在怀疑和自我怀疑中迷失

期望 在概率论和统计学中，一个离散性随机变量的期望值是试验中每次可能的结果乘以其结果概率的总和。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。期望值可能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加权平均。期望值并不一定包含于其分布值域，也并不一定等于值域平均值。 离散型随机变量： 连续型随机变量： 方差 一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。也称为它的二阶矩或二阶中心矩。意即，将各个误差的平方相加之后再除以总数，透过这样的方式来算出零散（

反向传播简单例子： import torch a = torch.tensor([1.,2.,3.,4.], requires_grad=True) b = a ** 2 print(b) b.sum().backward() print(a.grad) ### 输出 ### tensor([ 1., 4., 9., 16.], grad_fn=<PowBackward0>) tensor([2., 4., 6., 8.]) 只有浮点数才能将requires_grad设置为True

记录一下最近的数学作业： 超几何分布定义： 代码实现： 因为是离散型随机变量，所以顺次计算出每种情况的概率，再随机生成10000个0-1之间的随机数（用于模拟概率），然后用这些生成的概率去比对他们应该落入的区间，最后逐个累加，统计频率，然后用频率/10000去计算概率，最后绘制2条曲线，1条是理论，1条是模拟。 package test; import org.jfree.chart.ChartFactory; import org.jfree.chart.ChartFrame; impo