随机向量的定义： 设 {ξ i(ω)} i =1, 2,\, n 是定义在同一个概率空间 (Ω,F, P) 上 的 n 个 随 机 变 量 ， 则 称 ( ) ( ( ), ( ), , ( )) ξ ω = ξ 1 ω ξ 2 ω \ ξ n ω 为 n维随机向量或 n 维随 机变量

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

众所周知,样条函数无论在理论上还是在应用中都具有十分 重要的意义。鉴于客观事物的多样性和复杂性,开展有关多元样 条函数方面的理论研究无疑是极为重要的60年代至70年代初, G. Birkboff,h.l. Garabedian和 arl de Boor等研究并建 立了一系列关于 Cartesian乘积型的多元样条理论 Cartesian 乘积型多元样条虽然有一定的应用价值但有很大的局限性,且在 本质上可以看作是一元样条函数的简单推广 1975年,本书著者采用函数论与代数几何的方法

一、等价关系,等价类,商集 二、划分,第二类 Stirling数 三、偏序,线序,拟序,良序 四、哈斯图 五、特殊元素:最?元,极?元,?界,?确界 六、(反)链

1点估计 设总体X的分布函数F(x)的形式为已知,θ是待估参数。 X1…Xn是X的一个样本,x1…xn是相应的样本值。 点估计问题: 构造一个适当的统计量(X1…,Xn),用它的观察值 0(x1,…xn)来估计未知参数 我们称(X1,…,Xn)为0的估计量;称0(x1,xn) 为θ估计值

一、无穷小(Infinitesimal) 分limf(x)-|=0 lim[(x)-A]=0 lima(x)=0 a(x)= f(x)-A 即,每一个有极限的函数f(x)都与一个趋于0的函数f(x)-A联系着。 因此,以0为极限的函数在极限理论和极限的计算中扮演着特殊而重要的角色

本章重点内容 一、关系的数学定义和性质 二、关系模式的完整性约束条件 三、关系代数 四、关系的规范化原则,范式的基本概念和分解方法

1. 设 是来自总体 的样本，则样本 的分布律 为 ( , , , ) X1 X 2 \ Xn B(N, p) ( , , , ) X1 X 2 \ Xn ； EX = ； DX = ； = 2 ESn ； = *2 ESn

1. 将一枚均匀的硬币抛两次，事件 A, B,C 分别表示“第一次出现正面”，“两次 出现同一面”，“至少有一次出现正面”。试写出样本空间及事件 A, B,C 中的样本 点

8.1习题 1.证明,一个非奇异的对称矩阵必与它的逆矩阵合同. 2.对下列每一矩阵A,分别求一可逆矩阵P,使PAP是对角形式