Loi demi-normale

Science formelle
Statistique
Inférence statistique
Statistique mathématique

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Connectez-vous pour filtrer par séance de cours

Page 1 sur 4

Estimateurs et intervalles de confiance

Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.

Séance de révision : Module 1

Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.

Estimation et intervalles de confiance

Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.

Estimation des intervalles

Couvre la construction des intervalles de confiance pour une distribution normale avec une moyenne et une variance inconnues.

Analyse statistique: Boxplot et distribution normale

Introduit des concepts d'analyse statistique comme boxplot et la distribution normale à l'aide d'exemples de données réelles.

Principe des grandes déviations : le théorème de Cramer

Couvre le théorème de Cramer et l'inégalité de Hoeffding dans le contexte du principe des grandes déviations.

Distribution normale : caractéristiques et exemples

Couvre les caractéristiques et l'importance de la distribution normale, y compris des exemples et des scénarios de traitement.

Distribution normale : bases et applications

Couvre les bases de la distribution normale et ses applications dans les calculs de probabilité.

Théorème des limites centrales : preuve

Présente la preuve du théorème de la limite centrale en utilisant le principe de Lindeberg.

Théorie de l'échantillonnage: Statistiques pour les mathématiciens

Couvre la théorie de l'échantillonnage, en mettant l'accent sur les statistiques pour les mathématiciens.