- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
四、统计矩与样本统计量
4.1原点矩、中⼼矩的数学定义学
4.1.1矩的基本概念数
修
4.1.2原点矩的定义必
习
4.1.3中⼼矩的定义学
器
4.1.4原点矩与中⼼矩的关系推导机
-
壮
4.1.5计算案例大
s
o
4.1.6Python实现c
4.1.7⼩结
4.2样本均值、样本⽅差:估计还是精确?
4.2.1样本均值的定义与性质
4.2.2样本均值是总体均值的⽆偏估计量
4.2.3样本⽅差的定义及两种计算⽅法
4.2.4为什么要除以?⽆偏估计的本质
4.2.5⽆偏样本⽅差的定义
4.2.6总结
4.2.7计算案例
4.2.8Python实现
4.2.9结论学
4.3为什么除以n−1?⽆偏估计的本质数
4.3.1问题背景:样本⽅差的计算公式修
必
4.3.2为什么不直接⽤?习
学
4.3.3具体数学推导:为什么除以器
机
-
4.3.4直观理解“⾃由度”壮
大
4.3.5计算案例s
o
c
4.3.6Python实现
4.3.7⼩结
4.4样本矩与总体矩的连接
4.4.1什么是“矩”
4.4.2样本矩的定义
样本中⼼矩
4.4.3样本矩的⽆偏性和⼀致性
4.4.4样本矩与总体矩的具体连接推导(以⼆阶矩为例)
4.4.5⼩结
4.4.6计算案例
4.4.7Python实现
4.5样本统计量的三⼤性质(⽆偏、⼀致、有效)概览学
4.5.1⽆偏性
您可能关注的文档
- 第4章 矩阵与线性代数_第1节-矩阵基础与线性方程组.pdf
- 第1章 数学分析基础_第2节-导数与函数性质.pdf
- 第5章 凸优化_第2节 凸集与凸函数的几何直觉与数学定义.pdf
- 第3章_第9节-综合建模与估计案例分析.pdf
- 第4章 矩阵与线性代数_第6节-矩阵求导与优化初步.pdf
- 第5章 凸优化_第1节 优化与机器学习的内在联系.pdf
- 第5章 凸优化_第3节 凸函数的组合性质与不等式工具.pdf
- 第4章 矩阵与线性代数_第5节-线性变换与状态转移(含 QR 分解).pdf
- 第4章 矩阵与线性代数_第7节-机器学习中的矩阵分解模型.pdf
- 第3章 统计建模与参数估计_第2节-统计描述量与数据特征.pdf
- 第4章 矩阵与线性代数_第3节-特征值、特征向量与谱理论.pdf
- 第2章 概率论与机器学习模型原理_第5节-概率密度函数与函数变换.pdf
- 第3章 统计建模与参数估计_第8节-MLE 拓展:正则化与贝叶斯观点.pdf
- 第3章 统计建模与参数估计_第7节-参数估计方法二:最大似然估计(MLE).pdf
- 第3章 统计建模与参数估计_第3节-变量间关系与相关结构.pdf
- 第5章 凸优化_第5节 对偶性与 Lagrangian 框架.pdf
- 第5章 凸优化_第6节 KKT 条件与凸优化的最优性理论.pdf
- 第4章 矩阵与线性代数_第2节-矩阵结构与性质.pdf
- 第3章 统计建模与参数估计_第5节-概率不等式与集中性理论.pdf
文档评论(0)