【视频教程】人工智能之统计学基础

课程介绍:

1.1.1数理统计学的基本知识.mp4

2.2.2.1参数估计的方法.mp4

3.3.2.2估计的优良性标准

4.4.2.3置信区间

5.5.2.4分布函数与密度函数的估计

6.6.3.1假设检验问题的提出

7.7.3.2-3.4似然比检验

8.8.3.5-3.6p值及拟合优度检验

9.9.3.7非参检验

10.11.1抽样调查的意义与基本作用

11.12.2.1 2.2总体与样本 抽样方法简介

12.13.2.3误差与精度的表示方法

13.14.3简单随机抽样

14.15.4试验设计

15.17.1绪论

16.18.2.1 2.2多元正态分布的定义与性质

17.19.2.3 2.4条件分布及参数估计

18.20.3.1.1正态变量的二次型

19.21.3.1.2威沙特分布

20.22.3.1.3 3.1.4霍特林分布和维尔克斯分布

21.23.3.2单总体均值向量的检验及置信域

22.24.3.3多总体均值向量的检验

23.25.3.4协方差阵的检验

24.26.3.5 3.6独立性及正态性检验

25.27.4.1距离判别

26.28.4.2贝叶斯及广义平方距离

27.29.4.3 4.4Fisher判别法及判别效果的检验

28.30.5.1 5.2 聚类分析的方法及距离与相似系数

29.31.5.3系统聚类法

30.32.5.4系统聚类法的性质

31.33.6.1总体的主成分

32.34.6.2样本的主成分

33.35.6.3主成分分析的应用

34.36.7.1 7.2引言及正交因子模型

35.37.7.3参数估计方法

36.38.7.4方差最大的正交旋转

37.39.7.5因子得分

38.41.1.1建立简单线性模型

39.42.1.4 1.5最小二乘性质及方差分析

40.43.1.1建立简单线性模型

41.44.1.1建立简单线性模型

42.45.1.6-1.8测定系数置信区间及残差

43.46.2.1 2.2多元回归的矩阵表示

44.47.2.3 2.4 2.5多元方差分析及附加变量图

45.48.3下结论

46.49.4.1残差

47.50.4.2异常值

48.51.4.3案例的影响

49.52.5.1 5.2散点图及非常数方差

50.53.5.3 5.4非线性及响应变量变换

51.54.5.5 5.6自变量变换及正态性检验

52.55.6.1-6.3多项式回归及虚拟变量

53.56.6.4比较回归直线

54.57.6.5 6.6尺度不变性

55.58.7.1-7.3共线性

56.59.7.4-7.6变量选择

57.60.7.7逐步回归

58.61.7.8变量选择的准则

59.62.7.9-7.11所有可能的回归及LASSO和LARS

60.63.8.1稳健估计

61.64.8.2有偏估计

62.65.8.3偏最小二乘回归

63.66.9线性回归的推广

64.68.图论与网络模型(上)

65.69.图论与网络模型(下)

Thumbs.db

下载地址:

链接: https://pan.baidu.com/s/1HE-gySOkQwfgemE5kiHFFQ

密码:http://dt1.8tupian.com/11827a4b990.pg0

原文地址:https://www.cnblogs.com/ai2050/p/10733080.html

时间: 2024-11-12 02:42:29

【视频教程】人工智能之统计学基础的相关文章

Python神经网络算法与深度学习视频教程人工智能算法机器学习实战视频教程

38套大数据,云计算,架构,数据分析师,Hadoop,Spark,Storm,Kafka,人工智能,机器学习,深度学习,项目实战视频教程 视频课程包含: 38套大数据和人工智能精品高级课包含:大数据,云计算,架构,数据挖掘实战,实时推荐系统实战,电视收视率项目实战,实时流统计项目实战,离线电商分析项目实战,Spark大型项目实战用户分析,智能客户系统项目实战,Linux基础,Hadoop,Spark,Storm,Docker,Mapreduce,Kafka,Flume,OpenStack,Hiv

统计学基础

统计学基础 统计 本文主要是对公开课<简单统计学>及书本<商务与经济统计>的学习笔记及练习. 一.统计基本概念 统计基本范围 统计工作流程 随机变量的种类 二.常用统计量及统计图表 连续型数据特征值的计算 集中趋势的度量 平均数.中位数.众数: 分散趋势的度量 全距.方差(变异数).标准差: 分布形态的度量 偏度.峰度: 相关关系的度量 协方差.相关系数: 下面是一些用来表示样本统计量和总体参数的符号, 连续型数据特征值的应用 经验法则(切比雪夫定理的应用) 五数概括法(five-

统计学基础知识索引

面向小白的统计学:描述性统计(均值,中位数,众数,方差,标准差,与常见的统计图表)集中趋势:均值,中位数,众数离散程度:极差,方差,标准差常见统计图表:直方图,概率质量函数,箱线图,茎叶图 统计学基础知识索引

03.风哥Oracle数据库入门必备Linux基础系列视频教程(Oracle零基础教程)

03.风哥Oracle数据库入门必备Linux基础系列视频教程(Oracle零基础教程)链接:https://pan.baidu.com/s/19C4vzPKq8EwKtJublmIB3w 提取码:lez8 请分享链接到5个QQ IT交流群后,加入以下QQ群找群主获取更多免费视频. 更多视频教程,请加入QQ群(只加一个即可):189070296336282998 原文地址:http://blog.51cto.com/oracle18c/2314272

.net视频教程,.net开发基础视频教程

有朋友给我推荐了一套.net视频教程,是从零基础开始学的,感觉还是不错的,现在分享给大家: 1.这门课程选择实际工作中常用的实用的技术.重点讲解企业开发中80%的时间在使用的20%的技术上逐步深入讲解:而非一 步到位,对核心技术折 分在不同的阶段讲解,以求学习效果的最大化 2.随用随讲:对于部分技能,第一次讲解时只介绍基本的,常用的技术细节,其他技术细节将在案例.项目中需要时再进行讲解 3.项目经验体现在调试能力.业务能力和工作流程三方面 4.使用的开发环境为VS2010,.net 4.0类库,

数据分析概率及统计学基础

一.数据分析概述 1. 数据分析的概念 数据分析就是分析数据,从一大堆数据中提取你想要的信息.比较专业的回答:数据分析是有针对性的收集.加工.整理数据,并采用统计.挖掘技术分析和解释数据的科学与艺术.比较客观的回答:从行业的角度看,数据分析是基于某种行业目的,有目的地对数据进行收集.整理.加工和分析,提炼有价值信息的过程. 理解数据分析的三个方面:目标.方法.结果. 2. 数据挖掘的概念 数据挖掘是从大量的.不完全的.有噪声的.模糊的.随机的数据集中识别有效的.新颖的.潜在有用的,以及最终可理解

只需几分钟跟小猫学前端(内含视频教程):nodejs基础之用express、ejs、mongdb建设简单的网站

开门见山视频教程 https://v.qq.com/x/page/d0645s79xrq.html 前 言: 这是小猫的第二篇node教程,第一篇教程是一个简单的试水,小猫的node教程面向对象为没有后端开发经验的但对node有所了解的web前端工程师们,每篇几分钟的视频和博文,由浅入深的学习node.所以跟小猫一起学node吧,小猫期待亲的持续关注. 今天将为大家带来的是一个电商展示小网站,使用express,ejs,mongodb搭建(不要问本喵技术选型问题,本文重点是让小白前端认识全栈开发

统计学基础(1)

统计学: 统计学可以分为:描述统计学和推断统计学 描述统计学:使用特定的数字或图表来体现数据的集中程度和离散程度.例:每次考试算的平均分.最高分.各个分段的人数分布等,也是属于描述统计学的范围. 推断统计学:根据样本数据推断总体数据特征.例:产品质量检查,一般采用抽检,根据所抽样本的质量合格率作为总体的质量合格率的一个估计. 集中趋势: 对于一组数据,如果只容许使用一个数字去代表这组数据,那么选择数据的中心,即反映数据集中趋势的统计量. 均值:算数平均数,描述平均水平. 中位数:将数据按大小排列

统计学基础知识

本文主要介绍:统计学基本概念.数据的收集.数据的描述.回归和分类.多元分析,其中回归和分类.多元分析是学习重点.统计学中的其它概念如:概率及分布.参数估计.假设检验属于经典统计的内容,在此文略去,时间序列分析及指数是金融方面的应用,也一并略去,如有需要请查阅相关书籍. 参考书籍: 贾俊平.<统计学>.第六版 王喜之.<统计学:从数据到结论>.第四版 1.统计学基本概念 统计学:收集.处理.分析.解释数据并从中得出结论的科学. 数据分析的方法可分为描述统计和推断统计.