对一般的数字行列式,如果它的元素之间没有特定的规律, 其计算方法是: 1)利用行列式性质把它化为上三角或下三角行列式,则 行列式的值等于其主对角线上元素的连乘积; 2)选定某一行(列),利用行列式性质把其中元素尽可 能多的化为0;然后按这一行(列)展开,如此继续下去 可得结果

一、贝努里概型和二项分布 例1设生男孩的概率为p,生女孩的概率为q=-p,令表示随机抽查出生的4个婴儿中“男孩”的个数. 我们来求X的概率分布

利用行列式的依行(列)展开可以把n阶行列式化为n-1 阶行列式来处理,这在简化计算以及证明中都有很好的应用。 但有时我们希望根据行列式的构造把n阶行列式一下降为n-k 阶行列式来处理,这是必须利用 Laplace展开定理。为了说明 这个方法,先把余子式和代数余子式的概念加以推广

一、总体均值的假设检验 当检验关于总体均值(数学期望)的假设时,该总体中的另一个参数,即方差2是 否已知,会影响到对于检验统计量的选择,故下面分两种情形进行讨论

取得总体的样本后,通常是借助样本的统计量对未知的总体分布进行推断,为此须进一 步确定相应的统计量所服从的分布,除在概率论中所提到的常用分布外,本节还要介绍几个 在统计学中常用的统计分布:

在前四章里我们讨论了概率论的基本概念与方法,从中我们 学到一条基本的道理,随机变量及其所伴随的概率分布全面描述 了随机现象的统计规律性但是在实际中一个随机现象所服从的 分布是什么概型可能完全不知道,或者由于随机现象的某些事实 而知道其概型,但不知其分布函数中所含的参数.这些反而正是研 究者所希望了解的,是研究的目的

设有两个变量X和Y,其中X是可以精确测量或控 制的非随机变量,而Y是随机变量,Y随X的变化而变 化,但它们之间的变化关系是不确定的.给定X的取 值,Y服从一定的概率分布,则称随机变量与变量X 之间存在着相关关系 设进行n次独立试验,测得试验数据如下:

1．Matlab初步（20%） 矩阵输入，数组，矩阵运算（即：普通运算），数组运算，最常用的普通函数、向量函数，用 plot 命令画二维曲线图

§1.1向量的概念 §1.2向量的加法 §1.3数乘向量 §1.4向量的线性关系与向量的分解 §1.5标架与坐标 §1.6向量在轴上的射影 §1.7两向量的数量积 §1.8两向量的向量积 §1.9 三向量的混合积

L.P. 问题中变量个数多于 2 时，图解法失效即使是计算机求解，首先也要有有效算法，然 后才可能利用程序去实现它 单形法，是 L.P. 问题算法之基础。本质上，它 是代数方法，可以用线性代数的理论证明方法 的合法性，清楚地说明算法背后的“为什么” 。由于课时限制我们不准备这么做，将把有限 的精力和时间浅尝辄止：了解算法本身的使用 ，并不证明“为什么”