受到氣候變化、溫室效應(yīng)以及人類活動(dòng)等因素的影響，自然界中極端高溫、極端環(huán)境污染、大洪水和大暴雨等現(xiàn)象的發(fā)生日益頻繁；在人類社會中，股市崩潰、金融危機(jī)等極端情況也時(shí)有發(fā)生；今年的新冠疫情就是非常典型的極端現(xiàn)象。研究此類極端現(xiàn)象需要新的統(tǒng)計(jì)學(xué)方法，該類統(tǒng)計(jì)學(xué)的理論和方法都與傳統(tǒng)的基于高斯分布的統(tǒng)計(jì)學(xué)模型有極大的不同。極值統(tǒng)計(jì)學(xué)就是專門研究自然界和人類社會中很少發(fā)生，然而發(fā)生之后有著巨大影響的極端現(xiàn)象的統(tǒng)計(jì)建模及分析方法；在水文、氣象、環(huán)境、生態(tài)、保險(xiǎn)和金融等領(lǐng)域都有著廣泛的應(yīng)用。為了幫助研究者更好的應(yīng)用極值統(tǒng)計(jì)理論研究課題，開展基于R語言的極值統(tǒng)計(jì)學(xué)。

點(diǎn)擊查看原文鏈接https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247525214&idx=4&sn=1127cb811c0f6ddf8d8e984043a9504a&chksm=ce6489b5f91300a386c3718298d405ac1c4de5c112f3853bf9dfc4a714276969e13219c89ead&scene=21#wechat_redirect

專題一 獨(dú)立假設(shè)下的極值統(tǒng)計(jì)建模

主要內(nèi)容包括：
1.廣義極值模型
2.極小值的處理
3.廣義Pareto模型
4.第r大次序統(tǒng)計(jì)量建模
5.R語言中極值統(tǒng)計(jì)學(xué)包
6.實(shí)例操作1-2 (提供案例數(shù)據(jù)及代碼)

專題二 平穩(wěn)時(shí)間序列的極值統(tǒng)計(jì)建模

主要內(nèi)容包括：
1.時(shí)間序列的極值區(qū)分組模型
2.POT模型、Markov（馬爾科夫）模型
3.實(shí)例操作3-5?(提供案例數(shù)據(jù)及代碼)

專題三 極值回歸

主要內(nèi)容包括：
1.非平穩(wěn)時(shí)間序列極值模型
2.協(xié)變量的極值統(tǒng)計(jì)模型及極值回歸
3.實(shí)例操作6-7 (提供案例數(shù)據(jù)及代碼)

專題四 點(diǎn)過程模型

主要內(nèi)容包括：
1.點(diǎn)過程理論
2.超閾值點(diǎn)過程模型
3.實(shí)例操作8 (提供案例數(shù)據(jù)及代碼)

專題五 貝葉斯極值統(tǒng)計(jì)學(xué)

主要內(nèi)容包括：
1.貝葉斯統(tǒng)計(jì)學(xué)初步
2.極值模型的貝葉斯估計(jì)
3.實(shí)例操作9 (提供案例數(shù)據(jù)及代碼)

專題六/七 極值統(tǒng)計(jì)學(xué)的高級課題

主要內(nèi)容包括：
1.多元極值模型
2.極值Copula模型
3.實(shí)例操作10-11 (提供案例數(shù)據(jù)及代碼)
4.答疑與交流

R語言的分位數(shù)回歸實(shí)踐技術(shù)高級應(yīng)用

回歸是科研中最常見的統(tǒng)計(jì)學(xué)研究方法之一，在研究變量間關(guān)系方面有著極其廣泛的應(yīng)用。由于其基本假設(shè)的限制，包括線性回歸及廣義線性回歸在內(nèi)的各種常見的回歸方法都有三個(gè)重大缺陷：(1)對于異常值非常敏感，極少量的異常值可能導(dǎo)致結(jié)果產(chǎn)生巨大的誤差；(2)對數(shù)據(jù)的分布有著較為苛刻的要求，如果數(shù)據(jù)不符合指定的分布，結(jié)果同樣是不可信的；(3)只能估計(jì)因變量的條件均值，不能估計(jì)自變量對因變量分位點(diǎn)的不同影響。分位數(shù)回歸的出現(xiàn)較好的解決了第(1)和第(3)個(gè)問題，對不同分布數(shù)據(jù)也表現(xiàn)非常好的穩(wěn)定性。分位數(shù)回歸是一種較新的回歸技術(shù)，在實(shí)踐中與普通的線性回歸有很大區(qū)別，在理論上比線性回歸復(fù)雜很多。

點(diǎn)擊查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247520749&idx=3&sn=b06eb2226abb3a7185183889b2d05356&chksm=ce647b06f913f2101c3b16fd71227b87f4353a71928ab505807acec1e8e8dbe00c3f9fb1dd38&scene=21#wechat_redirect

專題一：線性回歸假設(shè)與分位數(shù)函數(shù)講解
1.線性回歸的本質(zhì)
2.線性回歸的基本假設(shè)
3.最小二乘法與極大似然法
4.線性回歸的推廣與分位數(shù)函數(shù)

專題二：線性分位數(shù)回歸【代碼實(shí)踐】
1.最小一乘法及其推廣
2.分位數(shù)回歸結(jié)果的解釋
3.顯著性檢驗(yàn)
4.分位數(shù)回歸的擬合優(yōu)度檢驗(yàn)

專題三：貝葉斯分位數(shù)回歸【代碼實(shí)踐】
1.貝葉斯統(tǒng)計(jì)學(xué)的基本概念
2.非對稱拉普拉斯先驗(yàn)
3.貝葉斯分位數(shù)回歸

專題四：超越線性分位數(shù)回歸（一）【代碼實(shí)踐】
1.非線性分位數(shù)回歸
2.非參數(shù)分位數(shù)回歸
3.廣義分位數(shù)回歸及其貝葉斯版本

專題五：超越線性分位數(shù)回歸（二）【代碼實(shí)踐】
1.線性分位數(shù)混合效應(yīng)模型
2.CDF-分位數(shù)回歸
3.分位數(shù)隨機(jī)森林

?基于現(xiàn)代R語言【Tidyverse、Tidymodel】的機(jī)器學(xué)習(xí)方法

機(jī)器學(xué)習(xí)已經(jīng)成為繼理論、實(shí)驗(yàn)和數(shù)值計(jì)算之后的科研“第四范式”，是發(fā)現(xiàn)新規(guī)律，總結(jié)和分析實(shí)驗(yàn)結(jié)果的利器。機(jī)器學(xué)習(xí)涉及的理論和方法繁多，編程相當(dāng)復(fù)雜，一直是阻礙機(jī)器學(xué)習(xí)大范圍應(yīng)用的主要困難之一，由此誕生了Python，R，SAS，STAT等語言輔助機(jī)器學(xué)習(xí)算法的實(shí)現(xiàn)。在各種語言中，R語言以編程簡單，方法先進(jìn)脫穎而出,本次機(jī)器學(xué)習(xí)基于現(xiàn)代Ｒ語言，Tidyverse,Tidymodel語法。

點(diǎn)擊查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247522233&idx=2&sn=a38efc3c88b7d792983f6def5ea563bc&chksm=ce647d52f913f444848628d8e755e15e07c5b7b84db264457f585dc884cabb75bc7eacba3804&scene=21#wechat_redirect

?

?