本课程介绍统计推断、Sampling Distribution 和 Confidence Interval。学生将学习如何定义和构建良好的估计器、矩估计法、最大似然估计法以及构建置信区间的方法,这些方法将扩展到更广泛的环境中。

了解顶级公司的员工如何掌握热门技能

积累特定领域的专业知识
- 向行业专家学习新概念
- 获得对主题或工具的基础理解
- 通过实践项目培养工作相关技能
- 获得可共享的职业证书

该课程共有6个模块
欢迎参加课程! 本模块包含开始学习所需的后勤信息!
涵盖的内容
1个视频6篇阅读材料1个非评分实验室
在本模块中,您将学习如何仅根据小样本的信息来估计大群体的参数。您将学习到可用于帮助您区分好坏估计器的理想属性。 我们将回顾期望、方差和协方差的概念,并向您介绍一种正式但直观的估计方法,即 "矩方法"。
涵盖的内容
10个视频11篇阅读材料1个测验4个作业1个编程作业1个非评分实验室
在本模块中,我们将学习什么是似然函数以及最大似然估计的概念。我们将利用最大似然估计值的不变性,为一个和两个参数示例和参数函数构建最大似然估计值(MLE)。
涵盖的内容
5个视频5篇阅读材料2个作业1个编程作业1个非评分实验室
在本模块中,我们将探讨最大似然估计子的大样本特性,包括渐近无偏性和渐近正态性。我们将学习如何计算 "Cramér-Rao 下限",它为我们提供了一个无偏估计器的最小方差基准。
涵盖的内容
5个视频5篇阅读材料2个作业1个编程作业1个非评分实验室
在本模块中,我们将学习 "区间估计 "理论。我们将学习置信区间的定义和正确解释,以及如何在大样本和小样本的基础上为一个未见人群的均值构建置信区间。我们将研究方差已知和未知的情况。
涵盖的内容
5个视频5篇阅读材料1个测验1个作业1个编程作业2个非评分实验室
在本模块中,我们将推广模块 4 的经验,以便为分布均值以外的其他相关量以及其他分布建立置信区间。本模块将更深入地介绍两个样本的置信区间,以及人口方差和比例的置信区间。我们还将学习如何为非正态分布中的相关参数建立置信区间。
涵盖的内容
5个视频5篇阅读材料2个作业1个编程作业1个非评分实验室
获得职业证书
将此证书添加到您的 LinkedIn 个人资料、简历或履历中。在社交媒体和绩效考核中分享。
攻读学位
课程 是 University of Colorado Boulder提供的以下学位课程的一部分。如果您被录取并注册,您已完成的课程可计入您的学位学习,您的学习进度也可随之转移。
位教师

人们为什么选择 Coursera 来帮助自己实现职业发展

Felipe M.

Jennifer J.

Larry W.

Chaitanya A.
学生评论
- 5 stars
58.42%
- 4 stars
17.97%
- 3 stars
6.74%
- 2 stars
6.74%
- 1 star
10.11%
显示 3/89 个
已于 Jul 18, 2024审阅
This course provided me with truly deep insights into the inner workings of statistics. Thank you very much.
已于 Feb 27, 2024审阅
The overall experience of the course was good but some of the questions were wacky at times
已于 Jan 27, 2024审阅
Excellent. Challenging quizzes that really make you apply the points from the lectures. Very detailed course that has taken me to the next level of my understanding of statistical inference.
从 数据科学 浏览更多内容

University of Colorado Boulder

University of Colorado Boulder

University of Colorado Boulder

University of Colorado Boulder



