大數據時代下的概率統(tǒng)計及應用研究

第1章 大數據時代
1.1 大數據的定義
1.2 大數據的發(fā)展
1.3 大數據時代的特征
1.4 大數據時代的影響
第2章 大數據時代概率思維
2.1 概率統(tǒng)計的基本概念
2.2 概率統(tǒng)計的發(fā)展
2.3 大數據與概率統(tǒng)計的關系
第3章 概率與統(tǒng)計
3.1 隨機事件與概率
3.2 一維隨機變量及其分布
3.3 二維隨機變量及其分布
3.4 隨機變量的數字特征
3.5 大數定律與中心極限定理
3.6 統(tǒng)計估計
3.7 假設檢驗
第4章 機器學習與概率統(tǒng)計
4.1 機器學習與概率統(tǒng)計
4.2 統(tǒng)計機器學習類型
4.3 模式識別中的統(tǒng)計學方法
4.4 統(tǒng)計機器學習的判別式方法
第5章 貝葉斯與大數據
5.1 貝葉斯統(tǒng)計方法
5.2 貝葉斯預測方法
5.3 貝葉斯網絡大數據預測
第6章 馬爾科夫蒙特卡羅方法
6.1 蒙特卡羅方法
6.2 馬爾科夫鏈方法
6.3 馬爾科夫蒙特卡羅采樣
第7章 大數據時代下概率統(tǒng)計的應用及展望
7.1 大數據時代下概率統(tǒng)計的實踐應用
7.2 大數據時代下概率統(tǒng)計的展望
參考文獻
附表
附表1 泊松分布表
附表2 標準正態(tài)分布函數表
附表3 x2分布表
附表4 t分布表
附表5 F分布表