Modèles paramétriques : Estimateurs de régression et optimisation

Cette séance de cours couvre les fondamentaux des modèles paramétriques, y compris la régression linéaire gaussienne, la régression logistique et la régression de Poisson. Il se penche sur le concept de modèles d'estimation paramétriques, d'estimation statistique et d'estimateurs de probabilité maximale. La séance de cours explore également les estimateurs de régression via des modèles probabilistes, avec des exemples tels que l'imagerie par résonance magnétique (IRM) et la détection du cancer du sein. En outre, il discute de l'estimateur ML pour l'IRM, le modèle statistique pour les systèmes d'imagerie à photons limités, et les estimateurs M. La séance de cours se termine par une explication détaillée de la sélection du modèle graphique, de la modélisation Google PageRank et de la formulation d'optimisation de Google PageRank.