giantmfc123
giantmfc123

概率论与统计学(3)

  1. 条件概率
    P(AB)=P(A)*P(B|A)
    概率论与统计学(3)_第1张图片
  2. 样本空间的划分概率论与统计学(3)_第2张图片
    全概率公式
  3. 贝叶斯公式
    概率论与统计学(3)_第3张图片
  4. 独立性
    AB相互独立：事件A的发生与否对事件B发生的概率没有影响
    多个事件相互独立≠多个事件两两独立
    P(AB)=P(A)P(B)
    P(AC)=P(A)P©
    P(BC)=P(B)P©
    P(ABC)=P(A)P(B)P©

相互独立事件：P(A∪B)= P(A)+P(B)-P(AB)
互斥事件: A发生，其他就不会发生.P(A∪B)= P(A)+P(B)
对立事件：A积B=0， A∪B=S, P(A∪B)= P(A)+P(B)=1

  1. 随机变量：一个从样本空间映射到实数域的函数
    离散型 VS连续型
    取值概率：对于离散型随机变量，随机变量的每一个取值都对应一定的概率
    分布律：变量所有可能的取值相对应的概率表

  2. 典型分布
    0-1分布 ->伯努利试验
    n重伯努利试验：将一个伯努利试验独立的重复n次
    在这里插入图片描述

  3. 二项分布
    在这里插入图片描述
    在这里插入图片描述

  4. 均匀分布
    概率论与统计学(3)_第4张图片

  5. 正态分布(均值，方差)

  6. 概率论与统计学(3)_第5张图片
    泊松分布：用来近似计算二项分布
    在这里插入图片描述
    分布函数
    概率论与统计学(3)_第6张图片
    概率论与统计学(3)_第7张图片
    概率密度函数
    概率论与统计学(3)_第8张图片

你可能感兴趣的:(概率论与数理统计)

  • AI大模型副业变现之路，有技术就有收入！ AI大模型-王哥 人工智能AI大模型大模型大模型学习大模型教程大模型入门
    在当今时代，AI大模型的应用越来越广泛，利用这些技术开展副业赚钱已成为可能。以下是一份详细的指南，帮助你了解需要学习的内容以及如何操作。一、需要学习的内容基础知识储备（1）数学知识：线性代数、概率论与数理统计、微积分等，这些是理解AI算法的基础。（2）编程技能：掌握Python编程语言，因为Python在AI领域有丰富的库和框架支持。（3）机器学习原理：了解常见的机器学习算法，如线性回归、决策树、
  • 2019-03-20记录及学习计划更正 逆风飞翔的鸟
    今天早晨早早的就坐上了返回学校的高铁，自己复习的进度稍慢了一些，不过没关系，这几天再追回来，最近发现虽然自己数学的做题能力有所提升，但是熟练程度还差很多，所以接下来高等数学要多做题，线性代数基础已经复习完毕，不能丢下，每天要做一定量的练习来保持住自己的水平。概率论与数理统计自己感觉有些困难，需要从课本开始认真的复习。关于英语我已经用百词斩背了有400左右的单词了，但是不是很扎实，所以自己要提升自己
  • 【个人学习笔记】概率论与数理统计知识梳理【五】 已经是全速前进了 概率论
    文章目录第五章、大数定律及中心极限定理一、大数定律1.1基本概念1.2弱大数定理二、中心极限定理独立同分布的中心极限定理定理总结第五章、大数定律及中心极限定理写博客比想象中费劲得多，公式得敲好久，所以只得随缘更更了，想写一些机器学习相关的东西，但是强迫症又不允许我把这个扔掉不管，我太难了Orz这一节的内容比较深，即使我是一个喜欢数学的工科生，也没有精力再去深究了，各式各样的大数定律及中心极限定理我
  • 概率论与数理统计实验 附源码及实验报告 可打包为exe 货又星 概率论经验分享笔记python开源
    Hi,I’m@货又星I’minterestedin…I’mcurrentlylearning…I’mlookingtocollaborateon…Howtoreachme…README目录（持续更新中）各种错误处理、爬虫实战及模板、百度智能云人脸识别、计算机视觉深度学习CNN图像识别与分类、PaddlePaddle自然语言处理知识图谱、GitHub、运维…WeChat：1297767084GitH
  • 概率论与数理统计——二、随机变量及其分布 米妮爱分享
    1随机变量随机变量是把样本S映射到R(实值单值)函数随机变量的引入可以来描述各种随机现象，并能利用数学分析的方法对随机实验的结果进行深入广泛的研究和讨论。2离散随机变量及其分布律（一）（0-1）分布（二）伯努力试验、二项分布（三）泊松分布3随机变量的分布函数计算分布函数时，根据其分布律，计算某一范围的概率时，左边x是小于不等于x的，当等于时，拆开的等式在3.1中还需要加上等于此值的概率，见例子。4
  • 如何快速入门深度学习 人生万事须自为，跬步江山即寥廓。 机器学习人工智能chatgpt
    深度学习是人工智能领域的一个重要分支，它模拟人脑的神经网络结构，通过大量的数据训练模型，使计算机能够自动学习和理解数据。深度学习在图像识别、语音识别、自然语言处理等领域取得了显著的成果。如果你想快速入门深度学习，可以按照以下步骤进行：1.学习基础知识在学习深度学习之前，你需要具备一定的数学基础，包括线性代数、概率论与数理统计、微积分等。此外，你还需要掌握一门编程语言，如Python，因为大多数深度
  • 概率论与数理统计 第八章 假设检验 Jarkata
    课前导读统计推断的另一类重要问题是假设检验问题。参数估计的主要任务是找参数值等于多少，或在哪个范围内取值。而假设检验则主要是看参数的值是否等于某个特定的值。通常进行假设检验即选定一个假设，确定用以决策的拒绝域的形式，构造一个检验统计量，求出拒绝域或检验统计量的p值，查看结果是否落在拒绝域内或p值是否小于显著性水平，做出决策的一个过程。第一节检验的基本原理举个例子，体现假设检验的思想：假设检验的统计
  • 考研计划 东南大学 风与易水 考研学习
    考研计划2021考研自用，目前已经上岸东南大学，祝各位顺利！数一：高数、线代、概率论与数理统计使用参考资料：1.《同济高数、浙大概率论与数理统计》2.《李永乐基础强化系列材料》3.武忠祥教学视频4.李林8805.武老师的高数辅导讲义+李永乐线代讲义5.李林的1086.《李林冲刺6套卷，李林预测4套卷》复习策略：1.2月初~6月底第一轮打基础，以武忠祥2020视频【教材（查阅相关知识点）】为主，深刻
  • 武忠祥2025高等数学，基础阶段的百度网盘+视频及PDF m0_54050778 pdf概率论
    考研数学武忠祥基础主要学习以下几个方面的内容：1.微积分:主要包括极限、连续、导数、积分等概念，以及它们的基本性质和运算方法。2.线性代数:主要包括向量、向量空间、线性方程组、矩阵、行列式、特征值和特征向量等概念，以及它们的基本性质和运算方法。3概率论与数理统计:主要包括随机事件和概率、条件概率、独立性、随机变量及其分布、数学期望方差和协方差、大数定律和中心极限定理等概念以及它们的基本性质和运算方
  • 大二下 课程安排 三冬四夏会不会有点漫长 #大二下计划
    专业选修web前端开发信息与网络安全必修数据库原理4概率论与数理统计4软件设计与体系结构3编译技术3软件设计实践2大学体育1选修（待更新）目标大二下一定要好好学习，不然最后总的排名真的就垫底了，大一上绩点专业排名33/139，大一下绩点专业排名91/139，大二上待更新，整个大一绩点专业排名71/139，希望大二下能尽自己的全力学，绩点考到尽可能高，把自己不太行的过往的成绩往上拉一拉
  • 不知道几天能学完《概率论与数理统计》之1.1随机统计 不安全的安保 不知道几天能学完概率论概率论
    引言确定性（必然）：一定发生/一定不发生随机性（偶然）:可能发生/不发生统计规律：对事情做出大量重复性的实验试图找出某种规律1.1.1随机事件与随机试验试验：为了找出实践规律，对客观事物进行观察、测量，然后进行科学实验等等这类统称为试验随机试验：使用E表示三个要求相同条件下可以重复实验结果不止一个无法预测哪个结果会出现举个例子：抛硬币随机抛硬币可以出现两次正面硬币有正面和反面在硬币落地之前无法得知
  • 2024年高校建设大数据实验室建设的意义 泰迪智能科技 大数据实验室大数据
    数据挖掘与大数据分析是以计算机基础为基础，以挖掘算法为核心，紧密面向行业应用的一门综合性学科。其主要技术涉及概率论与数理统计、数据挖掘、算法与数据结构、计算机网络、并行计算等多个专业方向，因此该学科对于实验室具有较高的专业要求。实验室不仅要提供基础的开发环境，还要提供大数据的运算环境以及用于实验的实战大数据案例。这些实验素材的准备均需专业的大数据实验室作为支撑。目前，在我国高校的专业设置上与数据挖
  • 概率论与数理统计————3.随机变量及其分布 辣个骑士 概率论与数理统计概率论
    一、随机变量设E是一个随机试验，S为样本空间，样本空间的任意样本点e可以通过特定的对应法则X，使得每个样本点都有与之对应的数对应，则称X=X（e）为随机变量二、分布函数分布函数：设X为随机变量，x是任意实数，则事件{Xx}为随机变量X的分布函数，记为F（x）即：F（x）=P（Xx）（1）几何意义：（2）某点处的概率：P（a）=P（Xa）-P（X0;F(x)=cx0三、离散型随机变量及其分布离散型随
  • 概率论与数理统计————古典概型、几何概型和条件概率 辣个骑士 概率论与数理统计概率论
    一、古典概型特点（1）有限性：试验S的样本空间的有限集合（2）等可能性：每个样本点发生的概率是相等的公式：P（A）=A为随机事件的样本点数；S是样本空间二、几何概型计算公式：p（A）=A的长度、面积或体积S的长度、面积或体积三、条件概率条件概率：设A、B为两个事件，且p（B）>0,则在事件B条件下事件A发生的概率为P（A|B）=p（|A）=1-P（B|A）乘法公式：事件的独立性：若事件A、B满足P
  • 概率论与数理统计————1.随机事件与概率 辣个骑士 概率论与数理统计概率论
    一、随机事件随机试验：满足三个特点（1）可重复性：可在相同的条件下重复进行（2）可预知性：每次试验的可能不止一个，事先知道试验的所有可能结果（3）不确定性：每次试验不能确定实验结果随机试验记作E样本空间：随机试验E的所有可能的结果构成的集合样本点：样本空间的每个元素是一个样本点随机事件：样本空间的子集为一个随机事件（事件放生：该事件的某个样本点出现）必然事件：必然发生的事件不可能事件：不可能发生的
  • 不动点迭代c语言for循环,概率论与数理统计-西北师范大学数学与统计学院.PDF Jezzy WANG 不动点迭代c语言for循环
    概率论与数理统计-西北师范大学数学与统计学院数学与统计学院数学与应用数学专业云亭班专业平台必修课程教学大纲数学与统计学院数学与应用数学专业云亭班专业平台必修课程包括以下11门课程：概率论与数理统计、实变函数、泛函分析、拓扑学、微分几何、C语言、近世代数、运筹学、常微分方程、复变函数、大学物理。概率论与数理统计一、说明课程性质：该课程是数学与应用数学专业云亭班专业平台必修课程之一，第5学期开设。周4
  • 概率论与数理统计-第7章 假设检验 Ciian 概率论与数理统计概率论
    假设检验的基本概念二、假设检验的基本思想假设检验的基本思想实质上是带有某种概率性质的反证法，为了检验一个假设H0,是否正确，首先假定该假设H0正确，然后根据抽取到的样本对假设H0作出接受或拒绝的决策，如果样本观察值导致了不合理的现象发生，就应拒绝假设H0,否则应接受假设H0·三、假设检验的两类错误第一类错误当假设H0正确时，小概率事件也有可能发生，此时，我们会拒绝假设H0,因而犯了“弃真”的错误，
  • 概率论与数理统计系列笔记之第六章——参数估计 欧阳妙妙 概率论
    概率论与数理统计笔记（第六章——参数估计）对于统计专业来说，书本知识总有遗忘，翻看教材又太麻烦，于是打算记下笔记与自己的一些思考，主要参考用书是茆诗松老师编写的《概率论与数理统计教程》，其他知识待后续书籍补充。文章目录概率论与数理统计笔记（第六章——参数估计）6.1点估计的概念以及无偏性6.1.1点估计及无偏性6.1.2有效性6.2矩估计以及相合性6.2.1替换原理和矩法估计6.2.2概率函数已知
  • 【概率论与数理统计】第二章知识点复习与习题 小萨摩！ 期末考试概率论
    思维导图笔记一、随机变量定义：设随机试验的样本空间为S={e}，X=X(e)是定义在样本空间S上的实值单值函数。称X=X(e)为随机变量。类似于函数、映射的概念。既然类似于函数，就有定义域和至于，通过定义知道，定义域为样本空间，值域为实数集。即对随机事件数量化。二、离散型随机变量及其分布律1离散型随机变量定义：全部可能取到的值是有限个或可列无限多个的随机变量。这里有限一定可列，可列不一定有限。而分
  • 张宇1000题概率论与数理统计 第九章 参数估计与假设检验 古月忻 #概率论张宇考研其他
    目录AAA组6.设x1,x2,⋯ ,xnx_1,x_2,\cdots,x_nx1,x2,⋯,xn是来自总体X∼N(μ,σ2)X\simN(\mu,\sigma^2)X∼N(μ,σ2)（μ,σ2\mu,\sigma^2μ,σ2都未知）的简单随机样本的观测值，则σ2\sigma^2σ2的最大似然估计值为（  ）。(A)1n∑i=1n(xi−μ)2;(A)\cfrac{1}{n}\displaystyl
  • 概率论与数理统计 Chapter4. 参数估计 Espresso Macchiato 基础数学概率论参数估计极大似然估计矩估计区间估计
    概率论与数理统计Chapter4.参数估计1.基础概念1.总体2.样品3.统计量1.样本方差2.k阶原点矩3.k阶中心矩2.参数的点估计1.矩估计1.正态分布2.指数分布3.均匀分布4.二项分布5.泊松分布2.极大似然估计1.正态分布2.指数分布3.二项分布4.均匀分布5.泊松分布3.贝叶斯估计3.点估计的优良性准则1.无偏性1.均值2.方差3.标准差2.最小方差无偏估计3.相合性4.区间估计1.
  • 概率论与数理统计浙大第五版 第七章 部分习题+R代码 ⑨充满智慧与力量⑨ 概率论
    习题七1、μ1=E(X)=μ=1n∑i=1nxi=18(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74.002)=74.002\mu_1=E(X)=\mu\\=\frac{1}{n}\sum_{i=1}^nx_i\\=\frac{1}{8}(74.001+74.005+74.003+74.001+74.000+73.998+74.006+74
  • 概率论与数理统计-第6章 参数估计 Ciian 概率论与数理统计概率论
    6.1点估计问题概述一、点估计的概念二、评价估计量的标准无偏性定义1：设^θ(X1,…,Xn)是未知参数θ的估计量，若E(^θ)=θ,则称^θ为θ的无偏估计量定理1：设X1,…,Xn,为取自总体X的样本，总体X的均值为μ，方差为σ2,则(I)样本均值¯X是μ的无偏估计量；(2)样本方差S2是σ2的无偏估计量；&1有效性无偏性是有效性的前提。定义2：例题：*1相合性（一致性）我们不仅希望一个估计量是
  • 最小描述长度MDL(Minimum Description Length）及信息论介绍 Avasla 机器学习算法概率论
    信息论介绍信息论是应用数学的一个分支，主要研究的是对一个信号包含信息的多少进行量化。它最初被发明是用来研究在一个含有噪声的信道上用离散的字母表来发送消息，例如通过无线电传输来通信。在这种情况下，信息论告诉我们如何对消息设计最有编码以及计算消息的期望长度，这些消息是使用多种不同编码机制、从特斯能够的概率分布上采样得到的。百度百科的解释是：信息论是运用概率论与数理统计的方法研究信息、信息熵、通信系统、
  • 概率论与数理统计（期末复习） 蓝桉802 概率论
    第四章数学期望与方差1.期望的性质：E(C)=C;E(X+C)=E(X)+C;E(CX)=CE(X);E(kX+C)=kE(X)+C;E(X+Y)=E(X)+E(Y);E(X-Y)=E(X-Y);;X与Y独立：E(XY)=E(X)E(Y);2.方差的性质：D(X)=E(X^2)-[E(X)]^2D(C)=0;D(X+C)=D(X);D(CX)=C^2D(X);D(kX+C)=k^2D(X);X与Y
  • 概率论与数理统计 知识点+课后习题 兑生 大学课程概率论
    文章目录[学习资源整合](https://www.cnblogs.com/duisheng/p/17872980.html)总复习知识点⭐常用分布的数学期望和方差选择题填空题大题1.概率2.概率3.概率4.P5.概率6.概率密度函数F(X)F(X)F(X)7.分布列求方差V(X)V(X)V(X)8.求分布函数F(X)F(X)F(X)9.求F(X)F(X)F(X)和P(X)P(X)P(X)10.求未
  • AI技术体系和领域浅总结 TisUs
    数学基础微积分《高等数学》线性代数《线性代数》概率统计《概率论与数理统计》信息论《信息论基础》（机械工业出版社）集合论和图论《离散数学》博弈论《博弈论》（中国人民大学出版社）张量分析现代几何计算机基础计算机原理程序设计语言操作系统分布式系统算法基础机器学习算法机器学习基础（估计方法特征工程）线性模型（线性回归）逻辑回归决策树模型（GBDT）支持向量机贝叶斯分类器神经网络（深度学习）：MLPCNNR
  • 概率论与数理统计基础知识 竹叶青lvye 程序员的数学概率论
    计算机视觉一些算法中常会用到概论的一些知识，为了便于理解和快速回忆，博主这边对常用的一些知识点做下整理，主要来源于如下这本书籍。1.随机试验的每一可能结果称为一个基本事件，一个或一组基本事件统称随机事件，或简称事件。典型的随机试验有掷骰子、扔硬币、抽扑克牌以及轮盘游戏等。2.事件的概率是衡量该事件发生的可能性的量度。概率论（数学分支）_百度百科概率（统计学术语）_百度百科3.随机事件,是指的一个事
  • 二月 goldfish2017
    2018年已经过完一个月了，一月份完成了公司搬办公室，开年会中了个末等奖，修车的钱给保险公司也都给报销了，部门公司也彻底成为全资子公司，原来老板特意把年终奖提前给发了，手头能多少宽裕点了。如果考试成绩不理想，还是年后想办法谋求再回北京找工作，如果成绩还可以，就需要准备加试复试。一月份完成了概率论与数理统计的通读，看了两三遍课本和视频才大概了解，编译原理在年前完成通读教材一遍。减少同时关注事情的数量
  • 极大似然估计定义及例题 脑子不好真君 数学概率论与数理统计极大似然估计
    一、极大似然估计定义实际上就是说，我们在总体中抽取样本，我们希望在样本中发生的情况最大化，用在样本中发生的情况去估计总体中发生情况。二、例题注意：对分布函数求导得概率密度函数三、参考书目茆诗松,周纪芗等.概率论与数理统计(第三版).中国统计出版社,2007王松桂等.概率论与数理统计(第三版).科学出版社,2011同济大学数学系.概率论与数理统计.人民邮电出版社,2017
  • web报表工具FineReport常见的数据集报错错误代码和解释 老A不折腾 web报表finereport代码可视化工具
    在使用finereport制作报表，若预览发生错误，很多朋友便手忙脚乱不知所措了，其实没什么，只要看懂报错代码和含义，可以很快的排除错误，这里我就分享一下finereport的数据集报错错误代码和解释，如果有说的不准确的地方，也请各位小伙伴纠正一下。   NS-war-remote=错误代码\:1117 压缩部署不支持远程设计 NS_LayerReport_MultiDs=错误代码
  • Java的WeakReference与WeakHashMap bylijinnan java弱引用
    首先看看 WeakReference wiki 上 Weak reference 的一个例子： public class ReferenceTest { public static void main(String[] args) throws InterruptedException { WeakReference r = new Wea
  • Linux——（hostname）主机名与ip的映射 eksliang linuxhostname
    一、 什么是主机名 无论在局域网还是INTERNET上，每台主机都有一个IP地址，是为了区分此台主机和彼台主机，也就是说IP地址就是主机的门牌号。但IP地址不方便记忆，所以又有了域名。域名只是在公网（INtERNET)中存在，每个域名都对应一个IP地址，但一个IP地址可有对应多个域名。域名类型 linuxsir.org 这样的； 主机名是用于什么的呢？ 答：在一个局域网中，每台机器都有一个主
  • oracle 常用技巧 18289753290
    oracle常用技巧 ①复制表结构和数据   create table  temp_clientloginUser as   select distinct userid from tbusrtloginlog ②仅复制数据 如果表结构一样 insert into  mytable  select  * &nb
  • 使用c3p0数据库连接池时出现com.mchange.v2.resourcepool.TimeoutException 酷的飞上天空 exception
    有一个线上环境使用的是c3p0数据库，为外部提供接口服务。最近访问压力增大后台tomcat的日志里面频繁出现 com.mchange.v2.resourcepool.TimeoutException: A client timed out while waiting to acquire a resource from com.mchange.v2.resourcepool.BasicResou
  • IT系统分析师如何学习大数据 蓝儿唯美 大数据
    我是一名从事大数据项目的IT系统分析师。在深入这个项目前需要了解些什么呢？学习大数据的最佳方法就是先从了解信息系统是如何工作着手，尤其是数据库和基础设施。同样在开始前还需要了解大数据工具，如Cloudera、Hadoop、Spark、Hive、Pig、Flume、Sqoop与Mesos。系 统分析师需要明白如何组织、管理和保护数据。在市面上有几十款数据管理产品可以用于管理数据。你的大数据数据库可能
  • spring学习——简介 a-john spring
    Spring是一个开源框架，是为了解决企业应用开发的复杂性而创建的。Spring使用基本的JavaBean来完成以前只能由EJB完成的事情。然而Spring的用途不仅限于服务器端的开发，从简单性，可测试性和松耦合的角度而言，任何Java应用都可以从Spring中受益。其主要特征是依赖注入、AOP、持久化、事务、SpringMVC以及Acegi Security 为了降低Java开发的复杂性，
  • 自定义颜色的xml文件 aijuans xml
    <?xml version="1.0" encoding="utf-8"?> <resources> <color name="white">#FFFFFF</color> <color name="black">#000000</color> &
  • 运营到底是做什么的？ aoyouzi 运营到底是做什么的？
    文章来源：夏叔叔（微信号：woshixiashushu），欢迎大家关注！很久没有动笔写点东西，近些日子，由于爱狗团产品上线，不断面试，经常会被问道一个问题。问：爱狗团的运营主要做什么？答：带着用户一起嗨。为什么是带着用户玩起来呢？究竟什么是运营？运营到底是做什么的？那么，我们先来回答一个更简单的问题——互联网公司对运营考核什么？以爱狗团为例，绝大部分的移动互联网公司，对运营部门的考核分为三块——用
  • js面向对象类和对象 百合不是茶 js面向对象函数创建类和对象
    接触js已经有几个月了,但是对js的面向对象的一些概念根本就是模糊的,js是一种面向对象的语言 但又不像java一样有class,js不是严格的面向对象语言 ,js在java web开发的地位和java不相上下  ,其中web的数据的反馈现在主流的使用json,json的语法和js的类和属性的创建相似   下面介绍一些js的类和对象的创建的技术   一:类和对
  • web.xml之资源管理对象配置 resource-env-ref bijian1013 javaweb.xmlservlet
    resource-env-ref元素来指定对管理对象的servlet引用的声明，该对象与servlet环境中的资源相关联 <resource-env-ref> <resource-env-ref-name>资源名</resource-env-ref-name> <resource-env-ref-type>查找资源时返回的资源类
  • Create a composite component with a custom namespace sunjing
    https://weblogs.java.net/blog/mriem/archive/2013/11/22/jsf-tip-45-create-composite-component-custom-namespace   When you developed a composite component the namespace you would be seeing would
  • 【MongoDB学习笔记十二】Mongo副本集服务器角色之Arbiter bit1129 mongodb
     一、复本集为什么要加入Arbiter这个角色 回答这个问题，要从复本集的存活条件和Aribter服务器的特性两方面来说。 什么是Artiber？ An arbiter does not have a copy of data set and cannot become a primary. Replica sets may have arbiters to add a
  • Javascript开发笔记 白糖_ JavaScript
    获取iframe内的元素 通常我们使用window.frames["frameId"].document.getElementById("divId").innerHTML这样的形式来获取iframe内的元素，这种写法在IE、safari、chrome下都是通过的，唯独在fireforx下不通过。其实jquery的contents方法提供了对if
  • Web浏览器Chrome打开一段时间后，运行alert无效 bozch Webchormealert无效
    今天在开发的时候，突然间发现alert在chrome浏览器就没法弹出了，很是怪异。 试了试其他浏览器，发现都是没有问题的。 开始想以为是chorme浏览器有啥机制导致的，就开始尝试各种代码让alert出来。尝试结果是仍然没有显示出来。 这样开发的结果，如果客户在使用的时候没有提示，那会带来致命的体验。哎，没啥办法了 就关闭浏览器重启。   结果就好了，这也太怪异了。难道是cho
  • 编程之美-高效地安排会议 图着色问题 贪心算法 bylijinnan 编程之美
    import java.util.ArrayList; import java.util.Collections; import java.util.List; import java.util.Random; public class GraphColoringProblem { /**编程之美 高效地安排会议 图着色问题 贪心算法 * 假设要用很多个教室对一组
  • 机器学习相关概念和开发工具 chenbowen00 算法matlab机器学习
    基本概念： 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。 开发工具 M
  • [宇宙经济学]关于在太空建立永久定居点的可能性 comsci 经济
           大家都知道,地球上的房地产都比较昂贵,而且土地证经常会因为新的政府的意志而变幻文本格式........        所以,在地球议会尚不具有在太空行使法律和权力的力量之前,我们外太阳系统的友好联盟可以考虑在地月系的某些引力平衡点上面,修建规模较大的定居点
  • oracle 11g database control 证书错误 daizj oracle证书错误oracle 11G 安装
    oracle 11g database control 证书错误  win7 安装完oracle11后打开 Database control 后，会打开em管理页面，提示证书错误，点“继续浏览此网站”，还是会继续停留在证书错误页面 解决办法： 是 KB2661254 这个更新补丁引起的，它限制了 RSA 密钥位长度少于 1024 位的证书的使用。具体可以看微软官方公告：
  • Java I/O之用FilenameFilter实现根据文件扩展名删除文件 游其是你 FilenameFilter
    在Java中，你可以通过实现FilenameFilter类并重写accept(File dir, String name) 方法实现文件过滤功能。 在这个例子中，我们向你展示在“c:\\folder”路径下列出所有“.txt”格式的文件并删除。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
  • C语言数组的简单以及一维数组的简单排序算法示例，二维数组简单示例 dcj3sjt126com carray
    # include <stdio.h> int main(void) { int a[5] = {1, 2, 3, 4, 5}; //a 是数组的名字 5是表示数组元素的个数，并且这五个元素分别用a[0], a[1]...a[4] int i; for (i=0; i<5; ++i) printf("%d\n",
  • PRIMARY, INDEX, UNIQUE 这3种是一类 PRIMARY 主键。 就是 唯一 且 不能为空。 INDEX 索引，普通的 UNIQUE 唯一索引 dcj3sjt126com primary
    PRIMARY, INDEX, UNIQUE 这3种是一类PRIMARY 主键。 就是 唯一 且 不能为空。INDEX 索引，普通的UNIQUE 唯一索引。 不允许有重复。FULLTEXT 是全文索引，用于在一篇文章中，检索文本信息的。举个例子来说，比如你在为某商场做一个会员卡的系统。这个系统有一个会员表有下列字段：会员编号   INT会员姓名  
  • java集合辅助类 Collections、Arrays shuizhaosi888 CollectionsArraysHashCode
      Arrays、Collections   1 ）数组集合之间转换 public static <T> List<T> asList(T... a) { return new ArrayList<>(a); }      a）Arrays.asL
  • Spring Security（10）——退出登录logout 234390216 logoutSpring Security退出登录logout-urlLogoutFilter
           要实现退出登录的功能我们需要在http元素下定义logout元素，这样Spring Security将自动为我们添加用于处理退出登录的过滤器LogoutFilter到FilterChain。当我们指定了http元素的auto-config属性为true时logout定义是会自动配置的，此时我们默认退出登录的URL为“/j_spring_secu
  • 透过源码学前端 之 Backbone 三 Model 逐行分析JS源代码 backbone源码分析js学习
    Backbone 分析第三部分  Model 概述： Model 提供了数据存储，将数据以JSON的形式保存在 Model的 attributes里， 但重点功能在于其提供了一套功能强大，使用简单的存、取、删、改数据方法，并在不同的操作里加了相应的监听事件， 如每次修改添加里都会触发 change，这在据模型变动来修改视图时很常用，并且与collection建立了关联。
  • SpringMVC源码总结（七）mvc:annotation-driven中的HttpMessageConverter 乒乓狂魔 springMVC
    这一篇文章主要介绍下HttpMessageConverter整个注册过程包含自定义的HttpMessageConverter，然后对一些HttpMessageConverter进行具体介绍。 HttpMessageConverter接口介绍： public interface HttpMessageConverter<T> { /** * Indicate
  • 分布式基础知识和算法理论 bluky999 算法zookeeper分布式一致性哈希paxos
      分布式基础知识和算法理论 BY [email protected] 本文永久链接：http://nodex.iteye.com/blog/2103218   在大数据的背景下，不管是做存储，做搜索，做数据分析，或者做产品或服务本身，面向互联网和移动互联网用户，已经不可避免地要面对分布式环境。笔者在此收录一些分布式相关的基础知识和算法理论介绍，在完善自我知识体系的同
  • Android Studio的.gitignore以及gitignore无效的解决 bell0901 androidgitignore
    　　github上.gitignore模板合集，里面有各种.gitignore ： https://github.com/github/gitignore 　　自己用的Android Studio下项目的.gitignore文件，对github上的android.gitignore添加了 　　　　　　# OSX files　　　　　　//mac os下　　　　　　.DS_Store
  • 成为高级程序员的10个步骤 tomcat_oracle 编程
    What 软件工程师的职业生涯要历经以下几个阶段：初级、中级，最后才是高级。这篇文章主要是讲如何通过 10 个步骤助你成为一名高级软件工程师。   Why 得到更多的报酬！因为你的薪水会随着你水平的提高而增加 提升你的职业生涯。成为了高级软件工程师之后，就可以朝着架构师、团队负责人、CTO 等职位前进 历经更大的挑战。随着你的成长，各种影响力也会提高。
  • mongdb在linux下的安装 xtuhcy mongodblinux
    一、查询linux版本号： lsb_release -a  LSB Version:    :base-4.0-amd64:base-4.0-noarch:core-4.0-amd64:core-4.0-noarch:graphics-4.0-amd64:graphics-4.0-noarch:printing-4.0-amd64:printing-4.0-noa
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他