在Statlect上搜索概率和统计术语
统计 列克特
指数

概率统计数字教科书

统计 lect是一本有关概率论和数理统计的免费数字教科书。探索其主要部分。

概率论基础

阅读关于概率论主要概念的严格而易理解的介绍,例如随机变量,期望值,方差,相关性,条件概率。

概率分布

探索常见概率分布的简编,包括二项式,泊松分布,均匀分布,指数分布和正态分布。

渐近理论

了解随机收敛,包括几乎肯定和分布上的概率收敛;阅读有关中心极限定理和大数定律的信息。

统计基础

这是对数学统计学基础的严格介绍;了解统计推断,点估计,区间估计和假设检验。

概率统计术语表

使用此词汇表来复习数字教科书中引入的最重要的技术术语。一些词汇表条目还包含其他说明和示例。

数学工具

了解概率论和统计学中经常使用的数学概念。

矩阵代数

这是关于矩阵代数中最重要主题的讲座的集合:矩阵加法和乘法;线性组合;线性独立性,等级和跨度;线性系统。

其他数学工具

复习微积分的基础知识,了解组合分析的基础知识,例如排列和组合;发现统计中使用的特殊功能。

热门网页

在Statlect上浏览一些受欢迎的页面。

最大似然

最大似然是一种估计方法,它允许使用观察到的数据来估计生成数据的概率分布的参数。

指数分布

指数分布是一种连续概率分布,用于对给定事件发生之前我们需要等待的时间进行建模。

Beta分布

Beta分布是具有两个参数的连续概率分布。它最常见的用途之一是对实验成功概率的不确定性进行建模。

泊松分布

泊松分布是一种离散的概率分布,用于对单位时间内不可预测事件的发生次数进行建模。

二项分布

离散分布用于对通过重复几次可能有两个结果(成功或失败)的实验获得的成功次数进行建模的分布。

瞬间产生功能

矩生成函数通常用于表征随机变量的概率分布。它在零处的导数等于随机变量的矩。

概率收敛

概率收敛的概念基于以下直觉:如果两个随机变量的差异非常小,则很有可能彼此“接近”。

沃尔德测试

通常基于称为Wald统计量的测试统计,对根据最大似然估计的参数执行的测试。

Beta功能

Beta函数通常在概率论和统计学中使用,例如,作为F和Student t分布的密度函数的归一化常数。

似然比检验

基于两个参数估计值比较的统计检验,一个受限制的估计值和一个不受限制的估计值。

中心极限定理

中心极限定理提供了一组条件,这些条件足以使样本均值渐近地具有正态分布(随着样本数量的增加)。

期望值

对期望值概念的简要介绍,其中包括基于Stieltjes和Lebesgue积分的非正式定义和更正式的定义。

贝叶斯法则

贝叶斯规则是一个公式,它可以在观察到第二个事件的条件和无条件概率预先已知之后,再计算给定事件的条件概率。

线性回归模型

线性回归模型是一个条件模型,其中输出变量与输入变量和误差项线性相关。

新页面和更新页面

查看Statlect的新功能。

岭回归

线性回归系数的岭估计量有偏差,但均方差可以比OLS估计量低。

选型标准

诸如赤池信息准则(AIC)之类的模型选择标准用于在一组候选统计模型中选择最佳模型。

Logit模型

logit模型是一种分类模型,用于基于一组回归变量来预测二进制变量的实现。

多重共线性

如果线性回归中的解释变量与其他变量的线性组合高度相关,则系数估计将非常不精确。

这本书

该网站上提供的大多数学习材料现在都以传统教科书格式提供。