第四章随机变量的数字特征 4-5矩 1、定义 若EXk存在,称之为X的k阶原点矩 若E(X-EX)存在,称之为X的k阶中心矩 若E(X-EX)(Y-EY)存在,称之为X和Y的k+1 阶混合中心矩。 所以EX是一阶原点矩,DX是二阶中心矩, 协方差Cov(X,Y)是二阶混合中心矩

1.3条件概率 一、条件概率与乘法公式 引例袋中有7只白球,3只红球,白球中有4只木球,3只塑料球;红球中有2只木球,1只塑料球。 现从袋中任取1球,假设每个球被取到的可能性相同.若已知取到的球是白球,问它是木球的概率是多少?古典概型 设A表示任取一球,取得白球; B表示任取一球,取得木球

1.4事件的独立性 事件的独立性 例1已知袋中有5只红球,3只白球.从袋中有放回地取球两次,每次取1球.设第i次取得白球为事件A;(i=1,2).求

2.2离散型随机变量及其概率分布 一、离散随机变量及分布律 定义若随机变量X的可能取值是有限个或可列个,则称Ⅹ为离散型随机变量描述ⅹ的概率特性常用概率分布或分布律

在实际问题中,试验结果有时需要同 时用两个或两个以上的rv来描述 例如用温度和风力来描述天气情况. 通过对含碳、含硫、含磷量的测定来研究 钢的成分.要研究这些rv之间的联系,就 需考虑多维r.v及其取值规律—多维分布

一、道间距如的选择 二、偏移距X1的选择 三、复盖次数门的选择 四、选择观测系统的原则和步骤 一、动校正速度选取不准确的影响 二、地层倾斜对叠加效果的影响

32二维rv的条件分布 二维离散rv.的条件分布律 设二维离散型rv.(X,y)的分布

大数据是多源异构的。在信息技术飞速发展的今天，多模态数据已成为近来数据资源的主要形式。研究多模态学习方法，赋予计算机理解多源异构海量数据的能力具有重要价值。本文归纳了多模态的定义与多模态学习的基本任务，介绍了多模态学习的认知机理与发展过程。在此基础上，重点综述了多模态统计学习方法与深度学习方法。此外，本文系统归纳了近两年较为新颖的基于对抗学习的跨模态匹配与生成技术。本文总结了多模态学习的主要形式，并对未来可能的研究方向进行思考与展望

3.3随机变量的独立性 将事件独立性推广到r.v. 两个rv的相互独立性 定义设(X,Y)为二维r.v.若对任何实数x,y都有则称r.v.X和Y相互独立

在岩体力学研究中,为对地质弱面进行统计加工和对岩体结构进行几何分析,常常需要用到赤平投影方法。本文从解析球面圆的'赤平投影入手,系统地討论了赤平极射投影和Lambert投影的关系;给出了吴尔夫网和施密特网的解析表达式;对这两种通用的投影网在等角性和等面性方面的特征进行了分析。在此基础上给出了一个简化的算式,以确定吴尔夫网中等价圆的半径,如果以吴氏网为基础以电算机制作等密曲线,这一算式将有实用价值