课程 · 资源记录
MIT 18.650 Statistics for Applications
从统计模型、参数推断和估计量评价出发，覆盖矩估计、最大似然、假设检验、拟合优度、回归与广义线性模型。
作者：Philippe Rigollet年份：2016出版信息：MIT OpenCourseWare元数据：完整链接核验于 2026-07-13
为什么重要
适合把随机样本、估计量评价、置信区间、检验和回归放在同一课程结构中学习，并比较有限样本结论与渐近方法。
阅读前提
教材中的引用位置
- M06 · 第 1 章 样本、统计量与抽样分布
支持的主张：MIT 18.650《Statistics for Applications》的公开讲义把统计模型、充分统计量、点估计与渐近分布放在同一推断链条中。阅读时应逐项核对本章使用的 iid 条件、正态有限样本结论与一般渐近结论，不把不同层次的定理合并。
- M06 · 第 2 章 点估计、充分性与信息量
支持的主张：MIT 18.650 的公开材料覆盖估计方法、Fisher 信息、渐近正态性和检验。使用课程公式时应辨明其属于有限样本精确结论还是正则渐近结论，并逐项核对参数空间和支持是否满足假设。
- M06 · 第 3 章 置信区间与枢轴量
支持的主张：MIT OpenCourseWare 18.650 的统计推断材料可用于核对枢轴量、正态模型的有限样本分布以及区间与检验的连接。阅读时应把课程中的模型假设、自由度和渐近结论分别标记，避免把大样本近似写成有限样本恒等式。
- M06 · 第 4 章 假设检验、功效与多重比较
支持的主张：MIT OpenCourseWare 18.650 的假设检验材料覆盖 Neyman–Pearson 方法、似然比思想、p 值和功效。复核课程例题时，应区分简单假设结论、复合假设需要的附加结构以及渐近近似。
- M06 · 第 5 章 线性模型中的统计推断
支持的主张：MIT 18.650 的公开课程材料覆盖回归、假设检验与统计建模，可用来核对从概率模型到估计量分布的推导。阅读时应逐项标注哪些结论只需二阶矩条件，哪些结论使用正态或渐近近似。
- M06 · 第 6 章 估计、检验与统计决策综合复习
支持的主张：MIT 18.650 的公开材料把理论推断放进应用建模流程，可用于复查似然方法、检验、回归和模型评估。对照课程例题时，应保留抽样机制、参数空间和正则条件，不能只复制软件输出。