生意经 > 智库 > 统计学家
  •        目录 托马斯·贝叶斯简介 贝叶斯的贡献 本条目相关链接 托马斯·贝叶斯(Thomas Bayes,1702-1761)托马斯·贝叶斯(Thomas Bayes,1702-1761) 18世纪概率论理论创始人 贝叶斯统计的创立者,“归纳地”运用数学概率,即“从非凡推论一般、从样本推论全体”的第一人 托马斯·贝叶斯简介   托马斯
    关键字:贝叶托马斯
    相关词条:
  •        目录 罗纳德·费雪的生平与研究 罗纳德·费雪的贡献 著作 罗纳德·费雪爵士(Sir Ronald Aylmer Fisher, FRS,1890.2.17-1962.7.29)罗纳德·费雪(Sir Ronald Aylmer Fisher, FRS,1890.2.17-1962.7.29) 现代统计学与现代演化论的奠基者之一 安德斯·哈尔德称他是“一位几乎独自建立现代统计
    相关词条:
  •        目录 什么是参数估计 参数估计的分类 参数估计(Parameter Estimation) 什么是参数估计   参数估计是指用样本指标(称为统计量)估计总体指标(称为参数)。用样本均数估计总体均数以及用样本率估计总体率。 参数估计的分类   参数估计有点估计(point estimation)和区间估计(interval estimation)两种。   
    关键字:估计参数
    相关词条:
  •        目录 什么是泊松分布 泊松分布使用范围 Poisson分布的性质 参考文献 泊松分布(Poisson Distribution) 什么是泊松分布   Poisson分布(法语:loi de Poisson,英语:Poisson distribution,译名有泊松分布、普阿松分布、卜瓦松分布、布瓦松分布、布阿松分布、波以松分布、卜氏分配等),是一种统计与概率学里
    关键字:分布泊松
    相关词条:
  •        目录 什么是超限归纳法 超限归纳的分析 同选择公理的联系 相关条目 什么是超限归纳法   超限归纳法是数学归纳法的形式之一,可以应用于(大的)良序集,比如说应用到序数或基数,甚至于所有有序的集。是向(大)良序集合比如基数或序数的集合的扩展。   超限归纳法可用於证明一个函数P在所有序数中成立
    关键字:归纳法超限
    相关词条:数学归纳法
  •        目录 什么是数学归纳法 数学归纳法的应用步骤 数学归纳法的举例分析 数学归纳法的变体 数学归纳法的合理性 相关条目 外部链接 数学归纳法(mathematical induction,简称:MI) 什么是数学归纳法   数学归纳法(簡稱:MI)是一种数学证明方法,通常被用于证明某个给定命题在整个(或者局部)自然数范围内成
    关键字:归纳法数学
    相关词条:超限归纳法
  •        目录 聚类分析概述 聚类分析的计算方法 聚类分析的特征 聚类分析在市场分析中的应用 聚类分析(Cluster Analysis) 聚类分析概述   聚类分析(Cluster Analysis)又称群分析,是根据“物以类聚”的道理,对样品或指标进行分类的一种多元统计分析方法,它们讨论的对象是大量的样品,要求能合理地按各自的特
    关键字:分析聚类
    相关词条:
  •        目录 什么是判别分析 判别分析的方法 判别分析的统计背景 判别分析(discriminant analysis) 什么是判别分析   判别分析产生于20世纪30年代,是利用已知类别的样本建立判别模型,为未知类别的样本判别的一种统计方法。近年来,判别分析在自然科学、社会学及经济管理学科中都有广泛的应用。判别分析的特点是根
    关键字:分析判别
    相关词条:
  •        目录 什么是贝叶斯统计 贝叶斯统计的内容 贝叶斯统计的历史[1] 参考文献 贝叶斯统计(Bayesian statistics; Bayesian statistic) 什么是贝叶斯统计   英国学者T.贝叶斯1763年在《论有关机遇问题的求解》中提出一种归纳推理的理论,后被一些统计学者发展为一种系统的统计推断方法,称为贝叶斯方法
    关键字:统计贝叶
    相关词条:
  •        目录 最大似然估计概述 最大似然估计的原理 最大似然估计的例子 性质 最大似然估计(Maximum Likelihood,ML) 最大似然估计概述    最大似然估计是一种统计方法,它用来求一个样本集的相关概率密度函数的参数。这个方法最早是遗传学家以及统计学家罗纳德·费雪爵士在1912年至1922年间开始使用的。   “
    关键字:估计似然最大
    相关词条:
总数: 25   页次: 2/3   1 2 3