在博文《一元线性回归未知参数的点估计》中利用scipy.stats的linregress函数,计算了总体分布 N ( a x + b , σ 2 ) N(ax+b, \sigma^2) N(ax+b,σ2)的未知参数 a a a, b b b和 σ 2 \sigma^2 σ2的无偏估计 a ∧ \stackrel{\wedge}{a} a∧, b ∧ \stackrel{\wedge}{b} b
设试验结果可表为随机变量 Y Y Y,影响试验结果 Y Y Y的因素是可控的且表为普通变量 x x x,若 Y Y Y~ N ( a x + b , σ 2 ) N(ax+b,\sigma^2) N(ax+b,σ2),其中 a , b a,b a,b即 σ 2 \sigma^2 σ2均为未知参数。对 x x x的一系列取值 ( x 1 , x 2 , ⋯ , x n ) (x_1,x_2,\cd
阅读提示: 本篇系列内容的是建立于自己过去一年在以LLM为代表的AIGC快速发展浪潮中结合学术界与产业界创新与进展的一些碎片化思考并记录最终沉淀完成,在内容上,与不久前刚刚完稿的那篇10万字文章 「融合RL与LLM思想,探寻世界模型以迈向AGI」间有着非常紧密的联系,可以说,这篇长篇文章中的很多内容也是基于这些碎片化的思考与沉淀,当然也正是这样的一个个碎片化的、看似玄幻大胆、step by
示例: /*** @brief how about array-unknown-count? show you here.* @author wen`xuanpei* @email 15873152445@163.com(query for any question here)*/#define _CRT_SECURE_NO_WARNINGS//support c-library in