Loi normale repliée

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Connectez-vous pour filtrer par séance de cours

Page 1 sur 4

Estimateurs et intervalles de confiance

Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.

Distribution normale : caractéristiques et exemples

Couvre les caractéristiques et l'importance de la distribution normale, y compris des exemples et des scénarios de traitement.

Séance de révision : Module 1

Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.

Estimation et intervalles de confiance

Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.

Modèles de mélange: hétérogénéité du goût

Explore les modèles de mélange dans des résultats d'estimation de choix discrets et de paramètres aléatoires.

Principe des grandes déviations : le théorème de Cramer

Couvre le théorème de Cramer et l'inégalité de Hoeffding dans le contexte du principe des grandes déviations.

Modèles statistiques : Familles et transformations

Explore les modèles statistiques, les familles de distributions, les transformations et leurs applications en théorie des probabilités.

Théorie de l'échantillonnage: Statistiques pour les mathématiciens

Couvre la théorie de l'échantillonnage, en mettant l'accent sur les statistiques pour les mathématiciens.

Théorème des limites centrales : preuve

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

Modèles variables latents

Explore les modèles variables latents, l'algorithme EM et l'inégalité de Jensen dans la modélisation statistique.