基础实验1 函数与极限 基础实验2 微分及其应用 基础实验3 积分及其应用 基础实验4 三角级数 专题实验1 极限的应用 专题实验2 选址问题 专题实验3 销售决策问题 专题实验4 级数的应用 专题实验5 钓鱼问题

1. MATLAB中概率分布函数 2. 二项分布实验 3. 泊松分布实验 4. 二项分布与泊松分布关系实验 5. 连续型随机变量分布实验 6. 随机变量的均值与方差 7. 逆累积分布函数实验 8. 中心极限定理实验

本章内容: 1.最大似然原理; 2.用ML方法求解参数估计问题的步骤; 3.ML估计式的特性; 4.如何计算ML估计值的方差; 5.利用似然函数进行区间估计

数学实验：插值拟合与最优化

本问题是一个“有人管理分类问题”． 首先分别列举出 20 个学习样本序列中 1 字 符串、2 字符串、3 字符串出现的频率，构成含 41 个变量的基本特征集，接着用主成分分析 法从中提取出 4 个特征．然后用 Fisher 线性判别法进行分类，得出了所求 20 个人工制造序列 及 182 个自然序列的分类结果如下：

一、随机事件 几个概念 1、随机实验:满足下列三个条件的试验称为随机试验 (1)试验可在相同条件下重复进行; (2)试验的 可能结果不止一个,且所有可能结果是已知的; (3)每次试验哪个结果出现是未知的;随机试验以后简 称为试验,并常记为E

极大似然估计的求法 —选择参数的估计量,使实验结果具有最大概率 估计量的几个评选标准 ·样本原点矩是总体原点矩的无偏估计量; 无偏性——E()=·样本方差是总体方差的无偏估计量; ·无偏估计量的函数未必是无偏估计量

8.1 特征值估计与扰动 8.2 幂法与反幂法 8.3 幂法的加速方法 8.4 雅可比方法 8.5 数值实验

引言 Chapter 2 插值方法表示两个变量x,y内在关系一般由函数式y=f(x)表达 但在实际问题中,有两种情况: 、 1由实验观测而得的一组离散数据(函数表),显然这种函 数关系式y=f(x)存在且连续,但未知。 2函数解析表达式已知,但计算复杂,不便使用。通常也函数表

第一部分 基于 C 语言的图像处理实验 .1 实验一 数字图像的输入输出及直方图统计.1 实验二 灰度图像的线性变换.12 实验三 灰度图像的平滑处理.24 实验四 灰度图像的锐化处理.34 第二部分 基于 VC 的图像处理实验.43 实验一 数字图像的输入输出及直方图统计.43 实验二 灰度图像的线性变换.69 实验三 灰度图像的平滑处理.77 实验四 灰度图像的锐化处理.83