Загрузка страницы

4. Параметрические модели. Оценка параметров

Каждую неделю по вторникам приглашаем всех желающих на лекции по математической статистике. Максим Николаев познакомит слушателей как с классическими результатами в этой области, так и с более современными вычислительными методами.

0:00 В прошлый раз
2:44 Параметрические модели
7:23 Непараметрические модели
9:11 Семипараметрические модели
11:44 Свойства оценок для модели
13:32 Какую модель использовать?
21:02 Оценка характеристик параметрической модели
23:40 Параметрический бутстрап
25:54 Распределения, связанные с нормальным
31:59 Метод центральной функции
44:47 Стабилизация дисперсии
52:28 Оценка параметров, plug-in оценка
53:28 Метод моментов
1:00:50 Метод максимального правдоподобия
1:21:48 Информация Фишера

Плейлист курса: https://youtube.com/playlist?list=PLlb7e2G7aSpRIiB5S5ld-3nxxVAH5cyAc

Подробнее о курсе: https://compscicenter.ru/courses/math-stat/2022-spring

Подписывайтесь на наш канал: https://www.youtube.com/c/compscicenterru

Подробнее о поступлении в CS центр: https://compscicenter.ru/application

Следите за новостями и анонсами:
https://vk.com/compscicenter
https://t.me/compscicenter_ru

Поддержать CS центр: https://compscicenter.ru/fund

Видео 4. Параметрические модели. Оценка параметров канала Computer Science Center
Показать
Комментарии отсутствуют
Введите заголовок:

Введите адрес ссылки:

Введите адрес видео с YouTube:

Зарегистрируйтесь или войдите с
Информация о видео
2 марта 2022 г. 10:29:28
01:33:32
Другие видео канала
Как найти сумму ряда?Как найти сумму ряда?Продвинутый LaTeX: как написать свой шаблонПродвинутый LaTeX: как написать свой шаблонЛекция 15. Байт-код и сборка мусораЛекция 15. Байт-код и сборка мусораЛекция 14. Что внутри Java?Лекция 14. Что внутри Java?Лекция 13. Конкурентные коллекции. АннотацииЛекция 13. Конкурентные коллекции. Аннотации12. Байесовский подход12. Байесовский подходЛекция 12. Примитивы синхронизации и конкурентные коллекцииЛекция 12. Примитивы синхронизации и конкурентные коллекции11. Тысяча и один способ выстрелить себе в ногу, проверяя гипотезы11. Тысяча и один способ выстрелить себе в ногу, проверяя гипотезыЛекция 11. Многопоточность в JavaЛекция 11. Многопоточность в JavaЛекция 10. Ввод-выводЛекция 10. Ввод-вывод10. Линейная регрессия10. Линейная регрессия9. Дисперсионный анализ. Корреляционный анализ. Линейная регрессия9. Дисперсионный анализ. Корреляционный анализ. Линейная регрессияЛекция 9. Stream API Терминальные операции и коллекторыЛекция 9. Stream API Терминальные операции и коллекторы8. Гипотезы согласия. Гипотезы однородности. A/B тесты8. Гипотезы согласия. Гипотезы однородности. A/B тестыЛекция 8. Элементы функционального программирования. Stream APIЛекция 8. Элементы функционального программирования. Stream API7. Простая гипотеза и простая альтернатива. Гипотезы о характеристиках7. Простая гипотеза и простая альтернатива. Гипотезы о характеристикахЛекция 7. Map, hashcode, компараторыЛекция 7. Map, hashcode, компараторы6. Проверка гипотез: основы6. Проверка гипотез: основыЛекция 6. Обобщенные типы и коллекцииЛекция 6. Обобщенные типы и коллекции5. М-оценки. Робастность. Эффективность5. М-оценки. Робастность. ЭффективностьЛекция 5. Исключения, try-catch,  обобщенные типыЛекция 5. Исключения, try-catch, обобщенные типы
Яндекс.Метрика