首页

投稿

【Proof-Trivial】统计推断 (George Casella)【台北大学-李孟峰】【中文】

4.7万

36

2024-09-17 05:21:44

讲解教材：统计推断 (Statistical Inference) - George Casella 因不可抗因素，之前关于这本书其他老师的讲解视频删掉了，大家关于那个视频消失的私信太多，我就不逐个回复了，望见谅~ 提醒各位：如果需要哪些视频，一定要尽早下载！尽早下载！尽早下载！本视频讲者为台北大学李孟峰老师，原博主为YouTube上【李孟峰老师课程】，本视频在原视频的基础上为每一P加了内容标题，逐P观看后添加的，基本准确，以供各位按需观看~ 希望大家多交流多讨论

Statistical Inferenc

概率论与数理统计

极大似然估计

Proof-Trivial 发消息

Learning, Optimization, Statistics, Geometry

第一章概率理论

02:29:10

【1.2-1.4】概率论基础

02:28:36

【1.4-1.6】分布函数 & 概率密度函数

02:26:38

第二章变换与期望

45:14

【2.1】随机变量函数的分布

44:38

【2.1】随机变量函数的分布(续)

42:04

【2.2】期望

47:51

【2.2-2.3】期望 & 矩母函数

46:28

【2.3】矩母函数 (续)

49:27

【2.3-2.4】矩母函数 & 积分号下的求导

49:08

第三章常见分布族

45:20

【3.2】超几何分布-伯努利分布

43:19

【3.2】Poisson分布

48:11

【3.2】Poisson分布 & 负二项分布

48:26

【3.2】几何分布

52:36

【3.2-3.3】几何的无记忆性 & Gamma分布

50:21

【3.3】Gamma分布

50:14

【3.3】Gamma分布 & Weibull分布

41:40

【3.3】正态分布

45:22

【3.3】正态分布 & Beta分布 & Cauchy分布

40:25

【3.3】对数正态分布 & 双指数分布

46:03

【3.4】指数族

47:30

【3.4-3.5】位置参数与尺度参数

44:59

【3.6】不等式

48:22

【3.6】恒等式

43:29

第四章多元随机变量

46:08

【4.1】联合分布与边缘分布

42:24

【4.1-4.2】联合分布 & 条件分布

48:44

【4.2】条件分布

49:51

【4.2】条件分布 & 独立性

48:09

【4.2】独立性

45:20

【4.2-4.3】独立性 & 二维变换

53:45

【4.3】二维变换

39:05

【4.4】多层模型与混合分布

46:49

【4.4】混合分布

51:14

【4.5】协方差与相关性

50:22

【4.5】协方差与相关性 (续)

50:32

【4.5】协方差与相关性 (续2)

51:18

【4.5-4.6】二元正态分布 & 多维分布

48:13

【4.6】多维分布 (续)

48:42

【4.6】多维分布 (续2)

49:47

【4.6】多维分布 (续3)

43:37

第五章随机样本的性质

47:48

【5.2】随机样本中随机变量的和

50:16

【17.3】随机样本中随机变量的和 (续)

46:33

【17.3】随机样本中随机变量的和 (续2)

46:20

【5.2-5.3】正态分布的抽样

43:46

【5.3】样本均值与样本方差的性质

01:45:58

【5.3】t分布

43:43

【5.3】F分布

26:09

【5.4】次序统计量

46:08

【5.4】次序统计量 (续1)

45:06

【5.4】次序统计量 (续2)

46:33

【5.5】依概率收敛 & 概率1收敛

45:28

【5.5】概率1收敛 & 依分布收敛

46:41

【5.5】依分布收敛 (续)

33:06

第六章数据简化原理

44:53

【6.2】充分统计量

42:06

【6.2】充分统计量 (续)

57:58

【6.2】极小充分统计量

49:03

【6.2】极小充分统计量 (续)

47:19

【6.2】辅助统计量

52:54

【6.2】充分统计量 & 辅助统计量 & 完全统计量

50:18

【6.2】充分统计量 & 辅助统计量 & 完全统计量 (续)

40:08

【6.3】似然原理

44:25

第七章点估计

53:58

【7.2】极大似然估计量 (MLE)

49:16

【7.2】极大似然估计量 (MLE续)

46:57

【7.2】贝叶斯估计量

47:02

【7.2】贝叶斯估计量 (续)

38:54

【7.3】EM算法

58:55

【7.3】均方误差

45:51

【7.3】一致最小方差无偏估计量 (UMVUE)

38:27

【7.3】一致最小方差无偏估计量 (UMVUE续1)

52:31

【7.3】一致最小方差无偏估计量 (UMVUE续2)

46:40

【7.3】一致最小方差无偏估计量 (UMVUE续3)

50:59

【7.3】充分性与无偏性

41:04

【7.3】充分性与无偏性 (续1)

46:01

【7.3】充分性与无偏性 (续2)

42:31

第八章假设检验

47:11

【8.1】假设检验简介

47:01

【8.2】似然比检验

44:01

【8.2】似然比检验 (续)

45:31

【8.3】错误概率与功效函数

45:40

【8.3】最大功效检验 (UMP)

44:29

【8.3】单调似然比 (MLR)

35:54

顶部