Copulas: Propriétés et applications

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (31)

Page 3 sur 4

Probabilité et statistiques

Explore les variables aléatoires conjointes, la densité conditionnelle et l'indépendance en probabilités et en statistiques.

Mesures de dépendance : Corrélérations de classement

Couvre les corrélations, la dépendance à la queue et les méthodes d'ajustement des copules.

Probabilités et statistiques : théorèmes fondamentaux

Explore les théorèmes fondamentaux dans la probabilité et les statistiques, les lois de probabilité conjointes et les distributions marginales.

Probabilité et statistiques

Couvre p-quantile, approximation normale, distributions articulaires et familles exponentielles en probabilité et en statistiques.

Distributions conjointes

Explore les distributions conjointes, les lois marginales, la covariance, la corrélation et les propriétés de variance.

Statistiques multivariées : Distributions conditionnelles

Couvre les distributions conditionnelles et les corrélations dans les statistiques multivariées, y compris la variance partielle et la covariance, avec les applications aux distributions non normales.

Modèles de probabilité: Principes fondamentaux

Introduit les bases des modèles de probabilité, couvrant les variables aléatoires, les distributions et l'estimation statistique.

Distribution normale multivariée : corrélation et covariance

Couvre la corrélation, la covariance, les estimations empiriques, les valeurs propres, les tests de normalité et les modèles de facteurs.

Statistiques multivariées: Introduction et méthodes

Introduit d'importantes méthodes statistiques pour découvrir les associations entre les composantes vectorielles dans les données multivariées.

Estimation de R : Distributions marginales et conditionnelles

Couvre l'estimation de R à l'aide de distributions normales bivariées et explore les distributions marginales et conditionnelles de X1 et X2.