其他

2012年系統架構設計師考試下午試題中出現了一道25分的設計模式大題，上午仍舊是5道選擇題，可以說是從2009年開考以來設計模式試題量最大的一年。Sunny友情建議：建議大家先做做這些試題，看是否能夠正確解答，如果在解答的同時能夠拿出具體的設計和實現方案，我相信一定會受益匪淺。，試題分析和參考答案為Sunny個人所作，可能與某些發行的“標準答案”會有所不同，如有不同意見，歡迎交流。【說明：為了體現試題的真實性，每一道試題的題號均保留原始真題題號】    

第八章：假設檢驗 內容提要： 1、  在總體的分布函數完全未知或只知其形式，但不知其參數的情況下，為了推斷總體的某些未知特性，提出某些關於總體的假設，然後根據樣本對所提出的假設作出是接受還是拒絕的決策過程稱為假設檢驗。 2、  處理假設檢驗問題的步驟： （1） 根據實際問題的要求，提出原假設H0及備擇假設H1； （2） 給定顯著性水平及樣本容量； （3） 確定檢驗統計量及拒絕域的形式；

第五章   大數定律與中心極限定理 內容提要： 一、    大數定律 定理一（契比雪夫大大數定律的特殊情況）設隨機變數相互獨立，具有相同的均值和方差： 記,則對於任意給定的正數，有   設隨機變數是一個隨機變數序列,是一個常數.若對於任意給定的正數，有 則稱序列依機率收斂於,記作 依機率收斂的序列有如下的性質: 設.又設函數在點連續,則

1、三層架構 三層架構(3-tier application) 通常意義上的三層架構就是將整個業務應用劃分為：表現層（UI）、商務邏輯層（BLL）、資料訪問層（DAL）。區分層次的目的即為了“高內聚，低耦合”的思想。 1、表現層（UI）：通俗講就是展現給使用者的介面，即使用者在使用一個系統的時候他的所見所得。  2、商務邏輯層（BLL）：針對具體問題的操作，也可以說是對資料層的操作，對資料商務邏輯處理。  3、資料訪問層（DAL）：該層所做事務直接操作資料庫，

不少男生都希望自己能擁有強壯的手臂肌肉，這樣看起來會更性感，而且可以讓身邊的女孩更有安全感。訓練結實肌肉有很多方法，如慢跑、上健身房、在家自己訓練等。趕緊看看沒器材如何練手臂肌肉! 　　後束鍛煉 　　 　　1、選一把不會滑動的椅子與桌子，雙手撐在椅面上，雙腳放在案頭上，再伸直手肘以支撐身體重量，讓臀部離開椅面。 　　 　　2、接著彎曲手肘，讓身體下沉，不過臀部不接觸椅面。以上步驟1到2為1個回合，每20個回合為1組，每天進行4到5組。 　　伏地挺身步驟

1. 如何設計一個程式的結構，這是一門專門的學問，叫做"架構模式"（architectural pattern），屬於編程的方法論。 MVC模式就是架構模式的一種，它對我的啟發特別大。我覺得它不僅適用於開發軟體，也適用於其他廣泛的設計和組織工作。 下面是我對MVC模式的一些個人理解，不一定正確，主要用來整理思路。 2. MVC是三個單詞的首字母縮寫，它們是Model（模型）、View（視圖）和Controller（控制）。

跑步愛好者中有很多聰明的人，他們會利用多種途徑來提升自己的效率，譬如速度練習、上下坡衝刺、耐力練習等等。當這些合理的訓練進行到最後，你就會越來越明顯的感受到，你的速度正變得越來越快，而消耗的體能卻越來越少。

第六章專家系統 教學內容：本章主要介紹專家系統的定義、結構、特點和類型，分析了基於規則的專家系統、基於架構的專家系統和基於模型的專家系統，歸納了協同式和分布式等新型專家系統，並結合執行個體介紹了專家系統的設計方法和開發工具。 教學重點：專家系統的特點、專家系統的類型、專家系統的設計等。 教學痛點：專家系統的設計。

作者： 阮一峰 日期： 2015年2月 1日 複雜的軟體必須有清晰合理的架構，否則無法開發和維護。 MVC（Model-View-Controller）是最常見的軟體架構之一，業界有著廣泛應用。它本身很容易理解，但是要講清楚，它與衍生的 MVP 和 MVVM 架構的區別就不容易了。 昨天晚上，我讀了《Scaling Isomorphic Javascript Code》，突然意識到，它們的區別非常簡單。我用幾段話，就可以說清。

第六章  樣本及抽樣分布 內容提要 一、總體 在數理統計中，研究對象的全體稱為總體，組成總體的每個元素稱為個體。總體常用一個隨機變數X表示。若X的分布函數為F(x),稱F(x)為總體X的分布函數。 二、樣本 設X是具有分布函數F(x)的隨機變數，若是具有同一分布函數F(x)的相互獨立的隨機變數，則稱為來自總體X的一個樣本，樣本容量為n。為的一組觀測值，的聯合分布函數為 F()=F()F()…..F()= 三、統計量

第七章  參數估計 內容提要： 一、        點估計 1、設為總體的樣本，總體的分布函數形式已知，為待估參數， 為對應的樣本觀測值。點估計問題就是構造一個適當的統計量，用其觀測值來估計待估參數的取值。這裡稱為的估計量，稱為的估計值，兩者統稱的估計。這種對未知參數的定點估計稱為未知參數的點估計。

最近寫論文需要畫不少流程圖，有兩種選擇，一是word， 二是visio。原先一直用word畫，效果也還可以，但是每個組件畫完後為了便於適應排版變動，需要將需要的模組按下ctrl逐個點擊選中後進行組合。這樣有個致命的缺陷，當後期需要增加或者刪除某個組件時需要取消群組，更新完成後再重新組合。現在用visio來做會輕鬆一些，只要技巧得當，效果也可以跟WORD一樣優秀。在此記下備忘，後期保持更新。

Visio中插入公式方法： 前提條件是已安裝MathType軟體 【插入】-【圖片】-【公式】，在彈出的MathType視窗中輸入公式即可 解決直線交叉彎曲的問題： 選中彎曲的直線（在下面，被上方直線蓋住的那條直線）-【右鍵】-【格式】-【行為】-【連接線】，在下方跨線部分，添加選項中選擇【從不】，確定即可。或者使用功能表命令【格式】-【行為】-【連接線】，在下方跨線部分，添加選項中選擇【從不】，確定。

在使用Visio時需要畫大括弧（花括弧），對於Visio的各種功能模組不是十分熟悉很難找到位置。在http://furzoom.com/學習《Windows程式設計》時寫作筆記。 Visio畫大括弧、花括弧 依次選擇”檔案“->“形狀”->"其他Visio方案“->”標註“，如下圖所示。 開啟”標註“圖形欄，如圖所示。 選擇”側邊大括弧“工具，就可以畫出相應的“大括弧（花括弧）”。如圖所示。

本文從自身的實踐出發，介紹了使用電腦工作的時候，如何利用積極心理學原理與一些軟體，最佳化創作型任務的效率。 諸如寫作、翻譯這些事情，都是很需要創造力與專註力的任務。除了翻譯、寫作之外，資訊時代的工作離不開電腦了，那麼，如何更快樂地使用電腦工作呢。 1、調整你的目錄結構：搜尋而非尋找

第三章    多維隨機變數及其分布 內容提要： 一、 二維隨機變數 1、二維隨機變數的定義：設E是一個隨機實驗，它的樣本空間是， 是定義在S上的隨機變數，則叫做二維隨機向量或二維隨機變數。 2、二維隨機變數的分布函數的定義：設是二維隨機變數，對於任意實數，二元函數： 稱為二維隨機變數的分布函數，或稱為二維隨機變數和的聯合分布數. 3、二維隨機變數的分布函數的性質：

如今很多手機號綁定了各種手機APP，雖然帶來了很多方便，但換號時也需要特別的注意：一定要解除綁定當前綁定的各種帳號。 最近網上有許多“更換手機號後，支付寶或銀行卡被人轉賬”的新聞，這種情況一般都是號碼原主任沒有及時解除手機綁定造成的，所以更換手機號一定記得解除綁定銀行卡、支付寶、社交帳號……否則很可能泄露個人資訊，極其危險。 如果你換號，一定要記住這9條。下面是@人民日報整理的換號攻略：

UML圖中類之間的關係:依賴,泛化,關聯,彙總,組合,實現 類與類圖 1) 類(Class)封裝了資料和行為，是物件導向的重要組成部分，它是具有相同屬性、操作、關係的對象集合的總稱。 2) 在系統中，每個類具有一定的職責，職責指的是類所擔任的任務，即類要完成什麼樣的功能，要承擔什麼樣的義務。一個類可以有多種職責，設計得好的類一般只有一種職責，在定義類的時候，將類的職責分解成為類的屬性和操作（即方法）。 3)

第二章 隨機變數及其分布 內容提要： 一、        隨機變數的定義 設是一個隨機實驗，其樣本空間為，若對每一個樣本點，都有唯一確定的實數與之對應，則稱上的實值函數是一個隨機變數（簡記為）。 二、        分布函數的概念和性質 1．分布函數的定義 設是隨機變數，稱定義在上的實值函數

INRIA Object Detection and Localization Toolkit Author: Navneet Dalal OLT toolkit for Windows:  Wilson Suryajaya Leoputra, Curtin University, Australia, has modified OLT toolkit for windows. You can download the source code from his