使用 numpy 的时候, 很多对 array 的操作都会涉及到 axis, 比如 rot90 (旋转), sum (求和). 二维的 array 还比较容易在脑中形象化或者在纸上画出来, 三维的就已经有难度了, 更高维的 array 就基本上不可能了 (不知道有没有人能够做到, 也许那些数学家物理学家可以?). 无法理解 axis, 在使用 numpy 的过程中就会遇到很多问题, 虽然现在能用到的对二维 array 进行的操作, 但是不好好理解一下总是心里没底. 在这里我记录一下对 axis 的理解, 表达能力有限, 主要目的还是留给自己以后查阅.

本文转载自 http://www.jb51.net/article/45646.htm

如想更多了解 SSL/TLS, 可以参考 http://seanlook.com/2015/01/07/tls-ssl/

以下步骤创建一个 self-signed certificate, 用于测试环境设置. 生产环境中请使用 CA 中心颁发的证书.

Nginx 配置文件样例, 包括一个代理服务器(到 API server) 和一个静态服务器.

$\overline{x}$ 的数学期望

$$
E(\overline{x}) = \mu
$$

式中，$E(\overline{x})$ 为 $\overline{x}$ 的数学期望；$\mu$ 为总体均值。

$\overline{x}$ 的标准差

有限总体

$$
\sigma_{\overline{x}} = \sqrt {\frac {N - n} {N - 1}} (\frac {\sigma} {\sqrt{n}})
$$

$\sqrt {\frac {N - n} {N - 1}}$ 为 有限总体修正系数（finite population correction factor）

均匀概率分布

连续型均匀概率分布的数学期望和方差

均匀概率函数

$$
f(x) = 1 / n
$$

数学期望

$$
E(x) = \mu = \sum {xf(x)}
$$

数学期望是随机变量取值的加权平均，其中的权重是概率。

方差/标准差

$$
Var(x) = \mu^2 = \sum {(x - \mu)^2 f(x)}
$$

组合

$$
C_n^N = \binom{N}{n} = \frac {N!} {n!(N - n)!}
$$

排列

$$
P_n^N = n! \binom{N}{n} = \frac {N!} {(N - n)!}
$$

总体方差

$$
\sigma^2 = \frac{\sum{(x_i - \mu)^2}}{N}
$$

样本方差

$$
s^2 = \frac{\sum{(x_i - \overline{x})^2}}{n - 1}
$$

在 Arch Linux 上安装 Nginx 和 PHP，作为自己的笔记，只记录最小化的步骤，不讨论更多的细节。

Overview

For a reason that-must-not-be-said, one has to setup a proxy server on a VPS, and access the proxy server from a VPN. This artical describes the steps to setup Tinc for VPN and Squid for proxy.