封信全部都装入了错误的信封里,则。设事件第i封信正确装入第i个信封,事件记为。对于数学期望有如下公式必定成立,即。当n趋于无穷时,该极限近似于。因此第i封信装对的数学期望为。函数在x=1处的值,即。

2024-10-02 20:07:35 221

原创 两种无记忆性的分布:几何分布和指数分布

无记忆性分布指的是后续实验的成功与否与前面实验是否成功或成功几次无关的分布。即满足如下定义:一个简单的例子为:在箱子中放入N个小球,其中m个黑球,N-m个白球,有放回地每次取出一个,第N次取到黑球的概率与前几次取到黑球与否的概率无关,即满足无记忆性要求。满足无记忆性的分布有几何分布和指数分布两种。

2024-10-01 16:51:04 512

原创 利用矩阵求解差分方程和微分方程

对于一个差分方程的形式,解为其中。

2024-09-29 01:09:19 303

原创 常用经济学描述性分析方法及python实现

描述性统计是统计学的一个分支,它涉及数据的收集、整理和分析,目的是用数字或图形的方式描述和总结数据集中的特征。描述性统计不涉及推断性分析,即不从样本数据推断总体特征。:用来描述数据集中的中心点,常见的度量包括均值(Mean)、中位数(Median)和众数(Mode)。:用来描述数据的分散程度,常见的度量包括极差(Range)、方差(Variance)、标准差(Standard Deviation)和四分位数间距(Interquartile Range, IQR)。

2024-06-11 22:21:06 1361

原创 卡方分布的性质及应用

卡方分布是统计学常用的分布之一。其定义为:若N个相互独立的随机变量均服从标准正态分布,则这N个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布。

2024-06-11 21:44:38 3430

原创 未确认融资费用分摊计算

情景:当年1月1日,甲公司与乙公司签订购货合同,购入一台需要安装的特大型设备,合同约定分期付款,设备总价为900万元,每半年支付一次,每次支付90万,付款日期为6月30日和12月31日。假设六个月的折现率是10%。按照如下规则进行分摊,第i期的付款额为900,000,确认融资费用等于上期的应付本金乘以折现率,应付本金减少额为付款额减去确认的融资费用,当期应付本金等于上期的应付本金减去应付本金减少额。剩余的按照正确的会计处理即可。计算现值按照10期,10%的折现率,折现到当前。

2024-06-06 23:32:45 258

原创 多项式拟合的数学原理及实现

最小二乘曲线的拟合就是对于给定的数据(X,Y),(X=xi,Y=yi,i=1,2,3,......,N),选取线性无关的函数族。生成好之后,就可以用PolynomialFeatures函数生成x的多项式,然后进行拟合。,及权函数v(x)(v(xi)表示数据(xi,yj)的权重),要求在函数类。这个函数,取x从0到10,区间分为100段,生成对应x和y。随着次数增高,拟合优度越来越好,拟合的曲线越来越接近。其中,j=0,1,2,......,m。下面将使用python代码进行实践。

2024-06-06 23:04:25 538

原创 斐波那契数列通项公式的数学推导

然后将这两个矩阵代回原方程,计算出方程的解,两个解作为列向量合并就是P矩阵。要计算n次方,可以计算出特征根,然后对角化,这样可以极大地简化运算。斐波那契数列是由兔子的繁殖引入的,它的数列是1,1,2,3……于是我们就得到斐波那契数列的通项公式。这个矩阵的n次方,即可得到通项公式。将上面两个等式写为矩阵形式,也即。那么根据上述规则,可以得到。进一步提出公因式后化简。除了这个规则外,还有。

2024-06-04 11:01:35 214

原创 将python的输出的下方括号里的值由边际误差修改为t值

在对多个模型进行回归比较的时候,summary里每一个系数下面会有一个括号,括号里是边际误差,但是很多时候,我们想要它输出的不是边际误差而是“t值”,这里的t值顾名思义是t检验的值。原本的代码里,它的第一列是系数,第二列是标准误差,第三列是t统计量,原来标准库里使用了前两列的值,此时只需要将原本的前两列,修改为1,3列,那么下方显示的就会是t值而非标准误差。可以看到括号里是t值而非标准误差。

2024-06-03 23:14:49 252

原创 最小二乘法的数学原理和python代码实现

为了方便后续的运算,我们一般在这里将β后面视为是有x的,输入的x是全为1的列向量,那么这样,就可以在原X矩阵的左边加入一个全是1的列,这样,在运算结束后得到的第一个参数就是β的参数值。这两个在形式上不一致,但是最终效果都是相同的,这样,我们计算出来的OLS模型中第一列反馈的其实就是它的截距项,如果没有上面一步,那么其实它就视为没有截距项β,直接使用了。表现为矩阵的运算,对于单个变量来说,python代码实现相对容易一些,举个简单的例子,对于1维的情况。计算出了alpha,就可以计算出β了,还是上面的公式。

2024-06-03 21:50:45 328

原创 sinn从1到无穷求和的收敛性

可以知道的是,sinx在0到无穷上的积分是有界的,那么我们感兴趣的是。进一步地,搭配一些单调递减趋于0的函数,就可以构造出千奇百怪的级数。这个级数,要求an单调递减趋于0,bn和有界。,可以根据狄里克莱判别法知道,它就是收敛的。显然上述结果是有界的,因此可以将。利用上述和差化积公式可以得到。这样一个式子进行变换,得到。在狄里克莱判别法中,对于。这样一个级数是否有界的。

2024-06-03 19:08:18 566

原创 交错级数-1的n次方1/x求和

根据莱布尼兹判别法,一个级数的项绝对值单调递减,且绝对值趋于0的时候,这个级数是收敛的,对于。这样一个式子可以写成。这个级数来说,这个趋于的值可以通过一些方法计算出来。收敛,这个收敛到的值其实是欧拉常数,这里直接记作。所以显然这个数列是单调递减的。上面的式子收敛到一个常数。单调递减有下界,根据单调有界定理可知,是趋于0的,因此,我们得到了上面式子。的值为0,所以可以知道。从上方趋于0,有下界。的和,级数可以展开成。

2024-06-02 21:31:56 474

原创 sinx/x在0到无穷积分的条件收敛证明

所以根据比较判别法可以知道,加了绝对值之后这个积分是发散的,原广义积分不是绝对收敛的。上,x始终大于sinx(可以用导数证明),所以x/sinx<1,即。明显不是一个广义积分,它的值是有限的,很显然的是在0到。也是收敛的,两个积分都是收敛的,所以整个积分是收敛的。这一步,我们证明了它的条件收敛性。同样的,先需要拆为两部分,可以拆成两部分,分别说明敛散性。,右边的级数是收敛的,所以对于。与前文一致,是有限的。

2024-06-02 20:26:46 2402

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除