Séance de cours
Règles de décision : Maximum a Posteriori Decision
Séances de cours associées (31)
Test du rapport de vraisemblance : Détection et estimation
Couvre le test de rapport de vraisemblance pour la détection et l'estimation dans l'analyse statistique.
Problèmes d'inférence et jeu de spin verre
Couvre les problèmes d'inférence liés au Spin Glass Game et les défis de faire des erreurs avec preb P.
Théorie statistique : estimation maximale de vraisemblance
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.
Analyse discriminante : Règle de Bayes
Couvre la règle discriminante de Bayes pour l'attribution des individus aux populations en fonction des mesures et des probabilités antérieures.
Tests de rapport de vraisemblance: optimisation et extensions
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
Chaînes Monte Carlo Markov
Couvre l'apprentissage non supervisé, la réduction de dimensionnalité, SVD, l'estimation de bas grade, PCA, et les chaînes Monte Carlo Markov.
Détection de classification
Couvre les fonctions de test d'hypothèse binaire et de décision dans des scénarios spécifiques.
Régression linéaire : perspective d'inférence statistique
Explore la régression linéaire dans une perspective d'inférence statistique, couvrant les modèles probabilistes, la vérité au sol, les étiquettes et les estimateurs de probabilité maximale.
Test du rapport de probabilité : test d'hypothèse
Couvre les méthodes de test du rapport de vraisemblance et de test d'hypothèse à l'aide d'estimations maximales de vraisemblance.
Tests de rapport de vraisemblance: optimisation et applications
Explore la théorie et les applications des tests de rapport de vraisemblance dans les tests d'hypothèses statistiques.