在Statlect上搜索概率和统计术语
统计 列克特
指数

统计基础

通过一系列关于最常用统计概念的严格但容易理解的讲座,学习统计的数学基础。

基础

统计推断

样本,统计模型,估计,统计决策

点估计

均值点估计

均值估计和常用均值估计器的属性的示例

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

设定均值的估计

均值的置信区间示例,包括其属性的详细推导

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

测试关于均值的假设

关于均值的假设检验示例,其中包括其性质的详细推导

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 variance

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

估算方法

极值估计器简介,包括ML,GMM,NLS

最大似然估计

MLE-协方差矩阵估计

如何估计最大似然估计器的协方差矩阵

最大似然

最大似然估计及其渐近性质

MLE-假设检验

如何在最大似然框架中进行假设检验

最大似然算法

如何用数值方法解决最大似然优化问题

分数测试

仅涉及受限ML估计的假设检验

沃尔德测试

仅涉及无限制ML估计的假设检验

选型标准

ML估计的一组候选模型中用于选择最佳模型的标准

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

条件模型,回归和分类简介

线性回归

OLS估计器的属性

回归系数的OLS估计量的渐近性质

线性回归模型

线性回归模型简介:符号,假设,推断。

线性回归的R平方

衡量线性回归拟合数据的程度

正态线性回归模型

误差条件为正常的回归模型

高斯-马尔可夫定理

OLS估计器是线性且无偏的那些中最好的

线性回归-假设检验

如何检验OLS估计的系数假设

标准化线性回归

线性回归,其中所有变量均居中并除以它们的标准偏差

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

岭回归

MSE可能低于OLS的线性回归系数的有偏估计

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

物流分类模型

二进制分类模型,其中使用逻辑函数转换输入

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

随机过程和时间序列中的主题

自相关

自相关,自相关函数(ACF),样本ACF,ACF图的定义。

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

马尔可夫链蒙特卡罗(MCMC)方法

MCMC诊断

如何诊断(和解决)MCMC示例问题

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

贝叶斯统计

多层贝叶斯模型

贝叶斯模型,其中先验的参数被分配了超优先级

贝叶斯推理

贝叶斯推理简介:先验,似然,后验分布

贝叶斯线性回归

关于正常线性回归模型参数的贝叶斯推断

正态分布-贝叶斯估计

关于正态分布参数的贝叶斯推断

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。