Théorie de l'échantillonnage: suffisance et ancillarité

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (30)

Page 1 sur 3

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.

Théorie de l'échantillonnage: Statistiques pour les mathématiciens

Couvre la théorie de l'échantillonnage, en mettant l'accent sur les statistiques pour les mathématiciens.

Méthodes d'estimation dans les probabilités et les statistiques

Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.

Essais: essais en t

Couvre les essais t, le calcul des valeurs p et la comparaison des coefficients.

Estimation du paramètre bayésien

Couvre un exemple d'estimation des paramètres bayésiens et le compromis entre le biais et la variance dans l'apprentissage supervisé.

Estimateurs et intervalles de confiance

Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.

Modèles de mélange: hétérogénéité du goût

Explore les modèles de mélange dans des résultats d'estimation de choix discrets et de paramètres aléatoires.

Modèles statistiques : Familles et transformations

Explore les modèles statistiques, les familles de distributions, les transformations et leurs applications en théorie des probabilités.

Variables aléatoires continues

Couvre les variables aléatoires continues, les fonctions de densité de probabilité et les distributions, avec des exemples pratiques.

Distributions continues : Essais et estimation

Examine les essais et l'estimation des distributions continues au moyen du cloisonnement des intervalles et des calculs du nombre prévu.