你好,我在美国MIT留学,有门课是统计学专业的概率统计导论,请问能否补习课程?麻烦尽快回我一下行不?
概率统计导论课程是美国MIT麻省理工学院本科阶段的一门重要课程。这门课虽然只是导论课程,但也会学习很多统计学中丰富的知识,也有一定挑战。下面是同步课程补习内容,希望能帮到你。
一、课程内容
1.概率:
计算
随机变量、分布、分位数、均值方差
条件概率,贝叶斯定理,基率谬误
联合分布,协方差,相关性,独立性
中心极限定理
2.统计学1:纯应用概率
已知先验、概率区间的贝叶斯推理
共轭先验
3.统计2:应用概率
先验未知的贝叶斯推理
频域显著性检验和置信区间
重采样方法:引导
线性回归
二、课程总体目标
1.学习概率论的语言和核心概念。
2.理解统计推断的基本原理(贝叶斯和频率主义)。
3.建立一个初学者统计工具箱,了解这些技术的效用和局限性。
4.用软件和模拟做统计(R)。
5.成为统计信息的知情消费者。
6.为进一步的课程或在职学习做准备。
三、具体内容和学习目标
1.概率
·使用基本的计数技巧(乘法规则,组合,排列)来计算概率和赔率。
·使用R来运行概率场景的基本模拟。
·利用贝叶斯定理直接计算条件概率,并检查事件的独立性。
·建立和处理离散型随机变量。特别要了解伯努利分布、二项分布、几何分布和泊松分布。
·处理连续型随机变量。特别要知道均匀分布、正态分布和指数分布的性质。知道期望值和方差的含义,并能计算它们。
·理解大数定律和中心极限定理。
·计算共同分布变量之间的协方差和相关性。
·利用可用的资源(互联网或书籍)来学习和使用其他内容。
2.统计数字
创建和解释散点图和直方图。
理解概率函数和似然函数的区别,找出模型参数的最大似然估计。
使用离散先验进行贝叶斯更新,以计算后验分布和后验概率。
使用连续先验进行贝叶斯更新。
使用后验分布构建估计和预测。
找到参数估计的可信区间。
使用零假设显著性检验(NHST)来检验结果的显著性,并理解和计算这些检验的p值。
使用特定的显著性检验,包括z检验、t检验(一个和两个样本)、卡方检验。
寻找参数估计的置信区间。
使用bootstrapping估计置信区间。
计算和解释两个变量之间的简单线性回归。
建立数据与模型的最小二乘拟台。
四、课程评估方式
阅读问题和课堂提问10%+问题集25%(去掉一个最低分)+15%考试1+15%考试2+期末考试35%
以上是MIT概率统计导论课程完整介绍。对课程学习有疑问,欢迎同学再联系考而思的专业课程补习老师,老师们可以给你提供一对一的在线补习!