第 8 页

一、原假设与备择假设的定义1、原假设（Null Hypothesis, $H_0$）.原假设是指在进行假设检验时，最初假定被检验的参数或总体特性在某一特定值或范围内。一般认为原假设是“无效”或“无差异”的假设。例如：$$ H_0: \mu = \mu_0 $$意思是总体均值等于$\mu_0$。2、备择假设（Alternative Hypothesis, $H_1$ 或 $H_a$）备择假设则是在原假设不成立时所接受的假设，通常反映研究者所关注的效应或差异。例如：$$ H_1: \mu \neq \mu_0 $$二、单侧检验与双侧检验的分类1、双侧检验（T…

概率论与数理统计中的枢轴量法详解一、基本概念在概率论与数理统计中，枢轴量法（Pivot Quantity Method）是一种常用的构造置信区间的方法。其核心思想是通过构造一个在参数未知时依然服从已知分布的函数（枢轴量），进而推导出参数的置信区间。设有样本 $X_1, X_2, \ldots, X_n$，依概率分布 $f(x;\theta)$，其中 $\theta$ 是待估参数。枢轴量是形如 $T(X_1, \ldots, X_n; \theta)$ 的函数，满足：$T$ 的分布与 $\theta$ 无关（或与 $\theta$ 的分布形式已知）；$T$…

一、实验目的本实验旨在通过MNIST手写数字分类任务，深入理解和实践深度学习的基本概念与核心算法，具体目标如下：1、理解深度学习核心概念：（1）掌握神经网络（Neural Networks）的基本结构、前向传播和反向传播机制。（2）理解梯度下降（Gradient Descent）优化算法及其在参数更新中的作用。（3）掌握链式法则（Chain Rule）在计算梯度时的应用。（4）理解图像分类任务的基本流程，包括数据加载、预处理、模型训练、评估和预测。（5）熟悉损失函数（如交叉熵损失）的意义和计算方法。2、掌握NumPy手动实现技能：（1）能够仅使用NumP…

我们约定向量用粗体小写字母表示，如 $\mathbf{x}$，矩阵用大写字母表示，如 $A$。该部分考试不做要求。一、一阶微分方程组的标准形式含有 $n$ 个未知函数 $x_1(t), x_2(t), \ldots, x_n(t)$ 的 $n$ 个一阶微分方程构成的一阶微分方程组，如果已经解出了一阶导数 $\frac{\mathrm{d}x_1}{\mathrm{d}t}, \ldots, \frac{\mathrm{d}x_n}{\mathrm{d}t}$，则其标准形式可以写为：$$ \begin{cases} \frac{\mathrm{d}x_1}…

我们首先介绍矢量微分算子 $\nabla$ (Nabla 或 Del 算子)。在三维笛卡尔坐标系中，它的定义是：$$ \nabla = \mathbf{i} \frac{\partial}{\partial x} + \mathbf{j} \frac{\partial}{\partial y} + \mathbf{k} \frac{\partial}{\partial z} $$其中 $\mathbf{i}, \mathbf{j}, \mathbf{k}$ 分别是 $x, y, z$ 方向的单位矢量。下面我们将分别推导梯度、散度和旋度的计算公式及其物理意…

一、格林公式1、公式内容$$ \oint_{C} P\,\mathrm{d}x + Q\,\mathrm{d}y = \iint_{D} \left( \frac{\partial Q}{\partial x} - \frac{\partial P}{\partial y} \right)\mathrm{d}x\,\mathrm{d}y $$其中$C$为闭合曲线，$D$为曲线围成的区域。2、证明假设区域$D$是$y$关于$x$的单值区域，形如：$$ D = \{(x, y)\mid a \leq x \leq b, \varphi_1(x) \leq y…

本文系统介绍一般线性微分方程的部分解法，包括：变量变换法（欧拉方程、降阶法、特殊变系数方程）、变动任意常数法、幂级数解法（定理、$\gamma$ 阶贝塞尔方程及其解）。一、变量变换法1、欧拉方程（Cauchy-Euler 方程）典型形式：$$ a_{0}x^{n}\frac{\mathrm{d}^{n}n}{\mathrm{d}x^{n}}+a_{1}x^{n-1}\frac{\mathrm{d}^{n-1}y}{\mathrm{d}x^{n-1}}+\cdots+a_{n-1}x\frac{\mathrm{d}y}{\mathrm{d}x}+a_{n}…

一、二重极限的定义设函数$f(x, y)$在区域$D$内，点$(x_0, y_0)$是$D$的聚点。若$$ \lim_{(x, y) \to (x_0, y_0)} f(x, y) = A $$则称$A$为$f(x, y)$在点$(x_0, y_0)$处的二重极限，记作$$ \lim_{(x, y) \to (x_0, y_0)} f(x, y) = A $$二、证明二重极限存在的方法1、直接利用$\varepsilon-\delta$定义法定义： 若对任意$\varepsilon > 0$，存在$\delta > 0$，使得当$0 <…

一、空间曲线的切线与法平面1、曲线为参数方程表示设空间曲线$C$的参数方程为：$$ \begin{cases} x = x(t) \\ y = y(t) \\ z = z(t) \end{cases} $$其中$t$为参数。其切向量为：$$ \vec{r}'(t) = \left( \frac{\mathrm{d}x}{\mathrm{d}t},\ \frac{\mathrm{d}y}{\mathrm{d}t},\ \frac{\mathrm{d}z}{\mathrm{d}t} \right) $$曲线在点$P(x_0, y_0, z_0)$处…

本文将系统介绍常系数线性微分方程的解法方法，分别包括二阶常系数齐次线性微分方程、$n$ 阶常系数齐次线性微分方程、以及常系数非齐次线性微分方程的解法。详细推导各步骤，便于理解和掌握。一、二阶常系数齐次线性微分方程的解法考虑如下方程：$$ \frac{\mathrm{d}^2y}{\mathrm{d}x^2} + a_1\frac{\mathrm{d}y}{\mathrm{d}x} + a_0 y = 0 $$其中 $a_0, a_1$ 为常数。1、特征方程法设 $y = e^{\lambda x}$，代入原方程：$$ \frac{\mathrm{d}^2…

一、经典物理的困境在19世纪末，经典物理（牛顿力学、麦克斯韦电磁学）面临一系列实验事实的挑战。狭义相对论正是在这些困境下应运而生，并彻底改变了我们对时空的看法。1、关键实验现象与问题时间膨胀实验观测：静止$\pi$介子的平均寿命为$26.0$纳秒（$\mathrm{ns}$），而以$0.913$倍光速（$0.913c$）运动的$\pi$介子寿命扩展为$63.7\mathrm{ns}$。意义：表明时间间隔并非绝对；牛顿力学无法解释这一现象，因为其认为“时间是绝对的”。长度收缩实验观测：实验室测得高速$\pi$介子的运动距离为$17.4$米，但与$\pi$介…

曲面积分是多元微积分中的重要内容，主要分为两类：第一类曲面积分（标量场的曲面积分）和第二类曲面积分（向量场的曲面积分）。下面详细介绍这两类积分的定义、意义、计算方法及其变形推导。一、第一类曲面积分（对面积的积分）1、定义设$S$是空间中的一个光滑曲面，$f(x, y, z)$是在$S$上定义的标量函数。第一类曲面积分是指对$f$沿$S$的面积积分，记作：$$ \iint_S f(x, y, z)\, \mathrm{d}S $$其中，$\mathrm{d}S$表示曲面$S$上的面积微元。2、几何意义$\mathrm{d}S$是曲面$S$上一小块的面积，$…

曲线积分是多元微积分中的重要内容，主要分为两类：第一类曲线积分（标量场曲线积分）和第二类曲线积分（向量场曲线积分）。下面详细介绍这两类积分的定义、意义、计算方法和常见性质。一、第一类曲线积分（对弧长的积分）1、定义设$C$是空间中的一条光滑有向曲线，$f(x, y, z)$是定义在$C$上的一个标量函数。第一类曲线积分是指对$f$沿$C$的弧长$s$积分，记作：$$ \int_C f(x, y, z) \, \mathrm{d}s $$其中，$\mathrm{d}s$表示曲线$C$上的弧长微元。2、几何意义$\mathrm{d}s$表示曲线$C$上一小段…

一、抽样分布定义统计量的分布称为抽样分布 (sampling distribution)。在使用统计量进行统计推断时需要知道抽样分布。一般情况下，要给出统计量的精确分布是很困难的，但在某些特殊情形下，如总体服从正态分布的情形下，我们可以给出某些统计量的精确分布，这些精确的抽样分布为正态总体情形下的参数推断提供了理论依据。在数理统计中，最重要的三个抽样分布为 $\chi^{2}$ 分布，$t$ 分布和 $F$ 分布。二、$\chi^2$ 分布1、$\chi^2$ 分布的定义设 $X_1,X_2,\cdots,X_n$ 为独立同分布的随机变量，且都服从标准正…

一、统计量的定义设 $X_1,X_2,\cdots,X_n$ 是来自总体 $X$ 的一个样本，$g(X_1,X_2,\cdots ,X_n)$ 是样本 $X_1,X_2,\cdots,X_n$ 的函数，若$g$不含未知参数，则称 $g(X_1,X_2,\cdots,X_n$)是一统计量。二、常用统计量在统计学中，根据不同的目的可以构造出许多不同的统计量，下面是几个常用的重要统计量：样本均值$$ \overline{X} = \frac{1}{n} \sum_{i=1}^{n} X_i $$样本方差$$ S^2 = \frac{1}{n-1} \sum_{…