概率论和统计建模—基础篇

概率论和统计建模—基础篇

本课程首先带领大家回顾概率统计的基本知识概念(这里讲解的不是非常全面,更全面的会在下一个提高篇中讲解),然后会讲解数据的描述性分析(借助R语言中的函数对数据进行描述性分析,这里不讲解R语言的基础知识,如果需要,会在提高篇中详细讲解),接着会讲解参数估计中的最简单最基础的点估计,最后会讲解假设检验的基本概念和一元线性回归。

19.9 931 人学习

课程大纲:

本课程首先带领大家回顾概率统计的基本知识概念,然后会讲解数据的描述性分析(借助R语言中的函数对数据进行描述性分析,这里不讲解R语言的基础知识,如果需要,会在提高篇中详细讲解),接着会讲解参数估计中的最简单最基础的点估计,最后会讲解假设检验的基本概念和一元线性回归

 

课程目的:

本课程是为想要进入大数据、机器学习和人工智能领域学员提供的最基础的概率统计课程,所以称之为基础篇。希望通过本课程的学习,学员能够掌握概率统计的基本概念;能够运用R语言函数进行统计分析的第一阶段工作即数据的描述性分析,也就是能够通过图表、计算统计量等描述数据的分布特征;能够理解统计推断中最简单的点估计形式和假设检验的概念;能够理解回归分析中最简单的一元线性回归分析方法


讲师简介:

AllenJ 硕士毕业于HUST,国内某公司平台信息部门高级软件工程师,从事平台系统开发及数据维护相关工作,热衷大数据、人工智能相关技术创新工作,熟练掌握大数据基础数学知识框架,曾参与国家和美国数学建模大赛,对概率统计、矩阵论以及其他高等数学基础学科有较深入研究。

 

课程目录:

第一章概率统计基本概念

1. 课程介绍

2. 随机事件和概率

3. 离散型随机变量的概念

4. 离散型随机变量的数字特征

5. 数理统计的基本概念

第二章数据描述性分析基础

6. 统计量的描述

7. 常见的分布

8. R语言绘制常见分布图

第三章参数估计—点估计

9. 矩法估计

10. 极大似然估计

11. 估计量的优良准则

第四章假设检验的基本概念

12. 假设检验的基本概念和步骤

13. 假设检验的两类错误

14. 常见参数假设检验

第五章回归分析—一元线性回归

15. 一元线性回归模型及最小二乘法

16. 一元线性回归模型的参数估计

17. 一元线性回归模型的假设检验


资料获取:

本文所用课件、数据集、代码等将分享到课程公告及天善微信群。

关注课程更新情况,加天善六号管理员微信:tianshansoft06,邀请进入微信交流群。

1491979924_meitu_1.jpg


改版

反馈