Séance de cours
Multicolinéarité et analyse de l'ajustement du modèle
Séances de cours associées (36)
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Décomposition Spectral : matrices symétriques
Couvre la décomposition des matrices symétriques en valeurs propres et en vecteurs propres.
Sélection du modèle : Les moindres carrés
Explore la sélection des modèles dans la régression des moindres carrés, en abordant les défis de multicollinéarité et en introduisant des techniques de rétrécissement.
Régression linéaire : Fondements
Couvre les bases de la régression linéaire, y compris l'OLS, l'hétéroskédasticité, l'autocorrélation, les variables instrumentales, l'estimation maximale de la probabilité, l'analyse des séries chronologiques et les conseils pratiques.
Diagonalisation dans les matrices symétriques
Explore la diagonalisation dans les matrices symétriques, en mettant l'accent sur l'orthogonalité et les bases orthonormées.
Conception et analyse expérimentales
Couvre les bases de la conception et de l'analyse expérimentales, en mettant l'accent sur les techniques statistiques comme l'ANOVA, la régression, la médiation et la modération.
Inférence variable et réseaux neuraux
Couvre l'inférence variationnelle et les réseaux neuronaux pour les tâches de classification.
Analyse des composantes principales : propriétés et applications
Explorer la théorie principale de l'analyse des composants, les propriétés, les applications et les tests d'hypothèse dans les statistiques multivariées.
Apprentissage supervisé en économétrie financière
Explore l'apprentissage supervisé en économétrie financière, couvrant la régression linéaire, l'ajustement du modèle, les problèmes potentiels, les fonctions de base, la sélection de sous-ensembles, la validation croisée, la régularisation et les forêts aléatoires.
Modèles génériques : auto-attention et transformateurs
Couvre les modèles générateurs en mettant l'accent sur l'auto-attention et les transformateurs, en discutant des méthodes d'échantillonnage et des moyens empiriques.