Construction du modèle de probabilité

Cette séance de cours traite de la construction dun modèle de probabilité, en se concentrant sur des expériences aléatoires, des calculs dincertitude et lutilisation de modèles de probabilité dans diverses expériences. Un exemple est donné pour estimer le poids moyen d'un groupe en échantillonnant un groupe plus petit au hasard. La séance de cours couvre également l'inférence basée sur la conception, le calcul de la variance et l'optimisation de l'allocation dans les essais cliniques. L'instructeur explique l'importance de l'échantillonnage aléatoire dans l'analyse statistique et les applications pratiques de ces concepts dans la recherche médicale et la conception d'enquêtes.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Séances de cours associées (51)

Concepts associés (38)

MATH-234(a): Probability and statistics

Ce cours enseigne les notions élémentaires de la théorie de probabilité et de la statistique, tels que l'inférence, les tests et la régression.

Plan d'expériences

On nomme plan d'expériences (en anglais, design of experiments ou DOE) la suite ordonnée d'essais d'une expérimentation, chacun permettant d'acquérir de nouvelles connaissances en maîtrisant un ou plusieurs paramètres d'entrée pour obtenir des résultats validant un modèle avec une bonne économie de moyens (nombre d'essais le plus faible possible, par exemple). Un exemple classique est le « plan en étoile » où en partant d'un jeu de valeurs choisi pour les paramètres d'un essai central, on complète celui-ci par des essais où chaque fois un seul des facteurs varie « toutes choses égales par ailleurs ».

Inférence statistique

vignette|Illustration des 4 principales étapes de l'inférence statistique L'inférence statistique est l'ensemble des techniques permettant d'induire les caractéristiques d'un groupe général (la population) à partir de celles d'un groupe particulier (l'échantillon), en fournissant une mesure de la certitude de la prédiction : la probabilité d'erreur. Strictement, l'inférence s'applique à l'ensemble des membres (pris comme un tout) de la population représentée par l'échantillon, et non pas à tel ou tel membre particulier de cette population.

Survey sampling

In statistics, survey sampling describes the process of selecting a sample of elements from a target population to conduct a survey. The term "survey" may refer to many different types or techniques of observation. In survey sampling it most often involves a questionnaire used to measure the characteristics and/or attitudes of people. Different ways of contacting members of a sample once they have been selected is the subject of survey data collection.

Simple random sample

In statistics, a simple random sample (or SRS) is a subset of individuals (a sample) chosen from a larger set (a population) in which a subset of individuals are chosen randomly, all with the same probability. It is a process of selecting a sample in a random way. In SRS, each subset of k individuals has the same probability of being chosen for the sample as any other subset of k individuals. A simple random sample is an unbiased sampling technique. Simple random sampling is a basic type of sampling and can be a component of other more complex sampling methods.

Randomized experiment

In science, randomized experiments are the experiments that allow the greatest reliability and validity of statistical estimates of treatment effects. Randomization-based inference is especially important in experimental design and in survey sampling. In the statistical theory of design of experiments, randomization involves randomly allocating the experimental units across the treatment groups. For example, if an experiment compares a new drug against a standard drug, then the patients should be allocated to either the new drug or to the standard drug control using randomization.

Bénéfices et écarts dans l'estimation MATH-232: Probability and statistics

Discuter du biais et de la variance dans l'estimation statistique, en explorant le compromis entre l'exactitude et la variabilité.

Estimation de l'intervalle: Méthode des moments MATH-232: Probability and statistics

Couvre la méthode des moments pour estimer les paramètres et construire des intervalles de confiance basés sur des moments empiriques correspondant à des moments de distribution.

Théorie de la probabilité : Solutions à moyen terme MATH-232: Probability and statistics

Couvre les solutions à l'examen à mi-parcours d'un cours de théorie des probabilités, y compris le calcul des probabilités et des attentes.

Probabilité et statistiques pour les SIC MATH-232: Probability and statistics

Déplacez-vous dans les probabilités, les statistiques, les expériences aléatoires et l'inférence statistique, avec des exemples pratiques et des idées.

Comprendre les statistiques et le design expérimental BIO-449: Understanding statistics and experimental design

Fournit un aperçu de la théorie des probabilités de base, de l'ANOVA, des tests t, du théorème de limite centrale, des métriques, des intervalles de confiance et des tests non paramétriques.