群青广播II📡 - 这里是群青广播II,还有活着的人吗?
凸函数的基本定义与性质
3. 凸函数3.1.1 定义函数 $f: R^n \to R$ 是凸的。 条件: 如果 $\text{dom} \ f$ 是凸集, 对于任意 $x, y \in \text{dom} \ f$ 且 $0 \leq \theta \leq 1$,有: f(\theta x + (1-\theta)y) \leq \theta f(x) + (1-\theta)f(y) \tag{3.1} 补充: 当 $\leq$ 改为 $<$ 时,$f$ 为严格凸函数 定义 $f$ 为凹的,条件:$-f$ 为凸函数 定义 $f$ 为严格凹的,条件:$-f$ 为严格凸函数 某函数是仿射函数 $\iff$ 某函数既凸也凹 $f$ 是凸的 $\iff$ 任意 $x \in \text{dom} \ f$ 和任意向量 $v$,函数 $g(t) = f(x + tv)$ 是凸的(其定义域为 ${t | x + tv \in \text{dom} \ f}$) 3.1.2 扩展值延伸条件: \bar{f}(x) = \begin{cases} f(x) & x \in \text{dom ...
分层抽样的抽样方法
3.4总样本量的确定3.4.1 分层抽样样本量确定一般公式令 $n_h = n w_h$,其中 $w_h$ 已经选定,于是当方差 $V$ 给定时,由 (3.4) 式 V = \sum_{h=1}^{L} W_h^2 \frac{1 - f_h}{n_h} S_h^2 = \sum_{h=1}^{L} \frac{W_h^2 S_h^2}{n_h} - \sum_{h=1}^{L} \frac{W_h^2 S_h^2}{N_h}进一步化简得 V = \frac{1}{n} \sum_{h=1}^{L} \frac{W_h^2 S_h^2}{w_h} - \frac{1}{N} \sum_{h=1}^{L} W_h S_h^2得到确定样本量的一般公式为 n = \frac{\sum_{h=1}^{L} \frac{W_h^2 S_h^2}{w_h}}{V + \frac{1}{N} \sum_{h=1}^{L} W_h S_h^2}. \tag{3.29} 3.4.2 不同应用场合估计量的精度取决于每层样本量的大小 因此: 在总样本量给定的情况下,对层样本量的分配不同,对精度也不 ...
分层抽样的分配方式
3.3.2 比例分配比例分配指的是按各层单元数占总单元数的比例,也就是按各层的层权进行分配。此时: \frac{n_h}{n} = \frac{N_h}{N} = W_h \text{ 或 } f_h = \frac{n_h}{N_h} = \frac{n}{N} = f \tag{3.19}对于分层随机抽样,总体均值 $\overline{Y}$ 的估计为: \hat{\overline{Y}} = \overline{y}_{\text{prop}} = \sum_{h=1}^{L} W_h \overline{y}_h = \sum_{h=1}^{L} \frac{N_h}{N} \overline{y}_h = \sum_{h=1}^{L} \frac{n_h}{n} \sum_{i=1}^{n_h} \frac{y_{hi}}{n_h} = \frac{1}{n} \sum_{h=1}^{L} \sum_{i=1}^{n_h} y_{hi} = \frac{1}{n} \sum_{i=1}^{n} y_i = \overline{y} \tag{3.20}其中,下标 p ...
Markdown语法与外挂标签写法汇总
🥧本文汇总Markdown格式以及外挂标签在网页端的渲染效果,可作为文档进行查询
2025.3.30.log
186d055910c93b0d68d3bd4a379a05a10fc301630e41c85e895a08ba7089572d 这里是无趣的神秘领域!
空降评论复制本文地址
随便逛逛昼夜切换关于博客美化设置切换全屏打印页面