Séance de cours
Analyse statistique : exploration et inférence des données
Séances de cours associées (36)
Analyse de la pollution atmosphérique
Explorer l'analyse de la pollution atmosphérique à l'aide de données sur le vent, de distributions de probabilités et de modèles de trajectoire pour l'évaluation de la qualité de l'air.
Distributions de probabilités dans les études environnementales
Explore les distributions de probabilité pour les variables aléatoires dans les études sur la pollution atmosphérique et le changement climatique, couvrant les statistiques descriptives et inférentielles.
Estimation de l'intervalle: Méthode des moments
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.
Bénéfices et écarts dans l'estimation
Discuter du biais et de la variance dans l'estimation statistique, en explorant le compromis entre l'exactitude et la variabilité.
Probabilité et statistiques
Couvre p-quantile, approximation normale, distributions articulaires et familles exponentielles en probabilité et en statistiques.
Théorie statistique : Fondamentaux
Couvre les bases de la théorie statistique, y compris les modèles de probabilité, les variables aléatoires et les distributions déchantillonnage.
Estimation et intervalles de confiance
Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.
Méthodes d'estimation
Couvre diverses méthodes d'estimation des paramètres du modèle, telles que la méthode des moments et l'estimation de la probabilité maximale.
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.
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.