2.9 考虑一个双矩阵博弈，其中局中人1有$ m $个纯策略，局中人2有$ n $个纯策略。 设$(x ^ {*}，y ^ {*})$为该博弈中找到的混合策略意义下的纳什均衡。考虑局中人1的一个额外的纯策略 $ x_i $。请选择正确的描述。 A: 如果$K_{1}(x^{*},y^{*})>K_{1}(x_i, y^{*})$ B: 如果$K_{1}(x^{*},y^{*})=K_{1}(x_i, y^{*})$ C: 如果一个纯策略 $x_i$ 是混合策略$x^{*}$的谱, 那么 $K_{1}(x^{*},y^{*})=K_{1}(x_i, y^{*})$ D: 如果纯策略 $x_i$ 不是混合策略 $x^{*}$ 的谱, 那么 $K_{1}(x^{*},y^{*})=K_{1}(x_i, y^{*})$

公告：维护QQ群：833371870，欢迎加入！
公告：维护QQ群：833371870，欢迎加入！
公告：维护QQ群：833371870，欢迎加入！

2022-05-29 问题

2.9 考虑一个双矩阵博弈，其中局中人1有$ m $个纯策略，局中人2有$ n $个纯策略。 设$(x ^ {}，y ^ {})$为该博弈中找到的混合策略意义下的纳什均衡。考虑局中人1的一个额外的纯策略 $ x_i $。请选择正确的描述。 A: 如果$K_{1}(x^{},y^{})>K_{1}(x_i, y^{})$ B: 如果$K_{1}(x^{},y^{})=K_{1}(x_i, y^{})$ C: 如果一个纯策略 $x_i$ 是混合策略$x^{}$的谱, 那么 $K_{1}(x^{},y^{})=K_{1}(x_i, y^{})$ D: 如果纯策略 $x_i$ 不是混合策略 $x^{}$ 的谱, 那么 $K_{1}(x^{},y^{})=K_{1}(x_i, y^{})$

2022-06-06 问题

Set X_i=(x_i (1),x_i (2),⋯,x_i (n)) as the behavior sequence of factor X_i, D_1 as the sequence operator, and X_i D_1=(x_i (1)d_1,x_i (2)d_1,⋯,x_i (n)d_1), where x_i (k)d_1=x_i (k)/x_i (1); x_i (1)≠0, k=1,2,⋯,n, then D_1 is A: A. Initial valued operator B: B. Averaging operator C: C. Interval valued operator D: D. Invert operator

Set X_i=(x_i (1),x_i (2),⋯,x_i (n)) as the behavior sequence of factor X_i, D_1 as the sequence operator, and X_i D_1=(x_i (1)d_1,x_i (2)d_1,⋯,x_i (n)d_1), where x_i (k)d_1=x_i (k)/x_i (1); x_i (1)≠0, k=1,2,⋯,n, then D_1 is A: A. Initial valued operator B: B. Averaging operator C: C. Interval valued operator D: D. Invert operator

2022-06-15 问题

(4). 已知总体 $ X $ 服从 $ [0,\lambda ] $ 上的均匀分布( $ \lambda $ 未知) $ X_1 ,X_2 ,\cdots X_n $ 为 $ X $ 的样本，则（）。 A: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i } -\frac{\lambda }{2} $ 是一个统计量； B: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i } -EX $ 是一个统计量 C: $ X_1 +X_2 $ 是一个统计量； D: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i^2 -DX} $ 是一个统计量。

(4). 已知总体 $ X $ 服从 $ [0,\lambda ] $ 上的均匀分布( $ \lambda $ 未知) $ X_1 ,X_2 ,\cdots X_n $ 为 $ X $ 的样本，则（）。 A: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i } -\frac{\lambda }{2} $ 是一个统计量； B: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i } -EX $ 是一个统计量 C: $ X_1 +X_2 $ 是一个统计量； D: $ \frac{1}{n}\sum\limits_{i=1}^n {X_i^2 -DX} $ 是一个统计量。

2022-06-15 问题

函数f(x)的牛顿插值多项式${p_n}(x)$，如果f(x)的各阶导数均存在，则当${x_i} \to {x_0}(i = 0,1, \cdots ,n)$时，${p_n}(x)$就是f(x)在${x_0}$的泰勒多项式。此说法是否正确。

函数f(x)的牛顿插值多项式${p_n}(x)$，如果f(x)的各阶导数均存在，则当${x_i} \to {x_0}(i = 0,1, \cdots ,n)$时，${p_n}(x)$就是f(x)在${x_0}$的泰勒多项式。此说法是否正确。

2021-04-14 问题

(1). 设总体 $ X $ 具有有限的数学期望 $ EX $ 和方差 $ DX $，$ X_1 ,X_2 ,\mbox{ }\cdots ,X_n $ 为总体 $ X $ 的样本，那么对样本均值 $ \bar {X}=\frac{1}{n}\sum\limits_{i=1}^n{X_i } $ 有()。

(1). 设总体 $ X $ 具有有限的数学期望 $ EX $ 和方差 $ DX $，$ X_1 ,X_2 ,\mbox{ }\cdots ,X_n $ 为总体 $ X $ 的样本，那么对样本均值 $ \bar {X}=\frac{1}{n}\sum\limits_{i=1}^n{X_i } $ 有()。

2021-04-14 问题

(6). 设 $ X_1 ,X_2 ,\cdot \cdot \cdot ,X_n $ 是来自正态总体 $ X\sim N(\mu _0,\sigma ^2) $ 的样本方差 $ S^2=\frac{1}{n-1}\sum\limits_{i=1}^n {(X_i -\bar {X})} $，则统计量 $ T=\frac{\bar {X}-\mu _0 }{S /{\sqrt n}} $ 服从()。

(6). 设 $ X_1 ,X_2 ,\cdot \cdot \cdot ,X_n $ 是来自正态总体 $ X\sim N(\mu _0,\sigma ^2) $ 的样本方差 $ S^2=\frac{1}{n-1}\sum\limits_{i=1}^n {(X_i -\bar {X})} $，则统计量 $ T=\frac{\bar {X}-\mu _0 }{S /{\sqrt n}} $ 服从()。

2022-07-27 问题

Parzen窗法中，一个训练样本x_i距离待估计的点x越近，对x处的概率密度估计的贡献越大，越远则贡献越小。

2021-04-14 问题

(8). 已知若 $ X\sim N(0,1) $，则 $ P\{\left| X \right|\ge 1.96\}=0.05,P\{X\ge1.645\}=0.05 $。现假设总体 $ X\sim N(\mu ,1),X_1 ,X_2 ,\cdots X_9 $ 为样本，$ \bar {X}=\frac{1}{9}\sum\limits_{i=1}^9 {X_i } $，对假设 $ H_0 :\mu=0 $，取显著性水平 $ \alpha =0.05 $，下列集合中不能作为拒绝域的是()。

(8). 已知若 $ X\sim N(0,1) $，则 $ P\{\left| X \right|\ge 1.96\}=0.05,P\{X\ge1.645\}=0.05 $。现假设总体 $ X\sim N(\mu ,1),X_1 ,X_2 ,\cdots X_9 $ 为样本，$ \bar {X}=\frac{1}{9}\sum\limits_{i=1}^9 {X_i } $，对假设 $ H_0 :\mu=0 $，取显著性水平 $ \alpha =0.05 $，下列集合中不能作为拒绝域的是()。

2022-07-27 问题

Parzen窗法中，一个训练样本x_i距离待估计的点x越近，对x处的概率密度估计的贡献越大，越远则贡献越小。 A: 正确 B: 错误

2022-06-05 问题

下面属于弱拍开始的音乐节奏有 A: 2/4 X X I X X I B: 3/4 0 0 X I X X X I C: 4/4 0 X I X X X X I D: 3/4 X X X I 0 X 0 I

1 2 3 4 5 6 7 8 9 10

函数f(x)的牛顿插值多项式${p_n}(x)$，如果f(x)的各阶导数均存在，则当${x_i} \to {x_0}(i = 0,1, \cdots ,n)$时，${p_n}(x)$就是f(x)在${x_0}$的泰勒多项式。此说法是否正确。

(1). 设总体 \( X \) 具有有限的数学期望 \( EX \) 和方差 \( DX \)，\( X_1 ,X_2 ,\mbox{ }\cdots ,X_n \) 为总体 \( X \) 的样本，那么对样本均值 \( \bar {X}=\frac{1}{n}\sum\limits_{i=1}^n{X_i } \) 有()。

(6). 设 \( X_1 ,X_2 ,\cdot \cdot \cdot ,X_n \) 是来自正态总体 \( X\sim N(\mu _0,\sigma ^2) \) 的样本方差 \( S^2=\frac{1}{n-1}\sum\limits_{i=1}^n {(X_i -\bar {X})} \)，则统计量 \( T=\frac{\bar {X}-\mu _0 }{S /{\sqrt n}} \) 服从()。

Parzen窗法中，一个训练样本x_i距离待估计的点x越近，对x处的概率密度估计的贡献越大，越远则贡献越小。

Parzen窗法中，一个训练样本x_i距离待估计的点x越近，对x处的概率密度估计的贡献越大，越远则贡献越小。 A: 正确 B: 错误

下面属于弱拍开始的音乐节奏有 A: 2/4 X X I X X I B: 3/4 0 0 X I X X X I C: 4/4 0 X I X X X X I D: 3/4 X X X I 0 X 0 I