一、填空和选择题 1.在齿轮传动的设计和计算中,对于下列参数和尺寸应标准化的 有有 ;应圆整的有 ;没有标准的化也不应圆整的 (1)斜齿圆柱齿轮的法面模数mn;(2)斜齿圆柱齿轮的端面模数mt (3)分度圆直径d;(4)齿顶圆直径(5)齿轮宽度B; (6)分度圆压力角a;(7)斜齿轮螺旋角β;(8)变为系数x; (9)中心距a;(10)齿厚s 2.材料为20Cr的齿轮要达到硬齿面,适宜的热处理方法是 (1)整体淬火;(2)渗碳淬火;(3)调质;(4)表面淬火 3.将材料为45钢的齿轮毛坯加工成为6级精度硬齿面直齿圆柱外齿轮,该齿 轮制造工艺顺序应是 为宜

第五章特征值问题及二次型 要求 1、理解矩阵特征值特征向量的概念:掌握计算矩阵特征值和特征向量的方法 2、理解相似矩阵的概念及性质,掌握矩阵对角化的充分必要条件 3、理解向量的内积与正交的概念:掌握向量组正交化过程:理解正交矩阵的概念。 4、理解实对称矩阵有关特征值特征向量性质:会用正交相似变换化实对称矩阵为对角矩 5、了解二次型及其矩阵表示:了解二次型的标准型。 6、会用正交变换法和配方法化二次型为标准型。 7、了解二次型的秩、惯性定理、正定性:掌握正定矩阵的判别

第四章4-4特征值与特征向量(续) 4.4.2关于特征向量与特征子空间的一些性质 命题线性变换的属于不同特征值的特征向量线性无关。 证明设A为VK上的线性变换,,2,是两两不同的特征值,(1≤i≤t)是 属于特征子空间V的特征向量,设k,k2,k,∈K,使得k5+k252+…+k5=0,两 边用A作用(i=1,2,…,-1),于是得到方程组 5+52++=0,j0,1,t-1 其中入的方幂组成的矩阵为

第四章线性方程组 4.2线性方程组的解法 个线性方程组AX=B的解的数量有三种情况:0,1,∞ 对于第三种情况,逐个写出这些解是不可能的 解线性方程组的本质就是用一组可自由取值的变量 (称为自由变量)来表示其余的变量(称为主变量)使得对于自由 变量的任一组值,都能唯一确定主变量的值,它们一起构成方程 组的一个解.注意:主变量和自由变量的分法并不是唯一的 自然地我们应解决以下问题

对一个未知量,人们在测量或计算时,常不以 得到近似值为满足,还需估计误差,即要求知 道近似值的精确程度(亦即所求真值所在的范 围).类似地,对于未知参数θ,除了求出它的点 估计外,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的可信程度.这样 的范围通常以区间的形式给出,同时还给出此 区间包含参数θ真值的可信程度.这种形式的 估计称为区间估计

分布函数能够完整地描述随机变量的统计特 性.但在一些实际问题中,不需要去全面考虑 随机变量的变化情况,而只需知道随机变量的 某些特征,因而并不需要求出它的分布函数. 例如,在评定某一地区的粮食产量的水平时, 在许多场合只要知道该地区的平均产量;又如 在研究水稻品种优劣时,时常是关心稻穗的平 均稻谷粒数;再如检查一批棉花的质量时,即 需要注意纤维的平均长度,又需要注意纤维长 度与平均长度的偏离程度.因此,与随机变量 的有关数值,能够描述随机变量的重要特征

第十章时间序列分析 我们对经济量进行分析的最终目的,是为了预测某些经济变量的未来 值。进行预测的方法有两种。一种是根据一定的经济理论,建立各种相互 影响的经济变量之间的关系模型,根据观测到的经济数据估计出模型参数, 利用模型来预测有关变量的未来值。这种方法的优点在于精确地考虑到了 各经济变量之间的相互影响,有理论依据,但是由于抽样信息不完备,经 济模型和经济计量模型不可能真正准确地反映了经济现实,因而得到的结 果不可能是相当准确

应对信息不完全:信号与管制 1.不完全市场 除了关于企业组织的考察以外,前面章节分析内容基本建立在完全市场或市场完全性假定 基础上。完全市场假定包含三方面相互联系的内容。第一是竞争的完全性。在对消费和生 产行为和商品市场供求关系的分析中,我们假定存在原子式的无数买者和厂商,任何单个 买者和厂商购买和出售数量相对于市场规模而言都是微乎其微,因而他们都是价格接受 者,而不具有影响市场价格的能力,因而市场竞争是完全的。第二是信息的完全性

多元线性回归(multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化

多元线性回归( multiple linear regression)是分析一个随机变量与多个变量 之间线性关系的最常用的统计方法。实际工作中,常常希望知道所关心的事物受 哪些因素的影响,比如销售量与价格和广告费的关系,农业产量与原料和气候的 关系,生育水平与教育水平和经济水平的关系,物价和失业率的关系,收入与受 教育程度和年龄的关系等等。多元线性回归用变量的观察数据拟合所关注的变量 和影响它变化的变量之间的线性关系式,检验影响变量的显著程度和比较它们的 作用大小,进而用两个或多个变量的变化解释和预测另一个变量的变化 回归这一名词起源于19世纪生物学家F.高尔顿进行的遗传学研究,他在研 究子女身高与父母身高之间关系时发现