数值分析4
傅里叶分析6
Minecraft16
思考10
微分方程9
R语言3
机器学习30
随笔23
图论2
计算机网络1
政治5
编译原理1
Kotlin14
计算机图形学4
小说5
Python2
线性代数26
概率论与数理统计26
数学分析53
数据结构1
学习方法8
算法1
插件开发10
博客开发1
运筹学2
Java19
复变函数1
数论1
编程30
物理2

数学分析 53 篇文章

参数估计(概率统计)

参数估计(概率统计)

前言 参考: 浙大《概率论与数理统计》第5版 高教社《概率论与数理统计》第3版 点估计 设总体$X$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$X$的一个样本来估计总体未知参数的值

概统中常见的单/双变量的置信区间构建和参数假设检验方法

概统中常见的单/双变量的置信区间构建和参数假设检验方法

前言 所有$\alpha$分位数均为上分位数,在查表时请注意转换 另外,本文的假设检验主要介绍参数检验方法,非参数检验方法暂时不设计 检验总体均值(单/双独立样本均值检验) 单变量 置信区间 样本数量

全国数竞错题归档(2025)

全国数竞错题归档(2025)

前言 本文是作者备战CMC的错题本笔记归档,其中含有部分较为经典的题目以及详细的解题思路和步骤,参照蓝皮书分模块整理 文章目前正在更新 参考: 第一~十六届CMC非数学专业类真题(大部分) 上交大《

简要介绍DFT(数字信号处理)

简要介绍DFT(数字信号处理)

前言 笔者并非通讯专业科班学生,本文中的一些知识解释不严谨敬请见谅 离散傅里叶变换 变换(DFT)和逆变换(IDFT) 对于$x=(x0,\cdots,x{N1})\in\mathbb{C}^N$,内的每一个点,它的离散傅里叶变换$\hat{x}=(\hat{x}0,\cdots,\hat{x}{N1}):=DFTx$

切比雪夫多项式的简介与一些性质(数值分析)

切比雪夫多项式的简介与一些性质(数值分析)

切比雪夫多项式 简介 19世纪中期,切比雪夫致力于寻找在区间$[1,1]$上带权正交的多项式,以解决函数逼近中的极值问题。这类多项式需要满足 1. 最小偏差性质:在所有$n$次多项式中,其在区间内的最大绝对值偏差最小 2. 正交性(带权):在权函数$\frac{1}{\sqrt{1x^2}}$的积分下正交 切比雪夫通过

概率论与数理统计:Lecture 1:概率论的数学基础

概率论与数理统计:Lecture 1:概率论的数学基础

引言 概率论是研究具有不可预测结果的行为(例如抛硬币或投掷飞镖)及其后果的数学学科。它起源于17世纪的赌博游戏研究,但其应用现在从游戏扩展到医学测试和电话网络的经济设计。用皮埃尔·西蒙·拉普拉斯(一位著名的数学家,我们将在课程中遇到他的工作)的话来说: 我们看到,概率论在本质上只是将常识简化为计算;它让我们能够欣赏那些

R中的常用函数

R中的常用函数

函数汇总 c()创建向量 names()给元素命名 []访问向量元素 ?帮助 mean()平均值 median()中位数 sd()标准差 sum()求和 prod()求积 length()返回对象的数量 dim()返回矩阵的维度,即行数和列数 nrow()返回数据框或矩阵的行数 ncol()返回数据框或矩阵的列数 wh

矩及矩母函数的简单介绍(概率论)

矩及矩母函数的简单介绍(概率论)

矩 认识矩 矩是一种数学计算方式,其数学本质是期望,一个变量的$k$阶矩为该变量的$k$次方期望 注:或者,理解为k次方均值,期望是相对于总体而言的,而均值是相对于样本而言的,二者之间通过大数定律建立

一阶微分方程的数值逼近(数值分析)

一阶微分方程的数值逼近(数值分析)

一阶初值问题 设$f(y,t)$在区域$G:0\le t\le T,|y|<\infty$上连续,对于一个给定的常微分方程$\frac{dy}{dt}=f(y,t)$及初值$y(0)=y0$,求解$y(t)$,即 ::: aligncenter $\left\{\begin{matrix} \frac{dy}{dt}=

简单总结拉普拉斯变换(数学物理方法)

简单总结拉普拉斯变换(数学物理方法)

从傅氏变换到拉氏变换 在上篇文章中,笔者简要总结了傅氏变换的一些结论,它可以帮我们解决诸多问题,因其给人们提供了一扇不同的窗户(时域—频域)来观察世界,从这个窗户看,很多事情变得简单多了。 但是注意到,傅氏变换对函数有诸多严格要求,这些要求可总结为狄利克雷条件,相信读者在学习傅里叶级数时已经有所耳闻,其中最重要的就是函

1
2
3
4
5
6