Concept
Statistique
Séances de cours associées (482)
Principes de base de l'estimation ponctuelle
Explore la méthode des moments, le compromis biais-variance, la cohérence, le principe de plug-in et le principe de vraisemblance dans lestimation de point.
Limites fondamentales de l'apprentissage basé sur le graduat
S'inscrit dans les limites fondamentales de l'apprentissage par gradient sur les réseaux neuronaux, couvrant des sujets tels que le théorème binôme, les séries exponentielles et les fonctions génératrices de moments.
Mise à l'échelle et renormalisation en mécanique statistique
Explore l'échelle et la renormalisation en mécanique statistique, en mettant l'accent sur les points critiques et les propriétés invariantes.
Inférence statistique : Valeurs critiques approximatives et intervalles de confiance
Couvre la construction d'intervalles de confiance et de valeurs critiques approximatives dans l'inférence statistique.
Tests de rapport de vraisemblance: optimisation et extensions
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
Introduction aux conceptions factorielles fractionnelles
Couvre les conceptions factorielles fractionnelles, les types, les exemples, les conceptions équilibrées et l'exploitation des redondances dans les interactions.
Combinaisons linéaires : fonctions génératrices de temps
Explore les fonctions génératrices de moments, les combinaisons linéaires et la normalité des variables aléatoires.
Intervalles de confiance et tests d'hypothèse
Explore les intervalles de confiance, les tests d'hypothèse et les courbes ROC dans l'analyse statistique.
Théorie statistique : estimation maximale de vraisemblance
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.
Le phénomène Stein et la superefficacité
Explore le phénomène Stein, présentant les avantages du biais dans les statistiques de grande dimension et la supériorité de l'estimateur James-Stein sur l'estimateur de probabilité maximale.