期望

【动态规划】数学期望/概率DP/期望DP详解 期望DP概述规律全概率公式例题1.UVA11021 Tribles麻球繁衍2.算概率(简单,数论) 概述 一般来说,概率DP找到正确的状态定义后,转移是比较容易想到的。但状态一定是“可数”的,把有范围的整数作为数组下标。事实上,将问题直接作为状态是最好的。如问“n人做X事的期望次数”,则设计状态为f[i]表示i个人做完事的期望。转移一般是递推,即从上一个状态转移得(填表)或转移向下一个状态(刷表)... 阅读详情

把原来一些关于软件工程,教学,和程序设计相关的博客搬过来。

 

[http://yishan.cc/blogs/xin/archive/2009/04/12/1058.aspx]

 

学校的期望
我在BBS 看到有人感慨说-

有家长让小孩在大学里专心学习,不要想别的。等到一毕业,就希望小孩马上能找到门当户对的对象,并有房结婚。如果没有的话,就每个星期打电话关怀。

在学校的时候,老师对学生的期望是 “好好学,别闹事”。 出了校门,期望马上变为 “做创新型人才”。 可是他们循规蹈矩了4~6年,你期望他们出了校门就能创新?

学生的期望
很多学生对 ”微软的老师” 去开课都抱有很大期望,觉得可以学到很多实际的,业界的东西。 可是当我们真的要把实际的,业界的东西带给学生,他们是什么反应呢?

前不久我们去某软件学院开了“软件实现技术” 的课,对象是研究生二年级的学生。 第一节课的时候,阶梯教室里坐满了,估计快到 100人。 我讲了老师的期望:

  1. 所有人都要写程序,第一节课就有课后作业。
  2. 同学写的软件一定要给用户使用,用户满意才是好软件,用户不满意,如果自己能认真总结,也可以得高分。
  3. 作业的分数会拉开距离,全对的同学得满分,错一个地方的同学, 得 1/2 的分,错两个地方,得 1/3的分,以此类推…
  4. 最终分数:20% 的人会得优秀,70% 的人在中间,10%的人会不及格。 每个人都必须努力,才能避免成为10%。 [看过杰克•韦尔奇的书的人都知道 GE 也是这一套]

第一节课布置的编程作业很简单, 但是要求用 3 种程序设计语言实现.  有同学问: 我只会一种,怎么办?
答:现学另两种语言,把作业完成。

第二节课的时候我们发现,只有 19 个人决定选课。 是同学们在一个星期内对 “实际的,业界的东西” 失去兴趣了? 恐怕没有那么简单,其实很多学生对课程的真正期望是 - “好过”, 付出最少的努力,能过就行。

看到这19个同学,我心里其实挺高兴的 - 至少有胆量。我们的实习生,员工,以后的 “业界大牛” 从哪里找?  就从这 19 个人开始吧。 搞软件,不是比人多。

 

 

======

匿名人士 说:
我以为您提出的要求对学校教育而言并不合适,学校教育是培养人的技能,授予知识,所以只要掌握了该掌握的东西就应该给与相应的评价,这种最后10%就不合格的作法是企业用来最大化员工价值的作法,不适合学校教育。尽管中国教育是有问题,但是用企业的思路搞教育也是不合适的

 

关心 说:
gleery -

>这种最后10%就不合格的作法是企业用来最大化员工价值的作法,不适合学校教育。

为什么学生不能最大化学生价值呢?  如果学生不努力,那最后的10% 就是不及格。 我在清华的班级,最后所有来上课的学生都及格了。 但是一度有几个同学很有不及格的潜力。

 

>所以只要掌握了该掌握的东西就应该给与相应的评价,

建议很好,理论上我们可证,如果讲的东西是100%, 但是只掌握了60%, 就能得到 60 分。 但是实际上在软件工程这门课如何操作呢?  让学生写一个程序,如果 60% 的语句没有编译错误,就得 60 分?
 

 

python处理期望产出与非期望产出(SBM model) Data envelopment analysisundesirable outputs models二级目录三级目录 前几日忙着玩了,今天来更新了。也差不多是时候开始期末复习了,更新的速度可能比较慢。 undesirable outputs models 本人的研究方向是能源经济。相较于往常的DEA模型,他有一个明显的区别。就是对于环境而言,有期望产出(desirable outputs)和非期望产出(undesirable outputs)。 对于这环境问题,我们想要的便是:更多的期望产出,更少的非期望 阅读详情

相关推荐

数学期望&方差 expectation&variance

离散型随机变量 基本概念 Def 数学期望 数学期望其实就是加权平均数。 P(X=Xk)=Pk,如果∑k=1nxkP(Xk)收敛,则E(X)=∑k=1nxkP(Xk)为X的数学期望。P(X = X_k) = P_k, 如果\sum_{k=1}^{n}x_kP(X_k)收敛,则E(X) = \sum_{k=1}^{n}x_kP(X_k)为X的数学期望。P(X=Xk​)=Pk​,如果k=1∑n​xk​P(Xk​)收敛,则E(X)=k=1∑n​xk​P(Xk​)为X的数学期望。 函数的期望 令Y=g(X),E(X

dxtql的博客 3769

期望(Expectation)

In probability theory, the expected value of a random variable, intuitively, is the long-run average value of repetitions of the experiment it represents. 期望值像是随机试验在同样的机会下重复多次,所有那些可能状态平均的结果,便基本上...

junex的博客 1736

概率期望相关

概率期望相关预备知识 P(A):表示事件A发生的概率E(A):表示事件A发生的期望P(A):表示事件A发生的概率\\E(A):表示事件A发生的期望 对于事件A,E(A)=1P(A)(A是否发生对B是否发生没有影响)对于事件A,E(A)=\frac{1}{P(A)}(A是否发生对B是否发生没有影响) 对于两个相互独立事件A和BE(A+B)=E(A)+E(B)E(AB)=E(A)E(B)E(A/B)=E

slongle的专栏 7100

C语言经典算法之期望-最大算法

在C语言中实现期望最大化(Expectation-Maximization, EM)算法的具体代码会相当复杂,因为它涉及到具体的概率模型和迭代过程。

weixin_56154577的博客 2374

华为AC外置Portal认证方案配置步骤指南

华为AC外置Portal认证方案配置步骤指南

m0_46129105的博客 7700

Frigate进阶玩法:如何用MQTT和Python脚本扩展你的自定义目标检测算法

本文详细介绍了如何通过MQTT和Python脚本扩展Frigate的自定义目标检测算法,无需修改源码即可实现特殊场景(如工业设备异常、农业病虫害识别)的高效检测。文章涵盖Frigate配置、外部检测服务构建、高级集成技巧及性能优化实践,帮助开发者灵活扩展智能监控能力。

weixin_42662293的博客 350

期望 (Expectation, Mean)

期望 (Expectation, Mean)

大连赵哥的博客 1264

嵌入式学习笔记——EEPROM(M24M01)

M24M01是ST公司出品的1Mbit(128Kbyte)I2C兼容EEPROM,兼容所有I2C总线模式(1MHz、400kHz、100kHz),Page大小为256字节,支持硬件写保护,超过400万次写入操作,超过200年的数据留存通过模块化设计,涵盖了 M24M01-RMN6P 的功能介绍、引脚架构、硬件连线、模块化代码以及性能优化思路,我们将 M24M01 EEPROM 与 STM32 的集成变得高效而可靠。希望能帮你在 STM32 上快速上手,并让你的项目存储管理更高效可靠。

2301_80488241的博客 1661

随机变量的数字特征

数学期望 期望的实质是随机变量X随依概率P收敛于X的平均值(不等同于Xˉ)期望的实质是随机变量X随依概率P收敛于X的平均值(不等同于\bar{X})期望的实质是随机变量X随依概率P收敛于X的平均值(不等同于Xˉ) 离散型随机变量X的数学期望 设随机变量X的概率分布为P{X=xk}=pk,k=1,2,...设随机变量X的概率分布为P\left \{ X=x_k\right \}=p_k,k=1,2,...设随机变量X的概率分布为P{X=xk​}=pk​,k=1,2,...,如果级数∑k=1∞xkpk绝对收敛

qq_39272695的博客 347

STM32CubeMX、keil、simulink联合开发MCU教程

一、整体思路 利用Matlab的simulink搭建模型生成C代码,通过stm32cubemx生成工程,最后在KEIL或者IAR等工具里面编译生成代码下载至MCU中执行。 本文以流水灯建立模型和简单使用定时器为例进行演示。 二、开发环境 1、安装Matlab Matlab版本建议在2013B以上,本文使用Matlab 2016a。 2、安装STM32硬件支持包 下载地址(https://www.stmcu.org.cn/document/detail/index/id-216053) 安装完成后重启MAT

tzlaa的博客 7746

CentOS 7 常用命令大全

CentOS中Linux命令

m0_63075763的博客 2019

数学期望及常见分布的期望计算与推导

1. 介绍数学期望定义和性质 2. 离散型随机变量(01分布,二项分布,泊松分布,几何分布,超几何分布)和连续型随机变量(均匀分布,指数分布,正态分布)分布的期望计算以及推导过程,并汇总形成表格,方便查阅和记录

SpiritedAway 5万+

[ENVI]-[高光谱遥感]-波谱沙漏分析工具的使用

图1-2-1查看特殊波段的坏波段图1-2-2在中添加坏波段ENVI波谱沙漏分析工具MNF变换。

m0_57992372的博客 1471

条件期望与全期望公式

文章目录离散型条件期望连续性条件期望全期望公式 离散型条件期望 E(Y∣X=xi)=∑j=1+∞yjpj∣iE(Y|X=x_i)=\sum_{j=1}^{+\infty}y_jp_{j|i}E(Y∣X=xi​)=j=1∑+∞​yj​pj∣i​ 连续性条件期望 E(Y∣X=xi)=∫−∞+∞yfY∣X(y∣x)dyE(Y|X=x_i)=\int_{-\infty}^{+\infty}yf_{Y|X}(y|x)dyE(Y∣X=xi​)=∫−∞+∞​yfY∣X​(y∣x)dy 全期望公式 离散型E(E(Y∣X

universe_1207的博客 5万+

python指纹识别算法(亲测代码可用)

python指纹识别算法

2301_76482796的博客 3080

Labelme安装教程(附Anaconda安装教程)

本文详细介绍了如何安装Anaconda和Labelme,还提供了常见问题的解决建议。

HanYan_ing的博客 1万+

随机过程(1.2)—— 数学期望与条件期望

本科阶段,对离散型随机变量和连续型随机变量单独定义了数学期望和条件数学期望。 注意到有很多随机变量的分布函数既不是离散的也不是连续的,下面考虑如何对这类一般的分布函数定义数学期望 需要用到 Riemann-Stieltjes 积分,参考:随机过程(1.1)—— 概率空间、分布函数、Riemann-Stieltjes 积分 文章目录1. 数学期望1.1 本质定义1.2 随机变量的函数的期望1.3 期望的性质2. 关于事件的数学期望2.1 条件期望2.2 一些重要公式2.2.1 全概率公式2.2.2 全分.

佚失的诗篇 2万+

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

(期望DP)【总结】期望DP

1st1^{st}1st 什么是期望 感觉是一个比较难懂的东西( 假设某随机试验XXX共有nnn种互斥的事件可能发生,其中第i个事件发生的概率为PiP_iPi​,价值为XiX_iXi​,则这个随机试验的期望是E(X)=∑PiXiE(X)=\sum P_iX_iE(X)=∑Pi​Xi​。 很不好懂,对吧 那么我们只需要把它简单的理解为加权平均数就好 2ed2^{ed}2ed 期望的一些性质 1. E(X+Y)=E(x)+E(Y)E(X+Y)=E(x)+E(Y)E(X+Y)=E(x)+E(Y) 证明: 左式=∑

tanfuwen_的博客 3977

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

期望、方差计算

1. 期望 定义 设P(x)P(x)P(x)是一个离散概率分布函数,自变量的取值范围为{x1,x2,⋯ ,xn}\{x_1, x_2, \cdots, x_n\}{x1​,x2​,⋯,xn​}。其期望被定义为: E(x)=∑k=1nxkP(xk)E(x)=\sum_{k=1}^n{x_kP(x_k)}E(x)=k=1∑n​xk​P(xk​) 设p(x)p(x)p(x)是...

rosefun96的博客 2万+

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

什么是期望

期望(Expectation)是一个非常重要的数学概念,尤其在概率论和统计学中。期望值也叫数学期望或均值,它是一个随机变量取值的加权平均,权重由该随机变量的概率分布决定。

彬彬侠的博客 8795

条件期望,重期望,相关知识点

条件期望与重期望 条件期望的定义: E(x∣y)=∫−∞∞xf(x∣y)dxE(x|y)=\int_{-\infty}^{\infty}xf(x|y)dxE(x∣y)=∫−∞∞​xf(x∣y)dx(连续) E(x∣y)=∑ixiρ(X=xi∣Y=yi)E(x|y)=\sum\limits_ix_i\rho(X=x_i|Y=y_i)E(x∣y)=i∑​xi​ρ(X=xi​∣Y=yi​)(离散) 重期...

笔记本 1万+

数学期望

前言:概率论在博客里已经浅要研究过,今天我们要将概率论和统计学综合起来。那现在我们的产物就是数学期望!引子:假如你在一次考试之中获得90分的概率是1/4;获得100分的概率是1/4,获得10分的概率是1/2,那么你的最终得分会是多少呢??期望:定义:数学期望(mean)(或均值,亦简称期望)是试验中每次可能结果的概率乘以其结果的总和,是最基本的数学特征之一。它反映随机变量平均取值的大小。期望针对的...

编程竞赛过程记录—学习笔记 4714

【数学期望】期望dp

参考博客: https://www.zybuluo.com/zsh-o/note/1175045 例题1 https://ac.nowcoder.com/acm/contest/697/A 题解 这个题其实就是抛硬币连续k次正面的变形。 在还没看博客之前做着题的时候,我想的是,走到第i个点需要1秒的期望,2秒的期望,3秒的期望,4秒的期望。。。。。 会发现这个根本就不可做。如果每颗雷的概率相同的话...

Link_Ray的博客 1581

样本均值的期望等于总体期望,样本方差的期望等于总体方差。

设,为总体的一个样本,且其样本均值为,样本方差为,总体方差为σ²,总体期望为μ。 证明1:为什么样本均值的期望等于总体的期望? 因为对于简单随机抽样的样本: 与总体是同分布的,所以各样本的期望均为总体期望。 证明2:为什么样本均值的方差等于? 证明3:为什么样本方差的期望等于总体的方差? 因为方差的性质可知: 则: 所以: 又因为: 故: ...

【秋名鱼酱的博客】 16万+

期望与期望值

一、定义 在概率论和统计学中,一个离散性随机变量的期望值(或数学期望、或均值,亦简称期望,物理学中称为期待值)是试验中每次可能结果的概率乘以其结果的总和。换句话说,期望值是随机试验在同样的机会下重复多次的结果计算出的等同“期望”的平均值。需要注意的是,期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。(换句话说,期望值是该变量输出值的平均数。期望值并不一定包含于

yulh68的专栏 6543
上一篇: 现代软件工程 (备份)
下一篇: 软件教育随想
SoftwareTeacher
SoftwareTeacher 《编程之美》作者 《编程之美》作者 领域专家: 产品设计技术领域 领域专家: 产品设计技术领域
博客等级 码龄16年 2万+粉丝 334原创
评论 6
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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