dc12499574的博客

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

笔记

文章目录1.1 矩阵消元法1.2 解的情况以及解的判别准则1.3 数域1.1 矩阵消元法1.2 解的情况以及解的判别准则1.3 数域

文章目录解释第一种表示法：第二种表示法：第三种表示法：图示解释第一种表示法：关注矩阵C每个点cij第二种表示法：关注矩阵C每个列向量c:j矩阵C的每一列是由矩阵A的列向量空间线性组合得到第三种表示法：关注整个矩阵C矩阵A的第i列仅与矩阵B的第i行有乘法于是将矩阵A拆分成由列向量组A_Ve_group将矩阵B拆分成由行向量组B_Ve_group每一对 A_Ve_group [i] * B_Ve_group [i] 形成矩阵C_sub[i]C=sum(C_sub[i])C==sum(

产品某精度属性的标准值为u，标准差为c(双侧检验)从一批产品中抽取n个样品，均值为u1，问：在(1-a)%的置信度之下，样本是否合格第一步：选择样本估计量x‘=Ave(xi)，x’～N(u，c^2/n)设x‘的分布函数为F(x’)第二步：计算置信区间计算x1，x2，其满足F(x1)=a/2,F(x2)=1-a/2第三步：判断u1是否落在F(x’)的置信区间[x1 x2]之中总结：此处判断一批产品是否合格的依据是抽样的均值落于样本估计量的置信区间**第一步：**题目要求确定所用的样本均

点估计以及无偏性点估计定义：设x1，x2，…，xn是来自总体的一个样本，用于估计未知参数θ的统计量θ’=θ’(x1，x2，…，xn)称为θ的估计量，或称θ的点估计，简称估计**(利用特殊统计量的一些性质，可由样本估计总体的一些特征(期望,方差))**参数空间定义：参数空间是数学术语，自然科学计算机术语设(X1，……，Xn)为来自总体X的样本，(x1,…,xn)为相应的样本值，θ是总体分布的未知参数，θ∈Θ， Θ表示θ的取值范围，称Θ为参数空间无偏性定义：设θ’=θ’(x1，x2，…，xn)是θ的一个

X^2分布(卡方分布)定义：设X1、X2、……、Xn独立同分布于标准正态分布N(0,1)则X^2= X12+X22+……+Xn2的分布称为称为自由度为n的X2分布记为X2～X2(n)若随机变量Xi～N(0,1)，则有Xi^2～Ga(1/2,1/2)(伽马分布)由伽马分布的可加性，X2=Sum(Xi2)，X^2～Ga((1/2)n,1/2)F(a)=积分符 x(a-1)*e(-x) dx(伽马函数)Ga(a,b)=[ba/F(a)]*[x(a-1)e^(-bx)]X2的密度函数：Ga((1/.

伽马函数(1/2)的证明：

例子如下：

统计量：设x1，x2，…，xn是取自总体的样本，若样本函数T=T(x1，x2，…，xn)不含有任何未知参数，则称T为统计量抽样分布：统计量的分布称作抽样分布统计量不依赖于未知参数，但它的分布是依赖于未知参数的样本均值及其抽样分布：设x1，x2，…，xn是取自总体的样本，其算术平均值称为样本均值x一捌= (x1+x2+…+xn)/n=Sum(xi)/n在分组样本场合中x一捌= (x1·f1+x2·f2+…+xn·fn)/n，fi为xi的频数若把样本中数据与样本均值之差称为偏差，则样本所有偏差之

**有序样本：**设x1，x2，…，xn是取自总体分布函数F(x)的样本，若将样本观测值由小到大进行排列，记为x(1)，x(2)，…，x(n)，则称x(1)，x(2)，…，x(n)为有序样本**经验分布函数：**用有序样本定义一个分布函数Fn(x)x<x(1)，F(x)=0…x(k)<=x<x(k+1)，F(x)=k/n…x(n)<=x，F(x)=1Fn(x)为一非减右连续函数，且满足Fn(负无穷)=0，Fn(正无穷)=1由此可见Fn(x)为一个分布函数，称Fn(x)

**总体：**在一个统计问题中，我们把研究对象的全体成为全体**个体：**构成总体的每个成员用概率分布可描述与归纳总体，总体可看作是一个分布从总体中抽样等价于从分布中抽样总体分为有限总体与无限总体，本书以无限总体为研究对象样本：从总体中随机地抽象n个个体，记其指标值为x1，x2，…，xn，称x1，x2，…，xn为总体的一个样本，n称为样本容量，或简称样本量，样本中的个体成为样品**完全样本：**给出样本中每一个样品具体的指标值**不完全样本(分组样本)：**给出一个分组，以及每个分组中的样品量

设p(x)是随机变量X的密度函数，则p(x)的傅立叶(Fourier)变换：G(t)=积分符 [负无穷->正无穷] e^(itx)*p(x) dx特征函数的定义：常用分布的特征函数(一)：特征函数的性质：常用分布的特征函数(二)：一致连续性：非负定性：逆转函数：唯一性定理：分布函数序列{ Fn(x) }弱收敛于分布函数F(x)的充要条件是| Fn(x) |的特征函数序列{ Gn(t) }收敛于F(x)的特征函数G(t)...

随机变量序列的收敛性有多种：依概率收敛(大数定律：序列的算术平均概率收敛于序列平均的算术平均)按分布收敛(中心极限定理：随机变量序列和的极限分布何时为正态分布)……依概率收敛：设{Xi}为一随机变量序列，X为一随机变量若对任意的a都有lim(n->正无穷) P(| Xn-X |>=a )->0则称{Xi}依概率收敛于X记作P(Xn->X)期望或概率的作用只会在大量试验的前提下得以体现随着试验次数的增加，期望或概率的作用越来越明显定理：若有P(Xn->X