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

数据集成 数据仓库 数据挖掘

教学目标： • 1、了解人体测量的基本术语、人体的体部指数、知道人体测高仪、直角规、弯角规的使用方法、理解均值、方差、标准差、百分位数等的定义和含义； • 2、掌握如何选择百分位和适用度、人体测量数据的运用准则、能够确定功能修正量； • 3、能够综合运用和掌握人体测量数据，尤其熟悉人体测量数据在设计产品中的应用。 教学内容： 第一节 人体尺寸测量 第二节 人体的人机学参数计算 第三节 人体测量数据的应用

2.1程序设计概述 2.2C语言的数据类型 2.3常量和变量 2.4整型数据 2.5实型数据 2.6字符型数据 2.7算术运算与算术表达式 2.8赋值运算与赋值表达式 2.9C语言特有的运算和运算符

数组:构造型数据类型;有序数据的集合,每 个元素都属于同一类型,用一个数组名和下标 唯一地确定数组中的元素。 好处:让一批相同性质的数据用同一个变量名 ,书写方便,可读性高;便于使用循环语句

矩阵运算中定义了加法和负矩阵,就可以定义矩阵的减法.那么定义了矩阵的乘法,是否可以定义矩阵的除法呢?由于矩阵乘法不满足交换律,因此我们不能一般地定义矩阵的除法 .在数的运算中,当数a≠0时,aa-1=a-1a=1,这里 a-1=1/a称为a的倒数,(或称a的逆);在矩阵乘 法运算中,单位矩阵I相当于数的乘法中的1, 则对于一个矩阵A,是否存在一个矩阵A-1,使 得AA-1=A-1A=1呢?如果存在这样的矩阵A-1, 就称A是可逆矩阵,并称A-1是A的逆矩阵

一、数量性状 二、数量性状的遗传机制 三、研究数量性状的几个遗传参数 四、近交和杂交 五、数量性状分析的分子方法

1.动态数列的水平指标有发展水平、平均发展水平、增长量与平均增长量。(X) 2.发展水平就是动态数列中的每一项具体指标数值,它只能表现为绝对数。(X)

一、动态数列的概念 动态数列又称时间数列。它是将某种统计指标,或在不同时间上的不同数值,按时间先后顺序排列起来,以便于研究其发展变化的水平和速度,并以此来预测未来的一种统计方法

因为数值的精度受每次操作所保留的数位的限制,所以数值的任何运算都会引入舍入误 差,重复的多次数值运算会造成累积误差。而对符号表达式的运算是非常准确的,因为它们不 需要进行数值运算,所以无舍入误差。对符号运算结果用函数eval或 numeric,仅在结果转换 时会引入舍入误差