Estimation maximale de la probabilité

Cette séance de cours porte sur le concept d'estimation maximale de la probabilité (MLE) dans l'inférence statistique, en mettant l'accent sur l'estimation des paramètres dans les modèles paramétriques réguliers. Il explique la liaison Cramér-Rao, la méthode de la probabilité maximale, et les propriétés de MLE dans les cas à la fois discrets et continus. La séance de cours traite également de l'information de Fisher et de l'unicité du MLE dans les familles exponentielles. L'instructeur fournit des exemples de MLE pour les distributions Bernoulli, exponentielle et gaussienne, soulignant l'importance de l'équivariance dans MLE. La séance de cours se termine par une proposition générale sur l'unicité du MLE dans les familles exponentielles à un paramètre.