Indépendance statistique et corrélation : Comprendre les fonctions de Gauss

Cette séance de cours s'inscrit dans les concepts d'indépendance statistique et de corrélation, en mettant l'accent sur la différence entre eux. Au moyen d'exemples et de calculs de probabilités conjointes, l'instructeur explique comment déterminer si deux variables ne sont pas liées ou statistiquement indépendantes. La séance de cours couvre également la corrélation linéaire et explore des corrélations réelles et fallacieuses à l'aide d'exemples intrigants comme les recettes d'arcade et les lancements spatiaux mondiaux. De plus, la séance de cours traite des fonctions de densité de probabilité marginale et conditionnelle des fonctions de Gauss, de l'estimation de probabilité et de l'application de modèles de mélange gaussien pour le regroupement. L'importance des fonctions de probabilité pour l'adaptation des distributions de données est soulignée, ainsi que les défis posés par la non-convexité. La séance se termine par une comparaison des différentes solutions utilisant les paramètres AIC et BIC dans les modèles de mélange gaussien.