朝命而夕饮冰

三尺微命一介书生光阴虚度学问无成

线性代数5——线性变换

参考教材章节 1.8 线性变换介绍 1.9 线性变换的矩阵 4.2 零空间、列空间和线性变换 4.4 坐标系 4.7 基的变换课后作业设$A$是 $6\times 5$ 矩阵，为了定义$T:R^a\to R^b,T(x)=Ax,a$ 与 $b$ 应该是多少？设$x=\begin{bmatrix}x_1 \\ x_2\end{bmatrix},\nu_1=\begin{bma......

Posted by Samson Yuen on 2023-11-26

线性变换

线性代数6——逆矩阵

参考教材章节 2.2 矩阵的逆 2.3 可逆矩阵的特征课后作业求$\begin{bmatrix}8&6\\5&4\end{bmatrix}$的逆矩阵设$A,B,C$为 $n\times n$可逆矩阵，由方程$C^{-1}(A+X)B^{-1}=I_n$求 $X$ . 设$A=\begin{bmatrix}-2&-7&-9\\2&......

Posted by Samson Yuen on 2023-11-25

逆矩阵

线性代数7——行列式

参考教材章节 3.1 行列式介绍 3.2 行列式的性质课后作业求解下列行列式 $$ \begin{aligned} \begin{vmatrix} -1&2&3&0\\ 3&4&3&0\\ 5&4&6&6\\ 4&2&4&3\\ \end{vmatrix} \end{aligned} ......

Posted by Samson Yuen on 2023-11-24

行列式

线性代数8——特征值与特征向量

参考教材章节 5.1 特征向量与特征值 5.2 特征方程 5.3 对角化 5.4 特征向量与线性变换 5.6 离散动力系统 4.9 马尔可夫链中的应用课后作业 1.$\begin{bmatrix}-1+\sqrt{2}\\1\end{bmatrix}$是 $\begin{bmatrix}2&1\\1&4\end{bmatrix}$ 的特征向量吗？如果是，求对应的特征值 ......

Posted by Samson Yuen on 2023-11-23

特征值特征向量动力系统

概率统计1——概率

基本概念随机试验:对一个不确定现象通过观察，测量，实验等手段获取其结果的过程样本空间:所有随机试验结果的总和，如掷色子的样本空间为${1,2,3,4,5,6}$,记作$\Omega$。样本空间可以是无限集随机事件: 样本空间的子集样本点:样本空间中的元素，也就是一次随机试验的单个结果，记作$\omega$ 互不相容事件:$事件A,B不同时发生，即A\cap B=\phi$ 对立事件......

Posted by Samson Yuen on 2023-10-31

概率统计2——随机变量

随机变量的概念定义1：设$\Omega$是某随机试验的样本空间.函数$X=h(\omega)$将样本空间中的样本点映射为固定的数字，则称函数$X$为该随机试验的随机变量.可以发现，随机变量的本质就是将随机试验的样本点映射为一个实数的过程。根据随机变量的取值的数量状态的不同，可以将随机变量分为离散型和连续性两种。离散型随机变量的取值是有限可列或无限可列个的；而连续型随机变量的取值是无限多......

Posted by Samson Yuen on 2023-10-30

Python文件工具

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697989910010110......

Posted by Samson Yuen on 2023-10-17

Pandas时间序列分析

Pandas时间序列分析原生Python时间类型 datetime以及timedelta 原生Python中,datetime模块是经常用到的时间库，其中有datetime类型表示一个特定的时间点，timedelta类型，表示两个datetime类型的时间间隔 12from datetime import datetimefrom datetime import timedelta dat......

Posted by Samson Yuen on 2023-10-10

Pandas Python

假设检验

假设检验随机变量的期望离散型随机变量的期望定义1：如果$X$是一个离散型随机变量，其分布列为$p(x)$，那么$X$的期望记为$E(X)$，定义如下： $$ E(x)=\sum_{x}xp(x) $$ 用语言表达，$X$ 的期望值就是$X$ 的所有可能的一个加权平均，每个值的权重就是$X$ 取得该值的概率。所以，期望的意义在于对随机变量进行整体的综合估计，给出一个随机变量的“平均值”.......

Posted by Samson Yuen on 2023-09-25

抽样分布 t检验