C++ 是一种静态类型的、编译式的、通用的、大小写敏感的、不规则的编程语言,支持过程化编程、面向对象编程和泛型编程。

阅读全文 »

前言

Docker这东西其实说挺常用是挺常用,但是一旦不用就会有一段时间都不会去用,导致学了忘,然后再学一次,加上Docker可能更多是学习Linux吧,Docker本身并不是那么难,但是很多东西用不到导致每次都用不熟,这里也就记录下关于Docker的一些东西。

阅读全文 »

前言

在学习的路上越走越远,计划用Surface Pro准备实现全面电子笔记等,但是实际的使用上发现Onenote等其他软件写起笔记来,公式很难书写,排版也是不那么轻松,个人也不喜欢手写,加上需要显示代码啥的记录。于是选择Markdown,部署这个博客也属于个人的记录加上一些乱七八糟的折腾吧。

所有的修改和配置都遵循尽量不修改原来的代码,尽可能的采用覆盖或者修改配置文件进行部署

阅读全文 »

定义

A\mathbf{A}m×nm \times n的矩阵,定义以下四个子空间

名称 符号 集合 维数
列空间 C(A)C(\mathbf{A}) {Ax  xRn}\lbrace{}\mathbf{A}\mathbf{x}\ \mid \ \forall \mathbf{x} \in \mathbb{R}^n\rbrace{} rr
行空间 C(AT)C(\mathbf{A}^T) {ATy  yRm}\lbrace{}\mathbf{A}^T\mathbf{y}\ \mid\ \forall \mathbf{y} \in \mathbb{R}^m\rbrace{} rr
零空间 N(A)N(\mathbf{A}) {x  xRn,Ax=0}\lbrace{}\mathbf{x}\ \mid\ \forall \mathbf{x} \in \mathbb{R}^n, \mathbf{A}\mathbf{x} = 0\rbrace{} nrn-r
左零空间 N(AT)N(\mathbf{A}^T) {y  yRm,ATy=0}\lbrace{}\mathbf{y}\ \mid\ \forall \mathbf{y} \in \mathbb{R}^m, \mathbf{A}^T\mathbf{y} = 0\rbrace{} mrm-r
阅读全文 »

简介

投影是从向量空间映射到自身的一种线性变换PP,满足P2=PP^2 = P,就是说,当PP两次作用于某个值,与作用一次得到的结果相同。

阅读全文 »

在总体的分布函数完全未知或只知其形式,但不知道参数的情况,为了推断总体的某些未知特性,提出某些关于总体的假设。最常见的比如,有一组数据,这数据是某机器生产出来的产品的数据,假设机器的误差范围在0.1,那么通过假设检验可以判断机器是否在正常工作。

我们要根据样本对正态总体所提出假设做出是接受,还是拒绝的决策。

阅读全文 »

随机样本

总体:实验的全部可能的观察值
个体:每一个可能观察值
容量:中体中所包含的分体的个数
有限总体:容量为有限
无限总体:容量为无限

阅读全文 »

数学期望

离散型随机变量

设离散型随机变量X的分布律为

P(X=xk)=pkk=1,2,P(X=x_k)=p_k \quad k=1, 2, \cdots

若级数

k=1xkpk\sum_{k=1}^\infty x_kp_k

绝对收敛,则称级数k=1xkpk\sum_{k=1}^\infty x_kp_k为随机变量XX数学期望,记为E(X)E(X)

阅读全文 »

点估计

设总体XX的分布函数的形式已知,但它的一个或多个参数未知,借助于总体XX的一个样本来估计总体未知参数的值的问题称为参数的点估计问题

阅读全文 »