UniMate AI

MATHS 2107

Statistical Modelling and Inference II

3 学分难度 中等👥 3 人学过

统计和数据分析是现代工程师工具包的重要组成部分。解决工程实践中出现的各种数学问题的数值方法也是如此。本课程介绍概率和统计;总体均值, 多个总体均值和分类变量的推论;和线性回归。该课程还涵盖了插值方法, 数值积分, 线性系统和因式分解, 线性和非线性系统的迭代解以及常微分方程中的数值方法。始终强调工程应用。

Course decision

选课先看

先看考核重心、截止节奏和入门要求,再决定这门课是否适合你的学期安排。

考核总权重

100%

5 项考核

最高单项

50%

Exam

期末考试

以官方 outline 为准

Hurdle

1 项

需要单独满足

What you learn

学完能做什么

学习成果来自官方 Unit Outline,关键词来自这门课的逐周主题。

课程能力关键词

probabilitystatisticsinferenceregressionframeworkrandomvariablesexpectationandjointdistributionssamplingpointestimation

Syllabus

每周大纲

默认只展示每周独有的知识重点;节奏、考核、Tutorial 和避坑信息按需展开。

  1. 1

    Probability framework

    本周围绕 Probability framework 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionframework
  2. 2

    Random variables and distributions

    本周围绕 Random variables and distributions 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionrandomvariables
  3. 3

    Expectation and variance

    本周围绕 Expectation and variance 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionexpectationand
  4. 4

    Joint distributions

    本周围绕 Joint distributions 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionjointdistributions
  5. 5

    Sampling distributions

    本周围绕 Sampling distributions 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionsamplingdistributions
  6. 6

    Point estimation

    本周围绕 Point estimation 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionpointestimation
  7. 7

    Confidence intervals

    本周围绕 Confidence intervals 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionconfidenceintervals
  8. 8

    Hypothesis testing

    本周围绕 Hypothesis testing 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionhypothesistesting
  9. 9

    Regression introduction

    本周围绕 Regression introduction 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionintroduction
  10. 10

    ANOVA and categorical data

    本周围绕 ANOVA and categorical data 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionanovaand
  11. 11

    Statistical computing workflow

    本周围绕 Statistical computing workflow 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionstatisticalcomputing
  12. 12

    Probability and statistics review

    本周围绕 Probability and statistics review 展开,结合 MATHS 2107 Statistical Modelling and Inference II 的核心概念、方法框架与应用场景,建立可用于作业、练习或考试的知识结构。

    probabilitystatisticsinferenceregressionandreview

Assessment

考核结构

Quizzes

在线测验。

5%

Practicals

计算机实践。

5%

Assignments

作业。

20%

Tests (2)

两次测试。

20%

ExamHurdle

期末考试,含 40% hurdle。

50%

Week Exam period

Reviews

学生评价

5.0

难度

3.0

含金量

3.0

压力

3.0

教师评分

mengwei liu

90%高中数学+10%新知识,总体难度不高,在国内参加过高考的同学应该难度不算太高。

From Seniors

学长留下的

基础信息谁都查得到,真正值钱的是过来人的经验。

学姐说

比你早一年的学长留下的真实经验 —— ChatGPT 给不了。

这门课还没有学长经验,你可以是第一个 —— 注册后在课内分享。

往年考点 / 踩坑

这门课暂无往年考点记录。

毕业生去向(整体)

下面是匠人学院毕业生整体去过的公司分布(来自脱敏校友证言)。这是全平台的总体去向,不代表选这门课的人一定去这些公司。

统计自 317 份脱敏校友证言

Deloitte

6 位校友

岗位:Graduate Program · Graduate Consulting · Platform Engineer · Web developer · Platform engineer

Zerologix

4 位校友

岗位:Frontend Dev · junior frontend developer · Front-end Developer · Full Stack Developer

Servian

4 位校友

岗位:Full-stack Developer · Data Engineer · Consultant

关于这块数据,我们说实话

雇主墙来自脱敏毕业生证言(testimonials)的整体分布,无法关联到具体学员或其所选课程;仅作为毕业生去向的总体社会证明展示。

我们没有"某位学长选了这门课、后来进了哪家公司"这种可查询的个人去向档案 —— 校友证言是脱敏的,无法关联到具体的人或他选过的课。所以这里只给整体分布,不给个人路径,不编。