数学与统计
量化学习路径第二阶段。这些文章构建你进入第三阶段(机器学习基础)和第四阶段(ML × 量化)所需的数学与统计学基础。
16 篇 约 56 分钟
概率论
- 什么是概率? 样本空间、事件、概率公理、条件概率、独立性
- 随机变量与概率分布 离散与连续随机变量、PMF、PDF、CDF、期望、方差
- 常见概率分布 正态分布、对数正态、二项、泊松、指数、t 分布
- 贝叶斯定理与条件概率 贝叶斯定理、先验与后验、贝叶斯更新
- 大数定律与中心极限定理 大数定律、中心极限定理及其对建模假设的支撑
统计学
- 描述性统计:均值、中位数、众数 均值、中位数、方差、标准差、偏度、峰度
- 假设检验:P值与显著性 H₀/H₁、p 值、t 检验、I 型/II 型错误、显著性水平
- 置信区间 点估计、区间估计、95% 置信区间解读、置信区间 vs 贝叶斯可信区间
- 回归分析基础 简单线性回归、最小二乘法、R²、多元回归入门
- 时间序列:平稳性与自相关 平稳性、ACF、相关图、Ljung-Box 检验、一阶差分