Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Concept

Completeness (statistics)

Séances de cours associées (24)

Famille exponentielle : distributions d'entropie maximales

Couvre les familles exponentielles et les distributions d'entropie maximales sous contraintes de moment.

Théorie de l'entropie et de l'échantillonnage

Explore l'entropie, les statistiques minimales suffisantes, les familles exponentielles et les distributions d'échantillonnage gaussiennes.

Suffisamment de statistiques : tests d’hypothèses

Couvre le concept de statistiques suffisantes et de tests d'hypothèses dans les affectations de lecture par Emre Telatar.

Théorie de l'échantillonnage: statistiques et inférences

Couvre la théorie de l'échantillonnage, les statistiques et l'inférence, en mettant l'accent sur la distribution de l'échantillonnage des statistiques.

Suffisamment de statistiques: limites et probabilité d'erreur

Couvre le concept de statistiques suffisantes, en se concentrant sur les limites et la probabilité d'erreur.

Famille exponentielle : Distribution d'entropie maximale

Couvre les familles exponentielles, l'entropie maximale et les propriétés de distribution de Moxwell-Boltzmann.

Algèbre linéaire en science des données

Explore l'application de l'algèbre linéaire dans la science des données, couvrant la réduction de la variance, la théorie de la distribution des modèles et les estimations du maximum de vraisemblance.

Famille exponentielle : définition et propriétés

Couvre la famille exponentielle, y compris sa définition, des statistiques suffisantes et les propriétés de distribution.

Algèbre linéaire : projection et rotation

Couvre la projection, la rotation, le bruit gaussien blanc et l'observation de la forme d'onde en algèbre linéaire.

Statistiques suffisantes: Compréhension de la compression des données

Explore des statistiques suffisantes, la compression des données et leur rôle dans l'inférence statistique, avec des exemples comme Bernoulli Trials et des familles exponentielles.

Distributions d'échantillonnage : Comprendre les statistiques auxiliaires

Examine les statistiques auxiliaires, la suffisance et les statistiques minimales dans les distributions d'échantillonnage.

Distributions familiales exponentielles

Couvre les distributions familiales exponentielles, les paramètres naturels, les statistiques suffisantes et la régression logistique.

Estimation maximale de la probabilité : théorie et exemples

Couvre l'estimation de la probabilité maximale, y compris la preuve du théorème Rao-Blackwell et des exemples pratiques d'estimateurs dérivants.

Éliminer les paramètres de nuisance : Inférence statistique

Couvre l'élimination des paramètres de nuisance dans l'inférence statistique à l'aide de Lemmas 14 et 15.

Théorie de l'entropie et de l'échantillonnage

Explore l'entropie, la famille exponentielle, la théorie de l'échantillonnage et l'inférence statistique des échantillons.

Modèles de probabilité: Principes fondamentaux

Introduit les bases des modèles de probabilité, couvrant les variables aléatoires, les distributions et l'estimation statistique.

Méthodes d'estimation statistique

Couvre les méthodes d'estimation statistique, y compris le maximum de vraisemblance et l'estimation bayésienne.

Distributions d'échantillonnage: Théorie et applications

Explorer les distributions d'échantillonnage, les propriétés des estimateurs et les mesures statistiques pour les applications de la science des données.

Modèles linéaires généralisés : régression avec réponses familiales exponentielles

Couvre la régression avec des réponses familiales exponentielles à l'aide de modèles linéaires généralisés.

Théorie statistique : inférence et suffisance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'inférence statistique, la suffisance et l'exhaustivité, en soulignant l'importance de statistiques suffisantes et le rôle de statistiques complètes dans la réduction des données.