信度是衡量测验分数一致性或可靠性的一个指标,即用一个或一组测验对同一被试群 体施测多次,所得结果的一致性程度,以及测验分数所反映被试真实水平(即真分数)的可 靠性程度。如果对一组学生用同一个测验实施两次,测试的结果完全一样,可以认为该测 验完全可靠,这时它的信度系数为1。但在现实中这种测验是很难找到的。在测量心理属 性的教学测量中,与测量目标无关的变量(因素)对测量的不准确和不一致的效应,使这 类测量产生各种误差。误差越大,信度越低;而误差越小,信度越高

在给定了一个测度空间以后,由定义在这个空间上的一个函数可以自然地产生出各种 各样的集.为用测度论的方法研究这个函数我们自然要求这些集是可测的.由此产生了可 测函数的概念在定义积分时候,对被积函数的一个基本要求就是这个函数必须是可测的我 们将看到可测函数是一类很广泛的函数.特别地,欧氏空间R上的 Lebesgue可测函数是比 连续函数更广泛的一类函数.而且可测函数类对极限运算是封闭的,这将使我们在讨论积 分的时候更加便利

费希尔R.A.(1890~1962) 英国数学家现代数理统计学的奠基人.1890年2月生于伦 敦, 1962年7月逝世他1913年毕业于剑桥大学,1933年起任伦 敦大学教授在20世纪二三十年代提出了许多重要的统计方 法开辟了一系列统计学的分支领域他发展了正态总体下各 种统计量的抽样分布,与叶茨合作创立了“试验设计”统计分 支并提出相适应的方差分析方法;费希尔在假设检验分支中 引进了显著性检验概念并开辟了多元统计分析的方向在20 世纪三四十年代费希尔和他的学派在数理统计学研究方面 占据着主导地位

在许多实际问题中,常常会遇到要研究一个随机变量与多个变量之间的相关关系,例 如,某种产品的销售额不仅受到投入的广告费用的影响,通常还与产品的价格、消费者的 收入状况、社会保有量以及其它可替代产品的价格等诸多因素有关系研究这种一个随机 变量同其他多个变量之间的关系的主要方法是运用多元回归分析.多元线性回归分析是一 元线性回归分析的自然推广形式,两者在参数估计、显著性检验等方面非常相似.本节只 简单介绍多元线性回归的数学模型及其最小二乘估计

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

从本章开始,我们将讲述数理统计的基本内容.数理统计作为一门学科诞生于19世纪 末20世纪初,是具有广泛应用的一个数学分支,它以概率论为基础,根据试验或观察得到 的数据,来研究随机现象,以便对研究对象的客观规律性作出合理的估计和判断 由于大量随机现象必然呈现出它的规律性故理论上只要对随机现象进行足够多次观 察,则研究对象的规律性就一定能清楚地呈现出来,但实际上人们常常无法对所研究的对象 的全体(或总体)进行观察

在实际应用中,有些随机现象需要同时用两个或两个以上的随机变量来描述例如,研 究某地区学龄前儿童的发育情况时,就要同时抽查儿童的身高H、体重W,这里,H和W 是定义在同一个样本空间S={e}={某地区的全部学龄前儿童}上的两个随机变量.又如,考 察某次射击中弹着点的位置时,就要同时考察弹着点的横坐标X和纵坐标Y.在这种情况 下,我们不但要研究多个随机变量各自的统计规律,而且还要研究它们之间的统计相依关 系,因而还需考察它们的联合取值的统计规律,即多为随机变量的分布

图与网络分析 Graph Theory and Network Analysis 网络流(Flow)与最大流问题 最小费用大流问题 前面讨论的旅行社的计划问题中,旅行社解决了将尽可能多的 游客(86人)送往了目的地—北京,但旅行社计划时没有考虑机 票的成本。现在旅行社考虑的问题是既要送出尽可能多的游客(86 人),又要使机票的总成本最低,应该如何制定新的计划呢?这就 是最小费用大流所研究解决的一类流量问题。 最小费用大流问题还广泛应用于诸如最优匹配,运输问题等一 类问题。 应该注意的是:最小费用大流问题首先要解决网络上的最大流 ,目的是寻找使总费用达到最小的那个最大流

第六章不定积分 CThe indefinite integration 6-1原函数和不定积分 6-1-1原函数概念及性质 6-1-2不定积分概念及性质 5-1-3基本积分表及凑微分法 6-2不定积分方法 6-21变量置换法 6-2-2分部积分法 63有理函数的积分 6-3-1最简分式的积分 6-3-2有理函数的积分 6-4其他可积成有限形式的函数类 6-4-1三角有理式的积分 第十四讲原函数及不定积分 课后作业: 阅读:第六章61:pp206-210;6.2:p2ll-214 预习:第六章62:pp214-216;63:pp218-22:6.4:pp224-230 练习pp.210-21:2习题61 复习题全部;习题1;2;3(1)-(8)

第一章 矩阵的相似变换 §1．1特征值与特征向量 §1．2相似对角化 §1．3 Jordan标准形介绍 §1．4 Hamilton-Cayley定理 §1．5向量的内积 §1．6西相似下的标准形 习题一 第二章 范数理论 §2．1向量范数 §2．2矩阵范数 一、方阵的范数 二、与向量范数的相容性 三、从属范数 四、长方阵的范数 §2．3范数应用举例 一、矩阵的谱半径 二、矩阵的条件数 习题二 第三章 矩阵分析 §3．1矩阵序列 §3．2矩阵级数 §3．3矩阵函数 一、矩阵函数的定义 二、矩阵函数值的计算 三、常用矩阵函数的性质 §3．4矩阵的微分和积分 一、函数矩阵的微分和积分 二、数量函数对矩阵变量的导数 三、矩阵值函数对矩阵变量的导数 §3．5矩阵分析应用举例 一、求解一阶线性常系数微分方程组 二、求解矩阵方程 三、最小二乘问题 习题三 第四章 矩阵分解 §4．1矩阵的三角分解 一、三角分解及其存在惟一性问题 二、三角分解的紧凑计算格式 §4．2矩阵的QR分解 一、Householder矩阵与Givens矩阵 二、矩阵的QR分解 三、矩阵酉相似于Hessenberg矩阵 §4．3矩阵的满秩分解 一、Hermite标准形 二、矩阵的满秩分解 §4．4矩阵的奇异值分解 习题四 第五章 特征值的估计与表示 §5．1特征值界的估计 §5．2特征值的包含区域 一、Gerschgorin定理 二、特征值的隔离 三、Ostrowski定理 §5．3 Hermite矩阵特征值的表示 §5．4广义特征值问题 一、广义特征值问题 二、广义特征值的表示 习题五 第六章 广义逆矩阵 §6．1广义逆矩阵的概念 §6．2 {1}-逆及其应用 一、{1}-逆的计算及有关性质 二、{1}-逆的应用 三、由{1}-逆构造其他的广义逆矩阵 §6．3 Moore-Penrose逆A+ 一、A+的计算及有关性质 二、A+在解线性方程组中的应用 习题六 第七章 矩阵的直积 §7．1直积的定义和性质 §7．2直积的应用 一、矩阵的拉直及其与直积的关系 二、线性矩阵方程的可解性及其求解 习题七 习题答案与提示