利用函数的幂级数展开式证明一个猜想

函数f(x)=1(1-x)m在x0=0处的泰勒级数的柯西型余项在n→∞时趋于0,所以∑∞n=0cmn n-1xn=1(1-x)m.从而在独立重复试验中,某事件发生的概率是P,则第m次事件发生所需的试验次数ξ的数学期望为mp.     

等可能性事件概率的3种类型

高中数学新教材(人教版试验修订本)第十章所介绍的等可能事件的概率,即是概率论中的古典概型的概率.概率古典定义如下:对于某个随机试验,如果有且仅有n个基本事件(有限性),且每一基本事件发生的可能性是相同的(等可能性),则当事件A中包含m个基本事件时,事件A的概率P(A)=m/n. 古典概率的计算,在中学概率论中占有重要的地位,只有熟悉古典概型的概率的计算,     

关于独立重复试验的概率计算

在通用高中数学课本第三册第五章《概率》中,求n次独立重复试验中事件A恰好发生r次的概率是该章教材的重点内容之一,必须使学生明确、牢固地掌握。对初学者来说,用这个求概率的公式解题时,由于对“n次独立重复试验”这个概念理解不正确,因此往往感到困难不能灵活运用,甚至造成谬误,另方面,初学者对这个公式的证明也感到难以理解(中学     

概率

1本单元重、难点分析 1)重点:等可能性事件的概率,互斥事件有一个发生的概率,相互独立事件同时发生的概率,独立重复试验.①等可能性事件的概率的关键是正确计数,即事件A包含的基本事件个数m和试验结果总数n,具备娴熟地解排列组合应用题的能力是处理好此类问题的必要条件.②弄清“互斥事件”、“对立事件”、“相互独立事件”之间的区别与联系,掌握公式P(A+B)=P(A)+P(B),P(A)=1-P(A),P(A·B)=P(A)·P(B),以及由它们派生出的常用公式的适用范围.理解“至少”、“至多”、“都”、“或”等词汇的意义,理解“独立重复试验”等概念,是学好本单元内容的基础.在学习中,要勤比较、多思考,注意举一反三,触类旁通.     

构造n次独立重复试验模型解概率题

一次试验中事件A发生的概率为p,独立重复地进行该试验n次这一模型,可以描述许多实际问题,其中的概率公式Pn(A恰好发生k次)=Pn(k)=cnkpk(1-p)n-k,应用非常广泛,下面以概率论中的两道名题为例,谈谈这一模型的确立方法．例1(巴拿赫火柴问题)某数学家随身带着甲、乙两盒火柴,每盒有n根,每次用时,随机地任取一盒,然后从中抽取一根．求:首次发现一盒空时,另一盒恰剩r根火柴的概率(r= 0,1,2,…,n)．     

正項級数判斂的一个方法

定理.設所考虑的級数有下面的形式: sum from n=0 to ∞ a_n=sum from n=0 to ∞ f(n),a>0,(A)其中f(n)是当x=n时,由某一函数f(x)所确定的值。假設1)当x>c时(c为常数),f(x)連續且有直到m阶的有限导数。2) (?) f(x)=(?) f′(x)=…=(?) f~(m-1)(x)=0。可用对函数f(x)逐次微分的方法来判別級数(A)是收斂或发散的。即,如果对m次导数f(m)(x),存在一冪函数x~(a m)(a>0)使得 lim x~(a m)f~(m)(x)=K (0≤|K|≤ ∞)。(B)那末1) 当a>1,|K|< ∞时,級数(A)收斂;2) 当a≤1,|K|>0时,級数(A)发散。证.对f(x)和1/x~(a m)之比应用洛毕达法则m次,并注意(B)式: 因此也有     

新题征展(68)

A题组新编1.(1)已知等差数列{an}的前n项和为Sn,若Sm=Sn(m≠n),则Sm+n=;(2)已知函数f(x)=ax2+bx,若f(m)=f(n)(m≠n),则f(m+n)=;(3)已知函数f(x)=ax2+bx+c(a≠0),若f(m)=f(n)(m≠n),则f(m+n)=.2.(1)已知等差数列{an}的前n项和为Sn,若Sm=n,Sn=m(m≠n),则Sm+n=;(2)等差数列{an}的前n项和为Sn,若Sm=a,Sn=b(m≠n),则Sm+n=;(3)已知函数f(x)=ax2+bx(a≠0),若f(m)=t,f(n)=s(m≠n),则f(m+n)=;(4)f(x)=ax2+bx+c(a≠0),若f(m)=t,f(n)=s(m≠n),则f(m+n)=.3.(1)在周长为定值l的直角三角形中,怎样的三角形面积最大?最大面积是多少?请详述理由;(2)在…     

n次迭代还原函数的一个构造定理

定义1记函数f(x)=f[1](x),f(f(x))=f[2](x),…,f(f(…f(x)…))=f[n](x),f[n](x)为f(x)的n次迭代.定义2记f(x),f[2](x),f[3](x),…,f[n](x)的定义域的交集为A,若对于任意的x∈A,存在最小的正整数n,使得f[n](x)=x,则称f(x)为n次迭代还原函数.不难证明,若f(x)为n次迭代还原函数,则     

c~∞函数有限决定性的充要条件

在c~∞函数的奇点理论中,通常把c~∞函数局部地分做所谓微分芽的等价类,J.Mather证明了对微分芽的有限决定性,有一个充分条件和一个必要条件.即(1)若m(n)~k m(n)+m(n)~(k+1),则f是k决定的.(2)若f是k决定的,则m(n)~(k+1) m(n).D.Siersma证明,对齐次多项式来说,(2)也是充分的.M.A.B.,Dekin把c~∞函数分成更粗的等价类.f,g∈c~∞(n,1)叫做T等价的,若它们在原点x=0的Taylor级数完全相同,此即形式幂级数的方法.     

小概率事件原理的一点补充

设A为随机试验E中的小概率事件．那么．在一次试验中．A可被看成不可能事件;但随着试验次数的增加,A迟早发生的概率为1．实例解释其应用．     

有限域上的高斯和与有理点的计算

设f是有限域Fq上的n元m项多项式,D_f∈Z_(≥0)~(n×m)为其次数矩阵,用N(f)表示由超曲面f=0在仿射空间An(Fq)确定的Fq-有理点的个数.若矩阵A∈Z~(n×m)在环Z/(q-1)Z中与Df行等价,则记为D_fr～A.本文利用高斯和给出了当m≤n且0D_fr～diag(λ_1,···,λ_m),其中λi∈{1,3}时N(f)的具体表达式,从而推广了已知结论.     

谈古典概率的计算

古典概型是指研究问题中,那些基本事件数有限,且各基本事件发生的概率都相等的一类问题。虽概率计算公式简单,P(A)==事件A所含基本事件数n/样本空间中基本事件总数m但在实际计算中,题目五花八门,内容繁多,对初学者来说,常有束手无策之感。现对古典概型问题加以抽象,     

用二项分布解一类概率应用题

根据新教材第三册P7给出二项分布的定义知,满足下面两个条件的随机变量ξ(ξ表示的是在n次独立重复试验中,事件A发生的次数,ξ=0,1,2,…,n)服从二项分布,记为ξ～B(n,p).     

矩阵张量积不可约性的表征

为矩阵A与B的张量积,记为C=A(?)B。 定义Ⅰ设A=(a_(ij))∈C~(n×n),B=(b_(ij))∈C~(m×m)。若A在某位置(f,f)之非零元素链中有一个含r_1个A中的非零元:A(f,f)=a_(fe_1)a_((e_1)(e_2)…a_(e_r))(?),B在某位置(t,t)之非零元素链中有一个含r_2个B中的非零元:B(t,t)=b_((ts_1))b_((s_1s_2))…bs_(s_r_2-1)l,且(r_1,r_2)=1,1≤f≤n,1≤r≤m,则称A,B满足弱链条件。     

对概率教学中两个问题的认识

文[1]通过教学实例,展示了学生对概率的理解和一些认识问题.纵观全文,最核心的问题是:如何认识随机事件发生的频率和概率之间的关系.作者在文末提出了一个终结性的理论观点:"…即对数列{m/n}来讲,P(A)=lim n→∞ m/n,从这一角度出发我们可以对概率进行精确的表述与计算…".这段话的意思简明地说就是:随机事件的概率就是频率的极限值.     

有理分式的增广图示及其在工程控制论中的应用

本文研究有理分式的增广图示,分子分母分别为n及m次多项式的有理分式,它的根轨迹方程的次数,当n+m是偶数时,是y2的(n+m)/2-1次;当n+m是奇数时,是(n+m-1)/2次.因此,n+m≤10的图示数据能用公式计算有理分式的增广图示能应用于研究反馈系统及特征方程的任一实系数作参数的图线特性.用本文理论易证倒分式定理:K₁=f(n)(s)/(F)(m)(s),与K₂=F(m)(s)/f(n)(s)二者在复数平面上的根轨迹完全相同又由图示知识发现,不论n和m多大,只要有理分式的零点和极点在实轴上相间排列,它就没有复数根轨迹,这样的系统不会发生振荡,本文对这种分式可能存在的稳定区作较全面地分析.     

BMO ESTIMATES FOR MULTILINEAR FRACTIONAL INTEGRALS

In this paper,the authors prove that the multilinear fractional integral operator T A 1,A 2 ,α and the relevant maximal operator M A 1,A 2 ,α with rough kernel are both bounded from L p (1 p ∞) to L q and from L p to L n/(n α),∞ with power weight,respectively,where T A 1,A 2 ,α (f)(x)=R n R m 1 (A 1 ;x,y)R m 2 (A 2 ;x,y) | x y | n α +m 1 +m 2 2 (x y) f (y)dy and M A 1,A 2 ,α (f)(x)=sup r0 1 r n α +m 1 +m 2 2 | x y | r 2 ∏ i=1 R m i (A i ;x,y)(x y) f (y) | dy,and 0 α n, ∈ L s (S n 1) (s ≥ 1) is a homogeneous function of degree zero in R n,A i is a function defined on R n and R m i (A i ;x,y) denotes the m i t h remainder of Taylor series of A i at x about y.More precisely,R m i (A i ;x,y)=A i (x) ∑ | γ | m i 1 γ ! D γ A i (y)(x y) r,where D γ (A i) ∈ BMO(R n) for | γ |=m i 1(m i 1),i=1,2.     

不含定距元素的组合数的递归公式

§1.引言记f(m)(n,k)为{1,2,3,…}的这样的k元子集A的个数,使Aj,i∈A,当j>i时有j-i≠m。g(m)(n,k)为{1,2,3,…n)这样的k元子集A的个数,使Aj,i∈A,j-i≠m(modn).f(m)(n,k)和g(m)(n,k)的组合意义是显然的。即分别是在直线排列和环排列n的     

整数方阵的Waring问题

本文证明了:对任意给定的整数 m≥2和 n≥2,存在正整数 f(n,m),使得任何 n 阶整数方阵均可表示为 f(n,m)个整数方阵的 m 次幂之和.并对 f(n,m)作了估计,从而推广、改进了 M.Newman 1985年的结果.     

和事件的概率

一般地,对于n个随机事件A1,A2,…,An中,至少有一个发生的事件,叫做这n个事件的和事件.记作事件A1+A2+…+An.和事件的概率可用其对立事件的概率表示,即P(A1+A2+…+An)=1-P(A1·A2·…·An),称为概率的和与积的互补公式,求和事件的概率时常常用到它.解决概率问题时,求和事件的概