高等数学
夹逼定理
如果三个函数满足f(x)<=g(x)<=h(x),而且他们都在xo处有极限,那么
(lim _ { x ightarrow x _ { 0 } } f ( x ) < = lim _ { x ightarrow x _ { 0 } } g ( x ) < = lim _ { x ightarrow x _ { 0 } } h ( x ))
重要极限
(lim _ { x ightarrow 0 } sin ( x ) / x = 1)
(lim _ { x ightarrow infty } x ^ { alpha } / e ^ { x } = 0) 对于任意的正数α
(lim _ { x ightarrow infty } ln ( x ) / x ^ { alpha } = 0) 对于任意的正数α
(lim _ { x ightarrow infty } ( 1 + 1 / x ) ^ { x } = e)
初等函数的导数
(egin{array} { l l } { frac { d } { d x } sin ( x ) = cos ( x ) } & { frac { d } { d x } cos ( x ) = - sin ( x ) } \ { frac { d } { d x } sinh ( x ) = cosh ( x ) } & { frac { d } { d x } cosh ( x ) = sinh ( x ) } \ { frac { d } { d x } x ^ { n } = n x ^ { n - 1 } } & { frac { d ^ { n } } { d x ^ { n } } x ^ { n } = n ! } \ { frac { d } { d x } e ^ { x } = e ^ { x } } & { frac { d } { d x } ln ( x ) = 1 / x } end{array})
求导法则
链式法则: (frac { d } { d x } ( g circ f ) = frac { d g } { d x } ( f ) cdot frac { d f } { d x })
加法法则:(frac { d } { d x } ( g + f ) = frac { d g } { d x } + frac { d f } { d x })
乘法法则:(frac { d } { d x } ( g cdot f ) = frac { d g } { d x } cdot f + g cdot frac { d f } { d x })
出发法则:(: frac { d } { d x } left( frac { g } { f } ight) = frac { frac { d g } { d x } cdot f - frac { d f } { d x } cdot g } { f ^ { 2 } })
反函数求导:(frac { d } { d x } left( f ^ { - 1 } ight) = frac { 1 } { frac { d f } { d x } left( f ^ { - 1 } ight) })
微分学的核心思想是逼近
一阶导数:线性逼近
二阶导数:二次逼近
导数计算:求导法则
一元微分学的顶峰:泰勒级数
(e ^ { x } = 1 + x + x ^ { 2 } / 2 + cdots + x ^ { n } / n ! + o left( x ^ { n } ight))
(ln ( 1 + x ) = x - x ^ { 2 } / 2 + x ^ { 3 } / 3 + cdot + ( - 1 ) ^ { n - 1 } x ^ { n } / n + o left( x ^ { n } ight))
(sin ( x ) = x - x ^ { 3 } / 6 + cdots + ( - 1 ) ^ { n } x ^ { 2 n + 1 } / ( 2 n + 1 ) ! + o left( x ^ { 2 n + 1 } ight))
(cos ( x ) = x ^ { 2 } / 2 + x ^ { 4 } / 24 + cdots + x ^ { 2 n } / ( 2 n ) ! + o left( x ^ { 2 n } ight))
凸函数的定义
一个函数f如果满足 (f left( lambda x _ { 1 } + ( 1 - lambda ) x _ { 2 } ight) leq lambda f left( x _ { 1 } ight) + ( 1 - lambda ) f left( x _ { 2 } ight) , forall lambda in ( 0,1 )) 那么这个函数就是凸函数
一个函数二阶可微的函数f是凸函数,当且仅当f"(x)>=0,Vx.
琴生不等式
如果f是凸函数,那么对于任意的{x1,x2…,xn},以及正的权重系数{w1,w2,…,Wn},且w1+w2+…+wn=1,则如下不等式成立
(f left( sum _ { k = 1 } ^ { n } w _ { k } cdot x _ { k } ight) leq sum _ { k = 1 } ^ { n } w _ { k } cdot f left( x _ { k } ight))
方差定义
(operatorname { Var } ( X ) = E { X - E ( X ) ] ^ { 2 } } = E left( X ^ { 2 } ight) - E ^ { 2 } ( X ))
无条件成立
(egin{array} { l } { operatorname { Var } ( c ) = 0 } \ { operatorname { Var } ( X + c ) = operatorname { Var } ( X ) } \ { operatorname { Var } ( k X ) = k ^ { 2 } operatorname { Var } ( X ) } end{array})
X和Y 相互独立
(operatorname { Var } ( X + Y ) = operatorname { Var } ( X ) + operatorname { Var } ( Y ))
(E ( X ) = int _ { - infty } ^ { infty } x f ( x ) d x)
概率论与数理统计
概率
条件概率:(P ( A | B ) = frac { P ( A B ) } { P ( B ) })
全概率公式:(P ( A ) = sum _ { i } P left( A | B _ { i } ight) P left( B _ { i } ight))
贝叶斯(Bayes)公式:(P left( B _ { i } | A ight) = frac { P left( A | B _ { i } ight) P left( B _ { i } ight) } { sum _ { j } P left( A | B _ { j } ight) P left( B _ { j } ight) })
分布
几大分布 列表图形
概率与统计的关注点
概率论问问题的方式:
装箱问题 :将12件正品和3件次品随机装在3个箱子中,每箱装5件,则每箱中恰有1件次品的概率是多少?
数理统计问问题的方式:
正态分布的矩估计: 在正态分布的总体中采样得到n个样本:
X1,X2,…Xn,估计该总体的均值和方差。
重要的统计量
期望
- 离散型 (E ( X ) = sum _ { i } x _ { i } p _ { i })
- 连续型 (E ( X ) = int _ { - infty } ^ { infty } x f ( x ) d x)
协方差
协方差的定义:
(operatorname { Cov } ( X , Y ) = E { [ X - E ( X ) ] [ Y - E ( Y ) ] })
协方差的性质:
(egin{array} { c } { operatorname { Cov } ( X , Y ) = operatorname { Cov } ( Y , X ) } \ { operatorname { Cov } ( a X + b , c Y + d ) = operatorname { acCov } ( X , Y ) } \ { operatorname { Cov } left( X _ { 1 } + X _ { 2 } , Y ight) = operatorname { Cov } left( X _ { 1 } , Y ight) + operatorname { Cov } left( X _ { 2 } , Y ight) } \ { operatorname { Cov } ( X , Y ) = E ( X Y ) - E ( X ) E ( Y ) } end{array})
方差
定义
(operatorname { Var } ( X ) = E { X - E ( X ) ] ^ { 2 } } = E left( X ^ { 2 } ight) - E ^ { 2 } ( X ))
无条件成立
(egin{array} { l } { operatorname { Var } ( c ) = 0 } \ { operatorname { Var } ( X + c ) = operatorname { Var } ( X ) } \ { operatorname { Var } ( k Y ) = k ^ { 2 } operatorname { Var } ( X ) } end{array})
X和Y相互独立的时候
(operatorname { Var } ( X + Y ) = operatorname { Var } ( X ) + operatorname { Var } ( Y ))
大数定理和中心极限定理
- 切比雪夫不等式
- 大数定理
- 中心极限定理