Séance de cours
Prédiction de contact avec les protéines : modèles de probabilités de Pseudo et de pots
Séances de cours associées (32)
Inférence bayésienne : Variables gaussiennes
Explore l'inférence bayésienne pour les variables aléatoires gaussiennes, couvrant la distribution articulaire, les pdf marginaux et le classificateur Bayes.
Analyse des composantes principales : propriétés et applications
Explorer la théorie principale de l'analyse des composants, les propriétés, les applications et les tests d'hypothèse dans les statistiques multivariées.
Quantifier la dépendance statistique
Se penche sur la quantification de la dépendance statistique par la covariance, la corrélation et l'information mutuelle.
Informations mutuelles sur les données biologiques
Explore l'information mutuelle dans les données biologiques, en mettant l'accent sur son rôle dans la quantification de la dépendance statistique et l'analyse des séquences protéiques.
Modèles linéaires généralisés : régression avec réponses familiales exponentielles
Couvre la régression avec des réponses familiales exponentielles à l'aide de modèles linéaires généralisés.
Informations mutuelles : Continued
Explore les informations mutuelles pour quantifier la dépendance statistique entre les variables et déduire des distributions de probabilité à partir de données.
Estimation maximale de la probabilité : Statistiques multivariées
Explore l'estimation de la probabilité maximale et les tests d'hypothèses multivariées, y compris les défis et les stratégies pour tester plusieurs hypothèses.
Statistiques à variables multiples : distribution normale
Couvre la distribution normale multivariée, les propriétés et les méthodes d'échantillonnage.
Composantes principales : Propriétés et applications
Explore les principales composantes, la covariance, la corrélation, le choix et les applications dans l'analyse des données.
Dépendance et corrélation
Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.