Inférence bayésienne : Précision dans le modèle gaussien

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 3 sur 4

Statistiques bayésiennes: Tests d'hypothèses et estimation

Couvre les tests d'hypothèses, les valeurs de p, les niveaux de signification et l'estimation bayésienne.

Introduction à l'inférence

Couvre les bases de la théorie des probabilités, des variables aléatoires, de la probabilité conjointe et de l'inférence.

Intervalles de confiance : définition et estimation

Explique les intervalles de confiance, les méthodes d'estimation des paramètres et le théorème de la limite centrale dans l'inférence statistique.

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.

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.

Estimation bayésienne

Couvre les principes fondamentaux de l'estimation bayésienne, en se concentrant sur l'application du théorème de Bayes dans l'estimation scalaire.

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.

Densités et inférence bayésienne: règles de décision et droit bayésien

Couvre les concepts de classification, les tests de dépistage médical et les règles de décision.

Détection et estimation

Couvre la classification binaire, les tests d'hypothèse, les tests de rapport de vraisemblance et les règles de décision.

Probabilité et statistiques

Couvre les concepts fondamentaux en probabilité et en statistiques, en mettant l'accent sur les techniques d'analyse de données et la modélisation statistique.