分类 数学 下的文章

设 $(X,Y)$ 为二元随机变量，其联合密度函数为 $f_{X,Y}(x,y)$（对于离散变量则讨论概率函数），下列公式给出不同变换函数 $Z=g(X,Y)$ 的分布推导方法。下面推导过程都假设 $X,Y$ 不是相互独立的，如果独立的话，可以进行下述化简：$$ F_{X,Y}(x,y)=F_X(x)+F_Y(y) $$一、线性变换：$Z=aX+bY$方法1：变量替换（雅可比变换法）选择变换$$ \begin{cases} z = a x + b y,\\[1mm] w = x \quad (\text{或其它与 }z \text{无关的函数}) \en…

一、极限存在证明 $f(x,y)$ 在 $(a,b)$ 处的极限存在，需要证明存在常数 $L$，满足$$ \lim_{(x,y)\to (a,b)} f(x,y) = L, $$即利用 $\epsilon$-$\delta$ 定义证明$$ \forall \epsilon > 0,\, \exists \delta > 0,\quad \text{使得当 } \sqrt{(x-a)^2+(y-b)^2}<\delta \text{ 时，有 } |f(x,y)-L|<\epsilon. $$常用方法包括夹逼定理、改用极坐标或沿各方向…

在概率论中，卷积公式用于求解两个独立随机变量和的分布。卷积操作提供了一种方法，通过它我们可以计算这两个随机变量的联合效应，通常应用于连续型和离散型随机变量。一、连续型随机变量的卷积设 $X$ 和 $Y$ 为两个相互独立的连续型随机变量，其概率密度函数分别为 $f_X(x)$ 和 $f_Y(y)$。那么随机变量 $Z = X + Y$ 的概率密度函数 $f_Z(z)$ 为：$$ f_Z(z) = \int_{-\infty}^{+\infty} f_X(x) f_Y(z-x) \, dx. $$该公式称为卷积公式。其中对 $x$ 的积分表示所有可能的 $X…

在讨论二维函数极限问题时，“重极限”和“累次极限”是两个常见的概念。一、重极限（双变量极限）设 $f(x,y)$ 是定义在某区域内的函数，我们说$$ \lim_{(x,y) \to (x_0,y_0)} f(x,y) = L $$的含义是：对于任意给定的 $\varepsilon>0$，存在 $\delta>0$ 使得当$$ 0<\sqrt{(x-x_0)^2+(y-y_0)^2}<\delta $$时，有$$ \bigl|f(x,y)-L\bigr|<\varepsilon. $$这种定义要求无论 $(x,y)$ 如何趋近…

在二维欧几里得空间中，我们常常用邻域来描述一个点周围的“微小区域”。对于一个点 $(x_0, y_0) \in \mathbb{R}^2$，两种常见的邻域是圆邻域和方邻域。下面我们详细讨论它们的定义、公式推导及两者之间的关系。一、定义与基本公式1、圆邻域（开圆盘）圆邻域使用欧几里得距离，也称为 $L^2$ 范数。对于给定半径 $r>0$，点 $(x_0, y_0)$ 的开圆邻域定义为$$ B\big((x_0, y_0), r\big)=\{(x,y) \in \mathbb{R}^2 : \sqrt{(x-x_0)^2+(y-y_0)^2} &l…

下面给出关于“导数”、“偏导数”、“全微分”、“方向导数”、“向量函数导数”、“矩阵导数”、“行列式导数”这七个数学概念在定义、几何意义、作用、性质四个方面的详细说明。一、导数1、定义对于实函数 $ f: \mathbb{R} \to \mathbb{R} $（也可推广到复函数或更一般情形），在某点 $ x_0 $ 处，导数定义为极限$$ f'(x_0) = \lim_{h \to 0} \frac{f(x_0+h)-f(x_0)}{h}, $$前提是该极限存在。这一定义实际上给出了函数在该点附近的瞬时变化率。2、几何意义导数在几何上可以理解为…

一、基本工具：Parseval 等式设 $f(x)$ 是 $[-\pi, \pi]$ 上平方可积的函数，其傅里叶级数为：$$ f(x) = \frac{a_0}{2} + \sum_{n=1}^\infty \left[a_n \cos(nx) + b_n \sin(nx)\right] $$则 Parseval 等式为：$$ \frac{1}{\pi} \int_{-\pi}^{\pi} |f(x)|^2 dx = \frac{a_0^2}{2} + \sum_{n=1}^\infty \left(a_n^2 + b_n^2\right) $$二、推导…

一、泰勒级数（Taylor Series）1. 定义设函数 $f(x)$ 在某点 $x=a$ 的邻域内有无穷阶导数。若存在一个级数满足：$$ f(x) = \sum_{n=0}^{\infty} \frac{f^{(n)}(a)}{n!}(x - a)^n, $$且该级数在某邻域内收敛于 $f(x)$，则称该级数为 $f(x)$ 在 $x=a$ 处的泰勒级数。2. 泰勒公式及其拉格朗日型余项设函数 $f$ 在闭区间 $[a, x]$ 上具有 $n+1$ 阶连续导数。根据泰勒定理，存在某个 $\xi$ 介于 $a$ 与 $x$ 之间，使得：$$ f(x) …

一、联合分布 (Joint Distribution)1. 定义设二维离散型随机变量$(X, Y)$的可能取值为$(x_i, y_j)$，其联合分布律为：$$ P\{X = x_i, Y = y_j\} = p_{ij}, \quad i,j = 1,2,\cdots $$2. 性质非负性：$p_{ij} \geq 0$归一性：$\sum_{i=1}^{+\infty} \sum_{j=1}^{+\infty} p_{ij} = 1$3. 表示形式用表格表示联合分布律：$$ \begin{array}{|c|cccc|c|} \hline X \back…

一、问题描述设$X$为随机变量，已知$X$的概率分布，$Y = g(X)$是其函数。需要根据$X$的分布求出$Y$的分布。二、离散型随机变量1. 求解步骤步骤1：列出$Y$所有可能取值$\{ y_j = g(x_i) | x_i \in X(\Omega) \}$步骤2：对每个$y_j$，计算概率：$$ P(Y=y_j) = \sum_{x_i \in g^{-1}(y_j)} P(X=x_i) $$其中$g^{-1}(y_j) = \{ x_i | g(x_i) = y_j \}$2. 数学证明设$X$的分布律为$P(X=x_i)=p_i$，则：$$ …

一、全微分对于二元函数 $z=f(x,y)$，仅研究一个自变量变化时函数的性态是不够的，经常要讨论两个自变量 $x,y$ 分别有增量 $\Delta x,\Delta y$ 时，相应函数值的改变量（即全增量）：$$\Delta z=f(x+\Delta x,y+\Delta y)-f(x,y)$$的变化情况。类似于一元函数的微分，下面以二元函数为例介绍多元函数的全微分。设二元函数 $z=f(x,y)$ 在点 $P_0(x_0,y_0)$ 的某邻域内有定义，若存在常数 $A,B$ 对充分小的 $\Delta x$ 和 $\Delta y$ 均有$$\Del…

一、误差公式误差公式描述了函数 $f(x)$ 与其傅里叶级数 $k$ 阶三角级数部分和 $S_k(x)$ 之间的逼近误差能量。具体公式为：$$ E_k = \int_{-\pi}^{\pi} \left| f(x) - S_k(x) \right|^2 \, dx = \int_{-\pi}^{\pi} |f(x)|^2 \, dx - \pi \left( \frac{a_0^2}{2} + \sum_{n=1}^{k} (a_n^2 + b_n^2) \right) $$以下是误差公式的详细推导过程：步骤 1：定义误差函数设 $S_k(x)$ 为傅里…

一、级数定义与其收敛发散性1、定义：级数、部分数列和给定数列 $\{a_n\}$，将其每一项依次用“+”号连接起来的表达式：$$a_1 + a_2 + \cdots + a_n + \cdots $$称为无穷级数。由于其通项 $a_n$ 都是常数，也称之为常数项级数，记作 $\sum_{n=1}^{+\infty} a_n$。在级数 $\sum_{n=1}^{+\infty} a_n$ 中，前 $n$ 项的和：$S_n = a_1 + a_2 + \cdots + a_n$，称为该级数的部分和。所得的数列 $\{S_n\}$ 称为部分和数列。级数 $\s…

一、离散型随机变量分布列离散型随机变量的分布列是指随机变量取各个可能值的概率列表。设离散型随机变量 $X$ 的可能取值为 $x_1, x_2, \ldots, x_n$，则其分布列为：$$ P(X = x_i) = p_i, \quad i = 1, 2, \ldots, n $$其中 $p_i \geq 0$ 且 $\sum_{i=1}^n p_i = 1$。1. 0-1 分布（伯努利分布）0-1 分布是描述只有两种可能结果的单次试验的分布。设随机变量 $X$ 表示试验结果，$X = 1$ 表示“成功”，$X = 0$ 表示“失败”，则其分布列为：$$…

一、线性空间1、定义：线性空间设$V$ 是一个非空集合，$\mathbf{F}$ 是一个数域，我们定义两种运算，其中第一个运算是我们， 熟知的加法$+$。在线性空间的定义中，我们要求$\langle V:+\rangle$构成 Abel 群，即其中元素满足如下运算律：（加法结合律）$\alpha + ( \beta + \gamma ) = ( \alpha + \beta ) + \gamma$, $\forall \alpha , \beta , \gamma \in V$（加法单位元）$\exists0\in V$使得$\forall\alpha\…