Séance de cours
Analyse des données génomiques: technologie de microarray
Séances de cours associées (33)
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.
Estimateurs et intervalles de confiance
Explore le biais, la variance, les estimateurs non biaisés et les intervalles de confiance dans l'estimation statistique.
Estimation et intervalles de confiance
Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.
Analyse des données génomiques : techniques et applications
Couvre les techniques de mesure de l'expression génique et les méthodes d'analyse en génomique.
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.
Sélection de modèles dans les statistiques
Explorer la sélection des modèles dans les statistiques, discuter des principes, des modèles probabilistes, de l'évaluation des caractéristiques et des méthodes de visualisation des données.
Analyse des données génomiques : regroupement et survie
Explore le regroupement des données génomiques, l'analyse de la survie, l'identification des gènes et l'importance statistique dans la recherche sur le cancer.
Statistiques: Analyse exploratoire des données
Introduit les bases statistiques, y compris l'analyse des données et la théorie des probabilités, en mettant l'accent sur la tendance centrale, la dispersion et les formes de distribution.
Intervalles de confiance et tests d'hypothèse
Explore les intervalles de confiance, les tests d'hypothèse et la prise de décision à l'aide de statistiques de test et de valeurs de p.
Estimation de la densité du noyau: Sélection de la largeur de bande et Malédiction de dimensionnalité
Couvre l'estimation de la densité du noyau axée sur la sélection de la bande passante, la malédiction de la dimensionnalité, le compromis entre les biais et les modèles paramétriques et non paramétriques.