问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2… 则xP=(11k k=1 k=1 =1-1/2+1/3-1/4+…=ln2.(J) 2

掌握随机变量的数学期望、方差、协方差、相关系数等几个基本概念及其性质并会求一 些随机变量及函数的数学期望与方差为后面的学习打下基础

随机变量的数学期望是对随机变量取值水平的综合评价,而随机变量取值的稳定性是 判断随机现象性质的另一个十分重要的指标

一、相关关系的概念(注意相关关系与函数关系的区别) (一)函数关系 它反映着现象之间存在着严格的依存关系, 也就是具有确定性的对应关系,这种关系可用一 个数学表达式反映出来。 例如某种商品的销售额和销售量之间,由于 价格因素,所以两者可表现为严格的依存关系

概率论与数理统计是研究随机现象统计规律性的学科而随机现象的规律性在相同的 条件下进行大量重复试验时会呈现某种稳定性.例如,大量的抛掷硬币的随机试验中,正面 出现频率;在大量文字资料中,字母使用频率工厂大量生产某种产品过程中,产品的废品 率等.一般地,要从随机现象中去寻求事件内在的必然规律,就要研究大量随机现象的问题 在生产实践中,人们还认识到大量试验数据测量数据的算术平均值也具有稳定性.这 种稳定性就是我们将要讨论的大数定律的客观背景在这一节中

第三节协方差及相关系数 对多维随机变量,随机变量的数学期望和方差只反了各自的平均值与偏离程度,并 没能反映随机变量之间的关系.本节将要讨论的协方差是反映随机变量之间依赖关系的一 个数字特征

第一章预备知识 第一节事件和概率 第二节随机变量及其分布 第三节随机变量的特征数 第四节矩母函数与特征函数 第五节随机向量及其分布 第六节随机变量函数的分布 第七节分布参数的估计和检验

第一章预备知识 第一节事件和概率 第二节随机变量及其分布 第三节随机变量的特征数 第四节矩母函数与特征函数 第五节随机向量及其分布 第六节随机变量函数的分布

2.1.1求解Ax=b的高斯消去法和选主元高斯消去法 高斯消去法(Gaussian Elimination) 思首先将A化为上三角阵( upper-triangular- 路 matrix),此过程称为消去过程,再求解如 下形状的方程组,此过程称为回代求解 ( backward substitution)

属于一种迭代法，但如果不考虑计算过程的舍入误 差，CG算法只用有限步就收敛于方程组的精确解