61 lines
1.6 KiB
Markdown
61 lines
1.6 KiB
Markdown
---
|
|
title: 测试文档
|
|
tags: [测试, 算法, 测试1, 测试2, 测试3, 测试4, 测试5, 测试6, 测试7]
|
|
cover: /vitepress-theme-sakura/60651947_p0.jpg
|
|
---
|
|
|
|
## 代码测试
|
|
|
|
二分查找 `binsearch`
|
|
|
|
```ts
|
|
//[l, r)
|
|
function search(nums: number[], target: number): number {
|
|
let l = 0, r = nums.length;
|
|
while (l < r) {
|
|
let c = (l + r) >> 1;
|
|
if (nums[c] > target) {
|
|
r = c;
|
|
} else if (nums[c] < target) {
|
|
l = c + 1;
|
|
} else {
|
|
return c;
|
|
}
|
|
}
|
|
return -1;
|
|
}
|
|
```
|
|
|
|
## 2 级标题
|
|
|
|
### 3 级标题
|
|
|
|
#### 4 级标题
|
|
|
|
有序列表
|
|
1. First item
|
|
2. Second item
|
|
3. Third item
|
|
4. Fourth item
|
|
|
|
无序列表
|
|
- First item
|
|
- Second item
|
|
- Third item
|
|
- Fourth item
|
|
|
|
## katex 测试
|
|
|
|
正态分布的概率密度函数均值为 $\mu$ 方差为 $\sigma^2$ (或标准差 $\sigma$ )，是高斯函数的一个实例：
|
|
|
|
$$f(x;\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}} \exp \left( -\frac{(x- \mu)^2}{2\sigma^2} \right)$$
|
|
|
|
如果一个随机变量 $X$ 服从这个分布，我们写作 $X \sim N(\mu, \sigma^2)$ 。如果 $\mu =0$ 并且 $\sigma =1$ ，这个分布被称为标准正态分布，这个分布能够简化为
|
|
$$f(x) = \frac{1}{\sqrt{2\pi}} \exp\left(-\frac{x^2}{2} \right)$$
|
|
|
|
累积分布函数是指随机变量 $X$ 小于或等于 $x$ 的概率，用概率密度函数表示为
|
|
$$F(x;\mu,\sigma)=\frac{1}{\sigma\sqrt{2\pi}}\int_{-\infty}^x \exp \left( -\frac{(t - \mu)^2}{2\sigma^2}\ \right) dt$$
|
|
|
|
正态分布的累积分布函数能够由一个叫做误差函数的特殊函数表示：
|
|
$$\Phi (z)={\frac 12}\left[1+\operatorname {erf}\left({\frac {z-\mu }{\sigma {\sqrt 2}}}\right)\right]$$
|