u012318021的专栏

非参数检验的主要问题：（1）拟合优度检验（检验样本是否服从指定的分布类型和分布参数确定的分布）。                                        （2）分布一致性检验（又称齐次性检验）（检验两组样本是否来自同一总体，即两组样本的分布函数和分布参数是否相同）。                                        （3）独立性检验（检验多

主成分分析（PCA）：分析一个随机向量的中的主成分（主成分一般不是随机向量中的某一个分量，而是不同分量的线性组合，根据信息论的观点，                                     信息的多少与方差有关， 所以 主成分是方差最大的几个成分）。                                    主成分分析的方法是求随机向量的协方差矩阵（用样本协方差

假设检验：（1）提出原假设和备择假设                  （2）构造检验统计量，并确定检验统计量的分布                  （3）确定在给定置信度下，统计量的取值范围。                  （3）由样本计算统计量的值，并与

方差分析：（1）假定样本独立同分布                  （2）假定误差差服从均值为零的正态分布                  （3）假定各类别的变量方差相同   分析两组变量之间是否具有相同的均值。

参数估计：在已知分布函数的情况下，估计函数中的待定参数。参数估计分为：点估计和区间估计。点估计方法主要有：矩估计和极大似然估计。极大似然估计：把参数当成已知量用字母表示，求出每个样本发生的概率，令似然函数为各个样本概率的乘积，                         求出似然函数取最大值时对应的参数值（此参数即为参数的最大似然估计，求最大值时一般求似

回归分析：做完线性回归分析后还要检验回归方程的显著性。（即判断自变量和因变量之间是否真的存在因果关系，相当于检验参数贝塔是否为零向量。                                                                                                     还要检验，自变量的每个分量是否和因变量间存在因果关系，相当于

相关系数：描述两个随机变量间的线性相关性强弱的指标；复（全）相关系数：描述一个随机变量和一个随机向量间线性相关性强弱的指标；                              （将随机向量的各维进行线性组合得到一个随机变量，求两个随机变量间的相关系数，                                取所有组合中相关系数的最大值，作为变量与向量的复（全）相