Régimes de traitement optimaux : approches variables instrumentales

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 1 sur 4

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.

Modèles génériques implicites

Explore des modèles générateurs implicites, couvrant des sujets comme la méthode des moments, le choix du noyau et la robustesse des estimateurs.

Estimateurs et biais

Explore les estimateurs, les biais et l'efficacité des statistiques, en mettant l'accent sur le compromis entre biais et variabilité.

Bandits à bras multiples : Estimation de la distribution

Couvre les bandits multi-bras et l'estimation de la distribution, soulignant l'importance des estimateurs robustes.

Estimation du L-Moment : Moments pondérés par la probabilité

Couvre l'estimation du L-moment, les moments pondérés en fonction des probabilités et les bases de l'inférence de la probabilité maximale.

Optimisation dans la théorie de la décision : estimation impartiale

Explore l'optimalité dans la théorie de la décision et l'estimation impartiale, en mettant l'accent sur la suffisance, l'exhaustivité et les limites inférieures du risque.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Théorie de la vraisemblance maximale et applications

Couvre la théorie de la probabilité maximale, les applications et les principes de test d'hypothèse en économétrie.

Apprentissage supervisé Intro: MaxL Efficiency

Couvre l'efficacité de l'apprentissage supervisé, MaxL, les estimateurs impartiaux, le calcul MSE et les grands ensembles de données.

Critères de sélection du modèle : AIC, BIC, Cp

Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.