摘要：虽然说雅可比行列式的应用考试说不涉及，但作题的时候总是遇到，以至于混淆的正常做法的理解，所以今天痛下决心，做了一个简单的应用总结，雅克比行列式在重积分的应用很广泛，一般是作为积分的一种换元方法 阅读全文

摘要：最近一些日子，好多研友在讨论这个概率事件及其概率之间的关系，我也参与几次讨论，可是我越加发现这部分的概念不清，我想许多朋友都有这种感觉，于是，我查阅了一些资料和题目。对这部分做出了一些较权威性的总结，目的就是澄清一些基本概念和大家共同进步，这也许就是论坛的魅力所在。我分为这么几个问题<1>我们大多在不可能事件与概率为0的随机事件之间纠缠不清，这两者之间的关系为：不可能事件的概率P(Ф)=0,但是反过来，概率为零的随机事件A未必是不可能事件，也就是说，由P(A)=0推不出A=Ф,但是当P(A)不等于0时便能推出A不是Ф<2>必然事件Ω 与概率为1的事件的区别和联系，即必然 阅读全文

摘要：对于A（＜ B(A是B的真子集，以下同)可以理解为如果A发生，则B必发生，所以P(B|A)=1，而两个事件A,B相等无非是说A,B由完全同一的一些试验结果组成。若两个事件不能在同一次试验中都发生，则称他们是互斥的，对立的事件可以理解成B={A不发生}记作A~[条件概率]就是附加一定条件下计算的概率，从广义上讲，任何概率都是条件概率，因为试验都有规定的条件，而我们往往把试验的那些基础条件看作是已知的不变的，如果不再加入其他条件或假定，就叫做“无条件概率”就是我们说的概率。否则叫条件概率，一般记为P(A|B)即在可能出现的情况下限于B事件的发生中有利于A的概率，但需要注意的是有的条件概率不一定要从 阅读全文

摘要：这是一道真题，我用我的笨法做出来了，并且给自己提了3个问题，我完整的写出来（累死我了）虽然过程繁琐，但是确实能得到锻炼。和答案一比，才知道自己是多么愚蠢和无知，而且有的概念始终是半懂的状态，希望大家回答我的问题！ 阅读全文

摘要：一般来说利用4种方法可以解答大多数三重积分的问题，并且它们之间有着密切的联系。而同一题可以有多种解法，有简有繁，这就要因题而议了。这四种方法分别是1、坐标面投影法2、坐标轴投影法3、柱面参数法4、球面参数法他们分别需要注意的是1、坐标面投影法要注意围成闭区间的上下两个区面在一个轴平面的投影应该相同2、坐标轴投影要注意Dz(平行于XY面的横截面)容易用一个变量Z表示。3、使用柱面参数要特别注意Z的上下限的确定，其上下限主要取决此区域是曲面的那一段（哪一部分曲面）4、球面坐标法要注意1）θ是与Z轴的夹角 。2）r范围的确定。下面以一道例题分别用这4中方法计算。能够很好的比较体会它们之间的联系。 阅读全文

摘要：有关参数估计，我们需要掌握了有两种，矩估计和极大似然估计。而我们往往只是单纯生硬的记忆他的计算方法，而很少从统计的角度考虑他的合理性。经过对一些书的学习，现从统计思想总结上述考虑。[矩估计]：样本k阶原点矩作为总体k阶原点矩的一种估计方法，设总体x分布函数F(x),相应k阶原点矩ak=EX^k从总体抽样本（X1,X2,X3......Xn）假设每次都有确切的观测值（x1,x2,x3,......xn)根据经验，我们可以认为被抽到的概率为1/n.相应的分布函数F~(x)=1/n.相应的k阶原点矩为阿Ak=1/n∑x^k.现将观测值还原为样本统计量，也就是经验分布函数和样本k阶原点矩。经统计发现， 阅读全文

摘要：若曲面∑关于x=0对称，∑1是∑大于等于部分，正侧不变，则当f(-x,y,z)=-f(x,y,z)时∫∫(∑)f(x,y,z)dxdz=∫∫(∑)f(x,y,z)dxdy=0;∫∫(∑)f(x,y,z)dydz=2∫∫(∑1)f(x,y,z)dydzf(-x,y,z)=f(x,y,z)时∫∫(∑)f(x,y,z)dydz=0∫∫(∑)f(x,y,z)dxdz=2∫∫(∑1)f(x,y,z)dxdz∫∫(∑)f(x,y,z)dxdy=2∫∫(∑1)f(x,y,z)dxdy若关于y=0(z=0)对称，则有类似结论。对亏了他人为我指点迷津，我才真正的理解了这个结论。先整理如下曲面关于x＝0对称就是说 阅读全文

摘要：本贴给出二叉树先序、中序、后序三种遍历的非递归算法，此三个算法可视为标准算法。1.先序遍历非递归算法#define maxsize 100typedef struct{ Bitree Elem[maxsize]; int top;}SqStack;void PreOrderUnrec(Bitree t){ SqStack s; StackInit(s); p=t; while (p!=null || !StackEmpty(s)) { while (p!=null) //遍历左子树 { visite(p->data); push(s,p); p=... 阅读全文

摘要：本人在网上找到的，觉得很适合做早上看。1. With my own ears I clearly heard the heart beat of the nuclear bomb.我亲耳清楚地听到原子弹的心脏的跳动。2. Next year the bearded bear will bear a dear baby in the rear.明年,长胡子的熊将在后方产一头可爱的小崽.3. Earl... 阅读全文

摘要：在线性代数中，行列式是基础比较好理解可以把他看成是矩阵的函数，他是一个数但是行列式的计算往往让人挠头，需要不断的作题，总结，方能达到effert halved,result doubled以下是我在复习时总结的一些常用的最好能记写来的行列式算法，我会不断总结及时更新大家要是有想法的话可以给我留言，我也会及时补上（我总结这些中的数学符号是用MathType写的，很费劲） 阅读全文

摘要：首先，我们需要明确矩阵是一个数表，行列式是数表所确定的一个数，所以行列式可以看作是矩阵的函数，行列式也是矩阵划分奇异矩阵和非奇异矩阵的标志。矩阵的逆的引入有多种角度，按书中如果同型矩阵AB=E那么他们他们互为逆矩阵，如果一个方阵其行列式不等于零，那么这个方阵可逆等等，从表面上看讲不出它们之间的联系，我们会在以后矩阵的初等变换中有深入的理解。下面我不加证明的列出一些常用结论，我会在学习中继续总结补充并更新。1、如果A是可逆矩阵，那么包括对称性，可逆性，正交性等矩阵的重要性质A与A*同时具有或同时不具有，即互为充要条件。2、如果N阶方阵A、B及A+B均可逆则 可以逆且等于3、对于分块巨阵求逆，.. 阅读全文

摘要：曲线曲面积分是高等数学中一个综合性，应用性很强的部分。包含空间解析几何，高重微积分，微分方程及物理应用，知识点冗杂，概念繁多。但我在复习的过程中发现，它们之间在横向与纵向有着惊人的联系，因此，我打破书中的章节，独辟蹊径，以纵向—>横向—>纵向的思路复习,即:数量值函数的曲线积分(一类)—>向量值函数的曲线积分(二类)—>格林公式—>数量值函数的曲面积分(一类)—>向量值函数的曲面积分(二类)—>高斯公式及散度—>斯托克斯公式及旋度等. 下面我简单介绍我的思路,对其中的细小概念不加以一一解释.数值函数指的是在平面或多维空间内,只考虑其值的大小而不考 阅读全文

摘要：积分上下限-计算定积分的陷阱！We are friends ! 今天在复习定积分的时候，感觉积分部分的题很灵活，有的形式比较复杂，容易结合其他知识点，而定积分相对于不定积分在形式上多了积分上下限，而这正是我今天讨论的中心，在定积分，尤其是定积分函数，始终要牢记，积分上下限是dt中t的变化范围。那么，当积分上下限为未知数或被积函数是复合函数时，都可以根据这个范围和实际所给条件对积分进行分段，而一般来说，只有确定了这个范围才能够确定分段点，或者复合函数中的复合表达式的值域：如 0<t<x ,-x<-t<0, 0<x-t<x随着x的范围的变化x-t的值域也发生着变 阅读全文

摘要：下午复习概率的时候，结合辅导书，有了些许自己的体会。现在拿出，可能是个错误的结论，不过我单写无妨记录下我个人的思考过程。二维随机变量条件概率密度分为离散和连续，离散比较好理解，我主要来研究连续的情况的几何说明，比如fx(x)为x的边际概率密度，可寻求直线X=x与G的截线片断（G为概率密度的积分区域）那么我表示截线片断为Dx-={y|(x,y)属于G},那么另z=f(x,y)整个概率分布函数其实是个以z为曲面顶的一个立体体积，那么z=f(x=x1,y)变为曲面上一条定x值的曲线，而fx(x=x1)在Dx上通过一次对y的积分，便是过这条曲面曲线垂直与xoy面的垂面面积他们的比值即为在x=x1的条. 阅读全文

摘要：大家如果对高等数学，线形代数，概率，离散，数据结构，数据库感兴趣，可以给我留言，我们一起讨论！欢迎留言 阅读全文