admin管理员组文章数量:1530286
2024年3月8日发(作者:)
方差概念及计算公式
一.方差的概念与计算公式
例1 两人的5次测验成绩如下:
X: 50,100,100,60,50
E(X )=72;
Y: 73, 70, 75,72,70
E(Y )=72。
平均成绩相同,但X 不稳定,对平均值的偏离大。
方差描述随机变量对于数学期望的偏离程度。
单个偏离是
消除符号影响
方差即偏离平方的均值,记为D(X
):
直接计算公式分离散型和连续型,具体为:
这里是一个数。推导另一种计算公式
得到:“方差等于平方的均值减去均值的平方”,即
,
其中
分别为离散型和连续型计算公式。 称为标准差或均方差,方差描述波动程度。
二.方差的性质
1.设C为常数,则D(C) = 0(常数无波动);
2.
D(CX )=C2
D(X ) (常数平方提取);
证:
特别地
D(-X ) =
D(X
),
D(-2X ) = 4D(X )(方差无负值)
3.若X 、Y 相互独立,则
证:记
则
前面两项恰为
D(X
)和D(Y ),第三项展开后为
当X、Y
相互独立时,
,
故第三项为零。
特别地
独立前提的逐项求和,可推广到有限项。
三.常用分布的方差
1.两点分布
2.二项分布
X ~ B
(
n,
p )
引入随机变量
Xi (第i次试验中A 出现的次数,服从两点分布)
,
3.泊松分布(推导略)
4.均匀分布
另一计算过程为
5.指数分布(推导略)
6.正态分布(推导略)
~正态分布的后一参数反映它与均值是相符的。
例2 求上节例2的方差。
解 根据上节例2给出的分布律,计算得到
的偏离程度,即波动程度(随机波动),这与图形的特征
求均方差。均方差的公式如下:(xi为第i个元素)。
S = ((x1-x的平均值)^2 + (x2-x的平均值)^2+(x3-x的平均值)^2+...+(xn-x的平均值)^2)/n)的平方根
大数定律表表明:事件发生的频率依概率收敛于事件的概率p,这个定理以严格的数学形式表达了频率的稳定性。就是说当n很大时,事件发生的频率于概率有较大偏差的可能性很小。由实际推断原理,在实际应用中,当试验次数很大时,便可以用事件发生的频率来代替事件的概率。
用matlab或c语言编写求导程序
已知电容电压uc,电容值
求电流i
公式为i=c(duc/dt)
怎样用matlab或c语言求解
ConnectionString="<%$ ConnectionStrings:conn2 %>" SelectCommand="SELECT top 7 [tjid], [title] FROM [rec] WHERE ([pass] = @pass) ORDER BY [tuijian] DESC, [date_pass] DESC, [click] DESC">
函数的幂级数展开式
通过前面的学习我们看到,幂级数不仅形式简单,而且有一些与多项式类似的性质。而且我们还发现有一些可以表示成幂级数。为此我们有了下面两个问题:
问题1:函数f(x)在什么条件下可以表示成幂级数;
问题2:如果f(x)能表示成如上形式的幂级数,那末系数cn(n=0,1,2,3,…)怎样确定?
下面我们就来学习这两个问题。
泰勒级数
我们先来讨论第二个问题.假定f(x)在a的邻区内能表示成这种形式的幂级数,其中a是事先给定某一常数,我们来看看系数cn与f(x)应有怎样的关系。
由于f(x)可以表示成幂级数,我们可根据幂级数的性质,在x=a的邻区内f(x)可任意阶可导.对其幂级数两端逐次求导。得:
,
,
………………………………………………
,
………………………………………………
在f(x)幂级数式及其各阶导数中,令x=a分别得:
把这些所求的系数代入得:
该式的右端的幂级数称为f(x)在x+a处的泰勒级数.
关于泰勒级数的问题
上式是在f(x)可以展成形如
的幂级数的假定下得出的.实际上,只要f(x)在x=a处任意阶可导,我们就可以写出函数的泰勒级数。
问题:函数写成泰勒级数后是否收敛?是否收敛于f(x)?
函数写成泰勒级数是否收敛将取决于f(x)与它的泰勒级数的部分和之差
是否随n→+∞而趋向于零.如果在某一区间I中有
那末f(x)在x=a处的泰勒级数将在区间I中收敛于f(x)。此时,我们把这个泰勒级数称为函数f(x)在区间I中的泰勒展开式.
泰勒定理
设函数f(x)在x=a的邻区内n+1阶可导,则对于位于此邻区内的任一x,至少存在一点c,c在a与x之间,使得:
此公式也被称为泰勒公式。(在此不加以证明)
在泰勒公式中,取a=0,此时泰勒公式变成:
在0与x之间
此式子被称为麦克劳林公式。
其中c 函数f(x)在x=0的泰勒级数称为麦克劳林级数.当麦克劳林公式中的余项趋于零时,我们称相应的泰勒展开式为麦克劳林展开式.
即:几种初等函数的麦克劳林的展开式
1.指数函数e
x
2.正弦函数的展开式
3.函数(1+x)的展开式
m
数学应用
1.解线性方程组
矩阵分解(A) [B,C]=返回
chol
lu
qr
svd
schur
求解方程AX=B XA=B
X=AB X=B/A
恰定 cramer公式,矩阵求逆,gaussian消去,lu法%主要 就用AB不要用inv(A)*B
超定 求最小二乘解 用AB %基于奇异值分解;用pinv(A)*B %基于householder变换
欠定 由qr分解求得
非负最小二乘解 X=nnls(A,b,TOL) TOL指定误差,可缺省
零点法求解方程
fzero一元 fsolve多元
x=fzero(fun,x0)
[x,fval,exitflag]=fzero(fun,x0,options,P1,P2,...)
注:x0是猜测的起始点,可用plot先绘fun,用ginput来用鼠标获取零点猜测值
符号方程
X=linsolve(A,B) 等于 X=sym(A)sym(B) %例X=linsolve(A,b);
XX=X+'k'*null(A)
S=solve('eqn1','eqn2',...'eqnN')
solve('eqn1','eqn2',...'eqnN','var1','var2',...'varN') 返回S是结构数组,引用1
或返回给[x1,x2,...,xn]
矩阵的特征值和特征向量
D=eig(A) 特征值
[V,D]=eig(A) V是特征向量 A*V=V*D
[V,D]=eig(A,'nobalance') 预先平衡
[V,D]=eig(A,B) 广义特征值
符号矩阵同数值矩阵 %例中vpa(A)?
对角化
[P,D]=eig(A) inv(P)*A*P是对角阵
Jordan标准型
[V,J]=jordan(A)
其他常用
cdf2rdf(V,D) 复转实
funm(A,'function')计算函数值
eig
hess hessenberg
expm 指数
null 奇异值分解 零空间 标准正交基
orth 标准正交基
pinv 广义逆
sqrtm 平方根
cond 条件数
rref 阶梯阵
rsf2csf 实转复
det 行列式
subspace子空间夹角
rank 秩
condeig 特征值 条件数
norm 范数
2.多项式
P=poly(A) 由给定的根A(根数组,或矩阵之特征值)创建多项式
符号多项式
ploy(A) 返回中用x表示,ploy(A,v) 中用v来表示
ploy2sym(C) 向量转符号多项式
计算
conv(a,b) 乘法 a=[1 3 2 1];b=[4 3 9
10];c=conv(a,b)
[q,r]=deconv(a,b) 除法
poly(A) 用根构造
polyder(a) 求导 a=[1 3 2 1];polyder(a);
polyder(a,b) :polyder(conv(a,b))
[q,d]=polyder(a,b) :b/a的倒数 q分子 d分母
polyfit(x,y,n) 拟合
polyval(p,x) 计算x处 y=..
polyvalm(p,X) 矩阵多项式得值 X是方阵
[r,p,k]=residue(a,b) 分式展开式 r留数 p极点 k直项
[a,b]=residue(r,p,k) 分式组合
roots(a) 根
因式分解
factor(s) 因式分解
collect(S) 合并同类项 缺省合并x
collect(S,v) 合并v变量同类项
expand(s) 表达式展开
简化
pretty 将代数式转化为手写格式 即改变表示幂、乘方 * ^的样式
simplify 化简表达式,强 如:simplify(sin(x)^2+cos(x)^2)
结果 1
simple 用simplify collect factor horner等简化函数化简,并选取最短的结果
simple(s) 化简,并显示中间过程
[R,How]=simples(s) 结果给R,过程给How
simple所用的转化运算
combine(trig) 三角运算
convert(exp) 尽量指数化
convert(sincos) 尽量三角式化
convert(tan) 尽量tan化
horner 多项式转为嵌套形式 秦九韶算法
多项式提取
subexpr 代换式中一些部分
[Y,s]=subexpr(t,'s') s是复杂式的代换符号, t是原表达式 ,Y是代换后的式子
subs(S,old,new) 将new代入S中的old
3.曲线拟合
多项式拟合
[a,S]=polyfit(x,y,n) 对数据(xi,yi)拟合n阶多项式 a是系数 S是Vandermonde矩阵进行Cholesky分解。。。。的结构矩阵
[ye,delta]=polyval(a,x,S) 利用计算结果估计数据带 yi +-
delta y 超过五阶不好
非线性最小二乘估计转为线性
4.插值和样条
interp1
interpft
interp2
interp3
interpn
griddata
meshgrid
ndgrid
spline
一维插值
yi=interp1(x,y,xi,method) 由xy插值xi处,
method可选
linear 线性
cubic 三次
spline 三次样条
nearst 最近邻域
二维插值
zi=interp2(x,y,z,xi,yi,method)
样条
finder 对样条函数求导
fnint 对样条函数积分
mkpp(pp) 分解出样条各段的数据,依次返回[breaks断点位置,coef,pieces,order,dim]
ppval(pp,xx) 由逐段多项式求值
spline
yy=spline(x,y,xx) 三次样条xx处值
或pp=spline(x,y)获得多项式数据;yy=ppval(pp,xx)再由pp计算xx处值
unmkpp 逐段多项式数据形式的重组
5.数值积分微分
一维数值积分
quad simpson法,精度高
quad('fun',a,b,tol,trace,p1,p2,...) (被积函数,积分上限,积分下限,tol[相对误差,绝对误差],是否图形显示,参数,...)
quad8 8样条newton-cotes公式 最常用
trapz 梯形法定积分
cumtrapz梯形法区间积分
sum 等宽矩阵法定积分
cumsum 等宽矩阵法区间积分
fnint 样条的不定积分
多重数值积分
dblquad('fun',inmin,inmax,outmin,outmax,tol,method) 定积分
积分限为函数时 先求G(y)={x2(y),x1(y)}f(x,y)dx 再求I={y2,y1}G(y)dy 这里用{}表示豆芽符
数值微分
多项式求导 polyder
差分算积分 diff(X)
6.符号微积分
约定变量x 系数a,b
极限
limit(f,x,a) 求x->a时f值、
limit(f,x,a,'right') 右极限 limit(f,x,a,'left')左极限
导数
diff(f,a,n) 对变量a求n阶积分,a,n均有默认
差分
Y=diff(F数组,n差分阶数,dim指定维数)
J=jacobian(f列向量,v行向量) 雅可比矩阵 可用simple化简
积分
int(s,v,a,b) (式,变量,下限,上限)
级数求和
symsum(s,v,a,b)
泰勒级数
taylor(f,n)指定项数 (f,a)指定点 (f,x)指定变量 ?n,a,x可否连用,顺序
7.常微分方程 %以下有待细看
ode23
ode45
ode113
ode23t
ode15s
ode23tb
...
odefile
odeset
odeget
...
odephas2
odephas3
odeprint
8.数据分析和傅立叶变换
9.稀疏矩阵
SM=sparse(A全元素) 转为稀疏
FM=sparse(A稀疏) 转为全元素
SM=sparse(i,j,s,m,n,nzmax) 创建 例:SM=sparse([3 1 2 4],[1 2
3 4],[12 3 2 4],4,4,4)
A=spdiags(B,d,m,n) 创建带状矩阵
S=spconvert(D) 从外部导入
常用
issparse
nnz
nonzeroe
nzmax
spalloc
sprun
spones
colmmd
colperm
dmperm
randperm
find
symrcm
condest
normest
sprank
gplot
spy
etree
etreeplot
treelayout
treeplot
symmd
版权声明:本文标题:方差概念及计算公式 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dianzi/1709891722a238736.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论