懒猫gg
懒猫gg

概率论和数理统计(二) 数字特征与大数定律

前言

有了“概率”数据,怎么反应情况.数学期望与方差,大数,极限

数学期望

期望是数字特征之一,其描述的是随机试验在同样的机会下重复多次，所有那些可能状态的平均结果.

平均数和加权平均数

概率论和数理统计(二) 数字特征与大数定律_第1张图片

离散型随机变量期望

概率论和数理统计(二) 数字特征与大数定律_第2张图片

连续型随机变量期望

概率论和数理统计(二) 数字特征与大数定律_第3张图片

随机变量函数的期望

概率论和数理统计(二) 数字特征与大数定律_第4张图片

g ( x , y ) g(x,y) g(x,y)是要求期望的表达式,即E(Y),表达式为 0 ∗ X + Y 0*X+Y 0∗X+Y

二维随机变量函数的期望

概率论和数理统计(二) 数字特征与大数定律_第5张图片

期望的性质

概率论和数理统计(二) 数字特征与大数定律_第6张图片
从1,2可以推出 E ( C X + b ) = C E ( X ) + b E(CX+b) = CE(X) + b E(CX+b)=CE(X)+b

条件期望

概率论和数理统计(二) 数字特征与大数定律_第7张图片

方差

方差是数字特征之一,方差用来度量随机变量和其数学期望（即均值）之间的偏离程度,即稳定性

概率论和数理统计(二) 数字特征与大数定律_第8张图片

公式及性质

概率论和数理统计(二) 数字特征与大数定律_第9张图片
概率论和数理统计(二) 数字特征与大数定律_第10张图片

标准化随机变量

变量的标准化是处理数据时的一个常用技巧，我们希望可以对随机变量的分布进行简化，而标准化变量提供了一条解决途径

概率论和数理统计(二) 数字特征与大数定律_第11张图片

根据随机变量期望与方差的性质，E(X*)=0，D(X*)=1,所以我们称随机变量X*为X的标准化变量

常见分布的期望与方差

  • 离散型(0-1分布、二项分布、几何分布、泊松分布、超几何分布)
  • 连续型(均匀分布、指数分布、正态分布)
    概率论和数理统计(二) 数字特征与大数定律_第12张图片

协方差

协方差用来刻画两个随机变量 X X X， Y Y Y 之间的相关性

  • 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。
  • 如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

概率论和数理统计(二) 数字特征与大数定律_第13张图片
通过化简推出

  1. C o v ( X , Y ) = C o v ( Y , X ) Cov(X,Y)=Cov(Y,X) Cov(X,Y)=Cov(Y,X)
  2. C o v ( C , X ) = 0 , C 为常数 Cov(C,X)=0, C为常数 Cov(C,X)=0,C为常数
  3. C o v ( X , Y ) = 0 , X , Y 相互独立 Cov(X,Y)=0, X,Y相互独立 Cov(X,Y)=0,X,Y相互独立

离散型协方差

概率论和数理统计(二) 数字特征与大数定律_第14张图片

连续型协方差

概率论和数理统计(二) 数字特征与大数定律_第15张图片

相关系数

协方差反应方向,程度由相关系数确定.
概率论和数理统计(二) 数字特征与大数定律_第16张图片

关于公式 p x y p_{xy} pxy​的理解

概率论和数理统计(二) 数字特征与大数定律_第17张图片
概率论和数理统计(二) 数字特征与大数定律_第18张图片

相关系数定理证明

概率论和数理统计(二) 数字特征与大数定律_第19张图片
概率论和数理统计(二) 数字特征与大数定律_第20张图片

矩函数

矩的本质是描述物体的形状——更进一步的来说——就是在描述质点的分布.即是重要的数字特征.
概率论和数理统计(二) 数字特征与大数定律_第21张图片
期望值是原点矩,二除中心矩则是方差

大数定律

概率论和数理统计(二) 数字特征与大数定律_第22张图片
概率论和数理统计(二) 数字特征与大数定律_第23张图片
概率论和数理统计(二) 数字特征与大数定律_第24张图片

伯努利大数定律

概率论和数理统计(二) 数字特征与大数定律_第25张图片

切比雪夫大数定律

概率论和数理统计(二) 数字特征与大数定律_第26张图片

中心极限定理

在统计活动中，人们发现，在相同条件下大量重复进行一种随机实验时，一件事情发生的次数与实验次数的比值，即该事件发生的频率值会趋近于某一数值。重复次数多了，这个结论越来越明显。这个就是最早的大数定律。一般大数定律讨论的是n个随机变量平均值的稳定性。

而中心极限定理则是证明了在很一般的条件下，n个随即变量的和当n趋近于正无穷时的极限分布是正态分布。

一句话解释：大数定律讲的是样本均值收敛到总体均值，说白了就是期望,而中心极限定理告诉我们，当样本足够大时，样本均值的分布会慢慢变成正态分布

林德贝格-列维中心极限定理

概率论和数理统计(二) 数字特征与大数定律_第27张图片

棣莫弗-拉普拉斯中心极限定理

概率论和数理统计(二) 数字特征与大数定律_第28张图片

主要参考

《第四章 随机变量的数字特征》
《概率论-6.数字特征与大数定律》
《大数定律和中心极限定理》
《第五章 大数定律和中心极限定理》
《概率论-7.正态分布与中心极限定理》
《大数定律和中心极限定理的区别和联系》

你可能感兴趣的:(#,数学基础,概率论)

  • 学习AI机器学习所需的数学基础 frostmelody 机器学习小知识点人工智能学习机器学习
    一、机器学习岗位的数学需求矩阵机器学习岗位研究型职位工业界职位DeepMind/Meta/Google研究部门研究科学家/研究工程师普通科技公司机器学习工程师/数据科学家需硕士/博士数学水平本科数学基础二、数学需求深度解析1.研究型职位（需深度数学）学历要求：数学/物理/计算机/统计/工程本科基础硕士/博士优先（Kaggle调查显示博士占比高）薪资关联：学历与收入呈正相关2.工业界职位（基础数学）
  • 【机器学习】数学基础——张量（傻瓜篇） 一叶千舟 深度学习【理论】机器学习人工智能
    目录前言一、张量的定义1.标量（0维张量）2.向量（1维张量）3.矩阵（2维张量）4.高阶张量（≥3维张量）二、张量的数学表示2.1张量表示法示例三、张量的运算3.1常见张量运算四、张量在深度学习中的应用4.1PyTorch示例：张量在神经网络中的运用五、总结：张量的多维世界延伸阅读前言在机器学习、深度学习以及物理学中，张量是一个至关重要的概念。无论是在人工智能领域的神经网络中，还是在高等数学、物
  • 【机器学习实战】Datawhale夏令营2：深度学习回顾 城主_全栈开发 机器学习机器学习深度学习人工智能
    #DataWhale夏令营#ai夏令营文章目录1.深度学习的定义1.1深度学习＆图神经网络1.2机器学习和深度学习的关系2.深度学习的训练流程2.1数学基础2.1.1梯度下降法基本原理数学表达步骤学习率α梯度下降的变体2.1.2神经网络与矩阵网络结构表示前向传播激活函数反向传播批处理卷积操作参数更新优化算法正则化初始化2.2激活函数Sigmoid函数:Tanh函数:ReLU函数(Rectified
  • 线性代数和c语言先学哪个,线性代数和哪个更有用？ 段丞博 线性代数和c语言先学哪个
    一、从数学与应用数学这个专业来分析下“线性代数”和“高等数学”这两块的内容，无论哪块知识在“考研究生数学科目中的考试”都会涉汲到的，而且有些专业的考试也包括概率论与数理统计这块知识。线性代数和哪个更有用?1、线性代数内容：行列式、矩阵、向量、线性方程组、特征值和特征向量、二次型。2、高等数学内容：函数·极限·连续、导数与微分、不定积分、定积分及广义积分、中值定理的证明、常微分方程、一元微积分的应用
  • ICBDDM2025：大数据与数字化管理前沿峰会 鸭鸭鸭进京赶烤 学术会议大数据图像处理计算机视觉AI编程人工智能机器人考研
    在选择大学专业时，可以先从自身兴趣、能力和职业规划出发，初步确定几个感兴趣的领域。然后结合外部环境因素，如专业前景、教育资源和就业情况等，对这些专业进行深入的分析和比较。大数据专业：是一个热门且前沿的学科领域，它涉及到数据的收集、存储、处理、分析和应用等多个方面。课程设置基础课程数学基础：高等数学、线性代数、概率论与数理统计等。这些课程为大数据分析提供了必要的数学工具，例如线性代数在机器学习算法中
  • Python 里 PyTorch 的生成对抗网络架构 Python编程之道 pythonpytorch生成对抗网络ai
    Python里PyTorch的生成对抗网络架构关键词：PyTorch、生成对抗网络(GAN)、深度学习、神经网络、计算机视觉、对抗训练、生成模型摘要：本文深入探讨了在PyTorch框架下实现生成对抗网络(GAN)的完整架构。我们将从GAN的基本原理出发，详细讲解其核心组件、数学基础，并通过PyTorch代码实现一个完整的GAN模型。文章涵盖了从理论到实践的各个方面，包括模型设计、训练技巧、常见问题
  • 数学基础不好，三阶段 “精通” 法如何学好算法。 干净的坏蛋 算法
    首先，请你务必、务必、务必丢掉“脑子笨、数学差”的心理包袱。学习算法，尤其是为了应对面试和提升工程能力的算法，本质上不是比拼智商和数学，而是比拼正确的方法、持续的毅力和刻意练习的质量。它更像一项体育运动，比如学打篮球。没人天生会三步上篮，都需要从最基础的拍球、运球开始，通过反复练习形成肌肉记忆。算法也是一样，你需要通过正确的方法，在脑中形成对特定问题模式的“思维肌肉记忆”。这套“三阶精通法”用来学
  • 如何理解，在数学上完备的 这样的描述？ fK0pS 经验分享
    如何理解，在数学上完备的这样的描述？在数学中，"完备"这一术语具有多个含义，具体取决于它应用的上下文。以下是几个常见领域中“完备”的定义和理解：完备性定理（逻辑与数学基础）：在逻辑和数学基础中，特别是与形式语言和证明系统相关的领域，完备性通常指的是一个系统能够证明所有在该系统内部被认为是“真”的命题。换句话说，如果一个命题在某个逻辑系统中是真的（即，在所有模型中为真），则该系统应该能够提供一个证明
  • 数据库规范化过程详解（含具体计算步骤） empti_ 数据库数据库
    数据库规范化过程详解（含具体计算步骤）一、规范化过程数学基础1.核心概念定义函数依赖（FD）：X→Y表示X决定Y，即对于X的每个值，Y有且只有一个值对应闭包（X⁺）：给定FD集合F，X⁺表示能从F推导出的所有被X决定的属性集候选键：最小的属性集K，满足K⁺=R（所有属性）2.计算工具Armstrong公理：自反律：若Y⊆X，则X→Y增广律：若X→Y，则XZ→YZ传递律：若X→Y且Y→Z，则X→Z二
  • 第九课：大白话教你朴素贝叶斯 顽强卖力 机器学习-深度学习-神经网络算法python大数据数据分析
    这节课咱们来聊聊朴素贝叶斯（NaiveBayes），这个算法名字听起来像是个“天真无邪的数学小天才”，但其实它是个超级实用的分类工具！我会用最接地气的方式，从定义讲到代码实战，保证你笑着学会，还能拿去忽悠朋友！一：朴素贝叶斯是啥？——当概率论遇上“天真”假设1.1定义：贝叶斯定理的“偷懒版”问题：你想判断一封邮件是不是垃圾邮件，或者一条评论是不是好评。贝叶斯定理（原版）：[P(A|B)=\frac
  • 人工智能： 矩阵的秩从数学基础到综合实战！！ AI Agent首席体验官 人工智能矩阵算法
    1.矩阵的秩矩阵的秩(Rank)是描述矩阵线性独立的行或列的最大数目。对于一个矩阵AAA，其秩记作rank(A)rank(A)rank(A)或r(A)r(A)r(A)。基本性质对于m×nm\timesnm×n矩阵AAA，秩满足：0≤rank(A)≤min(m,n)0\leqrank(A)\leqmin(m,n)0≤rank(A)≤min(m,n)行秩等于列秩：矩阵的线性独立的行数等于线性独立的列数
  • 贝叶斯算法：从概率推断到智能决策的基石 weixin_47233946 算法算法
    ##引言在人工智能与机器学习的蓬勃发展中，贝叶斯算法以其独特的概率推理方式和动态更新的特性，在垃圾邮件过滤、疾病诊断、推荐系统等关键领域展现出强大的应用价值。本文将从概率论基础出发，深入解析贝叶斯算法的核心思想及其实现方式，揭示这一统计学方法如何演变为现代智能系统的决策利器。---##一、贝叶斯定理：概率之门的钥匙###1.1基本公式表述贝叶斯定理的数学表达式揭示事件间的关联关系：$$P(A|B)
  • 清风数学建模个人笔记--模糊综合评价 fvdj0 数学建模笔记
    目录一、量二、分类三、模糊函数的三种表示方法四、应用：模糊综合评价（评判）一、量①确定性：经典数学（几何、代数）②不确定性：随机性（概率论、随机过程）灰性（灰色系统）模糊性（模糊数学）二、分类：偏小型：年轻、小、冷中间型：中年、中、暖偏大型：年老、大、热三、模糊函数的三种表示方法（1）模糊统计法（设计调查问卷，不推荐，主观性最弱）（2）借助已有的尺度（需要已有的指标，并能收集到数据）论域模糊集隶属
  • AI大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够！ AI大模型-大飞 人工智能学习语言模型大模型大模型学习LLMAI大模型
    大模型学习路线图前排提示，文末有大模型AGI-CSDN独家资料包哦！第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。概率统计：随机变量、概率分布、贝叶斯定理等。微积分：梯度、偏导数、积分等。学习资料书籍：GilbertStrang，《线性代数及其应用》SheldonRos
  • 【Weaviate底层机制】分布式一致性深度解析：Raft算法与最终一致性的协同设计 roman_日积跬步-终至千里 weaviate#分布式架构分布式
    文章目录零、概述一、Raft算法在Weaviate元数据管理中的深度应用1、为什么选择Raft而非其他共识算法？2、元数据一致性的关键性分析3、Raft算法在Weaviate中的工程优化3.1、领导者选举的优化策略3.2、日志复制的性能优化二、数据最终一致性：无领导者架构1、无领导者设计的理论基础2、可调一致性级别的深度分析2.1、一致性级别的数学基础2.2、各级别的实际应用场景2.3、冲突检测与
  • python实现SM2算法 闲人编程 密码学与信息安全python算法开发语言SM2国密密码学加解密
    目录SM2算法介绍SM2算法的数学基础SM2密钥生成过程SM2签名和验证流程Python面向对象实现SM2加解密算法代码解释场景应用：数字证书签署总结SM2算法介绍SM2是中国国家密码管理局发布的国家密码标准（GB/T32918-2016）中的公钥密码算法，基于椭圆曲线离散对数问题，具有较高的安全性和性能。它在数字签名、密钥交换和加密等应用中都能提供安全的解决方案。SM2与国际通用的椭圆曲线加密算
  • 数学与加密货币：区块链技术的数学基础 AI天才研究院 计算ChatGPTAI人工智能与大数据javapythonjavascriptkotlingolang架构人工智能大厂程序员硅基计算碳基计算认知计算生物计算深度学习神经网络大数据AIGCAGILLM系统架构设计软件哲学Agent程序员实现财富自由
    《数学与加密货币：区块链技术的数学基础》关键词数学基础加密货币区块链技术密码学分布式账本摘要本文旨在探讨数学在加密货币和区块链技术中的基础性作用。通过逐步分析，我们将深入理解数学概念如何支持加密货币的安全性、去中心化和不可篡改性。文章将涵盖初等数学和高等数学的应用，以及算法原理的讲解，帮助读者了解数学与加密货币的紧密联系。目录大纲背景介绍1.1.引言1.2.加密货币与区块链的基本概念数学基础2.1
  • 05、反向传播算法（Backpropagation）是如何解决了多层神经网络的参数优化问题的？ 季截 数学之美算法神经网络人工智能
    反向传播算法（Backpropagation，简称BP算法）是深度学习的核心技术之一，其通过高效计算梯度并结合梯度下降法，解决了多层神经网络参数优化的计算复杂度难题。以下从原理、数学基础、执行步骤及关键价值四个维度，详细解析其工作机制：一、反向传播的核心目标：高效计算参数梯度在多层神经网络中，参数优化的本质是通过调整权重矩阵W和偏置向量b，使损失函数L最小化。而梯度下降法需要计算损失对所有参数的梯
  • 【西瓜书】机器学习（周志华）学习问题记录 _linyu__ 基础知识机器学习周志华西瓜书
    简述西瓜书的鼎鼎大名早有耳闻，于是毫无疑问买来入门。写此文章的时候刚要做完第二章的练习题。在看的时候有一些感慨：需要一定的数理基础，尤其是概率论的内容。但是如果没学过也不建议直接去啃概率论，只要把相关的部分看看即可。周老师默认我们能力很强，所以有些地方说得不够详细，仅靠此书无法理解，需要自己另行查阅。有一些疑似谬误的地方，但是我自己能力较差，又苦于没有人佐证，所以并不敢说周老师一定错了。在看的过程
  • 同等学力申硕-计算机专业-数学基础-历年真题和答案解析
    同等学力申请硕士学位考试是比较适合在职人员的提升学位方式，了解过的人应该都知道，现在社会的竞争压力越来越大，为了提高职业生存能力，提升学位在所难免。为了通过同等学力申请硕士学位考试，对于计算机专业的人来说，数学基础部分往往是决定成败的关键。我将与大家分享一份珍贵的复习资料：“同等学力申硕-计算机专业-数学基础-历年真题和答案解析”，这不仅是我个人备考的心血结晶，也是助力广大考生攻克难关的利器。数学
  • 数学中的泛函分析与算子理论 AI天才研究院 计算AI大模型应用入门实战与进阶ChatGPT实战大数据人工智能语言模型AILLMJavaPython架构设计AgentRPA计算AI大模型应用
    1.背景介绍1.1数学的发展与泛函分析的产生数学作为一门科学，自古以来就在不断地发展和演变。从最初的算术、几何，到后来的微积分、线性代数，再到现代的拓扑学、概率论等，数学的研究领域不断扩展。泛函分析作为一门现代数学的分支，起源于20世纪初，它主要研究无限维空间中的函数和算子，为许多现代科学和工程问题提供了理论基础。1.2泛函分析与算子理论的关系泛函分析与算子理论密切相关。泛函分析主要研究无限维空间
  • 数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全 猫头虎技术团队 已解决的Bug专栏线性代数opencv数据挖掘语音识别计算机视觉人工智能机器学习
    数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全机器学习/深度学习的核心算法背后，往往需要用到矩阵运算、特征向量、梯度下降等；如果连矩阵乘法、特征值、偏导数都没搞懂，就很难理解模型原理。摘要文章目录数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全摘要1.开发场景介绍1.1场景背景1.2技术细节2.开发环境3.问题分析3.1线性代数缺失带来的挑战3.2概率统计短板
  • 算法工程师终极技能图谱：从数学基础到机器学习、运筹优化、大数据处理、AI前沿技术等全景解析 大模型教程 人工智能算法大模型LLMAgentAI程序员
    在人工智能（AI）和大数据浪潮席卷全球的今天，算法工程师已成为科技行业炙手可热的核心岗位。他们是驱动智能推荐、精准广告、自动驾驶、金融风控、供应链优化等众多创新应用的关键力量。那么，想要成为一名合格乃至优秀的算法工程师，究竟需要掌握哪些核心技能呢？本文综合分析了当前主流招聘平台、行业报告和技术社区的信息，为你绘制一幅全面的算法工程师技能图谱。一、坚不可摧的数理与计算机科学基石这是理解复杂算法、进行
  • 【图像处理入门】8. 数学基础与优化：线性代数、概率与算法调优实战 小米玄戒Andrew 图像处理：从入门到专家图像处理线性代数算法python计算机视觉概率论算法调优
    摘要图像处理的核心离不开数学工具的支撑。本文将深入解析线性代数、概率论在图像领域的应用，包括矩阵变换与图像几何操作的关系、噪声模型的数学描述，以及遗传算法、粒子群优化等智能算法在参数调优中的实践。通过理论结合代码案例，帮助读者掌握从数学原理到工程优化的完整链路。一、线性代数：图像变换的数学基石1.矩阵运算与图像几何变换在图像处理入门3中，我们通过仿射变换矩阵实现图像平移、旋转与缩放。其本质是线性代
  • 循环神经网络(RNN)：从理论到翻译 Morpheon 深度学习人工智能机器学习rnn人工智能深度学习
    循环神经网络（RNN）是一种专为处理序列数据设计的神经网络，如时间序列、自然语言或语音。与传统的全连接神经网络不同，RNN具有"记忆"功能，通过循环传递信息，使其特别适合需要考虑上下文或顺序的任务。它出现在Transformer之前，广泛应用于文本生成、语音识别和时间序列预测（如股价预测）等领域。RNN的数学基础核心方程在每个时间步ttt，RNN执行以下操作：隐藏状态更新：ht=tanh(Whhh
  • 迪菲-赫尔曼密钥交换算法深度解析 网安秘谈 网络
    一、背景与需求在对称加密体系中，密钥分发始终是核心安全问题。传统物理交付密钥的方式难以满足现代互联网通信需求，而迪菲-赫尔曼（Diffie-Hellman，DH）密钥交换协议通过数学方法实现了非接触式安全密钥协商，彻底改变了加密通信的格局。该算法于1976年由WhitfieldDiffie和MartinHellman提出，是首个实用的非对称密码学实现。二、数学基础2.1离散对数问题设p为质数，g是
  • AI大模型从0到1记录学习 大模型技术之数学基础 day26 Gsen2819 算法人工智能大模型人工智能学习算法机器学习目标检测深度学习
    高等数学导数导数的概念导数（derivative）是微积分中的一个概念。函数在某一点的导数是指这个函数在这一点附近的变化率（即函数在这一点的切线斜率）。导数的本质是通过极限的概念对函数进行局部的线性逼近。当函数f的自变量在一点x_0上产生一个增量h时，函数输出值的增量∆y与自变量增量∆x的比值在∆x趋于0时的极限如果存在，即为f在x_0处的导数，记作f’(x_0)、df/dx(x_0)或〖df/d
  • AI大模型从0到1记录学习 大模型技术之机器学习 day27-day60 Gsen2819 算法大模型人工智能人工智能学习机器学习
    机器学习概述机器学习（MachineLearning,ML）主要研究计算机系统对于特定任务的性能，逐步进行改善的算法和统计模型。通过输入海量训练数据对模型进行训练，使模型掌握数据所蕴含的潜在规律，进而对新输入的数据进行准确的分类或预测。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸优化、算法复杂度理论等多门学科。人工智能、机器学习与深度学习人工智能（AI）是计算机科学的一个广泛领域，
  • 程序员转向人工智能 CoderIsArt 机器学习与深度学习人工智能
    以下是针对程序员转向人工智能（AI）领域的学习路线建议，分为基础、核心技术和进阶方向，结合你的编程背景进行优化：1.夯实基础数学基础（选择性补足，边学边用）线性代数：矩阵运算、特征值、张量（深度学习基础）概率与统计：贝叶斯定理、分布、假设检验微积分：梯度、导数（优化算法核心）优化算法：梯度下降、随机梯度下降（SGD）学习资源：3Blue1Brown（视频）、《程序员的数学》系列编程工具Python
  • 大数定律与中心极限定理：概率论的双子星 Algo-hx 概率论与数理统计概率论
    目录引言5大数定律与中心极限定理5.1大数定律：频率的稳定性5.1.1辛钦大数定律定理内容5.1.2伯努利大数定律定理内容5.1.3切比雪夫大数定律定理内容对比总结表5.2中心极限定理：正态分布的普适性5.2.1独立同分布情形定理内容图释5.2.2李雅普诺夫定理定理内容核心思想图释5.2.3棣莫弗-拉普拉斯定理定理内容应用条件图释对比总结表5.3定理对比：LLNvsCLT引言当随机现象的个体行为无
  • 基本数据类型和引用类型的初始值 3213213333332132 java基础
    package com.array; /** * @Description 测试初始值 * @author FuJianyong * 2015-1-22上午10:31:53 */ public class ArrayTest { ArrayTest at; String str; byte bt; short s; int i; long
  • 摘抄笔记--《编写高质量代码：改善Java程序的151个建议》 白糖_ 高质量代码
            记得3年前刚到公司，同桌同事见我无事可做就借我看《编写高质量代码：改善Java程序的151个建议》这本书，当时看了几页没上心就没研究了。到上个月在公司偶然看到，于是乎又找来看看，我的天，真是非常多的干货，对于我这种静不下心的人真是帮助莫大呀。           看完整本书，也记了不少笔记
  • 【备忘】Django 常用命令及最佳实践 dongwei_6688 django
    注意：本文基于 Django 1.8.2 版本   生成数据库迁移脚本（python 脚本） python manage.py makemigrations polls  说明：polls 是你的应用名字，运行该命令时需要根据你的应用名字进行调整   查看该次迁移需要执行的 SQL 语句（只查看语句，并不应用到数据库上）： python manage.p
  • 阶乘算法之一N! 末尾有多少个零 周凡杨 java算法阶乘面试效率
                                     &n
  • spring注入servlet g21121 Spring注入
    传统的配置方法是无法将bean或属性直接注入到servlet中的，配置代理servlet亦比较麻烦，这里其实有比较简单的方法，其实就是在servlet的init()方法中加入要注入的内容： ServletContext application = getServletContext(); WebApplicationContext wac = WebApplicationContextUtil
  • Jenkins 命令行操作说明文档 510888780 centos
    假设Jenkins的URL为http://22.11.140.38:9080/jenkins/ 基本的格式为 java 基本的格式为 java -jar jenkins-cli.jar [-s JENKINS_URL] command [options][args] 下面具体介绍各个命令的作用及基本使用方法 1. &nb
  • UnicodeBlock检测中文用法 布衣凌宇 UnicodeBlock
    /**  * 判断输入的是汉字  */ public static boolean isChinese(char c) {        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);    
  • java下实现调用oracle的存储过程和函数 aijuans javaorale
    1.创建表：STOCK_PRICES     2.插入测试数据：     3.建立一个返回游标：  PKG_PUB_UTILS   4.创建和存储过程：P_GET_PRICE     5.创建函数：   6.JAVA调用存储过程返回结果集 JDBCoracle10G_INVO
  • Velocity Toolbox antlove 模板toolboxvelocity
    velocity.VelocityUtil package velocity; import org.apache.velocity.Template; import org.apache.velocity.app.Velocity; import org.apache.velocity.app.VelocityEngine; import org.apache.velocity.c
  • JAVA正则表达式匹配基础 百合不是茶 java正则表达式的匹配
      正则表达式;提高程序的性能,简化代码,提高代码的可读性,简化对字符串的操作   正则表达式的用途; 字符串的匹配 字符串的分割 字符串的查找 字符串的替换       正则表达式的验证语法     [a] //[]表示这个字符只出现一次 ,[a] 表示a只出现一
  • 是否使用EL表达式的配置 bijian1013 jspweb.xmlELEasyTemplate
            今天在开发过程中发现一个细节问题，由于前端采用EasyTemplate模板方法实现数据展示，但老是不能正常显示出来。后来发现竟是EL将我的EasyTemplate的${...}解释执行了，导致我的模板不能正常展示后台数据。         网
  • 精通Oracle10编程SQL(1-3)PLSQL基础 bijian1013 oracle数据库plsql
    --只包含执行部分的PL/SQL块 --set serveroutput off begin dbms_output.put_line('Hello,everyone!'); end; select * from emp; --包含定义部分和执行部分的PL/SQL块 declare v_ename varchar2(5); begin select
  • 【Nginx三】Nginx作为反向代理服务器 bit1129 nginx
    Nginx一个常用的功能是作为代理服务器。代理服务器通常完成如下的功能：   接受客户端请求 将请求转发给被代理的服务器 从被代理的服务器获得响应结果 把响应结果返回给客户端 实例 本文把Nginx配置成一个简单的代理服务器 对于静态的html和图片，直接从Nginx获取 对于动态的页面，例如JSP或者Servlet，Nginx则将请求转发给Res
  • Plugin execution not covered by lifecycle configuration: org.apache.maven.plugin blackproof maven报错
    转：http://stackoverflow.com/questions/6352208/how-to-solve-plugin-execution-not-covered-by-lifecycle-configuration-for-sprin   maven报错： Plugin execution not covered by lifecycle configuration:
  • 发布docker程序到marathon ronin47 docker 发布应用
    1 发布docker程序到marathon 1.1 搭建私有docker registry 1.1.1 安装docker regisry docker pull docker-registry docker run -t -p 5000:5000 docker-registry 下载docker镜像并发布到私有registry docker pull consol/tomcat-8.0
  • java-57-用两个栈实现队列&&用两个队列实现一个栈 bylijinnan java
    import java.util.ArrayList; import java.util.List; import java.util.Stack; /* * Q 57 用两个栈实现队列 */ public class QueueImplementByTwoStacks { private Stack<Integer> stack1; pr
  • Nginx配置性能优化 cfyme nginx
    转载地址：http://blog.csdn.net/xifeijian/article/details/20956605   大多数的Nginx安装指南告诉你如下基础知识——通过apt-get安装，修改这里或那里的几行配置，好了，你已经有了一个Web服务器了。而且，在大多数情况下，一个常规安装的nginx对你的网站来说已经能很好地工作了。然而，如果你真的想挤压出Nginx的性能，你必
  • [JAVA图形图像]JAVA体系需要稳扎稳打,逐步推进图像图形处理技术 comsci java
         对图形图像进行精确处理，需要大量的数学工具，即使是从底层硬件模拟层开始设计，也离不开大量的数学工具包，因为我认为，JAVA语言体系在图形图像处理模块上面的研发工作，需要从开发一些基础的，类似实时数学函数构造器和解析器的软件包入手，而不是急于利用第三方代码工具来实现一个不严格的图形图像处理软件......   &nb
  • MonkeyRunner的使用 dai_lm androidMonkeyRunner
    要使用MonkeyRunner，就要学习使用Python，哎 先抄一段官方doc里的代码 作用是启动一个程序（应该是启动程序默认的Activity），然后按MENU键，并截屏 # Imports the monkeyrunner modules used by this program from com.android.monkeyrunner import MonkeyRun
  • Hadoop-- 海量文件的分布式计算处理方案 datamachine mapreducehadoop分布式计算
    csdn的一个关于hadoop的分布式处理方案，存档。 原帖：http://blog.csdn.net/calvinxiu/article/details/1506112。     Hadoop 是Google MapReduce的一个Java实现。MapReduce是一种简化的分布式编程模式，让程序自动分布到一个由普通机器组成的超大集群上并发执行。就如同ja
  • 以資料庫驗證登入 dcj3sjt126com yii
    以資料庫驗證登入 由於 Yii 內定的原始框架程式, 採用綁定在UserIdentity.php 的 demo 與 admin 帳號密碼:    public function authenticate()    {        $users=array( &nbs
  • github做webhooks：[2]php版本自动触发更新 dcj3sjt126com githubgitwebhooks
    上次已经说过了如何在github控制面板做查看url的返回信息了。这次就到了直接贴钩子代码的时候了。 工具/原料 git github 方法/步骤   在github的setting里面的webhooks里把我们的url地址填进去。   钩子更新的代码如下： error_reportin
  • Eos开发常用表达式 蕃薯耀 Eos开发Eos入门Eos开发常用表达式
    Eos开发常用表达式 >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>> 蕃薯耀 2014年8月18日 15:03:35 星期一     &
  • SpringSecurity3.X--SpEL 表达式 hanqunfeng SpringSecurity
    使用 Spring 表达式语言配置访问控制，要实现这一功能的直接方式是在<http>配置元素上添加 use-expressions 属性：   <http auto-config="true" use-expressions="true"> 这样就会在投票器中自动增加一个投票器：org.springframework
  • Redis vs Memcache IXHONG redis
    1. Redis中，并不是所有的数据都一直存储在内存中的，这是和Memcached相比一个最大的区别。 2. Redis不仅仅支持简单的k/v类型的数据，同时还提供list，set，hash等数据结构的存储。 3. Redis支持数据的备份，即master-slave模式的数据备份。 4. Redis支持数据的持久化，可以将内存中的数据保持在磁盘中，重启的时候可以再次加载进行使用。 Red
  • Python - 装饰器使用过程中的误区解读 kvhur JavaScriptjqueryhtml5css
    大家都知道装饰器是一个很著名的设计模式，经常被用于AOP(面向切面编程)的场景，较为经典的有插入日志，性能测试，事务处理，Web权限校验， Cache等。 原文链接：http://www.gbtags.com/gb/share/5563.htm Python语言本身提供了装饰器语法（@），典型的装饰器实现如下：   @function_wrapper de
  • 架构师之mybatis-----update 带case when 针对多种情况更新 nannan408 case when
    1.前言.    如题. 2. 代码.   <update id="batchUpdate" parameterType="java.util.List"> <foreach collection="list" item="list" index=&
  • Algorithm算法视频教程 栏目记者 Algorithm算法
    课程：Algorithm算法视频教程 百度网盘下载地址： http://pan.baidu.com/s/1qWFjjQW 密码: 2mji 程序写的好不好,还得看算法屌不屌！Algorithm算法博大精深。 一、课程内容： 课时1、算法的基本概念 + Sequential search 课时2、Binary search 课时3、Hash table 课时4、Algor
  • C语言算法之冒泡排序 qiufeihu c算法
    任意输入10个数字由小到大进行排序。 代码： #include <stdio.h> int main() { int i,j,t,a[11]; /*定义变量及数组为基本类型*/ for(i = 1;i < 11;i++){ scanf("%d",&a[i]); /*从键盘中输入10个数*/ } for
  • JSP异常处理 wyzuomumu Webjsp
    1.在可能发生异常的网页中通过指令将HTTP请求转发给另一个专门处理异常的网页中: <%@ page errorPage="errors.jsp"%>   2.在处理异常的网页中做如下声明： errors.jsp: <%@ page isErrorPage="true"%>，这样设置完后就可以在网页中直接访问exc
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他