取得总体的样本后,通常是借助样本的统计量对未知的总体分布进行推断,为此须进一 步确定相应的统计量所服从的分布,除在概率论中所提到的常用分布外,本节还要介绍几个 在统计学中常用的统计分布:

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 支持向量机 第八节 MATLAB的应用实例

课程简介:本课介绍了科学研究和科学试验基本知识、田间试验的设计原理和方 法、田间试验的实施原则和方法、试验资料的整理、概率和正态分布等、统计推断的原理 和方法、次数资料的统计分析、方差分析的原理和方法、单因素试验的统计分析、多因素 试验的统计分析、直线相关和回归分析、多元线性回归与相关分析等内容。本课另称: “试验统计方法”、“试验与统计”、“生物统计”等

1.一组样本与总体的比较 2.两组样本的比较(成组设计) 3.两组样本的比较(配对设计) 4.单因素多组样本的比较(成组设计) 5.双因素多组样本的比较(配伍组设计) 6.三因素三组及以上设计(拉丁方设计) 7.三个或以上因素并交互作用(正交设计)

第一节 分类变量资料的统计描述 第二节 分类变量资料的统计推断 第三节 χ方检验

描述性统计分析是统计分析的第一步,做好这第一步是下面进行正确统计推断 的先决条件。SPSS的许多模块均可完成描述性分析,但专门为该目的而设计的 几个模块则集中在 Descriptive Statistics菜单中,最常用的是列在最前面的 四个过程: Frequencies过程的特色是产生频数表; Descriptives过程则进行 一般性的统计描述; Explore过程用于对数据概况不清时的探索性分析;

第一节 统计学习与推理基础 第二节 统计模型与参数推断 第三节 聚类分析、主成分分析与Fisher判别 第四节 贝叶斯推理 第五节 隐马尔可夫模型 第六节 动态神经网络 第七节 深度学习 第八节 支持向量机 第九节 MATLAB的应用实例

第一节 生物统计简介 第二节 参数估计和假设检验 第三节 统计模型 第四节 高维统计方法 第五节 统计学习基础 第六节 统计因果推断

 1. 理解统计学的含义  2. 理解描述统计和推断统计  3. 了解统计学的应用领域  4. 了解数据的类型  5. 理解统计中的几个基本概念