Séance de cours
Analyse de sensibilité globale dans les systèmes stochastiques
Séances de cours associées (51)
Probabilité et statistiques
Couvre p-quantile, approximation normale, distributions articulaires et familles exponentielles en probabilité et en statistiques.
Modes de convergence des variables aléatoires
Couvre les modes de convergence des variables aléatoires et du théorème des limites centrales, en discutant des implications et des approximations.
Distributions conditionnelles de probabilité
Couvre les distributions conditionnelles de probabilité et introduit le concept de la valeur attendue conditionnelle.
Dépendance et corrélation
Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.
Probabilité et statistiques
Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.
Intervalles de confiance : définition et estimation
Explique les intervalles de confiance, les méthodes d'estimation des paramètres et le théorème de la limite centrale dans l'inférence statistique.
Générer des fonctions : Propriétés et applications
Explore les fonctions génératrices, Laplace transforme, et leur rôle dans les distributions de probabilités.
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.
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.
Inférence bayésienne : Variables gaussiennes
Explore l'inférence bayésienne pour les variables aléatoires gaussiennes, couvrant la distribution articulaire, les pdf marginaux et le classificateur Bayes.