Séance de cours

Tests de rapport de vraisemblance: optimisation et applications

Dans cours
DEMO: id voluptate mollit
Occaecat ad mollit enim cupidatat adipisicing voluptate. Eu labore ad ad ea id pariatur sint. Labore veniam amet duis est commodo minim nostrud voluptate voluptate tempor officia proident. Aute elit laboris ipsum laboris ex dolore est cillum exercitation nostrud ex et. Voluptate sit est duis laboris exercitation duis non cupidatat sint cupidatat esse aute adipisicing. Magna in eiusmod ex magna labore. Culpa excepteur deserunt non tempor nulla nostrud ad ipsum culpa anim.
Connectez-vous pour voir cette section
Description

Cette séance de cours explore la théorie et les applications des tests de rapport de vraisemblance, en explorant leurs propriétés d'optimalité et leur utilisation pratique dans les tests d'hypothèses statistiques. Le paradigme Neyman-Pearson est combiné avec l'estimation du maximum de vraisemblance pour construire des tests puissants. Le concept de statistique du rapport de vraisemblance est introduit, ainsi que son rôle dans la comparaison des hypothèses. Des exemples illustrent l'application des tests de rapport de vraisemblance dans divers scénarios, y compris le test de l'égalité des moyennes et des distributions exponentielles. La séance de cours couvre également la distribution asymptotique de la statistique du rapport de vraisemblance, comme le démontre le théorème de Wilks.

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 (81)
Tests de rapport de vraisemblance: optimisation et extensions
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
Théorie statistique : estimation maximale de vraisemblance
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.
Théorie statistique: Inférence et optimisation
Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.
Probabilité et statistiques
Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.
Probabilité et statistiques
Couvre p-quantile, approximation normale, distributions articulaires et familles exponentielles en probabilité et en statistiques.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.