Séance de cours

Échantillonnage : estimation conditionnelle de la probabilité maximale

Description

Cette séance de cours porte sur l'estimation de la probabilité maximale conditionnelle (CML), qui consiste à résoudre l'argmax de la fonction de probabilité donnée par l'échantillon. L'instructeur explique la cohérence mais le manque d'efficacité de la LMC et de son application en utilisant le théorème de Bayes. La séance de cours se penche sur la contribution à la probabilité conditionnelle, simplifiant pour les modèles logit et MEV, et discute de la correction pour l'échantillonnage fondé sur le choix pur. Des procédures pratiques d'estimation des paramètres et de correction des constantes sont également présentées, ainsi que des exemples et des stratégies d'échantillonnage. Le modèle MEV et son application dans les échantillons à choix sont explorés, en mettant l'accent sur les différences avec le modèle logit. La séance de cours se termine par une bibliographie pour une lecture plus approfondie.

Dans MOOCs (2)
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Selected Topics on Discrete Choice
Discrete choice models are used extensively in many disciplines where it is important to predict human behavior at a disaggregate level. This course is a follow up of the online course “Introduction t
Enseignant
enim anim
Et quis enim duis irure et deserunt nisi consequat. Ullamco ea nostrud nulla fugiat id magna cillum id aute. Pariatur occaecat veniam commodo ea sit anim aute incididunt fugiat. Ipsum Lorem proident eiusmod excepteur et laborum. Elit ex elit cupidatat duis Lorem exercitation. Qui quis enim ad cillum do aliquip laborum.
Connectez-vous pour voir cette section
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 (34)
Analyse des choix discrets
Introduit une analyse de choix discrète, couvrant l'échelle, la profondeur, la collecte de données et l'inférence statistique.
Paradoxe bus rouge/bus bleu
Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.
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.
Boltzmann Machine
Introduit la machine Boltzmann, couvrant la cohérence d'attente, le regroupement des données, et les fonctions de distribution de probabilité.
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.
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.