Mean squared prediction error

Science formelle
Statistique
Analyse des données
Régression (statistiques)

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Connectez-vous pour filtrer par séance de cours

Page 1 sur 4

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.

Évaluation du modèle

S'insère dans l'évaluation du modèle, couvrant la théorie, l'erreur de formation, l'erreur de prédiction, les méthodes de rééchantillonnage et les critères d'information.

Estimation probabiliste dans Spin Glass Card Game

Explore l'estimation probabiliste dans le jeu Spin Glass Card, mettant l'accent sur la division de la pièce en fonction d'un paramètre donné.

Estimation : Estimateur linéaire

Explore l'estimation linéaire, les critères optimaux et le principe d'orthogonalité pour de bons choix en matière d'estimation.

Estimation linéaire et prévision : modèles et méthodes

Explore l'estimation linéaire et la prédiction dans les modèles paramétriques AR, en se concentrant sur les équations Yule Walker et le filtre Wiener.

Cohérence de l'estimation maximale de la probabilité

Explore le raisonnement mathématique qui sous-tend la cohérence de l'estimation de la probabilité maximale.

Filtre Kalman: Séries chronologiques

Couvre la modélisation structurelle, les modèles d'espace d'état, et le filtre Kalman dans l'analyse des séries temporelles.

Optimisation et simulation

Explore l'analyse statistique, l'erreur carrée moyenne et les méthodes de piégeage dans l'optimisation et la simulation.

Modèle avec interactions

Explique les modèles avec des interactions, en mettant laccent sur limportance des facteurs et des valeurs F.

Spike Wigner Modèle

Explore le modèle de Spike Wigner, le débruitage bayésien, l'évolution des états et les méthodes spectrales en analyse matricielle.