美国MIT统计学专业概率统计导论课程能补习吗?

　　概率统计导论课程是美国MIT麻省理工学院本科阶段的一门重要课程。这门课虽然只是导论课程，但也会学习很多统计学中丰富的知识，也有一定挑战。下面是同步课程补习内容，希望能帮到你。

　　一、课程内容

　　1.概率：

　　计算

　　随机变量、分布、分位数、均值方差

　　条件概率，贝叶斯定理，基率谬误

　　联合分布，协方差，相关性，独立性

　　中心极限定理

　　2.统计学1：纯应用概率

　　已知先验、概率区间的贝叶斯推理

　　共轭先验

　　3.统计2：应用概率

　　先验未知的贝叶斯推理

　　频域显著性检验和置信区间

　　重采样方法：引导

　　线性回归

　　二、课程总体目标

　　1.学习概率论的语言和核心概念。

　　2.理解统计推断的基本原理(贝叶斯和频率主义)。

　　3.建立一个初学者统计工具箱，了解这些技术的效用和局限性。

　　4.用软件和模拟做统计(R)。

　　5.成为统计信息的知情消费者。

　　6.为进一步的课程或在职学习做准备。

　　三、具体内容和学习目标

　　1.概率

　　·使用基本的计数技巧(乘法规则，组合，排列)来计算概率和赔率。

　　·使用R来运行概率场景的基本模拟。

　　·利用贝叶斯定理直接计算条件概率，并检查事件的独立性。

　　·建立和处理离散型随机变量。特别要了解伯努利分布、二项分布、几何分布和泊松分布。

　　·处理连续型随机变量。特别要知道均匀分布、正态分布和指数分布的性质。知道期望值和方差的含义，并能计算它们。

　　·理解大数定律和中心极限定理。

　　·计算共同分布变量之间的协方差和相关性。

　　·利用可用的资源(互联网或书籍)来学习和使用其他内容。

　　2.统计数字

　　创建和解释散点图和直方图。

　　理解概率函数和似然函数的区别，找出模型参数的最大似然估计。

　　使用离散先验进行贝叶斯更新，以计算后验分布和后验概率。

　　使用连续先验进行贝叶斯更新。

　　使用后验分布构建估计和预测。

　　找到参数估计的可信区间。

　　使用零假设显著性检验(NHST)来检验结果的显著性，并理解和计算这些检验的p值。

　　使用特定的显著性检验，包括z检验、t检验(一个和两个样本)、卡方检验。

　　寻找参数估计的置信区间。

　　使用bootstrapping估计置信区间。

　　计算和解释两个变量之间的简单线性回归。

　　建立数据与模型的最小二乘拟台。

　　四、课程评估方式

　　阅读问题和课堂提问10%+问题集25%(去掉一个最低分)+15%考试1+15%考试2+期末考试35%

　　以上是MIT概率统计导论课程完整介绍。对课程学习有疑问，欢迎同学再联系考而思的专业课程补习老师，老师们可以给你提供一对一的在线补习!