统计基础

统计推断

样本，统计模型，估计，统计决策

点估计

参数和标准的估计和估计器

方差的点估计

方差估计和常见方差估计器属性的示例

集合估计

置信区间，置信系数，如何评估它们

设置方差估计

方差的置信区间示例，包括其属性的详细推导

假设检验

零假设和替代假设，错误类型，大小和功效

测试关于 方差

关于方差的假设检验示例，其中详细介绍了其性质

估算方法

极值估计器简介，包括ML，GMM，NLS

最大似然

最大似然估计及其渐近性质

最大似然算法

如何用数值方法解决最大似然优化问题

沃尔德测试

仅涉及无限制ML估计的假设检验

似然比检验

包含受限和非受限ML估计的假设检验

条件模型

条件模型，回归和分类简介

线性回归模型

线性回归模型简介：符号，假设，推断。

正态线性回归模型

误差条件为正常的回归模型

线性回归-假设检验

如何检验OLS估计的系数假设

广义最小二乘

当误差为异方差或相关时如何有效地估计回归系数

多重共线性

如果回归变量高度相关，则OLS系数估计值具有较高的方差

分类模型

输出变量具有离散分布的条件模型

概率分类模型

二进制模型，其中标准正态分布的cdf用于转换输入

马尔可夫链

未来不依赖于过去的当前条件的随机向量序列

马尔可夫链蒙特卡洛

基于分布的从属抽奖序列的蒙特卡洛方法

Metropolis-Hastings算法

基于提案分配的抽签接受/拒绝的MCMC算法

贝叶斯推理

贝叶斯推理简介：先验，似然，后验分布

正态分布-贝叶斯估计

关于正态分布参数的贝叶斯推断