作者查詢 / cuylerLin
作者 cuylerLin 在 PTT [ Math ] 看板的留言(推文), 共674則
限定看板:Math
看板排序:
1F推: 你的規則好像跟一般的猜數字不一樣,一般猜數字不會07/23 15:22
2F→: 出現 3A1B,如果依照你的規則的話:07/23 15:22
3F→: 總樣本空間大小為 C(10,4)*4!07/23 15:22
4F→: 3A1B 的可能有,先固定 3A: C(4,3)07/23 15:22
5F→: 剩下的數字從其他 6 個挑: C(6,1)07/23 15:22
6F→: 所以只有 18 種07/23 15:22
7F推: 哦,沒事了,你的意思應該是 3A0B07/23 15:26
8F→: 我以為你是 3A1B XD07/23 15:26
17F推: 阿,我自己都寫 C(4,3) 還乘錯www07/23 22:30
18F→: 那就是 24 種沒錯07/23 22:30
1F推: 第一題請見以下圖片,有那裡打錯不清楚再跟我說XD07/21 00:52
2F→: https://imgur.com/Ur7W4ns07/21 00:52
3F推: 第二題的話不難,就代定義去算,不知道有沒有算錯07/21 01:10
4F→: ,我計算分別是 0, x, 107/21 01:11
1F推: 當你寫下分式的時候就已經默認分母不為零了07/15 15:06
2F→: 所以沒有什麼可不可為零的問題07/15 15:07
3F→: 左邊第二項也可以先約掉一個x07/15 15:08
4F→: 我是不知道現在國中高中教材怎麼樣啦07/15 15:11
5F→: 還是依照教材為準,不要被扣分又說亂教XD07/15 15:11
6F→: 如果不能約就全部寫出來而已,沒有什麼疑慮07/15 15:11
7F→: 要約分就答案加註x的範圍07/15 15:11
12F推: 我覺得要補上x不等於0跟307/15 15:35
2F推: 定義就是這樣來的,變異數講的各資料點距離期望值的07/08 23:37
3F→: 差距有多少,全部加起來作為一種資料分散性的指標07/08 23:37
4F→: 這裡的距離就是一般的2-norm07/08 23:39
5F→: 頂多在廣義機率測度的時候,把counting measure改成07/08 23:39
6F→: 其他measure,但在怎麼樣都不會反映在你距離怎麼算07/08 23:39
7F→: 除非你在某個奇怪的空間上定義特有的距離,例如採07/08 23:40
8F→: 用geodistic來量(最短)距離,並在某個流形上有一個07/08 23:41
9F→: 機率測度07/08 23:41
1F推: 沒有P(A)的條件?最多只能化簡到P(A)=P(AB)+P(AB^c)07/01 06:15
2F→: 然後你再用cond.寫回去就可以得到07/01 06:15
3F→: P(A|B^c)(1-P(B))=P(A)-P(A|B)P(B),只剩P(A)未知07/01 06:16
1F推: 用Lagrangian來找對偶問題啊,然後主問題跟對偶問題06/23 22:38
2F→: 只有在目標值相同時才會同時達到optimum,所以可能06/23 22:39
3F→: 對偶問題比較好解(in a LP solver)06/23 22:40
4F→: 可以轉成內積形式阿 ||x||^2=x'x, '是轉置06/23 23:34
1F推: 阿你不是還少一個機率密度函數在support上積分要為106/22 22:43
2F→: 的條件嗎?06/22 22:44
1F推: (1),考慮最小化 \norm{f(x)-\alpha g(x)} 的平方06/22 22:18
2F→: 內積展開之後會是一個 quadratic form in \alpha06/22 22:19
3F→: 對 \alpha 微分求極值就結束了06/22 22:19
4F→: (2),由(1)的結果直接把兩個函數帶進去求積分06/22 22:22
3F推: 以第一題為例,後面兩題自己類推做法06/15 00:48
4F→: 設M表示男生薪水,所求P(M>40,000)06/15 00:49
5F→: =P((M-30000)/5000>(40000-30000)/5000)_06/15 00:50
6F→: =P(Z>2)=0.02275 (查表)06/15 00:52
9F→: 依照我的方法先列式,最後會需要查 z value06/18 22:17