Échantillonnage : estimation conditionnelle de la probabilité maximale

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.