4.1抽象与封装 4.2类和对象的定义 4.3对象与基本数据类型变量的区别 4.4数据成员的初始化 4.5包 4.6访问权限修饰符

一、分布函数的 二、分布函数的性质 三、分布函数与离散型随机变量分布律的关系

本书内容分为第一篇、第二篇、知识点滴三部分。第一篇为复变函数，共六章，主要内容是：复变函数、导数、积分、级数、留数、保形映照。第二篇为积分变换，共两章，主要内容是：傅里叶变换、拉普拉斯变换。第一、二篇各章均包括五部分：本章的内容要点、教学要求和学习注意点、释疑解难、典型例题及习题选解。知识点滴部分包括三个方面的内容：人物介绍，学科介绍和数学软件介绍

上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

对于未知参数θ,除了得到它的点估 计θ外,我们还希望估计出一个范围,并希望知道这个范围包含参数真值θ的可信 程度.这样的范围通常以区间的形式给出, 而可信程度由概率给出.这种估计称为区 间估计或置信区间,以下先给出置信区间概念

一、条件概率 简单地说,条件概率就是在一定附加 条件之下的事件概率 从广义上看,任何概率都是条件概率, 因为任何事件都产生于一定条件下的试验 或观察,但我们这里所说的“附加条件” 是指除试验条件之外的附加信息,这种附 加信息通常表现为“已知某某事件发生了

一、 正交函数系与正交多项式 二、 正交多项式的性质 六、小结 三、 Legendre 多项式 四、 Chebyshey 多项式 五、其它常用的正交多项式

在上一节,运用概率基本公式,可以 根据一些事件的概率计算另一些事件的概 率.现在问题是这些已知概率又当如何获取 呢?或者说,怎样直接计算一些简单事件 的概率呢?本节在等可能概率模型下讨论 这一问题

一、高敬型随机变量的概 二、种常见高型随机变量及其分布

第一节 矩阵与向量的概念 第二节 矩阵的运算 第三节 几种特殊矩阵 第四节 矩阵的秩与初等变换 第五节 可逆矩阵 第六节 矩阵的分块运算