统计学基础
文章平均质量分 74
Einstellung
这个作者很懒,什么都没留下…
展开
-
描述统计学基础
第一课:研究方法入门总体参数(如 mu 或 μ)是用来描述整个总体的值。样本统计量(如 X-bar 或 x¯ )是用来描述样本的值;我们使用统计量来估计总体参数。估计值是我们对总体参数的最佳猜测。所以,我们可以使用 X-bar 来估计 mu。 - μ-x¯称为抽样误差 - a parameter is a characteristic of a population, while a s原创 2017-05-27 19:13:47 · 2991 阅读 · 0 评论 -
推论统计学基础一:Estimation
置信区间先来介绍一下置信区间的预备知识:对于正态分布而言,有3σ原则,也就是数值分布在(μ-σ,μ+σ)中的概率为0.6827;数值分布在(μ-2σ,μ+2σ)中的概率为0.9544;数值分布在(μ-3σ,μ+3σ)中的概率为0.9974。其中μ为样本均值,σ为样本标准差。而2σ时概率分布已经达到95%以上的水平,事件不发生的概率只有5%,可以说是极有可能发生了。所以在讨论某个情况的置信区间时通常我原创 2017-06-13 10:59:50 · 2359 阅读 · 2 评论 -
第一次上课:特征值特征向量的几何直观
这是我上的关于模式识别领域的第一门研究生课,同往常一样,我尽量会在课程结束之后立刻对课程内容进行总结并把笔记上传到网上,供需要的人进行查阅。第一节课并没有讲什么具体的知识,主要讲了一下从几何角度对特征值特征向量的理解,关于这一方面的内容我曾经在欧姆社出版的一门书中有一点了解,这次课让我对于特征值特征向量的物理含义有了更深入的理解,下面我们一起来领略一下他的魅力吧我们这里先以二阶矩阵为例,看看几何直观原创 2017-09-14 21:33:21 · 1128 阅读 · 0 评论