Explore les principes et les applications de l'analyse des écarts (ANOVA), y compris les hypothèses de test, les modèles, les hypothèses et les tests post-hoc.
Discute de l'évaluation des classificateurs binaires, y compris le rappel, la sensibilité, la spécificité, les courbes ROC et les mesures de performance.
Présente des statistiques de comparaison, des taux d'erreur, des tests d'hypothèses et des exemples réels d'efficacité du traitement et d'analyse d'haltérophilie.
Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.
Explore les critères de performance dans l'apprentissage supervisé, en mettant l'accent sur la précision, le rappel et la spécificité dans l'évaluation des modèles.
