正态总体参数的区间估计(应用概率统计 陈魁 清华大学出版社)
正态总体参数的区间估计
- 一、单个正态总体参数的区间估计
- 二、两个正态总体参数的区间估计
一、单个正态总体参数的区间估计
总体X∼N(μ,σ2),E(X)=μ,V(X)=σ2,X\sim N(\mu,\sigma^2),\ E(X)=\mu,\ V(X)=\sigma^2,X∼N(μ,σ2), E(X)=μ, V(X)=σ2,
样本为X1,X2,...,Xn,Xi∼N(μ,σ2),i=1,2,...,n.X_1,X_2,...,X_n,\ X_i\sim N(\mu,\sigma^2),\ i=1,2,...,n.X1,X2,...,Xn, Xi∼N(μ,σ2), i=1,2,...,n.
X‾=1n∑i=1nXi,X‾∼N(μ,σ2n),Xi−μσ∼N(0,1).\overline{X}=\frac{1}{n}\sum\limits_{i=1}^nX_i,\ \overline{X}\sim N\Big(\mu,\frac{\sigma^2}{n}\Big),\ \frac{X_i-\mu}{\sigma}\sim N(0,1). X=n1i=1∑nXi, X∼N(μ,nσ2), σXi−μ∼N(0,1).
- μ\muμ的置信区间
σ2\sigma^2σ2 | 统计量及分布 | 置信度 | 置信区间(μ‾,μ‾)(\underline{\mu},\overline{\mu})(μ,μ) | 单侧置信限 |
---|---|---|---|---|
已知 | Z=X‾−μσ/n∼N(0,1)Z=\frac{\overline{X}-\mu}{\sigma/\sqrt{n}}\sim N(0,1)Z=σ/nX−μ∼N(0,1) | 1−α1-\alpha1−α | (X‾∓δ),δ=zα2σn(\overline{X}\mp \delta),\ \delta=z_{\frac{\alpha}{2}}\frac{\sigma}{\sqrt{n}}(X∓δ), δ=z2αnσ | μ‾=X‾−δ,μ‾=X‾+δ,δ=zασn\underline{\mu}=\overline{X}-\delta,\overline{\mu}=\overline{X}+\delta,\ \delta=z_{\alpha}\frac{\sigma}{\sqrt{n}}μ=X−δ,μ=X+δ, δ=zαnσ |
未知 | T=X‾−μS/n∼t(n−1)T=\frac{\overline{X}-\mu}{S/\sqrt{n}}\sim t(n-1)T=S/nX−μ∼t(n−1) | 1−α1-\alpha1−α | (X‾∓δ),δ=tα2(n−1)Sn(\overline{X}\mp \delta),\ \delta=t_{\frac{\alpha}{2}}(n-1)\frac{S}{\sqrt{n}}(X∓δ), δ=t2α(n−1)nS | μ‾=X‾−δ,μ‾=X‾+δ,δ=tα(n−1)Sn\underline{\mu}=\overline{X}-\delta,\overline{\mu}=\overline{X}+\delta,\ \delta=t_{\alpha}(n-1)\frac{S}{\sqrt{n}}μ=X−δ,μ=X+δ, δ=tα(n−1)nS |
- σ2\sigma^2σ2的置信区间
μ\muμ | 统计量及分布 | 置信度 | 置信区间(σ‾2,σ‾2)(\underline\sigma^2,\overline\sigma^2)(σ2,σ2) | 置信区间(σ‾,σ‾)(\underline\sigma,\overline\sigma)(σ,σ) | 单侧置信限 |
---|---|---|---|---|---|
已知 | χ2=∑i=1n(Xi−μσ)2∼χ2(n)\chi^2=\sum\limits_{i=1}^{n}\Big(\frac{X_i-\mu}{\sigma}\Big)^2\sim\chi^2(n)χ2=i=1∑n(σXi−μ)2∼χ2(n) | 1−α1-\alpha1−α | (∑i=1n(Xi−μ)2χα22(n),∑i=1n(Xi−μ)2χ1−α22(n))\Bigg(\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{\frac{\alpha}{2}}(n)},\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{1-\frac{\alpha}{2}}(n)}\Bigg)(χ2α2(n)i=1∑n(Xi−μ)2,χ1−2α2(n)i=1∑n(Xi−μ)2) | (∑i=1n(Xi−μ)2χα22(n),∑i=1n(Xi−μ)2χ1−α22(n))\Bigg(\sqrt{\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{\frac{\alpha}{2}}(n)}},\sqrt{\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{1-\frac{\alpha}{2}}(n)}}\Bigg)(χ2α2(n)i=1∑n(Xi−μ)2,χ1−2α2(n)i=1∑n(Xi−μ)2) | σ2‾=∑i=1n(Xi−μ)2χα2(n),σ2‾=∑i=1n(Xi−μ)2χ1−α2(n)\underline{\sigma^2}=\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{\alpha}(n)},\overline{\sigma^2}=\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{1-\alpha}(n)}σ2=χα2(n)i=1∑n(Xi−μ)2,σ2=χ1−α2(n)i=1∑n(Xi−μ)2 σ‾=∑i=1n(Xi−μ)2χα2(n),\underline\sigma=\sqrt{\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{\alpha}(n)}},σ=χα2(n)i=1∑n(Xi−μ)2, σ‾=∑i=1n(Xi−μ)2χ1−α2(n)\overline\sigma=\sqrt{\frac{\sum\limits_{i=1}^n(X_i-\mu)^2}{\chi^2_{1-\alpha}(n)}}σ=χ1−α2(n)i=1∑n(Xi−μ)2 |
未知 | χ2=(n−1)S2σ2∼χ2(n−1)\chi^2=\frac{(n-1)S^2}{\sigma^2}\sim\chi^2(n-1)χ2=σ2(n−1)S2∼χ2(n−1) | 1−α1-\alpha1−α | ((n−1)S2χα22(n−1),(n−1)S2χ1−α22(n−1))\Bigg(\frac{(n-1)S^2}{\chi^2_{\frac{\alpha}{2}}(n-1)},\frac{(n-1)S^2}{\chi^2_{1-\frac{\alpha}{2}}(n-1)}\Bigg)(χ2α2(n−1)(n−1)S2,χ1−2α2(n−1)(n−1)S2) | ((n−1)χα22(n−1)S,(n−1)χ1−α22(n−1)S)\Bigg(\sqrt{\frac{(n-1)}{\chi^2_{\frac{\alpha}{2}}(n-1)}}S,\sqrt{\frac{(n-1)}{\chi^2_{1-\frac{\alpha}{2}}(n-1)}}S\Bigg)(χ2α2(n−1)(n−1)S,χ1−2α2(n−1)(n−1)S) | σ2‾=(n−1)S2χα2(n−1),σ2‾=(n−1)S2χ1−α2(n−1)\underline{\sigma^2}=\frac{(n-1)S^2}{\chi^2_{\alpha}(n-1)},\overline{\sigma^2}=\frac{(n-1)S^2}{\chi^2_{1-\alpha}(n-1)}σ2=χα2(n−1)(n−1)S2,σ2=χ1−α2(n−1)(n−1)S2 σ‾=(n−1)χα2(n−1)S,\underline\sigma=\sqrt{\frac{(n-1)}{\chi^2_{\alpha}(n-1)}}S,σ=χα2(n−1)(n−1)S, σ‾=(n−1)χ1−α2(n−1)S\overline\sigma=\sqrt{\frac{(n-1)}{\chi^2_{1-\alpha}(n-1)}}Sσ=χ1−α2(n−1)(n−1)S |
二、两个正态总体参数的区间估计
总体X∼N(μ1,σ12),Y∼N(μ2,σ22)X\sim N(\mu_1,\sigma^2_1),Y\sim N(\mu_2,\sigma^2_2)X∼N(μ1,σ12),Y∼N(μ2,σ22),且X,YX,YX,Y相互独立,E(X)=μ1,V(X)=σ12;E(Y)=μ2,V(Y)=σ22E(X)=\mu_1,V(X)=\sigma^2_1;E(Y)=\mu_2,V(Y)=\sigma^2_2E(X)=μ1,V(X)=σ12;E(Y)=μ2,V(Y)=σ22,μ1−μ2\mu_1-\mu_2μ1−μ2为期望差,σ12/σ22\sigma^2_1/ \sigma^2_2σ12/σ22为方差比。
XXX样本X1,X2,...,Xn1,Xi∼N(μ1,σ12),i=1,2,...,n1,X_1,X_2,...,X_{n_1},\ X_i\sim N(\mu_1,\sigma^2_1),\ i=1,2,...,n_1,X1,X2,...,Xn1, Xi∼N(μ1,σ12), i=1,2,...,n1,
X‾=1n1∑i=1n1Xi,X‾∼N(μ1,σ12n1),Xi‾−μ1σ1∼N(0,1).\overline{X}=\frac{1}{n_1}\sum\limits_{i=1}^{n_1}X_i,\ \overline{X}\sim N\Big(\mu_1,\frac{\sigma^2_1}{n_1}\Big),\ \frac{\overline{X_i}-\mu_1}{\sigma_1}\sim N(0,1). X=n11i=1∑n1Xi, X∼N(μ1,n1σ12), σ1Xi−μ1∼N(0,1).
YYY样本Y1,Y2,...,Yn2,Yi∼N(μ2,σ22),i=1,2,...,n2,Y_1,Y_2,...,Y_{n_2},\ Y_i\sim N(\mu_2,\sigma^2_2),\ i=1,2,...,n_2,Y1,Y2,...,Yn2, Yi∼N(μ2,σ22), i=1,2,...,n2,
Y‾=1n2∑i=1n2Yi,Y‾∼N(μ2,σ22n2),Yi‾−μ2σ2∼N(0,1).\overline{Y}=\frac{1}{n_2}\sum\limits_{i=1}^{n_2}Y_i,\ \overline{Y}\sim N\Big(\mu_2,\frac{\sigma^2_2}{n_2}\Big),\ \frac{\overline{Y_i}-\mu_2}{\sigma_2}\sim N(0,1). Y=n21i=1∑n2Yi, Y∼N(μ2,n2σ22), σ2Yi−μ2∼N(0,1).
X‾−Y‾∼N(μ1−μ2,σ12n1+σ22n2).\overline{X}-\overline{Y}\sim N\Big(\mu_1-\mu_2,\frac{\sigma^2_1}{n_1}+\frac{\sigma^2_2}{n_2}\Big). X−Y∼N(μ1−μ2,n1σ12+n2σ22).
- μ1−μ2\mu_1-\mu_2μ1−μ2的置信区间
σ12,σ22\ \ \ \sigma^2_1,\sigma^2_2\ \ \ σ12,σ22 | 统计量及分布 | 置信度 | 置信区间(μ1−μ2‾,μ1−μ2‾)\ \ \ (\underline{\mu_1-\mu_2},\overline{\mu_1-\mu_2})\ \ \ (μ1−μ2,μ1−μ2) | 单侧置信限 |
---|---|---|---|---|
均已知 | Z=(X‾−Y‾)−(μ1−μ2)σ12n1+σ22n2∼N(0,1)Z=\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{\sqrt{\frac{\sigma^2_1}{n_1}+\frac{\sigma^2_2}{n_2}}}\sim N(0,1)Z=n1σ12+n2σ22(X−Y)−(μ1−μ2)∼N(0,1) | 1−α1-\alpha1−α | (X‾−Y‾∓δ),(\overline{X}-\overline{Y}\mp \delta),(X−Y∓δ), δ=zα2σ12n1+σ22n2\delta=z_{\frac{\alpha}{2}}\sqrt{\frac{\sigma^2_1}{n_1}+\frac{\sigma^2_2}{n_2}}δ=z2αn1σ12+n2σ22 | μ1−μ2‾=X‾−Y‾−δ,\underline{\mu_1-\mu_2}=\overline{X}-\overline{Y}-\delta,μ1−μ2=X−Y−δ, μ1−μ2‾=X‾−Y‾+δ,\overline{\mu_1-\mu_2}=\overline{X}-\overline{Y}+\delta,μ1−μ2=X−Y+δ, δ=zασ12n1+σ22n2\delta=z_{\alpha}\sqrt{\frac{\sigma^2_1}{n_1}+\frac{\sigma^2_2}{n_2}}δ=zαn1σ12+n2σ22 |
均未知,但σ12=σ22\sigma^2_1=\sigma^2_2σ12=σ22 | T=(X‾−Y‾)−(μ1−μ2)Sw1n1+1n2∼t(n1+n2−2),T=\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2),T=Swn11+n21(X−Y)−(μ1−μ2)∼t(n1+n2−2), Sw2=(n1−1)S12+(n2−1)S22n1+n2−2S_w^2=\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}Sw2=n1+n2−2(n1−1)S12+(n2−1)S22 | 1−α1-\alpha1−α | (X‾−Y‾∓δ),(\overline{X}-\overline{Y}\mp \delta),(X−Y∓δ), δ=tα2Sw1n1+1n2\delta=t_{\frac{\alpha}{2}}S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}δ=t2αSwn11+n21 | μ1−μ2‾=X‾−Y‾−δ,\underline{\mu_1-\mu_2}=\overline{X}-\overline{Y}-\delta,μ1−μ2=X−Y−δ, μ1−μ2‾=X‾−Y‾+δ,\overline{\mu_1-\mu_2}=\overline{X}-\overline{Y}+\delta,μ1−μ2=X−Y+δ, δ=tαSw1n1+1n2\delta=t_{\alpha}S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}δ=tαSwn11+n21 |
均未知,但n1,n2n_1,n_2n1,n2很大(>50) | Z=(X‾−Y‾)−(μ1−μ2)S12n1+S22n2∼N(0,1)Z=\frac{(\overline{X}-\overline{Y})-(\mu_1-\mu_2)}{\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}}\sim N(0,1)Z=n1S12+n2S22(X−Y)−(μ1−μ2)∼N(0,1) 可用S12,S22S_1^2,S_2^2S12,S22代替σ12,σ22\sigma^2_1,\sigma^2_2σ12,σ22,和σ12,σ22\sigma^2_1,\sigma^2_2σ12,σ22已知的情况一样处理 | 1−α1-\alpha1−α | (X‾−Y‾∓δ),(\overline{X}-\overline{Y}\mp \delta),(X−Y∓δ), δ=zα2S12n1+S22n2\delta=z_{\frac{\alpha}{2}}\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}δ=z2αn1S12+n2S22 | μ1−μ2‾=X‾−Y‾−δ,\underline{\mu_1-\mu_2}=\overline{X}-\overline{Y}-\delta,μ1−μ2=X−Y−δ,μ1−μ2‾=X‾−Y‾+δ,\overline{\mu_1-\mu_2}=\overline{X}-\overline{Y}+\delta,μ1−μ2=X−Y+δ, δ=zαS12n1+S22n2\delta=z_{\alpha}\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}δ=zαn1S12+n2S22 |
- σ12/σ22\sigma^2_1/ \sigma^2_2σ12/σ22的置信区间
μ1,μ2\mu_1,\mu_2μ1,μ2 | 统计量及分布 | 置信度 | 置信区间(σ12σ22‾,σ12σ22‾)\Big(\underline{\frac{\sigma_1^2}{\sigma_2^2}},\overline{\frac{\sigma_1^2}{\sigma_2^2}}\Big)(σ22σ12,σ22σ12) | 单侧置信限 |
---|---|---|---|---|
均未知 | F=(n1−1)S12σ12/n1−1(n2−1)S22σ22/n2−1∼F(n1−1,n2−1)F=\frac{\frac{(n_1-1)S_1^2}{\sigma^2_1}\Big/n_1-1}{\frac{(n_2-1)S_2^2}{\sigma^2_2}\Big/n_2-1}\sim F(n_1-1,n_2-1)F=σ22(n2−1)S22/n2−1σ12(n1−1)S12/n1−1∼F(n1−1,n2−1) | 1−α1-\alpha1−α | (S12/S22Fα2(n1−1,n2−1),S12S22Fα2(n2−1,n1−1))\Bigg(\frac{S_1^2/S_2^2}{F_\frac{\alpha}{2}(n_1-1,n_2-1)},\frac{S_1^2}{S_2^2}F_\frac{\alpha}{2}(n_2-1,n_1-1)\Bigg)(F2α(n1−1,n2−1)S12/S22,S22S12F2α(n2−1,n1−1)) | σ12σ22‾=S12/S22Fα(n1−1,n2−1),\underline{\frac{\sigma_1^2}{\sigma_2^2}}=\frac{S_1^2/S_2^2}{F_\alpha(n_1-1,n_2-1)},σ22σ12=Fα(n1−1,n2−1)S12/S22, σ12σ22‾=S12S22Fα(n2−1,n1−1)\overline{\frac{\sigma_1^2}{\sigma_2^2}}=\frac{S_1^2}{S_2^2}F_{\alpha}(n_2-1,n_1-1)σ22σ12=S22S12Fα(n2−1,n1−1) |
均已知 | F=∑i=1n1(Xi−μ1σ1)2/n1∑i=1n2(Xi−μ2σ2)2/n2∼F(n1,n2)F=\frac{\sum\limits_{i=1}^{n_1}\Big(\frac{X_i-\mu_1}{\sigma_1}\Big)^2\Big/n1}{\sum\limits_{i=1}^{n_2}\Big(\frac{X_i-\mu_2}{\sigma_2}\Big)^2\Big/n2}\sim F(n_1,n_2)F=i=1∑n2(σ2Xi−μ2)2/n2i=1∑n1(σ1Xi−μ1)2/n1∼F(n1,n2) | 1−α1-\alpha1−α | (n2∑i=1n1(Xi−μ1)2n1∑i=1n2(Yi−μ2)21Fα2(n1,n2),n2∑i=1n1(Xi−μ1)2n1∑i=1n2(Yi−μ2)2Fα2(n2,n1))\Bigg(\frac{n_2\sum\limits_{i=1}^{n_1}(X_i-\mu_1)^2}{n_1\sum\limits_{i=1}^{n_2}(Y_i-\mu_2)^2}\frac{1}{F_\frac{\alpha}{2}(n_1,n_2)},\frac{n_2\sum\limits_{i=1}^{n_1}(X_i-\mu_1)^2}{n_1\sum\limits_{i=1}^{n_2}(Y_i-\mu_2)^2}F_\frac{\alpha}{2}(n_2,n_1)\Bigg)(n1i=1∑n2(Yi−μ2)2n2i=1∑n1(Xi−μ1)2F2α(n1,n2)1,n1i=1∑n2(Yi−μ2)2n2i=1∑n1(Xi−μ1)2F2α(n2,n1)) | σ12σ22‾=n2∑i=1n1(Xi−μ1)2n1∑i=1n2(Yi−μ2)21Fα(n1,n2),\underline{\frac{\sigma_1^2}{\sigma_2^2}}=\frac{n_2\sum\limits_{i=1}^{n_1}(X_i-\mu_1)^2}{n_1\sum\limits_{i=1}^{n_2}(Y_i-\mu_2)^2}\frac{1}{F_{\alpha}(n_1,n_2)},σ22σ12=n1i=1∑n2(Yi−μ2)2n2i=1∑n1(Xi−μ1)2Fα(n1,n2)1, σ12σ22‾=n2∑i=1n1(Xi−μ1)2n1∑i=1n2(Yi−μ2)2Fα(n2,n1)\overline{\frac{\sigma_1^2}{\sigma_2^2}}=\frac{n_2\sum\limits_{i=1}^{n_1}(X_i-\mu_1)^2}{n_1\sum\limits_{i=1}^{n_2}(Y_i-\mu_2)^2}F_{\alpha}(n_2,n_1)σ22σ12=n1i=1∑n2(Yi−μ2)2n2i=1∑n1(Xi−μ1)2Fα(n2,n1) |
正态总体参数的区间估计(应用概率统计 陈魁 清华大学出版社)相关推荐
- 应用概率统计 陈魁 清华大学出版社 统计部分 期末考点
应用概率统计 陈魁 清华大学出版社 统计部分 期末考点 一.参数估计 1.点估计 1.1矩法`(用样本矩作为相应的总体矩的估计量)` 1.2极大似然法`(使得样本落在观察值的领域里的概率(似然函数)最 ...
- 方差分析(应用概率统计 陈魁 清华大学出版社)
方差分析 一.单因素 二.双因素 一.单因素 设单因素AAA有aaa个水平A1,A2,...,AaA_1,A_2,...,A_aA1,A2,...,Aa,在水平Ai(i=1,2,...,a)A_ ...
- 单个正态总体参数的区间估计、两个正态总体参数的区间估计 Matlab实现
1.(1)第一组数据如下: 20.51 25.56 20.78 37.27 36.26 25.97 24.62 利用Matlab编译程序如下: clc;clear;%清理屏幕和数据load('a.ma ...
- 应用概率统计(陈魁 编著)部分答案(方差分析第十章)
应用概率统计 陈魁 部分课后答案 研一 10.2 .10.4(声明:答案来自我们课程老师) 10.2题目: 答案如下: 10.4题目: 答案如下: ok,第十章就这些,希望能帮到你~
- 均值u的置信区间matlab,正态总体参数区间估计的MATLAB实现 - 范文中心
2010年2月 第1期吉林师范大学学报(自然科学版) Journal of Jilin Normal University (NaturalScience Edition) l . 1Feb. 201 ...
- 概率统计Python计算:双正态总体方差比的双侧区间估计
计算两个正态总体方差比的区间估计涉及样本方差 s 1 2 s_1^2 s12, s 2 2 s_2^2 s22,样本容量 n 1 n_1 n1, n 2 n_2 n2和置信度 1 − α 1- ...
- 概率统计Python计算:单因素试验参数的区间估计
对单因素试验模型X={X1,X2,⋯,Xs}X=\{X_1,X_2,\cdots,X_s\}X={X1,X2,⋯,Xs},其中Xi={Xi1,Xi2,⋯,Xini}X_i=\{X_{i1},X_ ...
- 应用概率统计(陈魁 编著)部分答案(统计部分7-9章)
***以下答案为7~9章统计部分的答案 **** 第7章 数理统计的基本概念 习题7.1.7.2答案: 第8章 参数估计 知识点总结 1.矩法估计步骤 2.极大似然估计步骤 3.参数的区间估计 习题8 ...
- 应用概率统计(陈魁)部分答案7~11章
数理统计应用概率统计(陈魁)部分答案7~11章 第七章 数理统计的基本概念 习题7.2.7.3.7.4.7.6,答案见下图 第八章 参数估计 习题8.1.8.4.8.6.8.8.8.11.8.12,答 ...
最新文章
- Linux 防火墙命令的操作命令CentOS
- Leetcode970. Powerful Integers强整数
- 泰山200机架服务器包含哪些型号_数据中心机房建设中的关键问题都有哪些?
- 常规单元测试和存根–测​​试技术4
- 一键对频对讲机好吗_挑战传统,新型对讲机展现独特一面--极蜂智能网络对讲机...
- xlsx文件打开乱码_Excel 2016 双击无法打开xlsx文件怎么办?
- c语言筛选法求100之内素数,用筛选法求100之内的素数。
- git(16)---解决冲突
- 阿里发布手掌大小云电脑“无影”,价格是传统PC一半
- 蓝桥杯 ADV-70 算法提高 冒泡法排序
- Python+OpenCV:形态学变换
- 使用 matlab 数字图像处理(七)—— 频率域处理
- Dash for mac(代码文档浏览器)v6.0.8
- 大学计算机实验vfp,Visual FoxPro程序设计上机实验(第2版)
- qq空间找不到服务器或dns错误,qq空间无法正常打开怎么办
- Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields【菜鸟读者】
- 基于词典规则的中文分词(C语言实现)
- 发票认证系统服务器调用失败,发票认证平台登录显示不成功怎么办
- 理解JVM(3)虚拟机参数
- Mac 常用软件下载