Séance de cours
Estimation statistique
Séances de cours associées (43)
Essais statistiques: Valeurs Wald et p
Explore des tests statistiques comme le test Wald et les valeurs p, en mettant l'accent sur leur calcul et leur interprétation.
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.
Le phénomène Stein et la superefficacité
Explore le phénomène Stein, présentant les avantages du biais dans les statistiques de grande dimension et la supériorité de l'estimateur James-Stein sur l'estimateur de probabilité maximale.
Principes de base de l'estimation ponctuelle
Explore la méthode des moments, le compromis biais-variance, la cohérence, le principe de plug-in et le principe de vraisemblance dans lestimation de point.
Estimateurs et biais
Explore les estimateurs, les biais et l'efficacité des statistiques, en mettant l'accent sur le compromis entre biais et variabilité.
Optimisation de l'inférence statistique
S'insère dans la dualité entre les intervalles de confiance et les tests d'hypothèses, soulignant l'importance de la précision et de l'exactitude dans l'estimation.
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.
Critères de sélection du modèle : AIC, BIC, Cp
Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.
Modèles probabilistes pour la régression linéaire
Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.
Modèles statistiques et estimation des paramètres
Explore les modèles statistiques, l'estimation des paramètres et les distributions d'échantillonnage dans les probabilités et les statistiques.