免費電子書 -- 機率與統計 (使用 R 軟體)

機率統計

教學錄影

數學符號

數學基礎

排列組合

機率統計簡介

機率

機率公理

隨機變數

連續測度

單一分布

條件機率

聯合分布

貝氏定理

動差生成函數

特徵函數

機率法則匯總

離散分布

二項分布

多項分布

負二項分布

幾何分布

超幾何分布

布瓦松分布

連續分布

均勻分布

常態分布

Gamma 分布

指數分布

卡方分布

柯西分布

Weibull 分布

T 分布

F 分布

Beta 分布

多維分布

統計

抽樣

敘述統計

推論統計

中央極限定理

估計方法

單組樣本估計

兩組樣本估計

檢定方法

單組樣本檢定

兩組樣本檢定

平均値的推論

變異數的推論

無母數推論

迴歸分析

變異數分析

實驗設計

因子實驗

品質管制

時間序列

數據分類

統計定理匯總

統計情況分類

計算統計

蒙地卡羅法

最大似然法則

假說與學習

EM 算法

簡單貝氏分類

貝氏網路

隨機過程

馬可夫鏈

蒙地卡羅馬可夫

資源

範例

投影片

教學錄影

練習題

考題解答

訊息

相關網站

參考文獻

最新修改

簡體版

English

機率與統計在科學領域、工程領域與社會研究領域都有相當強的實用性,但是要學好卻並不容易,筆者在大學時代曾經修習過機率課程,但是當我在人工智慧領域看到「貝氏網路」 (Bayisian Network)、「隱馬可夫模型」(Hidden Markov Model)、「估計最大化演算法」(Expectation-Maximization) 等機率方面的電腦應用時,才深深覺得自己並沒有學好這門學問。

最近,機率與統計在「人工智慧、自然語言翻譯、語音辨識、機器人控制」等等領域,都有相當深入的進展,但是這些進展所使用到的數學,都需要相當深的機率統計基礎,因此筆者重拾起機率統計的書籍,企圖從資訊科學的角度,重新詮釋「機率與統計」這門學問。

為了達成這個目的,我們同時注重「理論與實務」兩者之間的平衡。

在理論上,我們希望兼顧機率與統計兩個方向的觀察角度,因為這兩個角度對資訊領域具有同等的重要性。

在實務上,我們特別重視「程式語言實作」的方式,因此我們必須採用某種程式語言來實作「機率與統計」的理論。於是我們找到了 R 這個專為機率統計而設計的語言,透過 R 語言,我們可以較為輕鬆的實作出許多用傳統語言難以實作的程式範例,這些範例將帶領著學習者深入理解機率統計的理論,並且達到「以理論指導實務、以實務印證理論」的功能。

R 語言當中預設就包含了各式各樣的機率模型,以及各種統計工具,可以讓讀者一邊學習,一邊用簡單的指令進行機率統計的實驗。透過這種學習方式,讀者可以透過程式實際體會理論的意義。舉例而言,當我們看到常態分配的機率模型時,我們可以直接使用下列指令來畫出常態分布,並且用程式產生符合常態分布模型的樣本,以便進行某種互動式的學習,用實驗體會常態分布的意義。

> dnorm(0)
[1] 0.3989423
> dnorm(0.5)
[1] 0.3520653
> dnorm(2.5)
[1] 0.0175283
> curve(dnorm(x), from = -3.5, to = 3.5, ylab="pdf", 
          main="N(0,1) probability density function (pdf)")
>
dnorm.jpg

以上只是一個繪圖的範例而已,R 語言能輕易做出各式各樣的機率統計程式,像是抽樣、敘述報告、檢定、推論、迴歸分析、變異數分析 (ANOVA)、品質管制、時間數列等等。

如果您曾經聽過,或者使用過 SPSS 、SAS、MINITAB 等統計軟體,那您應該就會知道 R 軟體的功能大概有哪些?因為 R 軟體是開放原始碼版本的機率統計軟體,在功能上絲毫不遜於那些昂貴的統計軟體,而且完全免費,您可以直接從網路上下載。

Facebook

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License