|
|
|
|
@ -100,6 +100,18 @@
|
|
|
|
|
> 越小的矩形，越覆盖，然后求每个矩形的面积。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
$$
|
|
|
|
|
每个小矩形面积为：A_i=f(\xi
|
|
|
|
|
_i)\Delta x_i近似得到曲线面积：A\approx \sum^{n}_{i=1}f(\xi_i)\Delta x_i
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
$$
|
|
|
|
|
当分割无限加细，每个小区间的最大长度为\lambda，此时\lambda → 0
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
$$
|
|
|
|
|
曲边面积：A=lim_{\lambda→0}\sum^n_{i=1}f(\xi_i)\Delta x_i
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@ -109,7 +121,9 @@
|
|
|
|
|
|
|
|
|
|
我们需要尽可能的将每一个矩形的底边无穷小
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
莱布尼茨为了体现求和的感觉，把S拉长了，简写成
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@ -117,7 +131,7 @@
|
|
|
|
|
|
|
|
|
|
**定积分**:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
当时，总和S总数趋于确定的极限l，则称极限l为函数f(x)在曲线[a,b]上的定积分
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
@ -129,23 +143,21 @@
|
|
|
|
|
|
|
|
|
|
> 拿到数据后，数据就长如下样子，有行有列
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 左图√表示A可以到B和C，如右上图，再把√号改成0/1以存储在数据里面，就如右下图
|
|
|
|
|
|
|
|
|
|
**几种特别的矩阵**：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 上三角部分有值，和下三角部分有值
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 对角阵：对角有值且可以是任意值，单位矩阵：对角有值且相同
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 同型矩阵：行列相同。矩阵相等：行列相同且里面的值一样
|
|
|
|
|
|
|
|
|
|
@ -182,7 +194,7 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
为离散型随机变量的概率函数
|
|
|
|
|
|
|
|
|
|
**连续型随机变量概率分布**
|
|
|
|
|
|
|
|
|
|
@ -194,7 +206,7 @@
|
|
|
|
|
|
|
|
|
|
- X为连续随机变量，X在任意区间(a,b]上的概率可以表示为：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
其中f(x)就叫做X的概率密度函数，也可以简单叫做密度
|
|
|
|
|
|
|
|
|
|
> 还有一种方法是把每个值划分在不同区间，变成离散型，但如果有新数据进来就要再划分区间导致区间越来越多。
|
|
|
|
|
|
|
|
|
|
@ -203,15 +215,36 @@
|
|
|
|
|
抽取的样本满足两点
|
|
|
|
|
|
|
|
|
|
1. 样本X1，X2...Xn是相互独立的随机变量。
|
|
|
|
|
|
|
|
|
|
2. 样本X1，X2...Xn与总体X同分布。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
### 极大似然估计
|
|
|
|
|
|
|
|
|
|
> 找到最有可能的那个
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1. $$
|
|
|
|
|
构造似然函数：L(\theta)
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2. $$
|
|
|
|
|
对似然函数取对数：lnL(\theta)
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3. $$
|
|
|
|
|
求偏导：\frac {dlnL}{d\theta}=0
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
4. $$
|
|
|
|
|
求解得到\theta值
|
|
|
|
|
$$
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
> 第一步构造函数；第二步取对数，对数后的值容易取且极值点还是那个位置；第三步求偏导；得到θ
|
|
|
|
|
|
|
|
|
|
@ -219,7 +252,7 @@
|
|
|
|
|
|
|
|
|
|
设 X 服从参数 λ(λ>0) 的泊松分布，x1,x2,...,xn 是来自 X 的一个样本值，求λ的极大似然估计值
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
benjas
5 years ago