第一节植物的繁殖 一、繁殖的概念 由旧个体产生新的个体以延续后代,这种现象叫做~ 二、繁殖的类型 1、营养繁殖由营养器官的一部分来增加个体数目 2、无性繁殖利用孢子进行的繁殖,又称为孢子繁殖 3、有性繁殖由雌雄性细胞的融合产生合子,继而发育成新个体的繁殖方式

一、选择填空(每一个空格只能选一个答案,每空1分,本题共24分) 1.在给定的一组滚动轴承中有:6315N416;3240;415:1308:3420。其中有()是重系 列的;有()内径相同;有()类型相同。 A.五种;B.四种;C.三种;D.二种。 2.按齿根弯曲疲劳强度设计的齿轮传动时,应将或中数值()代入 Y Fal Y sal YFa2Y sa2 设计式进行计算

3.4初等矩阵 定义对单位矩阵进行一次初等变换得到的矩阵,称为初等矩阵 [注]对单位矩阵进行一次初等列变换,相当于对单位矩阵进行一次 同类型的初等行变换.因此,初等矩阵可分为以下3类:

可降阶的高阶微分方程 前面介绍了五种标准类型的一阶方程及其 求解方法,但是能用初等解法求解的方程为数腥 当有限,特别是高阶方程,除去一些特殊情况可 用降阶法求解,一般都没有初等解法, 本节介绍几种特殊的高阶方程,它们的共 同特点是经过适当的变量代换可将其化成较低阶 的方程来求解

水泵的选型 1.首先应根据不同类型地区的特点,不同 的排灌要求,采用不同的泵型。 2.从\水泵规格性能表中初步几种规格的 水泵,一般水泵大中型泵站台数以4~8台为宜。中小 型泵站以3~6台为宜,小型泵站以2~3台为宜

教学目的: 通过本节内容的教学,使学生: 1、明确极大似然估计法是在总体分布类型已知的情况下的一种常 用的参数估计方法; 2、理解极大似然思想; 3、掌握求极大似然估计值的一般步骤,会求常见分布参数的极大 似然估计值

参数估计方法是处理实际问题时最常用的方法。当总体的某些参数未知(一般要求分布类型已知)时,从样本出发构造适当的统计量,作为未知参数的估计量。当取得一组观察值后,以相应的统计量的观察值作为未知参数的估计值,并讨论估计值对真值进行估计的可靠性

48 网络舆论研究 49 受众研究基础 50 纪录片研究 51 优秀电视新闻作品选讲 52 媒介观察概论 53 犯罪新闻研究 54 电视节目类型 55 新闻传播法学概论 56 新媒介与视觉文化 57 媒介批评概论 58 新媒体文化 59 美术基础（二） 60 三维动画设计 61 网络广告设计 62 电视剧创作 63 社交媒体 64 传播心理学 65 公共关系学 66 电视新闻采访 67 动漫产业与文化 68 科幻电影写作 69 元宇宙导论 70 广告新媒体研究 71 新媒体与社会 72 论文选题与写作规范专题 73 文学戏剧鉴赏 74 我是朗读者 75 电视文化研究 76 口语推广实践 77 影视评论写作 78 视听节目类型 79 网络人声创作 80 影像实践 81 西方电影专题 82 中国电影专题 83 电影艺术鉴赏 84 媒介与爱国主义教育 85 广告摄影 86 科学、传播与社会 87 传媒创意与艺术设计 88 设计素描 89 计算机辅助图形设计 90 专题片创作 91 92 广告效果研究 93 新媒体与舆论 94 质性研究方法 95 记者出镜报道 96 移动互联传播与 97 Web前端开发设计 98 交互式媒体设计 99 视觉艺术二 100 语音矫正 101 数智广告技术和营销创新 102 智能媒体传播

鉴别分析是一种进行统计鉴别和分组的技术手段。它可以就一定数量案例的 个分组变量和相应的其他多元变量的已知信息,确定分组与其他多元变量之间 的数量关系,建立鉴别函数( discriminant function)o然后便可以利用这一数量 关系对其他已知多元变量信息、但未知分组类型所属的案例进行鉴别分组。沿用 多元回归模型的称谓,在鉴别分析中称分组变量( grouping variable)为因变量, 而用以分组的其他特征变量称为鉴别变量( disciminant variable)或自变量。其 实,这里的自变量并不一定是真正的“原因”变量,有时可能倒是真正的“结 果”或“反应”变量。它们与类型变量的关系从本质上并没有越过相关的范畴。 不过,既然我们要参照其值来进行分组,权且称之为自变量

1 概率论基础 1.1 为什么需要概率空间 1.1.1 理发师悖论 (Barber paradox) 1.1.2 贝特朗悖论 (Bertrand’s Paradox) 1.1.3 非悖论, 生日问题 1.2 概率空间 1.2.1 可测空间 1.2.2 概率空间 1.2.3 条件概率 1.2.4 全概率公式和 Bayes 公式 1.3 随机变量和分布函数 1.3.1 数字特征 1.3.2 矩函数 (Moment Generating Function) 1.3.3 特征函数 (Characteristic function) 1.3.4 反演公式及唯一性定理 1.3.5 多维随机变量的特征函数 1.4 独立性与条件期望 1.4.1 独立性 1.4.2 条件期望 1.4.3 条件分布 1.4.4 一般条件期望 ⋆ 2 随机过程的基本概念与类型 2.1 随机过程的背景 2.2 基本概念 2.3 有限维分布与 Kolmogorov 定理 2.3.1 随机过程的数字特征 2.4 随机过程的基本类型 2.4.1 平稳过程 2.4.2 独立增量过程 3 Brown 运动（维纳过程） 3.1 基本概念与性质 3.2 维纳过程的分布 3.3 维纳过程的数字特征 3.3.1 二次变差 3.4 Brown 运动的鞅性质 3.5 Brown 运动的最大值变量及反正弦律 3.6 Brown 运动的几种变化 3.6.1 Brown 桥 3.6.2 几何 Brown 运动 4 Poisson 过程 4.1 齐次泊松过程 4.1.1 Poisson 过程数学模型 4.1.2 齐次泊松过程的数字特征 4.1.3 时间间隔与等待时间的分布 4.1.4 到达时间的条件分布 4.1.5 更新计数过程 4.2 复合泊松过程 4.2.1 复合 Poisson 过程 4.3 非齐次泊松过程 (了解内容，不考察) 5 鞅 (Martingale) 过程 5.1 基本概念 5.2 鞅的停时定理及其应用 5.2.1 鞅的停时定理 5.3 连续鞅