Deviance information criterion

Science formelle
Statistique
Analyse des données
Validation croisée

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (12)

Connectez-vous pour filtrer par séance de cours

Page 1 sur 2

Critères de sélection du modèle : AIC, BIC, Cp

Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.

Choix du modèle et prévision

Explore le choix des modèles, les prévisions et les techniques de prévision dans l'analyse des séries chronologiques.

Méthodes de sélection des variables

Explorer les méthodes de sélection variable et l'équilibre entre les biais et les variables dans la modélisation statistique.

Inférence statistique : Paramètres de sélection et de nuisance du modèle

Couvre la sélection des modèles, les paramètres de nuisance et les méthodes d'inférence d'ordre supérieur dans l'inférence statistique.

Les critères d'information de Takeuchi et Akaike

Couvre l'estimation de l'optimisme pour les prédicteurs via des modèles statistiques et l'application de l'AIC à la régression linéaire.

Régression non paramétrique

Couvre la régression non paramétrique, le lissage par dispersion, les méthodes du noyau et le compromis biais-variance.

Sélection du modèle : AIC et BIC

Explore la sélection des modèles en utilisant les critères AIC et BIC, en répondant à différentes questions et à l'importance de la parcimonie dans la sélection du meilleur modèle.

Sélection du modèle: Non-Nested Model Selection

Explore la sélection des modèles, les critères, les compromis biais / variance et les méthodes de validation croisée.

Méthodes de sélection des modèles en biostatistiques

Explore les méthodes de sélection des modèles en biostatistiques, en soulignant limportance de commencer par un modèle raisonnable.

Théorème des limites centrales : preuve

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