通过本项目学习，了解抽样推断的概念、特点和作用；掌握抽样误差和样本容量的计算；熟练掌握区间估计；能够确定必要的样本容量。 本项目主要任务： 1 抽样推断的一般问题 2 抽样误差 3 抽样估计 4 必要样本容量的确定 任务一 理解抽样推断的概念特点 了解抽样推断的基本形式 任务二 理解抽样误差的概念 掌握抽样误差的计算 任务三 了解抽样估计的类型 掌握区间估计的方法 任务四 理解样本容量的涵义 掌握样本容量的确定

第一节 归纳逻辑概述 第二节 简单枚举归纳推理 第三节 科学归纳推理 第四节 探寻现象间因果关系的逻辑方法 第五节 概率归纳推理 第六节 统计归纳推理 第七节 类比推理

2.1 测量误差的基本概念 2.2 表达误差的几种形式 2.3 误差的性质及分类 2.4 有效数字 2.5 系统误差的校正 2.6 随机误差的统计学处理 2.7 粗大误差的剔出 2.8 测量不确定度及其评定方法

本课程从定性与定量结合的角度,系统地论述了对社会经济现象数字资料搜集、整理、分析的一般方法,其中的原理与方法不但可以描述社会经济现象数量之间的联系关系和变动规律,同时又是进一步学习计量经济学等其它相关学科的基础

1 测量误差的基本概念 2 表达误差的几种形式 3 误差的性质和分类 4 有效数字 5 系统误差的校正 6 随机误差的统计学处理 7 粗大误差的剔除 8 测量不确定度及其评定方法

1 Monte Carlo Methods in Inference 1.1 Monte Carlo Methods for Estimation 1.1.1 Monte Carlo Estimation and Standard Error 1.1.2 Estimation of MSE 1.2 Estimating a confidence level 1.3 Monte Carlo Methods for Hypothesis Tests 1.4 Empirical Type I error rate 1.4.1 Power of a Test 1.4.2 Power Comparisons 1.5 Application: “Count Five” Test for Equal Variance

1 Bootstrap and Jackknife 1.1 The Bootstrap 1.1.1 Bootstrap Estimation of Standard Error 1.1.2 Bootstrap Estimation of Bias 1.2 Jackknife 1.3 Jackknife-after-Bootstrap 1.4 Bootstrap Confidence Intervals 1.4.1 The Standard Normal Bootstrap Confidence Interval 1.4.2 The Percentile Bootstrap Confidence Interval 1.4.3 The Basic Bootstrap Confidence Interval 1.4.4 The Bootstrap t interval 1.5 Better Bootstrap Confidence Intervals 1.6 Application: Cross Validation

1 Markov Chain Monte Carlo Methods 1.1 Introduction 1.1.1 Integration problems in Bayesian inference 1.1.2 Markov Chain Monte Carlo Integration 1.1.3 Markov Chain 1.2 The Metropolis-Hastings Algorithm 1.2.1 Metropolis-Hastings Sampler 1.2.2 The Metropolis Sampler 1.2.3 Random Walk Metropolis 1.2.4 The Independence Sampler 1.3 Single-component Metropolis Hastings Algorithms 1.4 Application: Logistic regression

1 EM optimization method 1.1 EM algorithm 1.2 Convergence 1.3 Usage in exponential families 1.4 Usage in finite normal mixtures 1.5 Variance estimation 1.5.1 Louis method 1.5.2 SEM algorithm 1.5.3 Bootstrap method 1.5.4 Empirical Information 1.6 EM Variants 1.6.1 Improving the E step 1.6.2 Improving the M step 1.7 Pros and Cons

7.1 汉语自动分词中的基本问题 7.2 基本分词方法 7.3 未登录词处理方法概述 7.4 基于多特征的命名实体识别模型 7.5 词性标注 7.6 词性标注的一致性检查与自动校对 7.7 汉语分词与词性标注系统评测