【视频教程】人工智能之统计学基础

【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