一、前言 
在本文中，「荒原之梦考研数学」将通过图示的方式，用直观的表述给同学们讲明白概率论与数理统计中的“点估计”这一概念。
继续阅读“什么是点估计？点估计的作用是什么？”什么是点估计？点估计的作用是什么？
一、前言
分类： 考研数学
高斯函数、高斯积分与正态分布之间的关系
一、前言
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”概率论中的 $\begin{pmatrix} n \\ k \end{pmatrix}$ 表示什么意思？
一、前言
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？”计算“鸡爪型”行列式的思路：消去其中一“爪”
一、题目
$$
D = \begin{vmatrix}
\textcolor{orange}{a_{0}} & \textcolor{orange}{1} & \textcolor{orange}{1} & \textcolor{orange}{\cdots} & \textcolor{orange}{1} & \textcolor{orange}{1} \\
\textcolor{orange}{1} & \textcolor{orange}{a_{1}} & 0 & \cdots & 0 & 0 \\
\textcolor{orange}{1} & 0 & \textcolor{orange}{a_{2}} & \cdots & 0 & 0 \\
\textcolor{orange}{\vdots} & \vdots & \vdots & \textcolor{orange}{\ddots} & \vdots & \cdots \\
\textcolor{orange}{1} & 0 & 0 & \cdots & \textcolor{orange}{a_{n−1}} & 0 \\
\textcolor{orange}{1} & 0 & 0 & \cdots & 0 & \textcolor{orange}{a_{n}}
\end{vmatrix} = ?
$$
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””有限总体的大量无放回抽样不是简单随机抽样
一、前言
“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”切比雪夫不等式的含义及其可视化
一、前言
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”考研数学中的 $\exp$ 是什么意思？
没说邻域内可导不能用洛必达法则
一、题目
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”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
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”二维连续型随机变量的几何意义是什么？
一、前言
在本文中，「荒原之梦考研数学」将通过对二维连续型随机变量几何意义的解释，让同学们能够建立对二维连续型随机变量更直观的理解。
式子中极限为 $1$ 的部分可直接写成 $1$：因为 $1$ 事实上不会对式子产生任何影响
一、题目
$$
\lim_{ n \rightarrow \infty } \left( \frac { a^{\frac{1}{n} } + b^{ \frac{1}{n} } + c^{ \frac{1}{n}} }{3} \right)^{n}
$$
其中 $a > 0$, $b > 0$, $c > 0$
难度评级：
继续阅读“式子中极限为 $1$ 的部分可直接写成 $1$：因为 $1$ 事实上不会对式子产生任何影响”证明无限趋于并不是等于的方法：放大无穷多倍
一、题目
$$
\lim_{ n \rightarrow \infty } n \left[ \left( 1 + \frac{1}{n} \right)^{n} – \mathrm{e} \right] = ?
$$
难度评级：
继续阅读“证明无限趋于并不是等于的方法：放大无穷多倍”连续型随机变量的分布函数为什么要从 $-\infty$ 大开始积分？
一、前言
我们知道，连续型随机变量 $\xi$ 的分布函数 $F$ 能够表示为非负可积的概率密度函数（分布密度函数）$p$ 在区间 $(- \infty, x)$ 上的积分，即：
$$
F(x) = \int_{\textcolor{springgreen}{\boldsymbol{ – \infty }}}^{x} p(t) \mathrm{~d} t
$$
其中，$- \infty < x < + \infty$.
但是，为什么对 $p(t)$ 的积分要从 $\textcolor{springgreen}{\boldsymbol{ -\infty }}$ 开始呢？
继续阅读“连续型随机变量的分布函数为什么要从 $-\infty$ 大开始积分？”连接函数极限与数列极限的桥梁：Heine 定理
关于积分对函数奇偶性影响的一个扩展公式
一、前言
我们知道，一般情况下，积分会导致函数的奇偶性发生改变。例如，在下面的式子中，一般情况下，如果函数 $f(x)$ 是奇函数，则 $F(x)$ 就是偶函数；如果函数 $f(x)$ 是偶函数，则 $F(x)$ 就是奇函数：
$$
F(x) = \int_{0}^{x} f(t) \mathrm{~d} t
$$
但是，如果我们要分析的是下面这个式子，则函数 $f(x)$ 的奇偶性会对函数 $F(x)$ 的奇偶性产生什么样的影响呢？
$$
F(x) = \int_{0}^{x} g(x) \cdot f(t) \mathrm{~d} t
$$
在本文中，「荒原之梦考研数学」将通过详细的计算，给同学们讲明白这个问题。
继续阅读“关于积分对函数奇偶性影响的一个扩展公式”