上一讲我们介绍了随机变量的数学期 望,它体现了随机变量取值的平均水平, 是随机变量的一个重要的数字特征. 但是在一些场合,仅仅知道平均值是 不够的

什么是参数估计? 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计. 例如,~N(u,o2) 若从2未知,通过构造样本的函数,给出 它们的估计值或取值范围就是参数估计 的内容 点估计区间估计

现在应用行列式解决线性方程组的问题.在这里只考虑方程个数与未知量个 数相等的情形

工程实际中，存在大量的解线性方程组的问题。很多数值方法到最后也会涉及到线性方程组的求解问题：如样条插值的M和m关系式，曲线拟合的法方程组，方程组的Newton迭代等问题。 4.1 高斯消去法 4.2 选主元素的高斯消去法 4.3 矩阵的三角分解法 4.4 平方根法与改进平方根法 4.5 向量和矩阵的范数 4.6 线性方程组的性态和解的误差分析 4.7 解线性方程组的迭代法 4.8 迭代法的收敛性及误差估计

无穷级数: 一系列无穷多个数u1,2,3n…写成u1+u2+u3+…+un+… 就称为无穷级数,记为∑un。这仅仅是一种形式上的相加。 这种加法是不是具有‘和数呢?这个和数的确切意义是什么 呢?

确定统计量的分布 是数理统计的基本 问题之一 正态总体是最常见的总体,本节介绍 的几个抽样分布均对正态总体而言

作为因式分解定理的一个特殊情形，有每个次数≥1 的有理系数多项式都能 分解成不可约的有理系数多项式的乘积.但是对于任何一个给定的多项式，要具 体地作出它的分解式却是一个很复杂的问题，即使要判别一个有理系数多项式是 否可约也不是一个容易解决的问题，这一点是有理数域与复数域、实数域不同的

一、两向量的数量积 二、两向量的向量积 三、两向量的混合积

一、线性变换的定义线性空间V到自身的映射称为V的一个变换定义1线性空间V的一个变换A称为线性变换,如果对于V中任意的元素a,B和数域P中任意数k,都有 (1) 一般用花体拉丁字母A,B,表示V的线性变换,A(a)或a代表元素a在 变换下的像定义中等式

对一个随机事件A,在一次随机试验中,它是否会发生,事先不能确定但我们可以 问,在一次试验中,事件A发生的可能性有多大并希望找到一个合适的数来表征事件 在一次试验中发生的可能性大小为此,本节首先引入频率,它描述了事件发生的频繁程 度,进而引出表征事件在一次试验中发生的可能性大小的数-概率