Séance de cours
Modèles linéaires généralisés
Séances de cours associées (52)
Éléments de la statistique : Probabilité, distribution et estimation
Couvre la théorie des probabilités, les distributions et l'estimation dans les statistiques, en mettant l'accent sur la précision, la précision et la résolution des mesures.
Bénéfices et écarts dans l'estimation
Discuter du biais et de la variance dans l'estimation statistique, en explorant le compromis entre l'exactitude et la variabilité.
Probabilité et statistiques : Indépendance et probabilité conditionnelle
Explore l'indépendance et la probabilité conditionnelle dans les probabilités et les statistiques, avec des exemples illustrant les concepts et les applications pratiques.
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.
Probabilité et statistiques
Couvre les distributions de probabilité, les moments et les variables aléatoires continues.
Inférence bayésienne : Variables gaussiennes
Explore l'inférence bayésienne pour les variables aléatoires gaussiennes, couvrant la distribution articulaire, les pdf marginaux et le classificateur Bayes.
Régression linéaire probabiliste
Examine la régression probabiliste linéaire, couvrant les probabilités articulaires et conditionnelles, la régression des crêtes et l'atténuation excessive.
Dépendance et corrélation
Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.
Probabilité et statistiques
Déplacez-vous dans les probabilités, les statistiques, les paradoxes et les variables aléatoires, montrant leurs applications et propriétés du monde réel.
Probabilité et statistiques
Introduit la probabilité, les statistiques, les distributions, l'inférence, la probabilité et la combinatoire pour étudier les événements aléatoires et la modélisation en réseau.