注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 贝叶斯区间估计pdf

  2. 贝叶斯区间估计利用贝叶斯统计推断方法,给出了正态总体未知参数(期望、方差及其函数)的后验置信概率1-α的区间估计.

  3. 所属分类：专业指导

    • 发布日期：2009-11-02
    • 文件大小：323kb
    • 提供者：chencf2004

  1. 数值计算方法与C语言工程函数库

  2. 本书比较全面地介绍了数值计算领域中的各种有效、实用的算法，并以建立这些算法的C语言工程库为目标介绍了相应的C语言程序和编程技巧。本书共分十九章，有近300个C语言程序，除了基本的数值算法外，还介绍了许多更深入的、直接面向应用的算法。 本书适合于工程设计、技术开发和科学研究等领域中从事科学计算和应用软件开发的各类人员，对于大专院校中那些学习数值计算方法和提高C语言编程能力的本科生、研究生也是一本很好的参考书。 本书配有一张软盘，装有书中算法的全部C语言源程序，以及相应的解题实例。有需要的读者，可

  3. 所属分类：C/C++

    • 发布日期：2012-03-20
    • 文件大小：15mb
    • 提供者：seecm

  1. 贝叶斯理论的可靠性评估方法及在数控系统评估中的运用

  2. 数控系统故障概率符合威布尔分布如 果 以 威 布 尔 分 布 来 构 造 似 然 函 数 运 用 方 法 进行可靠性估计将涉及大量的积分运算 并且不便于选择合适的先验分布 为了减小计算工作量和提高评估效率将威布尔分布转化为指数分布 并取倒伽玛分布为先验分布采 用 先 验 矩 的 方 法 估 计 先 验 分布的超参数利用伽玛函数性质进行指数分布参数的估计并转化为威布尔分布特征寿命参数的点估计和区间估计进一步推导计算其他可靠性指标 给出数字实例证明该方法可行

  3. 所属分类：专业指导

    • 发布日期：2012-06-22
    • 文件大小：243kb
    • 提供者：hqxzcy

  1. 贝叶斯思维：统计建模的Python学习法

  2. 第1章 贝叶斯定理 1 1.1 条件概率 1 1.2 联合概率 2 1.3 曲奇饼问题 2 1.4 贝叶斯定理 3 1.5 历时诠释 4 1.6 M&M豆问题 5 1.7 Monty Hall难题 6 1.8 讨论 8 第2章 统计计算 9 2.1 分布 9 2.2 曲奇饼问题 10 2.3 贝叶斯框架 11 2.4 Monty Hall难题 12 2.5 封装框架 13 2.6 M&M豆问题 14 2.7 讨论 15 2.8 练习 16 第3章 估计 17 3.1 骰子问题 17 3.2 火

  3. 所属分类：机器学习

    • 发布日期：2018-03-20
    • 文件大小：116byte
    • 提供者：data2word

  1. 大数据的统计学基础视频教程

  2. 授课对象： 这是一门数学课程，适合有志于转往大数据分析领域的非数学专业人士（例如IT人，业务人员等）补强数学基础，以更好地学习更高级的数据分析，数据挖掘，机器学习课程 收获预期： 可以大幅度提高学员的数学基础，使其学习其它大数据分析课程时觉得更加简单，得心应手 课程内容： 第1课 面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表） 第2课 *设计：概率的基本概念，古典概型 第3课 每人脑袋里有个贝叶斯：条件概率与贝叶斯公式，独立性 第4课 啊！微积分：随机变量

  3. 所属分类：专业指导

    • 发布日期：2018-06-12
    • 文件大小：61byte
    • 提供者：github_36186415

  1. 高等数理统计-苏良军著（有目录）.pdf

  2. 本书包括十五章与一个附录。前三章重点介绍现代统计所需的概率理论、分布理论与渐进理论，第4章介绍现代统计的数据降维思想。第5章到第8章介绍现代统计的各种估计理论，依次包括极大似然估计、准极大似然估计、矩估计与广义矩估计、贝叶斯估计。第9章到第11章介绍现代统计的假设检验理论，依次包括假设检验的基本理论、参数模型检验、非参数模型检验。第12章介绍区间估计的基本理论，第13章介绍方差分析，第14章介绍回归分析的基本理论，第15章介绍回归分析的高级理论与应用（包括结构突变的检验、分块回归、多重共线性、

  3. 所属分类：算法与数据结构

    • 发布日期：2018-01-28
    • 文件大小：27mb
    • 提供者：zhmfalove

  1. 大数据的统计学基础

  2. 第1周 面向小白的统计学：描述性统计（均值，中位数，众数，方差，标准差，与常见的统计图表） 第2周 *设计：概率的基本概念，古典概型 第3周 每人脑袋里有个贝叶斯：条件概率与贝叶斯公式，独立性 第4周 啊！微积分：随机变量及其分布（二项分布，均匀分布，正态分布） 第5周 万事皆由分布掌握：多维随机变量及其分布 第6周 砖家的统计学：随机变量的期望，方差与协方差 第7周 上帝之手，统计学的哲学基础：大数定律、中心极限定理与抽样分布 第8周 点数成金，从抽样推测规律之一：点估计与区间估计 第9周

  3. 所属分类：算法与数据结构

    • 发布日期：2018-02-04
    • 文件大小：204byte
    • 提供者：u013844840

  1. 机器学习相关的基础数学知识

  2. 一. 线性代数 二. 概率论 三. 数理统计 四. 优化相关 五.信息论 向量 条件概率 样本 目标函数 信息熵 矩阵 联合概率 总体 全局最小值 互信息 集合 全概率公式 统计量 局部极小值 信息增益 标量 逆概率 参数估计 无约束优化 KL 散度 张量 贝叶斯公式 假设检验 约束优化 最大熵原理 范数 贝叶斯定理 置信区间 拉格朗日函数 交叉熵和相对熵的对比 内积 先验概率 区间估计 KKT条件与对偶函数 各种熵之间的关系 向量正交 后验概率 泛化能力 梯度下降法 正交基 似然概率 泛化误

  3. 所属分类：机器学习

    • 发布日期：2019-02-21
    • 文件大小：320kb
    • 提供者：u012459213

  1. 基于相关向量机的瓦斯涌出量不确定性预测

  2. 为了分析瓦斯涌出量预测结果的不确定性,提出一种基于相关向量机的估计方法:依据稀疏贝叶斯学习模型,计算瓦斯涌出量样本空间的稀疏相关支持向量和相应的超参数,再计算预测结果的均值和方差,从而得出瓦斯涌出量预测结果的概率分布和置信区间。分析结果表明,3组检验样本的平均预测误差为1.74%,其实际值均在置信度为97%的置信区间内,与实际情况相符,这说明采用该方法可以得出瓦斯涌出量预测结果的概率分布,且具有预测精度高、所需支持向量少的优点。

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：579kb
    • 提供者：weixin_38744435

  1. 关于光超核3ΛH和4ΛH的测量寿命

  2. 3 combination H和4› H，包括几个最近的测量，执行文献中的实验寿命估计的统计组合。 3个H和4个H的寿命的合并平均值分别为216×16 + 19 ps和192×18 + 20 ps，χ2降低为0.89和0.48。 还提出了通过贝叶斯方法对HypHI 0期实验的寿命估算的新见解。 在这种方法中，使用了几种不同的先验分布，包括先验寿命数据和Jeffrey先验的组合。 由先前的测量的先验信念给出的本振模式和最小可信区间在后分布的68％上，对于3δH和4分别为217ˆ16 + 19

  3. 所属分类：其它

    • 发布日期：2020-04-23
    • 文件大小：417kb
    • 提供者：weixin_38591615

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：305kb
    • 提供者：abacaba

  1. 在渐进式II型删失下对帕累托分布混合的恒定部分加速寿命试验的推论

  2. 本文的主要目的是获得由第二种两种帕累托（MTP）分布的有限混合表示的异类总体参数的推论。 基于渐进式II型删失样本应用了恒定局部加速寿命测试。 通过数值求解模型参数的似然方程，可以得出所考虑参数的最大似然估计（MLE）。 在平衡平方误差损失函数下，使用马尔可夫链蒙特卡罗算法获得贝叶斯估计量。 基于蒙特卡洛模拟，将贝叶斯估计量与其对应的最大似然估计量进行比较。 基于从部分持续加速的寿命测试模型获得的渐进式II型删失的信息样本，可以考虑使用两样本预测技术来导出贝叶斯预测范围，以用于将来的订单统计。

  3. 所属分类：其它

  1. 基于渐进式II型删失样本的WG分布置信区间算法

  2. 本文的目的提供了不同的Weibull几何（WG）分布估计算法，具体取决于渐进式II型审查样本计划，空间上参数的联合置信区间。 讨论了参数的近似联合置信区间，近似置信区间和置信度的百分数自举区间，并提出了几种马尔可夫链蒙特卡洛（MCMC）技术。 均方误差（MSE）和可信区间长度的部分，贝叶斯估计器依赖于非信息性工具，比最大似然估计（MLE）和自举更有效。 比较模型，MSE，MLE的平均置信区间长度和参数的贝叶斯估计量对于受审查模型而言不那么重要。

  3. 所属分类：其它

  1. α-P烯热异构化反应速率常数评价

  2. 通过考虑与速率常数参数和动力学模型结构误差相关的不确定性，在该研究中使用贝叶斯推断来评估α-pine烯的热异构化速率同意的后验分布。 α-pine烯的热异构化动力学模型显示具有数学上不适的系统，这使得难以应用基于梯度的优化方法进行速率常数评估。 贝叶斯推断将速率常数的后验概率分布与满足实验测量浓度的反应产物模型浓度和参数的先验概率分布的似然概率相关联。 马尔可夫链蒙特卡洛（MCMC）用于从后验分布中抽取样本，同时考虑贝叶斯推断关系。 本研究应用多项式随机游走Metropolis-Hastings

  3. 所属分类：其它

  1. 我的数据科学路-未解之题

  2. 为什么我要知道统计学，最小描述长度，最大似然估计，最小二乘估计，大数定律，贝叶斯，信息熵，辛普森悖论，假设检验，混淆矩阵，F1值，p值，置信区间，基尼系数，数据分布，自由度，方差。经典逻辑，量子计算。 这些概念，帮助我，从纷繁复杂的表象中获得真相，从不确定中获得确定的规律。 问题是，这么多要学的东西，我先学哪个，最实用？ 先列问题： 1、为什么L1、L2正则化，可以降低模型的过拟合？ 2、做a/b test，达到95%的置信度，需要多少样本？ 3、最大似然估计，最小二乘估计；是什么？ 4、t检验

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：37kb
    • 提供者：weixin_38500664

  1. bayes-drt:电化学阻抗谱（EIS）数据反演的分层贝叶斯方法-源码

  2. bayes_drt bayes_drt是一个Python软件包，用于反转电化学阻抗谱（EIS）数据以获得弛豫时间（DRT）的分布和/或扩散时间（DDT）的分布。 bayes_drt实现了分层的贝叶斯模型，以提供经过精确校准的DRT或DDT估计，而无需进行临时调整。 该软件包提供了两种方法来求解模型： 汉密尔顿蒙特卡洛（HMC）采样以估计后验分布，同时提供分布的点估计和可信区间 L-BFGS优化可最大化后验概率，从而提供分布的最大后验（MAP）点估计 使用这些方法，还可以执行多分布反演，例如

  3. 所属分类：其它

  1. 概率与统计：从理论上讲并使用Python编程语言的概率与统计-源码

  2. 概率统计 关于如何可视化，理解和推理概率和统计概念的指南/注释。 话题： 概论 统计简介 集概述 计数原理 组合学 离散概率 条件概率与贝叶斯规则 随机变量，期望，方差和相关性 普通分销家庭 连续分布 概率不等式，集中度和极限定理 回归 采样，参数估计和置信区间 假设检验

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：35kb
    • 提供者：weixin_42140716

  1.  贝叶斯学派与频率学派在统计推断上的差异

  2. 针对频率学派在统计推断应用上的缺陷，本文提出使用贝叶斯派进行统计推断。通过对比两大学派在概率的解释、统计推断中信息所用的来源、参数的点估计和区间估计上的不同形式，本文总结了Bayesian统计推断的优点和适用范围。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：704kb
    • 提供者：weixin_38577200