高等数学简介
主要涉及微积分、线性代数和概率统计。
微积分
课件资源
一元微积分
- 代数的基本性质
- 集合与函数|微信版
- 数列与极限|微信版 🍉 函数极限
- 导数|微信版 🍉 函数和差积商的导数及复合函数求导链式法则|微信版 🍉 一阶导数与最优值点|微信版
- 高阶导数与泰勒展开
- 梯度下降算法|微信版
- 积分的概念|微信版 🍉 积分的性质|微信版 🍉 微积分基本定理|微信版 🍉 常用积分方法-基本积分表|微信版 🍉 分部积分法|微信版 🍉 换元积分法|微信版 🍉 不定积分-第二换元积分法
多元微积分
- 多元微积分的基本概念|微信版
- 多元函数的极限|微信版
- 多元函数的连续性|微信版
- 偏导数
- 梯度的概念|微信版 🍉 矩阵向量求导之定义法|微信版 🍉 矩阵向量求导之微分法|微信版 🍉 矩阵向量求导链式法则|微信版 🍉 矩阵对矩阵求导|微信版
- 梯度下降（Gradient Descent）小结|微信版
网站资源
备忘录
线性代数
课件资源
- 向量与矩阵|微信版
- 方程组及简化阶梯形矩阵|微信版
- 矩阵的性质|微信版 🍉 矩阵练习题|微信版 🍉 矩阵的重要概念|微信版
- 行列式|微信版
- 解方程组|微信版 🍉 初等矩阵与初等变换|微信版 🍉 解方程组例题|微信版
- 线性相关与线性无关|微信版
- 向量空间|微信版 🍉 向量空间例题
网站资源
概率统计
概率部分
- 概率与不确定性 🍉 概率分布 🍉 常用概率分布|微信版 🍉 伯努利分布、二项分布、泊松分布、负指数分布|微信版 🍉 正态分布与多元正态分布|微信版 🍉 Gamma分布与逆Gamma分布 🍉 贝塔分布 🍉
- 联合概率与条件概率|微信版
- 贝叶斯定理|微信版
- 中心极限定理|微信版
统计部分
- 统计的基础知识|微信版 🍉 Python数据分析相关工具包|微信版 🍉 用Python计算统计量|微信版 🍉 统计中的13个重要分析方法|微信版 🍉 统计学的重要概念-数据收集、描述统计、假设检验、回归分析等|微信版
- 统计基础概念与描述性统计|微信版 🍉 数据集中趋势的度量|微信版 🍉 数据离散程度的度量|微信版 🍉 确定直方图组数的史特吉斯公式|微信版 🍉
- 参数估计与置信区间的含义|微信版 🍉 大样本总体均值估计|微信版 🍉 小样本总体均值估计|微信版 🍉 单正态总体均值区间估计的Python应用
- 假设检验的基本过程|微信版 🌹 参数假设检验的基本理论
- 大样本比例检验|微信版 🍉 独立样本t检验 🍉 配对样本t检验|微信版
- 单个总体方差的假设检验|微信版 🌼 两个总体方差的假设检验|微信版
- 拟合优度检验与独立性检验
- 方差分析-单因素方差分析 |微信版 🍉 方差分析-双因素方差分析|微信版
- 一元线性回归|微信版 🍉 多元线性回归的概念|微信版 🍉 回归分析 🍉 回归模型的重要概念|微信版
- 多重共线性|微信版 🍉 岭回归 |微信版 🍉 Lasso回归 |微信版 🍉 广义线性回归模型|微信版 🍉 逻辑回归模型 |微信版 🍉 逻辑回归模型的应用|微信版
- 简单相关系数|微信版 🍉 Pearson、Spearman、Kendall相关系数(附Python代码）|微信版 🍉 克莱姆相关系数|微信版 🍉 马氏距离
统计重要概念和Python应用
描述性统计
参数估计
假设检验
回归分析
数据集
- 单样本t检验💧数据下载
- 独立样本T检验💧数据下载
- 配对样本T检验💧数据下载
- 卡方检验和Fisher精确检验💧数据下载
- 卡方检验（2×C）💧数据下载
- Fisher精确检验（2×C）💧数据下载
- 卡方检验（R×C）.💧数据下载
- 配对卡方检验（McNemar’s 检验）💧数据下载
- 相对危险度（2×2）的计算💧数据下载
- 比值比（2×2）的计算💧数据下载
- 卡方拟合优度检验💧数据下载
- 两个有序分类变量相关性的Mantel-Haenszel卡方检验💧数据下载
- 单因素方差分析💧数据下载
- 单因素重复测量方差分析💧数据下载
- 单因素协方差分析💧数据下载
- 双因素方差分析.💧数据下载
- 两因素重复测量方差分析💧数据下载
- Kaplan-Meier法.💧数据下载
- 多重线性回归💧数据下载
- 分层回归💧数据下载
- 二项Logistic回归💧数据下载
- 有序Logistic回归.💧数据下载
- 主成分分析💧数据下载
- Mann-Whitney U检验💧数据下载
- Wilcoxon符号秩检验.💧数据下载
- Friedman检验💧数据下载
- Cochran’s Q 检验💧数据下载
- Kendall’s W检验💧数据下载
网站资源
其他
