开源项目统计推断教程
2025-04-15 23:54:49作者:董灵辛Dennis
1. 项目的目录结构及介绍
本项目是基于Daniel Lakens所著《Improving Your Statistical Inferences》一书的开源项目,其目录结构如下:
statistical_inferences/
├── 01-pvalue_cache/
├── 01-pvalue_files/
├── 02-errorcontrol_cache/
├── 02-errorcontrol_files/
├── 08-samplesizejustification_cache/
├── 08-samplesizejustification_files/
├── 09-equivalencetest_cache/
├── 09-equivalencetest_files/
├── 10-sequential_cache/
├── 10-sequential_files/
├── 12-bias_cache/
├── 12-bias_files/
├── 17-replication_files/
├── R/
├── chapters/
├── docs/
├── editing_brown/
├── images/
├── include/
├── .Rprofile
├── .gitignore
├── 01-pvalue.qmd
├── 02-errorcontrol.qmd
├── 03-likelihoods.qmd
├── 04-bayes.qmd
├── 05-questions.qmd
├── 06-effectsize.qmd
├── 07-CI.qmd
├── 08-samplesizejustification.qmd
├── 09-equivalencetest.qmd
├── 10-sequential.qmd
├── 11-meta.qmd
├── 12-bias.qmd
├── 13-prereg.qmd
├── 14-computationalreproducibility.qmd
├── 15-researchintegrity.qmd
├── 16-confirmationbias.qmd
├── 17-replication.qmd
├── LICENSE.md
├── _quarto.yml
├── changelog.qmd
├── index.qmd
├── references.qmd
└── statistical_inferences_book.Rproj
01-pvalue_files/至17-replication_files/:这些目录包含书中各个章节的代码和缓存文件。R/:可能包含R语言相关的脚本和代码。chapters/:可能包含书籍的各个章节的Markdown文件。docs/:可能包含项目文档和额外的说明文件。images/:包含项目中使用的图像文件。.Rprofile:R语言的配置文件。.gitignore:定义Git应该忽略的文件和目录。*.qmd:这些是Quarto文档文件,用于编写和展示统计推断的章节内容。LICENSE.md:项目的许可证文件。_quarto.yml:Quarto项目的配置文件。changelog.qmd:记录项目更新和修改的历史。index.qmd:项目的首页文档。references.qmd:参考文献文档。statistical_inferences_book.Rproj:RStudio的项目文件。
2. 项目的启动文件介绍
项目的启动文件为index.qmd,这是使用Quarto创建的项目首页文档。该文件包含了项目的简介和导航到其他章节的链接。用户可以通过Quarto软件打开这个文件,它会展示一个格式化的页面,用户可以从中选择阅读不同的章节。
3. 项目的配置文件介绍
项目的配置文件为_quarto.yml,这是Quarto的配置文件,用于定义项目的各种设置,例如:
- 项目的标题、作者和描述。
- 使用的主题和样式。
- 生成的文档类型和格式。
通过修改这个配置文件,用户可以定制项目的布局和样式,以符合自己的需求。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.13 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
316
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219