获得价值高达 $1,250
当您在2024年6月30日之前使用代码*申请时
统计数据
概述
CEA CAPA合作机构: 马德里卡洛斯三世大学
地点: 马德里,西班牙
主要科目范围: 数学
指令: 英语
课程代码: 18274
记录来源: 合作伙伴机构
课程详细信息: 300级
推荐学分: 3
联系时间: 42
先决条件: 最好已经成功地完成了概率和微分的课程, 积分与向量微积分.
描述
1. 统计推断概论.
1.0. 描述性统计的要素.
1.1. 总体和样本.
1.2. 随机抽样.
1.3. 抽样的主要分布.
1.4. 参数的点估计.
1.4.1. 定义和属性.
1.4.2. 矩量法.
1.4.3. 最大似然估计
2. 置信区间.
2.1. 介绍
2.1.1. 关键的数量.
2.2. 正常总体中均值和方差的置信区间.
2.3. 非正态总体中平均值的置信区间.
2.4. 两个总体的置信区间.
2.5. 自举置信区间.
3. 对比estadístico de hipótesis.
3.1. Introduccion.
3.2. 错误:第1条和第2条.
3.3. 对比的潜能.
3.4. Contraste de hipótesis para la media.
3.5. Contraste de hipótesis para la proporción.
3.6. 对比hipótesis para la varianza.
3.7. hipótesis para dos poblaciones的对比.
3. 假设统计检验.
3.1. 介绍
3.2. 类型I和类型II错误.
3.3. 统计检验的威力.
3.4. 均值的假设检验.
3.5. 对比例进行假设检验.
3.6. 方差的假设检验.
3.7. 两个群体的假设检验.
4. 非参数对比.
4.1. 介绍.
4.2. 拟合优度检验.
4.2.1. 测试他们的2.
4.2.2. Kolmogorov-Smirnov测试.
4.2.3. Lilliefors测试.
4.2.4. 图形工具.
4.3. 基于二项分布的检验.
4.4. 基于职级的测试.
4.5独立性和同质性检验.
5. 线性回归.
5.1. 介绍.
5.2. 简单线性回归
5.3. 多元线性回归
1.0. 描述性统计的要素.
1.1. 总体和样本.
1.2. 随机抽样.
1.3. 抽样的主要分布.
1.4. 参数的点估计.
1.4.1. 定义和属性.
1.4.2. 矩量法.
1.4.3. 最大似然估计
2. 置信区间.
2.1. 介绍
2.1.1. 关键的数量.
2.2. 正常总体中均值和方差的置信区间.
2.3. 非正态总体中平均值的置信区间.
2.4. 两个总体的置信区间.
2.5. 自举置信区间.
3. 对比estadístico de hipótesis.
3.1. Introduccion.
3.2. 错误:第1条和第2条.
3.3. 对比的潜能.
3.4. Contraste de hipótesis para la media.
3.5. Contraste de hipótesis para la proporción.
3.6. 对比hipótesis para la varianza.
3.7. hipótesis para dos poblaciones的对比.
3. 假设统计检验.
3.1. 介绍
3.2. 类型I和类型II错误.
3.3. 统计检验的威力.
3.4. 均值的假设检验.
3.5. 对比例进行假设检验.
3.6. 方差的假设检验.
3.7. 两个群体的假设检验.
4. 非参数对比.
4.1. 介绍.
4.2. 拟合优度检验.
4.2.1. 测试他们的2.
4.2.2. Kolmogorov-Smirnov测试.
4.2.3. Lilliefors测试.
4.2.4. 图形工具.
4.3. 基于二项分布的检验.
4.4. 基于职级的测试.
4.5独立性和同质性检验.
5. 线性回归.
5.1. 介绍.
5.2. 简单线性回归
5.3. 多元线性回归
