HelloWorld 开发者社区
科技资讯
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
我们能从后验分布中学到什么?贝叶斯后验的频率解释
假设我们从未知分布q中观察到N个独立且同分布的(iid)样本X(x1,...,xN)。统计学中的一个典型问题是“样本集X能告诉我们关于分布q的什么信息?”。参数统计方法假设q属于一个参数分布族,并且存在一个参数θ,其中q(x)等于所有x的参数分布
5道面试中的常见的统计学问题
5道面试中的常见的统计学问题1、伯努利试验与二项分布的区别伯努利试验仅指单个试验,而二项分布指多个伯努利试验。伯努利有两种可能的结果:成功和失败。2、你需要采取那些步骤进行抽样才能正确推断总体样本是随机选择的,需要无偏差地反映所有可满足的状态。如果有偏差则偏差
最大似然估计(MLE)入门教程
什么是最大似然估计(MLE)最大似然估计(MaximumLikelihoodEstimation)是一种可以生成拟合数据的任何分布的参数的最可能估计的技术。它是一种解决建模和统计中常见问题的方法——将概率分布拟合到数据集。例如,假设数据来自泊松(λ)分布,在数据分析时需要知道λ参
学习偏态分布的相关知识和原理的4篇论文推荐
偏态分布(skewnessdistribution)指频数分布的高峰位于一侧,尾部向另一侧延伸的分布。偏态分布是与“正态分布”相对,分布曲线左右不对称的数据次数分布,是连续随机变量概率分布的一种。可以通过峰度和偏度的计算,衡量偏态的程度。1、TheGeneralizedAlpha
如何比较两个或多个分布:从可视化到统计检验的方法总结
比较一个变量在不同组中的分布是数据科学中的一个常见问题。当我们想要评估一项策略(用户体验功能、广告活动、药物等)的因果效应时,因果推断的黄金标准便是随机对照试验,也就是所谓的A/B测试。在实践中,我们为研究选择一个样本,并将其随机分为对照组(controlgroup)和实验组(treatment
A/B测试的统计原理:频率派与贝叶斯派观点
<blockquote<ul<li频率派的ABTest统计原理,基于假设检验方法步骤,样本数的估算方法</li<li贝叶斯派的ABTest统计原理:观测数据>计算后验>做出决策</li<li工业界ABTest流程</li</ul</blockquote
期望最大化(Expectation Maximization)算法简介和Python代码实现
期望最大化(EM)算法被广泛用于估计不同统计模型的参数。它是一种迭代算法,可以将一个困难的优化问题分解为几个简单的优化问题。在本文中将通过几个简单的示例解释它是如何工作的。这个算法最流行的例子(互联网上讨论最多的)可能来自这篇论文(http://www.nature.com/nbt/jou..
统计学小抄:常用术语和基本概念小结
统计学是涉及数据的收集,组织,分析,解释和呈现的学科。统计的类型1)描述性统计描述性统计是以数字和图表的形式来理解、分析和总结数据。对不同类型的数据(数值的和分类的)使用不同的图形和图表来分析数据,如条形图、饼图、散点图、直方图等。所有的解释和可视化都是描述性统计的一部分。重
假设检验中的第一类错误和第二类错误
我们每天都在为选择进行自己的假设,并且按照自己认为最好的方向做出选择,所以假设在我们的生活中是无处不在的,例如:A路是否会比B路花费更少的时间,X的平均投资回报率是否高于Y的投资,以及电影ABC是否比电影XYZ好。在所有这些情况下,我们都在对我们做出的假设进行检验。建立假设,
大数定律
接上一篇切比雪夫不等式(https://segmentfault.com/a/1190000041656350),本篇讨论统计学上一个非常重要的理论,即大数定律,它是概率论的基本理论。大数定律的直观表达非常符合我们的直觉,例如一个普通硬币如果扔足够多次,那么正反面的次数将会无限接近于50
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。