
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
最优化方法Python计算:向量和矩阵的范数
向量和矩阵的范数计算
概率统计Python计算:单个正态总体均值单侧假设的Z检验
对正态总体参数的单侧假设检验,可以用以下方法进行。设显著水平为α\alphaα,对假设H0H_0H0的右侧检验,首先,注意到检验统计量的分布对应显著水平α\alphaα的右分位点bbb,实际上就是其残存函数S(x)S(x)S(x)(=1−F(x)=1-F(x)=1−F(x))在该点处的函数值S(b)S(b)S(b)恰为α\alphaα,即S(a)=αS(a)=\alphaS(a)=α。我们知道在

最优化方法Python计算:一元函数搜索算法——牛顿法
一元函数搜索算法之牛顿方法的实现
最优化方法Python计算:梯度下降搜索算法
梯度下降搜索算法
最优化方法Python计算:一元函数搜索算法——二分法
一元函数二分搜索算法的实现
线性代数Python计算:正交向量组的扩张
正交向量组的扩张。

线性代数Python计算:由无关组表示的向量组线性相关性判断
由无关组表示的向量组线性相关性判断。

最优化方法Python计算:n元函数梯度与Hesse阵的数值计算
n元函数梯度与Hesse阵的数值计算







