Séance de cours
Théorie statistique : Cramér-Rao Bound & Hypothesis Testing
Dans cours
DEMO: cupidatat ut ullamco aute
Nisi dolor ut voluptate aliqua culpa id do. Ullamco magna excepteur anim aliqua consequat est dolore labore consequat labore voluptate. Deserunt ex aute incididunt in ut exercitation. Velit Lorem aliqua ex non est mollit adipisicing laborum deserunt excepteur mollit. Occaecat dolor est sint duis reprehenderit. Tempor id incididunt Lorem fugiat dolor. Cupidatat irure anim ad ut officia.
Description
Cette séance de cours couvre la limite de Cramér-Rao, l'efficacité asymptotique et les tests d'hypothèses en théorie statistique. Il explique l'information de Fisher, l'optimalité dans la théorie de la décision et la configuration de Neyman-Pearson. La séance de cours explore la normalité asymptotique de l'estimateur de vraisemblance maximale (MLE) et le concept d'estimation de points pour les familles paramétriques.
Source officielle
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.
Proximité ontologique
Séances de cours associées (101)
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.
Tests de rapport de vraisemblance: optimisation et extensions
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
Optimisation dans la théorie de la décision : estimation impartiale
Explore l'optimalité dans la théorie de la décision et l'estimation impartiale, en mettant l'accent sur la suffisance, l'exhaustivité et les limites inférieures du risque.
Tests de rapport de vraisemblance: optimisation et applications
Explore la théorie et les applications des tests de rapport de vraisemblance dans les tests d'hypothèses statistiques.
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.