Cross-covariance matrix

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Connectez-vous pour filtrer par séance de cours

Page 1 sur 4

Composantes principales : Propriétés et applications

Explore les principales composantes, la covariance, la corrélation, le choix et les applications dans l'analyse des données.

Modèles de mélange gaussien : matrice de probabilité et de covariance

Explore l'indépendance statistique, les modèles de mélange gaussien et l'adaptation des données aux fonctions gaussiennes.

Statistiques multivariées: Wishart et Hotelling T2

Explore la distribution de Wishart, les propriétés des matrices de Wishart, et la distribution de T2 de Hotelling, y compris la statistique T2 de deux exemples Hotelling.

PCA : Dérivation et optimisation

Couvre la dérivation de la projection PCA, la minimisation des erreurs et l'optimisation du vecteur propre.

Statistiques à variables multiples : distribution normale

Couvre la distribution normale multivariée, les propriétés et les méthodes d'échantillonnage.

Analyse des composantes principales : compréhension de la structure des données

Explore l'analyse des composantes principales, la réduction de la dimensionnalité, l'évaluation de la qualité des données et le contrôle du taux d'erreur.

Modèles Max-Stable: Smith et Schlather

Couvre les modèles Smith et Schlather max-stable, explorant leur validité et leur interprétation.

Relations fluctuante-dissipation pour les diffusions réversibles

Couvre la réponse linéaire, les états stables, Girsanov transforme et les limites de covariance dans les diffusions réversibles.

Modèles de valeur extrême: Dérivation technique

Explore la dérivation technique et les propriétés des modèles Multivariate Extreme Value.

Estimation de la structure à terme : analyse des composantes principales

Couvre l'analyse des composantes principales pour l'estimation de la forme de la courbe de rendement et la réduction des dimensions dans les modèles de taux d'intérêt.