下列各变换中哪一个不是线性变换？ A: $T(x_1,x_2) = (x_2,-x_1)$ B: $T(x_1,x_2) = (x_1,-x_2)$ C: $T(x_1,x_2,x_3) = (x_1+x_2,x_2+x_3,x_3+x_1)$ D: $T(x_1,x_2,x_3) = (1,x_1x_2x_3)$

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！

2022-06-08 问题

下列各变换中哪一个不是线性变换？ A: $T(x_1,x_2) = (x_2,-x_1)$ B: $T(x_1,x_2) = (x_1,-x_2)$ C: $T(x_1,x_2,x_3) = (x_1+x_2,x_2+x_3,x_3+x_1)$ D: $T(x_1,x_2,x_3) = (1,x_1x_2x_3)$

2022-10-27 问题

${X_1},{X_2},...,{X_n}$，是来自均匀分布 X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$

${X_1},{X_2},...,{X_n}$，是来自均匀分布 X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$

2022-07-25 问题

二维随机变量的随机点 $(X,Y)$ 落入矩形域 $\{x_1 A: $F(x_2,y_2)+F(x_2,y_1)$$+F(x_1,y_2)+F(x_1,y_1)$ B: $F(x_2,y_2)-F(x_2,y_1)$$-F(x_1,y_2)+F(x_1,y_1)$ C: $F(x_2,y_2)-F(x_2,y_1)$$-F(x_1,y_2)-F(x_1,y_1)$ D: $F(x_2,y_2)+F(x_2,y_1)$$+F(x_1,y_2)-F(x_1,y_1)$

二维随机变量的随机点 $(X,Y)$ 落入矩形域 $\{x_1 A: $F(x_2,y_2)+F(x_2,y_1)$$+F(x_1,y_2)+F(x_1,y_1)$ B: $F(x_2,y_2)-F(x_2,y_1)$$-F(x_1,y_2)+F(x_1,y_1)$ C: $F(x_2,y_2)-F(x_2,y_1)$$-F(x_1,y_2)-F(x_1,y_1)$ D: $F(x_2,y_2)+F(x_2,y_1)$$+F(x_1,y_2)-F(x_1,y_1)$

2022-07-24 问题

具有两个特征的线性回归模型判别式是下面哪一个： A: h_w (x)=w_0+w_1 x_1 B: h_w (x)=w_0+w_1 x_1+w_2 x_2 C: h_w (x)=w_1 x_1+w_2 x_2 D: h_w (x)=w_1 x_1+w_2 x_2+w_3 x_1 x_2

2022-06-30 问题

下列定义的映射中， ___ 不是内积. A: $\langle x,y \rangle \triangleq xy ,x,y \in \mathbb{R}$ B: $\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i=1}^{n}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n$ C: $\langle f,g \rangle \triangleq \int_a^b f(x)g(x)\mathrm{d}x ,f,g \in C([a,b])$（$[a,b]$上连续实函数全体） D: $\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i,j=1}^{n}a_{ij}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n,A = (a_{ij})是实对称方阵$

下列定义的映射中， ___ 不是内积. A: $\langle x,y \rangle \triangleq xy ,x,y \in \mathbb{R}$ B: $\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i=1}^{n}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n$ C: $\langle f,g \rangle \triangleq \int_a^b f(x)g(x)\mathrm{d}x ,f,g \in C([a,b])$（$[a,b]$上连续实函数全体） D: $\langle (x_1,\cdots,x_n),(y_1,\cdots,y_n) \rangle \triangleq \Sigma_{i,j=1}^{n}a_{ij}x_iy_i,(x_1,\cdots,x_n),(y_1,\cdots,y_n)\in \mathbb{R}^n,A = (a_{ij})是实对称方阵$

2022-06-16 问题

题目包含多个选项，但学生只能选择一个答案。1.${X_1},{X_2},...,{X_n}$，是来自均匀分布 X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$

题目包含多个选项，但学生只能选择一个答案。1.${X_1},{X_2},...,{X_n}$，是来自均匀分布 X~U(-a,a)的样本，用最大似然估计法估计参数a为（） A: $|{X_1},{X_2},...,{X_n}|$ B: $\max (|{X_1}|,|{X_2}|,...,|{X_n}|)$ C: $\min(|{X_1}|,|{X_2}|,...,|{X_n}|)$ D: $(|{X_1}|+|{X_2}|+...+|{X_n}|)$

2021-04-14 问题

设$X_1,X_2,Y$均为随机变量，已知$cov(X_1,Y)=-1,cov(X_2,Y)=3$，则$cov(X_1+2X_2,Y)=$

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

设方程组\[\left\{ {\begin{array}{*{20}{c}} {\lambda {x_1} + {x_2} + {x_3} = \lambda - 3}\\ {{x_1} + \lambda {x_2} + {x_3} = - 2}\\ {{x_1} + {x_2} + \lambda {x_3} = - 2} \end{array}} \right.\]若`\lambda = 1`，则( )

设方程组\[\left\{ {\begin{array}{*{20}{c}} {\lambda {x_1} + {x_2} + {x_3} = \lambda - 3}\\ {{x_1} + \lambda {x_2} + {x_3} = - 2}\\ {{x_1} + {x_2} + \lambda {x_3} = - 2} \end{array}} \right.\]若`\lambda = 1`，则( )

2022-10-27 问题

${X_1},{X_2},...,{X_n}$是来自二项分布总体 X~b(n,p)的样本，用最大似然估计法估计参数p得（） A: $\frac{1}{n}\overline X $ B: $\frac{1}{n}(\overline X-1) $ C: $\frac{1}{n-1}\overline X $ D: $\frac{1}{n+1}\overline X $

${X_1},{X_2},...,{X_n}$是来自二项分布总体 X~b(n,p)的样本，用最大似然估计法估计参数p得（） A: $\frac{1}{n}\overline X $ B: $\frac{1}{n}(\overline X-1) $ C: $\frac{1}{n-1}\overline X $ D: $\frac{1}{n+1}\overline X $

1 2 3 4 5 6 7 8 9 10