纽约联储DSGE模型（版本1002） DSGE.jl包实现了纽约联储动态随机一般均衡（DSGE）模型，并提供了通用代码来估算许多用户指定的DSGE模型。 该软件包在Liberty Street Economics博客文章。 （我们之前将模型称为“ FRBNY DSGE模型”。） 此Julia语言实现反映了Liberty Street Economics博客文章包含的MATLAB代码。 单击上面的docs|dev按钮可以访问代码的docs|dev 。 有关最新型号版本的文档，请阅读此 。 纽约联储DSGE团队目前正在扩展代码，以解决和估计异构代理模型。 过滤和平滑算法可在已注册的软件包。 可以在注册软件包找到用于估计DSGE模型的顺序蒙特卡洛（SMC）采样的。 的基础AbstractModel类型，从该AbstractDSGEModel类型导出，在已注册的包被定义 。 纽约联储可酌

利用高级数据驱动和深度学习方法，结合单变量和传统多变量技术的优势，提高其性能，拓宽其实际应用范围，解决了过程监控中的多变量挑战。本书继续融合了浅层学习方法的理想属性——如单类支持向量机、k近邻和无监督深度学习方法——以开发更复杂和有效的监控技术。最后，开发的方法应用于监测许多过程，如废水处理厂，自主机器人和车辆的驾驶环境中的障碍检测，机器人群，化学过程(连续搅拌槽反应器，塞流反应器和蒸馏塔)，臭氧污染，道路交通拥堵，还有太阳能光伏系统。 使用基于数据驱动的方法进行故障检测和归因 深入了解复杂和多元系统中的故障检测和归因 熟悉最适合的基于数据驱动的技术，包括多元统计技术和基于深度学习的方法 包括案例研究和不同方法的比较

经典统计信号处理教材

该开放式软件包旨在解决频率分布，运行图，X图，R图，X条和S图，R条和R图，X和MR图，标准偏差，控制极限，过程能力，p和np型图表，c和u型图表。

本书主要介绍统计学的基本思想、原理和方法, 使读者对统计学及统计学的思维方式有一个整体的了解. 本书主要内容包括: 统计学的发展和应用领域、概率理论、数据收集的概念和方法、对数据总体信息的描述、常用的参数估计和假设检验方法. 书中注重以概率理论解释常见统计方法的原理, 并通过计算机模拟帮助读者理解统计思想和原理, 以避免把统计 学片面地理解为简单的加减乘除计算公式, 进而增强学生运用统计思想和方法提出问题、分析问题和解决问题的能力. 本书适合作为高等院校本科生学习统计学知识的入门教材.

During the past decade there has been an explosion in computation and information technology. With it have come vast amounts of data in a variety of fields such as medicine, biology, finance, and marketing. The challenge of understanding these data has led to the development of new tools in the field of statistics, and spawned new areas such as data mining, machine learning, and bioinformatics. Many of these tools have common underpinnings but are often expressed with different terminology. This book describes the important ideas in these areas in a common conceptual framework. While the approach is statistical, the emphasis is on concepts rather than mathematics. Many examples are given, with a liberal use of color graphics. It is a valuable resource for statisticians and anyone interested in data mining in science or industry. The book's coverage is broad, from supervised learning (prediction) to unsupervised learning. The many topics include neural networks, support vector machines, classification trees and boosting---the first comprehensive treatment of this topic in any book. This major new edition features many topics not covered in the original, including graphical models, random forests, ensemble methods, least angle regression & path algorithms for the lasso, non-negative matrix factorization, and spectral clustering. There is also a chapter on methods for 'wide' data (p bigger than n), including multiple testing and false discovery rates.

JKQTPlotter-Qt绘图库 这是针对Qt的功能/数据绘图仪类的广泛库（> = 5.0，已通过Qt高达5.12测试）。 本软件已根据或更高版本获得。 主要特点 2D绘图仪小部件类（JKQTPlotter） 高质量的绘图 除了Qt> = 5.0之外没有其他依赖项 高度可定制的轴/网格（线性/对数，日期/时间，自定义刻度...） 集成的LaTeX解析器（纯C ++，无依赖项），可在轴标签，刻度线等中呈现数学方程式 预先设置了广泛的用户交互功能（几种缩放模式，选择区域，自定义上下文菜单，切换图可见性等） 全面的打印和导出（PDF，PNG等）支持，并具有现成的预览和参数化功能 高度可定制

SARS Covid 2的全球数据分析 网络抓取工具worldosmeters_scraper.exe从worldometers.info中获取所有数据，并每天创建所有国家/地区的today_worldwide_covid19_data.csv数据库。 然后， covid19_analysis_2.2.py分析所有数据。 该脚本有两种语言，希腊语和英语。 只需输入“ GR”（希腊）或“ EN”（英语）即可。 如果您想测试脚本，只需下载covid19_analysis_2.2.exe并运行它。 today_worldwide_covid19_data.csv每天更新。 与old_version的区别在于，现在您可以从.csv文件中的224检查每个国家或地区的统计信息而且您只需下载一次.exe，而不是每天都要下载的旧版本！ 输出： 资料来源

因果推理工具是大多数科学结果背后的基本统计构件。因此，有一个共同商定的开源资源来提出和评估这些资源以及列出目前尚未解决的问题是极为有用的。这本书的内容涵盖了实施因果推理的统计方法所需的基本理论知识和技术技能。 这意味着: 了解编码因果关系的基本语言，了解推理的基本问题和直觉估计的偏差，了解计量经济学方法如何恢复治疗效果，能够计算这些估计值连同估计精度使用统计软件R。 这本书是为教学因果推理的研究生，希望运用因果推理的统计工具。提供了理论结果的演示，但最终目标不是让学生再现它们，而主要是使他们更好地理解他们将使用的工具的基础。重点是理解问题和解决方案，而不是理解后面的数学，即使数学存在并被用来严格地传达概念。所有的概念和估计值都是用一个数值例子和模拟来介绍的，以便每个概念都被说明，并显得更直观的学生。

目录 1 - 1 - Unit 1- Introduction (3-23).mp4 1 - 2 - Unit 1, Part 1- (1) Data Basics (4-52).mp4 1 - 3 - Unit 1, Part 1- (2) Observational Studies and Experiments (4-44).mp4 1 - 4 - Unit 1, Part 1- (3) Sampling and Sources of Bias (7-53).mp4 1 - 5 - Unit 1, Part 1- (4) Experimental Design (2-59).mp4 1 - 6 - Unit 1, Part 1- (Spotlight) Random Sample Assignment (3-47).mp4 1 - 7 - Unit 1, Part 2- (1) Visualizing Numerical Data (12-57).mp4 1 - 8 - Unit 1, Part 2- (2) Measures of Center (5-17).mp4 .....