Passer au contenu principal
Graph
Search
fr
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Concept
Complex normal distribution
Science formelle
Statistique
Inférence statistique
Statistique mathématique
Graph Chatbot
Séances de cours associées (31)
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 2 sur 4
Suivant
Modèles statistiques : Familles et transformations
Explore les modèles statistiques, les familles de distributions, les transformations et leurs applications en théorie des probabilités.
Contrôle multivariable : matrices de pondération et vecteurs aléatoires gaussiens
Discute de la conception des matrices de pondération pour LQR et les vecteurs aléatoires gaussiens.
Distributions normales
Couvre les caractéristiques et l'importance de la distribution normale dans l'analyse statistique.
Modèles variables latents
Explore les modèles variables latents, l'algorithme EM et l'inégalité de Jensen dans la modélisation statistique.
Distribution normale : propriétés et calculs
Couvre la distribution normale, y compris ses propriétés et ses calculs.
Réservoirs et barrages : construction et dimensionnement hydrauliques
Explore le dimensionnement des réservoirs et des barrages en utilisant des courbes d'écoulement cumulatives et le dimensionnement des réservoirs pour les périodes sèches et pluvieuses.
Théorème des limites centrales : preuve
Présente la preuve du théorème de la limite centrale en utilisant le principe de Lindeberg.
Processus de fabrication de pizza
Couvre le processus de fabrication de la pizza, de l'échantillonnage, des moyennes, de la dispersion, des résidus et de la distribution normale.
Théorème des limites centrales: Illustration et applications
Explore le théorème de la limite centrale et ses applications dans l'analyse statistique.
Toutes les probabilités : Basic Bounds, LLN & CLT
Introduit les limites de base, LLN et CLT dans la théorie des probabilités, en mettant l'accent sur la convergence vers la distribution normale.