高斯函数、高斯积分与正态分布之间的关系

一、前言 前言 - 荒原之梦

荒原之梦考研数学 | 高斯函数、高斯积分与正态分布之间的关系 | 图 01.
图 01. 图中描绘了一种二维高斯函数 $g(x,y)$ $=$ $\mathrm{e}^{- (x^{2} + y^{2})}$, 以及其在三维坐标系 $XOZ$ 平面上投影所得的一种一维高斯函数 $g(x)$ $=$ $\mathrm{e}^{-x^{2}}$ 和在三维坐标系 $YOZ$ 平面上投影所得的一种一维高斯函数 $g(y)$ $=$ $\mathrm{e}^{-y^{2}}$.

高斯函数、高斯积分和正态分布之间具有密切的关系,搞明白这些关系,有助于我们对题目和解题方式有更清晰的理解。

在本文中,「荒原之梦考研数学」将为同学们讲明白这些概念之间的关系。

继续阅读“高斯函数、高斯积分与正态分布之间的关系”

每日箴言:在蚂蚁的世界里,一粒灰尘,也是庞然大物

概率论中的 $\begin{pmatrix} n \\ k \end{pmatrix}$ 表示什么意思?

一、前言 前言 - 荒原之梦

在一些概率论和数理统计的题目或者学习资料中,我们可能会看到如下这样的写法:

$$
\begin{pmatrix}
n \\
k
\end{pmatrix}
$$

那么,上面这个式子是什么意思呢?在本文中,「荒原之梦考研数学」就给同学们详细解答一下。

继续阅读“概率论中的 $\begin{pmatrix} n \\ k \end{pmatrix}$ 表示什么意思?”

每日箴言:再遥远的梦想,也可以温暖心灵

计算“鸡爪型”行列式的思路:消去其中一“爪”

一、题目题目 - 荒原之梦

$$
D = \begin{vmatrix}
\textcolor{orange}{a_{0}} & \textcolor{orange}{1} & \textcolor{orange}{1} & \textcolor{orange}{\cdots} & \textcolor{orange}{1} & \textcolor{orange}{1} \\
\textcolor{orange}{1} & \textcolor{orange}{a_{1}} & 0 & \cdots & 0 & 0 \\
\textcolor{orange}{1} & 0 & \textcolor{orange}{a_{2}} & \cdots & 0 & 0 \\
\textcolor{orange}{\vdots} & \vdots & \vdots & \textcolor{orange}{\ddots} & \vdots & \cdots \\
\textcolor{orange}{1} & 0 & 0 & \cdots & \textcolor{orange}{a_{n−1}} & 0 \\
\textcolor{orange}{1} & 0 & 0 & \cdots & 0 & \textcolor{orange}{a_{n}}
\end{vmatrix} = ?
$$

难度评级:

继续阅读“计算“鸡爪型”行列式的思路:消去其中一“爪””

每日箴言:寒冷的夜里,每一盏昏黄的路灯,都寄托着一个灵魂

有限总体的大量无放回抽样不是简单随机抽样

一、前言 前言 - 荒原之梦

“抽样”是概率论中的一个关键概念,一般情况下,“抽象”特指“简单随机抽样”。

那么,什么是“简单随机抽样”,什么不是“简单随机抽样”呢?

在本文中,「荒原之梦考研数学」就给同学们讲解清楚这一问题。

继续阅读“有限总体的大量无放回抽样不是简单随机抽样”

每日箴言:less is more

切比雪夫不等式的含义及其可视化

一、前言 前言 - 荒原之梦

切比雪夫不等式(又称:切贝雪夫不等式,英文名称:chebyshev’s theorem)在概率论与数理统计中这门课程中是一个非常重要的概念,该不等式在大数定理中也发挥着重要的作用。

在本文中,「荒原之梦考研数学」就通过直观的文字与图形化解释,帮助同学们更好地理解切比雪夫不等式。

继续阅读“切比雪夫不等式的含义及其可视化”

每日箴言:所有的一切都在转瞬即逝,但这就是永恒本身

每日箴言:“吹牛”和“哭惨”的背后是几乎同样的心理

没说邻域内可导不能用洛必达法则

一、题目题目 - 荒原之梦

已知,函数 $f(x)$ 在点 $x_{0}$ 处可导, $\left\{ \alpha_{n} \right\}$ 与 $\left\{\beta_{n} \right\}$ 是两个趋于 0 的正数列, 请求解下面的极限:

$$
I=\lim _{n \rightarrow \infty} \frac{f \left(x_{0} + \alpha_{n} \right) – f \left(x_{0} – \beta_{n} \right)}{\alpha_{n} + \beta_{n} }
$$

难度评级:

继续阅读“没说邻域内可导不能用洛必达法则”

每日箴言:时刻都要防止流于表面,时刻都要注意直抵核心

借助极限与无穷小的关系,对一点处导数的定义式进行完善

一、前言 前言 - 荒原之梦

我们知道,如果函数 $f(x)$ 在点 $x_{0}$ 的某个邻域内有定义(不需要一定在该邻域内可导),且函数 $f(x)$ 在点 $x_{0}$ 处可导,则:

$$
\begin{aligned}
f ^{\prime} (x_{0}) \\ \\
& = \lim_{x \to x_{0}} \frac{f(x) – f(x_{0})}{x – x_{0}} \\ \\
& = \lim_{\Delta x \to 0} \frac{f(x_{0} + \Delta x) – f(x_{0})}{\Delta x}
\end{aligned}
$$

上面的公式也被称作函数在一点处导数的定义式。

但事实上,上面式子中的等号严格的来说是不成立的,且在有些时候,我们不能直接使用上面的式子完成解题。

所以,在本文中,「荒原之梦考研数学」就借助极限与无穷小的关系,对上面的式子进行完善,以形成一个比较完备的一点处导数的定义式。

继续阅读“借助极限与无穷小的关系,对一点处导数的定义式进行完善”

荒原之梦网全部内容均为原创,提供了涵盖考研数学基础知识、考研数学真题、考研数学练习题和计算机科学等方面,大量精心研发的学习资源。

豫 ICP 备 17023611 号-1 | 公网安备 - 荒原之梦 豫公网安备 41142502000132 号 | SiteMap
Copyright © 2017-2024 ZhaoKaifeng.com 版权所有 All Rights Reserved.

Copyright © 2024   zhaokaifeng.com   All Rights Reserved.
豫ICP备17023611号-1
 豫公网安备41142502000132号

荒原之梦 自豪地采用WordPress