- 博客(4)
- 收藏
- 关注
RSS订阅原创 斯特林数
斯特林数斯特林数有第一类斯特林数和第二类斯特林数第一类斯特林数有nnn个不同的元素，需要将这nnn个元素组成mmm个圆环，问方法数。这个方法数就是第一类斯特林数，记作s(n,m)s(n,m)s(n,m)。对于第一类斯特林数，可以有这样的递推过程，对于s(n,m)s(n,m)s(n,m)，假设已经知道s(n−1,m)s(n-1,m)s(n−1,m)和s(n−1,m−1)s(n-1,m-1)s(n−1,m−1)，对于s(n−1,m−1)s(n-1,m-1)s(n−1,m−1)，可以将第nnn个元素自己组成
2020-11-23 02:23:08
153
原创 切比雪夫大数定律
切比雪夫大数定律切比雪夫大数定律是指，假设存在nnn个相互独立的随机变量，当nnn趋近于无穷时，这nnn个随机变量的平均值也会趋近于这nnn个随机变量期望的平均值。切比雪夫大数定律相比起一般我们听到的大数定律更一般，不仅能够解释独立同分布随机变量的大数定律，也能够解释独立但不同分布随机变量的大数定律。切比雪夫不等式有以下形式：limn→∞P{∣1n∑i=1nXi−1n∑i=1nE(Xi)∣≥0}=0 \lim_{n\rightarrow\infin} P\{|\frac{1}{n}\sum_{i=1}
2020-11-16 15:06:23
11818
原创 切比雪夫不等式与马尔可夫不等式
切比雪夫不等式与马尔可夫不等式切比雪夫不等式与马尔可夫不等式为随机变量与其期望值偏离程度提供了数值上的证明，统计学与概率论上著名的大数定律可以基于这两个不等式得到证明。切比雪夫不等式切比雪夫不等式将随机变量的分布与其期望和方差关联起来，有以下形式：P{∣X−μ∣≥ϵ}≤σ2ϵ2ϵ>0 P\{|X-\mu|\ge\epsilon\}\le\frac{\sigma^2}{\epsilon^2}\\ \epsilon\gt 0 P{∣X−μ∣≥ϵ}≤ϵ2σ2ϵ>0这个不等式直观上理解就是随
2020-11-16 14:32:42
1554
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