上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

一、本章的教学目标及基本要求: 1、理解常数项级数收敛、发散以及收敛级数的和的概念; 2、掌握级数的基本性质及收敛的必要条件; 3、掌握几何级数与p-级数的收敛与发散的条件;

1.分块矩阵的概念 对于矩阵A,采用一种分法,即用若干条纵线和横线分成一 些小矩阵,每一个小矩阵称为A的子块,以子块为元素的形 式上的矩阵称为分块矩阵.在进行行数与列数较大的矩阵 的运算时,常将矩阵分块,以便使运算简化 例如3×4矩阵

1. 中国古代造纸术和印刷术 Papermaking and Printing Technology of Ancient China 2. 中国的丝绸和陶瓷 The Silk and Porcelain of China 3. 独特的中医学 The Unique Traditional Chinese Medicine 4. 中国古代的数学和天文学成就 Achievements of Mathematics and Astronomy in Ancient China

一、线性分组码的一般性定义 二、线性分组码的严格数学定义 三、G与H的关系 四、线性分组码的最小距离、检错和纠错能力 五、线性分组码的译码 六、由一个已知码构造新码的简单方法 七、线性码的不可检测错误概率Pu(e) 八、线性码的码距限

一、循环码的数学概念 二、xn-1的因式分解 三、循环码的校验矩阵H 和生成矩阵G 四、循环码的循环子码 五、缩短循环码 六、常用的CRC国际标准 七、循环码的编码电路

一、信号的时域特征值 二、信号的幅值域特征值 三、信号的相关域特征值 四、信号的频率域特征值 五、常见信号形式 六、信号的算法规则

◼ 1、概述 ◼ 1.1、机器学习的应用 ◼ 1.2 、什么是机器学习 ◼ 1.3、机器学习的发展 ◼ 1.4、机器学习的分类 ◼ 1.5 机器学习的资源 ◼ 2、机器学习的数学基础 ◼ 3、机器学习的术语 ◼ 4、基于案例的机器学习流程简介 ◼ 5、机器学习算法简介 ◼ 6、机器学习实例演示

一.矩阵的线性运算 1.矩阵的加法运算 加法定义:有mxn矩阵A=(a)和B=(b),那么矩阵C,为A和B的和

一、初等矩阵的概念 定义2由单位矩阵经过一次初等变换得到的矩阵称为初等矩阵三种初等行(列)变换对应着三种不同的初等矩阵