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 .....

Practical statistical network analysis(with R and igraph) 洛桑大学R语言中igraph讲义，适合快速入门

Statistical Learning with Sparsity - The Lasso and Generalizations

The Nature of Statistical Learning Theory（中英2本 Vapnik,V.N的.《统计学习理论的本质》）

《Applied Multivariate Statistical Analysis》pdf, Wolfgang, 4th edition, 英文版

目的–本文的目的是提高浅层有源声纳检测性能水。 定义类似随机模型的多元椭圆轮廓（MEC）分布模型混响，有助于揭示目标签名的结构信息。 设计/方法/方法–有源声纳系统的开发范围更广传输带宽和更大的Kong径接收阵列，从而改善了信噪比匹配滤波和波束成形后的比率和混响功率比率。 但是，它改变了传统假定瑞利的混响引起的包络的统计分布分配。 MEC是一种广义的非高斯分布模型。 作者从理论上推导复合高斯，瑞利混合，威布尔，K分布都是特殊的例MEC。 众所周知，威布尔分布和钾分布具有比瑞利明显的重尾分配。 MEC是表征非瑞利重尾分布的合适模型混响。 结果–对测试数据的分析表明，混响包络明显偏离了瑞利分配。 在广泛的非高斯框架中，混响建模为MEC分布， 适用于表征非瑞利混响。 试验中收到的数据验证了MEC模型的有效性。 实际数据包络遵循K分布，这是MEC。 因此，MEC可用于开发新颖的信号处理算法，从而减轻或减轻考虑了重尾混响分布对目标检测的影响。 研究的局限性/意义–有限的海试数据是证明的主要局限性进一步进行模型验证。

Perfected over three editions and more than forty years, this field- and classroom-tested reference: 　　* Uses the method of maximum likelihood to a large extent to ensure reasonable, and in some cases optimal procedures. 　　* Treats all the basic and important topics in multivariate statistics. 　　* Adds two new chapters, along with a number of new sections. 　　* Provides the most methodical, up-to-date information on MV statistics available.　　

关于贝叶斯统计方面的很好的入门教材。The purpose of the book is to familiarize the students with the basic concepts of Bayesian theory and to quickly get them performing their own data analyses using Bayesian com- putational tools.