参数估计(概率统计)
前言 参考: 浙大《概率论与数理统计》第5版 高教社《概率论与数理统计》第3版 点估计 设总体$X$的分布函数的形式已知,但它的一个或多个参数未知,借助于总体$X$的一个样本来估计总体未知参数的值
-封面.jpg)
共 22 个标签
前言 参考: 浙大《概率论与数理统计》第5版 高教社《概率论与数理统计》第3版 点估计 设总体$X$的分布函数的形式已知,但它的一个或多个参数未知,借助于总体$X$的一个样本来估计总体未知参数的值
-封面.jpg)
前言 所有$\alpha$分位数均为上分位数,在查表时请注意转换 另外,本文的假设检验主要介绍参数检验方法,非参数检验方法暂时不设计 检验总体均值(单/双独立样本均值检验) 单变量 置信区间 样本数量

前言 本文是作者备战CMC的错题本笔记归档,其中含有部分较为经典的题目以及详细的解题思路和步骤,参照蓝皮书分模块整理 文章目前正在更新 参考: 第一~十六届CMC非数学专业类真题(大部分) 上交大《
-封面.png)
进阶阅读:机器学习笔记(2):线性模型(更为全面) 所以线性模型为什么十分重要呢?因为我们人类考虑问题的时候,通常很难考虑非线性的问题。 考虑线性的问题我们会有几何上的直观印象,我们可能能用较为直观的方法得到解决方案。再加上一些技巧,我们就可以得到非线性问题的解决方案。 所以面对线性的问题我们怎么考虑呢?看看下面的例子

前言 笔者并非通讯专业科班学生,本文中的一些知识解释不严谨敬请见谅 离散傅里叶变换 变换(DFT)和逆变换(IDFT) 对于$x=(x0,\cdots,x{N1})\in\mathbb{C}^N$,内的每一个点,它的离散傅里叶变换$\hat{x}=(\hat{x}0,\cdots,\hat{x}{N1}):=DFTx$
-封面.jpg)
切比雪夫多项式 简介 19世纪中期,切比雪夫致力于寻找在区间$[1,1]$上带权正交的多项式,以解决函数逼近中的极值问题。这类多项式需要满足 1. 最小偏差性质:在所有$n$次多项式中,其在区间内的最大绝对值偏差最小 2. 正交性(带权):在权函数$\frac{1}{\sqrt{1x^2}}$的积分下正交 切比雪夫通过
-封面.jpg)
序列(Sequences) 一个序列可以被认为是一个按固定顺序排列的一列数列 $$ a1 ,a2,a3,.........an,....... $$ 数字$a1$被称为第一项,$an$被称为第n项,由于我们马上就要研究==无穷序列(infinite sequences)== 了,每一个$an$项后面还会再有一个==后继

引言 概率论是研究具有不可预测结果的行为(例如抛硬币或投掷飞镖)及其后果的数学学科。它起源于17世纪的赌博游戏研究,但其应用现在从游戏扩展到医学测试和电话网络的经济设计。用皮埃尔·西蒙·拉普拉斯(一位著名的数学家,我们将在课程中遇到他的工作)的话来说: 我们看到,概率论在本质上只是将常识简化为计算;它让我们能够欣赏那些

函数汇总 c()创建向量 names()给元素命名 []访问向量元素 ?帮助 mean()平均值 median()中位数 sd()标准差 sum()求和 prod()求积 length()返回对象的数量 dim()返回矩阵的维度,即行数和列数 nrow()返回数据框或矩阵的行数 ncol()返回数据框或矩阵的列数 wh

矩 认识矩 矩是一种数学计算方式,其数学本质是期望,一个变量的$k$阶矩为该变量的$k$次方期望 注:或者,理解为k次方均值,期望是相对于总体而言的,而均值是相对于样本而言的,二者之间通过大数定律建立
-封面.jpg)