信息论：是一门应用概率论、 随机过程、数理统计和近世代 数的方法，来研究广义的信息 传输、提取和处理系统中一般 规律的科学；它的主要目的是 提高信息系统的有效性和可靠 性，最优化；其主要内容（或 分支）包括：香农理论、编码 理论、维纳理论、检测和估计 理论、信号设计与估计理论、 调制理论和随机噪声理论

4.1数值微积分 4.1.1 近似数值极限及导数 4.1.2 数值求和与近似数值积分 4.1.3 计算精度可控的数值积分 4.1.4 函数极值的数值求解 4.1.5 常微分方程的数值解 4.2矩阵和代数方程 4.2.1 矩阵运算和特征参数 4.2.2 矩阵的变换和特征值分解 4.2.3 线性方程的解 4.2.4 一般代数方程的解 4.3 概率分布和统计分析 4.3.1 概率函数、分布函数、逆分布函数和随机数的发生 4.3.2 随机数发生器和统计分析指令 4.4 多项式运算和卷积 • 4.4.1 多项式的运算函数 • 4.4.2 多项式拟合和最小二乘法 • 4.4.3 两个有限长序列的卷积

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

包括以下10门课程：离散数学、C语言、数据结构、常微分方程、操作系统、计算方法、数据库原理及应用、概率论与数理统计、JAVA语言、实变函数

1.1概率空间 1.2随机变量与分布函数； 1.3数字特征、矩母函数与特征函数 1.4收敛性 1.5独立性与条件期望

对比例的推断 数据=(1,,11.0,伯努利(P) 目标一估计P值,成功的概率(或具有某种 性质的总体比例) p=x=在n次观测中成功的个数 Var( p) =p(1-p)/n =pq/n ·方差依赖均值

期末复习中,你可以在课本中取出一个编号为奇数的任意问题的随机样本, 并能在没有计算机的帮助下做出来。你可能想试图在没有计算机的情况 下做出茎叶图,简单的散点图,和简单的经验累积概率分布。可以尝试 在没有计算机时做一元线性回归

1 概率密度估计 2 直方图方法 3 Parzen 窗 4 K 近邻密度估计 k 近邻分类器

一、目的要求 1、 明确相对数指标含义，能区分常用相对数指标的类型； 2、 掌握二项分布、Poisson分布和正态分布的特征及其应用； 3、 通过试验观察和验证随机变量的分布特征

一、目的要求 明确相对数指标含义，能区分常用相对数指标的类型； 掌握二项分布、Poisson分布和正态分布的特征及其应用； 通过试验观察和验证随机变量的分布特征