- 综合排序
- 最热优先
- 最新优先
- 来自专栏产品经理的人工智能学习库
数理统计（Mathematical statistics）
文章目录 百度百科版本 数理统计是数学的一个分支，分为描述统计和推断统计。它以概率论为基础，研究大量随机现象的统计规律性。
91110发布于 2019-12-18 - 来自专栏FREE SOLO
数理统计----协方差公式推导
协方差公式推导 cov(X,Y)=∑ni=1(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])] cov(X,Y)=∑i=1n(Xi−X¯)(Yi−Y¯)n=E[(X−E[X])(Y−E[Y])]
3.1K20发布于 2019-06-14 - 来自专栏前行的CVer
概率论与数理统计
⌛️本文状态：已完结✔️ 翻到一年前自己的日志中记载到“要深入理解好大数定律和中心极限定理，这是数理统计的灵魂。”感觉还挺叼的，翻出来复习一下。
59910发布于 2021-03-04 - 来自专栏云计算与大数据
数理统计｜回归分析的概念
4311736126&hsa_cam=14854202152&hsa_grp=&hsa_ad=&hsa_src=x&hsa_tgt=&hsa_kw=&hsa_mt=&hsa_net=adwords&hsa_ver=3&
74710编辑于 2022-01-17 - 来自专栏我的充电站
概率论与数理统计 Chapter3. 随机变量的数字特征
image.png image.png
22640编辑于 2022-04-13 - 来自专栏mathor
概率论与数理统计（一）
一、样本空间 一个试验若满足条件： （1）试验可以在相同的条件下重复进行； （2）试验的所有结果是明确可知的，并且不止一个； （3）进行一次试验之前无法预料哪个结果会出现； 那么则称这样的试验为随机实验 $\emptyset\subset A\subset B$. 2.事件的相等（$A = B$） 若$A\subset B$且$B\subset A$，则称事件$A$与事件$B$相等. 3. B = B \bigcup A，AB = BA$ （2）结合律 $（A \bigcup B）\bigcup C = A \bigcup （B \bigcup C），（AB）C = A（BC）$ （3）
58540发布于 2018-06-22 - 来自专栏Java架构师必看
概率论与数理统计 卡方分布_概率论与数理统计方差的性质
概率论与数理统计 卡方分布_概率论与数理统计方差的性质概率论与数理统计——卡方分布的期望与方差E(X)=nD(X)=2n 若X为随机变量，且X满足X∼χ2(n)X\sim\chi^2(n)X∼χ2(n 今天说一说概率论与数理统计 卡方分布_概率论与数理统计方差的性质,希望能够帮助大家进步!!! 概率论与数理统计——卡方分布的期望与方差 E(X)=n D(X)=2n 若X为随机变量，且X满足 X ∼ χ 2 ( n ) X\sim \chi ^2(n) X∼χ2(n)，则期望E(X)=
78150编辑于 2022-05-03 - 来自专栏mathor
概率论与数理统计（二）
一、概率性质 1. 2.P( 3.（有限可加性） 两两互斥，即 ,i≠j,则 4.若 则有 5. 若试验满足： 1.样本空间S中样本点有限（有限性） 2.出现每一个样本点的概率相等（等可能性） 称这种试验为等可能概型（古典概型） 用一道例题作为引子 例1：一袋中有5个球，其中3个为白球 “一把抓” ，“一把抓”是我们做题经常用的方法，直接从所有的球中摸两个出来，所以是 ，从3个白球中摸一个出来 ，从2个黄球中摸一个出来 总结一下 “一把抓”这种方式，简单粗暴，容易理解
1.4K30发布于 2018-06-22 人工智能数学基础（六）：数理统计
数理统计是人工智能中数据处理和分析的核心工具，它通过收集、分析数据来推断总体特征和规律。本文将系统介绍数理统计的基本概念和方法，并结合 Python 实例，帮助读者更好地理解和应用这些知识。 6.1 概述 6.1.1 数理统计发展简史 数理统计起源于 17 世纪，经过贝叶斯、高斯等统计学家的贡献，逐渐发展为一门成熟的学科。 6.1.2 数理统计的主要内容 数理统计主要包括描述性统计、参数估计、假设检验、回归分析等内容，用于从数据中提取信息、做出决策和预测。 = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 广告投入和销售额数据 advertising = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]).reshape(-1, 1) sales = np.array([2, 3, 5, 7, 8, 10, 12, 15, 17, 19]) # 创建线性回归模型并拟合数据
20310编辑于 2026-01-21- 来自专栏glm的全栈学习之路
数理统计之数据预测：浅谈ARIMA模型
（另起文章介绍） 3. ARIMA的参数与数学形式 ARIMA模型有三个参数:p,d,q。 首先：（1）经过d次差分后，判断该随机过程是否平稳；(2) 找到合适的d之后，xtxt转化为平稳的随机过程Δdxt∆dxt ；（3）Δdxt∆dxt构建为自回归移动平均过程，ARMA(p,q)，即完成了将随机过程
5.9K20发布于 2020-09-28 - 来自专栏PPV课数据科学社区
连载 | 概率论与数理统计(3) – 一维离散型随机变量及其Python实现
对于概率论与数理统计方面的计算及可视化，主要的Python包有scipy, numpy和matplotlib等。 ： p(0) = 2/20 = 0.1; p(1) = 3/20 = 0.15; p(2) = 9/20 = 0.45; p(3) = 1/20 = 0.05; p(4) = 1/20 = 0.05; sampling_and_empirical_dis() View Code Reference ---- 《概率论与数量统计》，陈希孺，中国科学技术大学出版社，2009年2月第一版 中国大学MOOC：浙江大学，概率论与数理统计 ://stackoverflow.com/questions/25273415/how-to-plot-a-pmf-of-a-sample 待续…… 系列回顾： 连载 | 概率论与数理统计(1) – 基本概念 连载 | 概率论与数理统计(2) – 随机变量概述
1.5K20发布于 2018-07-24 - 来自专栏诡途的python路
Task2：数理统计与描述性分析
""" a = [1,2,4,5,3,12,12,23,43,52,11,22,22,22] a_mean = np.mean(a) #均值 a_med = np.median(a) #中位数 print () #得到的是Series print("a的众数:",a_m2.iloc[0]) # 转成pandas的数据框，返回df数据框 # 包含 计数、均值、标准差、最大最小值，中位数，1/4分位数 ，3/ values,bins,labels=group_names,right=False) #标签——可以定义传入labels, #传入series时labels有效，传入list,labels默认0，1，2，3目前没找到原因
82910编辑于 2022-05-09 - 来自专栏机器学习与统计学
概率论与数理统计公式整理(完整版)
转自：轻松学高等数学（easystudymath） 第二章 随机变量及其分布 第三章 二维随机变量及其分布 第四章 随机变量的数字特征 第五章 大数定律和中心极限定理 第六章 样本及抽样分布 第七章
4.9K33发布于 2019-07-15 - 来自专栏rikka
数据科学基础(五) 数理统计的基本概念
文档目录 随机事件及其概率 随机变量及其分布 期望和方差 大数定律与中心极限定理 数理统计的基本概念 参数估计 假设检验 多维 回归分析和方差分析 降维 5.1. 总体与样本 5.2. 性质:因为该分布是对称的, t_{1-\alpha}(n)=-t_{\alpha}(n) 3. ^{2}}=\frac{1}{\sigma^{2}} \sum_{i=1}^{n}\left(X_{i}-\bar{X}\right)^{2} \sim \chi ^{2}(n-1) 证明较复杂,略(3)
91920编辑于 2022-01-19 - 来自专栏微生态与微进化
回归分析与方差分析：数理统计的基石
这两种分析是很多数理统计例如组间差异分析（Metastats、Adonis、Anosim）、约束排序分析（RDA、CCA、CAP）、决策树分析（MRT、ABT、RF）的基础，堪称数理统计的基石。
1.4K20编辑于 2022-05-05 - 来自专栏Datawhale专栏
机器学习数学基础：数理统计与描述性统计
而今天的这篇内容是在概率论的基础上往前一步， 属于数理统计的内容。 大纲如下： 数理统计的基础（基础概念， 统计量与抽样分布， 常用统计量） 描述性统计（数据集中趋势和离散趋势， 分布特征， 偏度与峰度） ? 数理统计基础 前面已经分析了数理统计是基于是通过从未知分布中抽取多个样本， 对这些数据进行统计分析进而去分析随机变量的规律和特点， 所以在这里面依然会涉及到一些基本的概念。 在数理统计中， 总体就是研究对象的全体， 通常用一个随机变量表示， 组成总体的每个基本单元叫个体， 而总体中包含的个体总数就是总体容量。 写到最后 数理统计是从抽样统计的角度去估计样本的总体分布或未知的规律， 首先介绍了数理统计里面的基本概念， 例如总体，个体， 样本等， 然后是统计量与抽样分布， 介绍了常用的统计量像均值， 方差， 标准差
2K20发布于 2020-07-02 - 来自专栏华章科技
详解数据科学与数理统计的基本概念
导读：数据分析要熟练掌握数据科学与数理统计的基本概念。 作者：张秋剑 张浩 周大川 常国珍 来源：大数据DT 01 数据科学的基本概念 随着计算机技术的发展和有用数据的快速增多，数据科学应运而生。 与数据科学相关的知识涉及多个学科和领域，包括统计学、数据挖掘、模式识别、人工智能（机器学习）、数据库等，如图1-3所示。数据科学的算法来源比较复杂，所以同一概念在不同领域的称呼不一样。 ▲图1-3 数据科学知识领域 数据库 数据是数据科学的基础，任何数据分析都离不开数据。如今信息化建设日趋完善，数据库作为存储数据的工具，被数据分析人员广泛使用。 02 数理统计技术 数理统计博大精深，但入门并不难。只要掌握本节中介绍的描述性统计分析和统计推断的知识，你便可应对绝大部分工作。 1.
76110编辑于 2022-03-11 - 来自专栏小小挖掘机
机器学习数学基础：数理统计与描述性统计
而今天的这篇内容是在概率论的基础上往前一步， 属于数理统计的内容。 大纲如下： 数理统计的基础（基础概念， 统计量与抽样分布， 常用统计量） 描述性统计（数据集中趋势和离散趋势， 分布特征， 偏度与峰度） ? 数理统计基础 前面已经分析了数理统计是基于是通过从未知分布中抽取多个样本， 对这些数据进行统计分析进而去分析随机变量的规律和特点， 所以在这里面依然会涉及到一些基本的概念。 在数理统计中， 总体就是研究对象的全体， 通常用一个随机变量表示， 组成总体的每个基本单元叫个体， 而总体中包含的个体总数就是总体容量。 写到最后 数理统计是从抽样统计的角度去估计样本的总体分布或未知的规律， 首先介绍了数理统计里面的基本概念， 例如总体，个体， 样本等， 然后是统计量与抽样分布， 介绍了常用的统计量像均值， 方差， 标准差
2.6K20发布于 2020-07-03 - 来自专栏PPV课数据科学社区
连载 | 概率论与数理统计(1) – 基本概念
概率论与数量统计： 实际上，一般概率论与数理统计被认为是两个学科。 {(兄, 妹), (姐, 弟), (姐, 妹)} A = {(姐, 妹)} 由于事件B已经发生，所以这时试验的所有可能只有三种，而事件A包含的基本事件只占其中的一种，所以有： P(A|B) = 1/3, 即在已知至少一个是女孩的情况下，两个都是女孩的概率为1/3。 图3：从事件到随机变量 例：用X表示单位时间内某电话交换台收到的呼叫次数，它是一个随机变量。 Reference ---- 中国大学MOOC：浙江大学，概率论与数理统计 中国大学MOOC：哈尔滨工业大学，概率论与数理统计 https://www.mathsisfun.com/data/random-variables.html
94210发布于 2018-07-24 - 来自专栏数据森麟
数理统计与概率论及Python实现——随机变量
后面的统计学是建立在概率论的理论基础之上的，因此可以说理解随机变量这个概念是学习和运用概率论与数理统计的关键。
75510发布于 2020-09-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号