投稿

多元统计分析 -上海财经大学

1.4万

26

2019-12-12 20:48:24

baidu.com

计量经济学

湛宛宸发消息

宠物绒毛很难抠干净，美图秀秀识别细碎毛发

1.1 矩阵的定义和运算

06:28

1.1.2 矩阵的运算

03:48

1.2 正交矩阵

07:55

1.3.1 矩阵的行列式、逆和秩

02:53

1.3.2 矩阵的行列式、逆和秩

02:58

1.3.3 矩阵的行列式、逆和秩

03:40

1.4.1 矩阵的特征值、特征向量和迹

04:42

1.4.2 矩阵的特征值、特征向量和迹

01:42

1.5.1 正定矩阵、非负定矩阵和矩阵函数值的SAS输出

05:58

1.5.2 正定矩阵、非负定矩阵和矩阵函数值的SAS输出

03:12

2.1 多元分布

06:28

2.2.1 数字特征

02:58

2.2.2 数字特征

09:00

2.2.3 数字特征

06:33

2.3.1 欧氏距离和马氏距离

08:58

2.3.2 欧氏距离和马氏距离

08:01

2.4.1 多元正态分布

09:49

2.5.1 极大似然估计及估计量的无偏性

03:14

2.5.2 极大似然估计及估计量的无偏性

04:59

2.6.1 JMP入门

06:03

2.6.2 JMP入门

06:24

2.7.1 一个案例的JMP演示

03:43

2.7.2 一个案例的JMP演示

02:38

2.7.3 一个案例的JMP演示

09:50

3.1 引言

06:58

3.2.1 两组距离判别

07:21

3.2.2 两组距离判别

04:54

3.2.3 两组距离判别

07:47

3.2.4 两组距离判别

01:09

3.3.1 多组距离判别

07:11

3.3.2 多组距离判别

03:48

3.3.3 多组距离判别

04:09

3.4.1 贝叶斯判别——最大后验概率法

06:24

3.4.2 贝叶斯判别——最大后验概率法

04:15

3.5.1 贝叶斯判别——最小期望误判代价法

09:06

3.5.2 贝叶斯判别——最小期望误判代价法

06:47

3.5.3 贝叶斯判别——最小期望误判代价法

05:54

3.5.4 贝叶斯判别——最小期望误判代价法

04:53

3.5.5 贝叶斯判别——最小期望误判代价法

01:37

3.6.1 费希尔判别

07:07

3.6.2 费希尔判别

05:39

3.6.3 费希尔判别)

01:52

3.6.4 费希尔判别

05:26

3.6.5 费希尔判别

01:53

3.6.6 费希尔判别

01:10

4.1 引言

03:52

4.2 距离和相似系数

09:24

4.3.1 系统聚类法

04:40

4.3.2 系统聚类法

06:29

4.3.3 系统聚类法

03:14

4.3.4 系统聚类法

01:21

4.3.5 系统聚类法

01:32

4.3.6 系统聚类法

03:41

4.3.7 系统聚类法

11:10

4.4.1 聚类中的若干问题

02:52

4.4.2 聚类中的若干问题

04:10

4.4.3 聚类中的若干问题

08:15

4.4.4 聚类中的若干问题

05:55

4.4.5 聚类中的若干问题

04:58

4.5.1 动态聚类法——k均值法)

02:48

4.5.2 动态聚类法——k均值法

05:05

4.5.3 动态聚类法——k均值法

03:30

4.5.4 动态聚类法——k均值法

02:14

5.1 引言

07:48

5.2.1 总体的主成分

05:57

5.2.2 总体的主成分

05:10

5.2.3 总体的主成分

06:39

5.2.4 总体的主成分

08:51

5.3.1 样本的主成分

05:26

5.3.2 样本的主成分

02:02

5.3.3 样本的主成分

02:05

5.4.1 若干案例

11:22

5.4.2 若干案例

08:01

5.4.3 若干案例

04:03

5.4.4 若干案例

09:45

5.5.1 若干补充及主成分应用中需注意的问题

06:08

5.5.2 若干补充及主成分应用中需注意的问题

00:57

5.5.3 若干补充及主成分应用中需注意的问题

00:37

5.5.4 若干补充及主成分应用中需注意的问题

02:37

5.5.5 若干补充及主成分应用中需注意的问题

04:26

5.5.6 若干补充及主成分应用中需注意的问题

02:11

5.5.7 若干补充及主成分应用中需注意的问题

01:44

5.5.8 若干补充及主成分应用中需注意的问题

01:01

6.1 引言

06:39

6.2.1 正交因子模型

05:25

6.2.2 正交因子模型

07:20

6.2.3 正交因子模型

05:35

6.3.1 参数估计

04:04

6.3.2 参数估计

08:00

6.3.3 参数估计

07:44

6.3.4 参数估计

02:58

6.3.5 参数估计

02:37

6.4.1 因子旋转

10:02

6.4.2 因子旋转

05:57

6.4.3 因子旋转

02:50

6.4.4 因子旋转

06:38

6.5.1 因子得分

02:46

6.5.2 因子得分

07:14

6.5.3 因子得分

01:11

7.1 引言

10:52

7.2.1 行轮廓和列轮廓

02:18

7.2.2 行轮廓和列轮廓

02:03

7.2.3 行轮廓和列轮廓

03:18

7.2.4 行轮廓和列轮廓

06:17

7.3.1 总惯量.ts

02:17

7.3.2 总惯量

03:53

7.3.4 总惯量

03:13

7.4 行、列轮廓的坐标

07:20

7.5.1 对应分析图

04:11

7.5.2 对应分析图

06:13

7.5.3 对应分析图

04:12

7.5.4 对应分析图

03:54

7.5.5 对应分析图

08:56

顶部