方差概念及计算公式.docx

上传人:b****5 文档编号:8365592 上传时间:2023-01-30 格式:DOCX 页数:13 大小:64.46KB
下载 相关 举报
方差概念及计算公式.docx_第1页
第1页 / 共13页
方差概念及计算公式.docx_第2页
第2页 / 共13页
方差概念及计算公式.docx_第3页
第3页 / 共13页
方差概念及计算公式.docx_第4页
第4页 / 共13页
方差概念及计算公式.docx_第5页
第5页 / 共13页
点击查看更多>>
下载资源
资源描述

方差概念及计算公式.docx

《方差概念及计算公式.docx》由会员分享,可在线阅读,更多相关《方差概念及计算公式.docx(13页珍藏版)》请在冰豆网上搜索。

方差概念及计算公式.docx

方差概念及计算公式

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)=C2D(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:

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

的偏离程度,即波动程度(随机波动),这与图形的特征是相符的。

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

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

SqlDataSourceID="right"runat="server"ConnectionString="<%$ConnectionStrings:

conn2%>"

SelectCommand="SELECTtop7[tjid],[title]FROM[rec]WHERE([pass]=@pass)ORDERBY[tuijian]DESC,[date_pass]DESC,[click]DESC">

ParameterDefaultValue="1"Name="pass"Type="Int32"/>

SqlDataSource>

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:

       

   其中c在0与x之间

  此式子被称为麦克劳林公式。

  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ex     

        

  2.正弦函数的展开式

        

  3.函数(1+x)m的展开式

        

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=BXA=B

X=A\BX=B/A

恰定cramer公式,矩阵求逆,gaussian消去,lu法%主要就用A\B不要用inv(A)*B

超定求最小二乘解用A\B%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S.var1

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

hesshessenberg

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=[1321];b=[43910];c=conv(a,b)

[q,r]=deconv(a,b)除法

poly(A)用根构造

polyder(a)求导a=[1321];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simplifycollectfactorhorner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+-deltay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

quadsimpson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,...)

quad88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([3124],[1234],[12324],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

symrcm

condest

normest

sprank

gplot

spy

etree

etreeplot

treelayout

treeplot

symmd

find

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 高等教育 > 工学

copyright@ 2008-2022 冰豆网网站版权所有

经营许可证编号:鄂ICP备2022015515号-1