Concept
Sampling distribution
Séances de cours associées (41)
Échantillonnage corrélé et non corrélé
Explique l'échantillonnage corrélé et non corrélé pour générer des variables aléatoires avec des fonctions de poids données.
Comprendre les statistiques et le design expérimental
Fournit un aperçu de la théorie des probabilités de base, de l'ANOVA, des tests t, du théorème de limite centrale, des métriques, des intervalles de confiance et des tests non paramétriques.
Théorème des limites centrales : preuve
Présente la preuve du théorème de la limite centrale en utilisant le principe de Lindeberg.
Modèles statistiques: Échantillonnage et tests d'hypothèse
Explore les modèles statistiques, les distributions d'échantillonnage et les tests d'hypothèses à l'aide d'exemples concrets.
Théorie statistique : Fondamentaux
Couvre les bases de la théorie statistique, y compris les modèles de probabilité, les variables aléatoires et les distributions déchantillonnage.
Optimisation et asymptotique
Explore l'optimalité de l'estimateur des moindres carrés et sa grande distribution d'échantillons.
Intégration Monte Carlo : Échantillonnage non corrélé
Explore l'intégration Monte Carlo grâce à l'échantillonnage non corrélé et son échelle d'erreur avec le nombre de points utilisés.
Méthodes d'acceptation-rejet: Techniques avancées
Explore les méthodes avancées d'acceptation-rejet, l'échantillonnage à partir de la distribution normale et la génération de variables aléatoires multivariées.
Théorie de l'échantillonnage: Statistiques pour les mathématiciens
Couvre la théorie de l'échantillonnage, en mettant l'accent sur les statistiques pour les mathématiciens.
Statistiques et conception expérimentale
Explore la probabilité conditionnelle, les études de Framingham, la taille de l'effet, le test t et l'erreur d'échantillonnage dans les statistiques.