1.期望 定义 \[E(x)=\sum\limits_{k=1}^{\infty}x_kp_k-离散型 \]\[E(x)=\int_{-\infty}^{+\infty}xf(x)dx-连续型 \]性质 \(E(C)=C,C是常数\) \(E(CX)=CE(X),C是常数\) \(E(X+Y)=E(X)+E(Y)\) \(若X,Y相互独立，有E(XY)=E(X)E(Y)\) 2.方差 定义 \[D(X)=\sum\limits_{k=1}^{\infty}
1. 整数输入身高英寸，转为英尺英寸 #include <iostream> int main() { using namespace std; int inch; const int inch2foot = 12; cout << "Enter your height of inch:_\b"; cin >> inch; cout << "your inch: " << inch % in
白噪声 一、白噪声定义及性质 在时间序列中，最简单的平稳过程(纯随机过程)就是白噪声过程(White Noise)，具体如下： { Z t {Z_{t}} Zt} 是白
1.一元高斯分布 2.多元高斯分布 \(D是维度,\mu是均值向量,D\times D的矩阵\Sigma是协方差矩阵\) \(比如二维的X,Y\) \(\begin{bmatrix} cov[x,x] & cov[x,y] \\ cov[y,x] & cov[y,y] \\ \end{bmatrix},对角线上正好是各自的方差\) \(|\Sigma|是行列式\) 3.一些记号 参数 含义
1. 概述 pytest是一个非常成熟的全功能的Python测试框架，主要特点有以下几点： 1、简单灵活，容易上手，文档丰富； 2、支持参数化，可以细粒度地控制要测试的测试用例； 3、能够支持简单的单元测试和复杂的功能测试，还可以用来做selenium/appnium等自动化测试、接口自动化测试（pytest+requests
目录 1. 自己编写协方差程序和cov()对比 （1）自己编写协方差算法 （2）协方差函数：cov()函数
本来试图用pad记笔记的, 结果pad上的markdown编辑器要么太烂，要么收费，于是乎还是背着大电脑出发吧。 动机:把书读薄, 便于之后查阅. 不至于像微积分一样学完即忘. 事实上从考试的角度来说, 花时间整理笔记远没有仅保持短期记忆而把时间花在刷题上来得有效. 但我们不仅是应试机器 ri
1.应用前景 可以用于航空武器系统的误差分析,特别是函数误差的计算。蒙特卡洛法和协方差法是武器系统误差分析中的两种常用方法。其基本思想是通过对随机变量的模拟,对模拟结果进行统计分析,最终给出问题数值解的估计值。 2.武器系统误差的(MonteCarlo)分析方法 设系统
本文章是看了B站大佬关于主成分分析的讲解后做的笔记，如果看不懂，建议移步观看大佬的视频https://www.bilibili.com/video/BV1E5411E71z 前言 我们先来看个二维的数据D，它有两个维度x和y，降维的一个准则就是数据在新的维度上要尽可能的分散。观察到原始数据，无论是在x轴方向上，还是
该函数用来求协方差矩阵 numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None, aweights=None) 第一个参数m，输入的矩阵每一行代表一个变量（特征），每一列代表一个样本 第三个参数rowvar，默认为True，则每行代表一个变量，每一列为一个样本；如果改成False，那么每
概述 pytest是一个非常成熟的全功能的Python测试框架，主要特点有以下几点： 简单灵活，容易上手，文档丰富； 支持参数化，可以细粒度地控制要测试的测试用例； 能够支持简单的单元测试和复杂的功能测试，还可以用来做selenium/appnium等自动化测试、接口自动化测试（pytest+requests）; pyt
时间序列学习（2）：白噪声、随机游走 1、白噪声2、对数收益率序列3、随机游走4、随机游走示例 1、白噪声 白噪声是非常简单的一种建模时间序列的模型。 对于时间序列 { w t
判断俩个变量是否呈正相关和负相关。 cov（x，y）=E（（x-x平均）*（y-y平均）） 正相关即x和y同时高于平均值占总数情况较大。 负相关即x和y同时在其平均值俩端占总数情况较大。 如果协方差为0表示俩哥随机变量无关。
pytest-cov 先命令行安装 pytest-cov 2.10.1版本 pip install pytest-cov==2.10.1 环境要求：1.python3.6.6 版本备注：其它版本没试过 python3.6.0会遇到以下问题 INTERNALERROR>raise CoverageException("Couldn't use data file {!r}:{}".format(self.filename, msg)) INTERNALER
首先看一下一维正态分布的公式： 其中μ为均值，σ为标准差，正态分布的草图如下图所示。 再看numpy提供的函数的参数： multivariate_normal(mean,cov,size=None,check_valid=None,tol=None) 在一维正态分布中，第一个参数mean就是这里的均值μ，第二个参数cov就是方差【公式co
Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要
文章目录 @[toc]1 什么是内生性2 内生性的来源2.1遗漏变量偏差2.2 联立方程偏差2.3 解释变量测量误差2.4 选择偏差2.5 双向因果关系2.6 模型设定偏误2.7 动态面板偏差 3 工具变量3.1工具变量的思想3.2 两阶段最小二乘法3.3 Wald估计量 4 矩估计5 二阶段最小二乘法5.1 阶条
卡尔曼滤波原理及实践 公式 x ^ k ∣
机器学习数学知识点 嗯。。。随便写写画画图形。。。 一、 高斯分布 目录 机器学习数学知识点一、 高斯分布1.1 公式与python函数封装1.2 根据数据集估计概率分布函数1.3 高斯分布图形 1.1 公式与python函数封装 高斯分布公式 x 一个维度为D的矢量，μ数学期望， Σ协方差
Code Coverage是软件测试领域的话题，具有大概率Code Coverage的源程序相比于小概率Code Coverage的源程序更容易在测试集的测试下发现BUG，LLVM提供了一个工具LLVM-COV,简单记录一下使用方法： step 1:安装clang 和 llvm sudo apt install clang llvm Step 2:编写测试程序
截至目前，已知引起人致病的冠状病毒包括7种，其中HCoV-229E、HCoV-OC43、HCoV-NL63和HCoV-HKU1致病性较低，一般引起轻微的呼吸道症状。基因测序结果显示，SARS-CoV-2与SARS-CoV的同源性约79％,与MERS-CoV的同源性约50％。文献报道，新型冠状病毒S蛋白ACE2亲和力较SARS-COV强，提示具有更强的传
文章目录 二、Porbabilistic generative model1、Preparing Data1、Mean and Covariance2、Computing weights and bias3、Compute accuracy on training set4、Predicting testing labelsSummary 这里我想说一下自己对于logistic regression（逻辑回归）、Porbabilistic g
1、安装coverage pip3 install coverage Python代码覆盖率统计工具coverage.py用法详解 coverage run 现在使用coverage执行.py的文件方式： coverage run xxx.py 会自动生成一个覆盖率统计结果文件（data file）：.coverage，这个文件在你的test.py的文件对应目录下。 coverage repo
chapter4.随机变量的数字特征 1.数学期望（均值）E(x) 定义：试验中每次出现可能结果的概率乘以其结果的总和。 意义：反映一个整体的平均状态。 期望的性质 常见分布的期望 2.方差D(x) 意义：反映一组数据离平均值的偏离程度 常见分布的方差 方差的性质 切比雪夫不等式: 切比
基因组编辑技术CRISPR/Cas9被《科学》杂志列为2013年年度十大科技进展之一，受到人们的高度重视。今年10月，德国马克斯-普朗克病原学研究所的Emmanuelle Charpentier博士以及美国加州大学伯克利分校的Jennifer A. Doudna博士因在CRISPR-Cas9基因编辑方面做了的贡献荣获2020年诺贝尔
