线性代数是学来干什么的？ 首先线性代数在数学、力学、物理学和技术学科中有各种重要应用，因而它在各种代数分支中占居首要地位；其次在计算机广泛应用的今天，计算机图形学、计算机辅助设计、密码学、虚拟现实等技术无不以线性代数为其理论和算法基础的一部分；再次该学科所体现的几何观念与代数方法之间的联系，从具体概念抽象出来的公理化方法以及严谨的逻辑推证、巧妙的归纳综合等，对于强化人们的数学训练，增益科学智能是非常有用的；最后 随着科学的发展，不仅要研究单个变量之间的关系，还要进一步研究多个变量之间的关系，各种实际问题在大多数情况下可以线性化，而由于计算机的发展，线性化了的问题又可以计算出来，线性代数正是解决这些问题的有力工具。
如何计算数学期望值，在概率论和统计学中，数学期望（简称期望）是试验中每次可能结果的概率乘以其结果的总和。是最基本的数学特征之一。它反映随机变量平均取值的大小。
行列式的起源是什么？希望能够详细点，谢谢了。 线性代数是高等代数的一大分支。我们知道一次方程叫做线性方程，讨论线性方程及线性运算的代数就叫做线性代数。在线性代数中最重要的内容就是行列式和矩阵。行列式和矩阵在十九世纪受到很大的注意，而且写了成千篇关于这两个课题的文章。向量的概念，从数学的观点来看不过是有序三元数组的一个集合，然而它以力或速度作为直接的物理意义，并且数学上用它能立刻写出 物理上所说的事情。向量用于梯度，散度，旋度就更有说服力。同样，行列式和矩阵如导数一样（虽然 dy/dx 在数学上不过是一个符号，表示包括△y/△x的极限的长式子，但导数本身是一个强有力的概念，能使我们直接而创造性地想象物理上发生的事情）。因此，虽然表面上看，行列式和矩阵不过是一种语言或速记，但它的大多数生动的概念能对新的思想领域提供钥匙。然而已经证明这两个概念是数学物理上高度有用的工具。线性代数学科和矩阵理论是伴随着线性系统方程系数研究而引入和发展的。行列式的概念最早是由十七世纪日本数学家关孝和提出来的，他在 1683 年写了一部叫做《解伏题之法》的著作，意思是“解行列式问题的方法”，书里对行列式的概念和它的展开已经有了清楚的叙述。欧洲第一个提出行列式概念的是德国的数学家，微。
线性代数发展史 概述2113线性代数是代数学的一个分5261支，主要处理线性关系问题。4102线性关系意即数学对象之间的1653关系是以一次形式来表达的。例如，在解析几何里，平面上直线的方程是二元一次方程；空间平面的方程是三元一次方程，而空间直线视为两个平面相交，由两个三元一次方程所组成的方程组来表示。含有 n个未知量的一次方程称为线性方程。关于变量是一次的函数称为线性函数。线性关系问题简称线性问题。解线性方程组的问题是最简单的线性问题。历史线性代数作为一个独立的分支在20世纪才形成，然而它的历史九章算术却非常久远。“鸡兔同笼”问题实际上就是一个简单的线性方程组求解的问题。最古老的线性问题是线性方程组的解法，在中国古代的数学著作《九章算术·方程》章中，已经作了比较完整的叙述，其中所述方法实质上相当于现代的对方程组的增广矩阵的行施行初等变换，消去未知量的方法。由于费马和笛卡儿的工作，现代意义的线性代数基本上出现于十七世纪。直到十八世纪末，线性代数的领域还只限于平面与空间。十九世纪上半叶才完成了到n维线性空间的过渡。随着研究线性方程组和变量的线性变换问题的深入，行列式和矩阵在18～19世纪期间先后产生，为处理线性问题。
传说中的贝叶斯统计到底有什么来头 贝叶斯统计英国学者托马斯·贝叶斯在《论有关机遇问题的求解》中提出一种归纳推理的理论，后被一些统计学者发展为一种系统的统计推断方法，称为贝叶斯方法。采用这种方法作统计推断所得的全部结果，构成贝叶斯统计的内容。认为贝叶斯方法是唯一合理的统计推断方法的统计学者，组成数理统计学中的贝叶斯学派，其形成可追溯到 20世纪 30 年代。到50～60年代，已发展为一个有影响的学派。时至今日，其影响日益扩大。中文名 贝叶斯统计 外文名 Bayes statistics 提出人托马斯·贝叶斯 提出时间 1763年 主 译 贾乃光目录1 技术原理？ 先验分布？ 后验分布2 理论争议3 发展历史技术原理编辑先验分布它是总体分布参数θ的一个概率分布。贝叶斯学派的根本观点，是认为在关于θ的任何统计推断问题中，除了使用样本X所提供的信息外，还必须对θ规定一个先验分布，它是在进行推断时不可或缺的一个要素。贝叶斯学派把先验分布解释为在抽样前就有的关于θ的先验信息的概率表述，先验分布不必有客观的依据，它可以部分地或完全地基于主观信念。例如，某甲怀疑自己患有一种疾病A，在就诊时医生对他测了诸如体温、血压等指标，其结果构成样本X。引进参数θ：有病时，θ=1；。
「熵」是什么？ 怎样以简单易懂的方式向其他人解释？ ？www.zhihu.com 统计力学中，配分函数的物理意义是什么？？www.zhihu.com 统计物理中的宏观状态(macrostate)究竟如何定义？为何此时不同的微观状态(microstate)不可区分。
如何计算数学期望值，数学期望值是试验中每次可能结果的概率乘以其结果的总和，今天我来和大家分享一下如何计算数学期望值
概率论与数理统计关于参数估计的基础问题 我觉得是对的，例如用样本方差来代替总体方差，因为你求样本方差的期望值为总体方差。如果有考虑多个估计参数的有效性，就是将它们每个求方差，取最小的那个，方差越小越好。方差D(X)与数学期望E(X)的关系为 D(X)=E(X^2)-(E(X))^2
方差标准差的意义是什么？它们有何特性？ 一、标准差它反映组内个体间的离散程度。具有两种特性：测量到分布程度的62616964757a686964616fe4b893e5b19e31333366303861结果为非负数值，与测量资料具有相同单位。一个总量的标准差或一个随机变量的标准差，及一个子集合样品数的标准差之间，有所差别。简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。标准差可以当作不确定性的一种测量。例如在物理科学中，做重复性测量时，测量数值集合的标准差代表这些测量的精确度。当要决定测量值是否符合预测值，测量值的标准差占有决定性重要角色：如果测量平均值与预测值相差太远（同时与标准差数值做比较），则认为测量值与预测值互相矛盾。这很容易理解，因为如果测量值都落在一定数值范围之外，可以合理推论预测值是否正确。二、方差它反映用来度量随机变量和其数学期望（即均值）之间的偏离程度。具有特性如下1、设C是常数，则D（C）=02、设X是随机变量，C是常数，则有3、设 X 与 Y 是两个随机变量，则其中协方差特别的，当X，Y是两个不相关的随机变量则此性质可以推广到有限多个两两不相关的。
