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

Concept

Loi de Bernoulli

Séances de cours associées (30)

Probabilité et statistiques

Déplacez-vous dans les probabilités, les statistiques, les paradoxes et les variables aléatoires, montrant leurs applications et propriétés du monde réel.

Chaînes Monte Carlo Markov

Couvre l'apprentissage non supervisé, la réduction de dimensionnalité, SVD, l'estimation de bas grade, PCA, et les chaînes Monte Carlo Markov.

Intervalles de confiance : Étudiant, Wald asymptotique

Couvre les intervalles de confiance pour les moyennes gaussiennes, la distribution des élèves et les intervalles de confiance de Wald pour les estimateurs de probabilité maximale.

Compression

Couvre le concept de compression et de construction de codes sans préfixe basés sur des informations données.

Variance et variables aléatoires indépendantes

Couvre la variance, les variables aléatoires indépendantes et leurs propriétés, y compris les exemples et les preuves.

Variables aléatoires : bases et exemples

Explique les variables aléatoires, les distributions et les essais Bernoulli avec des exemples de pièces de monnaie.

Groupe de renormalisation : modèle d'émission

Explore le groupe de renormalisation appliqué au modèle d'Ising et la dérivation du théorème de limite centrale.

Variables aléatoires : valeur attendue

Couvre les concepts de probabilité avancés, y compris les variables aléatoires et le calcul de la valeur attendue.

Estimation des paramètres

Discute de l'estimation des paramètres, y compris les vérifications, la qualité, la distribution et les propriétés statistiques des estimations.

Famille Exponentielle : Propriétés et Estimation

Explore les familles exponentielles, les distributions de Bernoulli, l'estimation des paramètres et les distributions d'entropie maximale dans la modélisation statistique.

Probabilité : Procès Bernoulli

Explore les essais Bernoulli, les essais indépendants et la distribution binomiale.

Variance : définition, exemples et théorèmes

Couvre la définition de la variance, des exemples, des théorèmes et des applications dans la théorie des probabilités.

Dynamique lisse: Propriétés Bernoulli et K

Explore les propriétés Bernoulli et K dans une dynamique fluide, y compris l'équivalence, des exemples et des implications.

Variables aléatoires discrètes

Couvre les propriétés et les transformations des variables aléatoires discrètes, en mettant l'accent sur le CMR et l'attente.

Convergence des variables aléatoires

Explore les variables aléatoires indépendantes et réparties de façon identique, les propriétés de convergence et de distribution.

Distributions familiales exponentielles

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

Inégalité de Hoeffding: Distribution Binomiale

Explore l'inégalité de Hoeffding et la distribution binomiale, en mettant l'accent sur la minimisation des erreurs et les lacunes de généralisation dans la sélection des prédicteurs.

Théorème de la limite centrale: moyenne empirique

Explore la convergence des distributions empiriques moyennes vers les distributions gaussiennes, en mettant l'accent sur le Théorème Central Limit.

Estimation statistique: Propriétés et distributions MOOC: Introduction aux modèles de choix discrets

Explore l'estimation statistique des paramètres, la précision de l'échantillon et les propriétés des variables de Bernoulli.

Probabilité avancée: Arbres de probabilité et probabilités conditionnelles

Explore les arbres de probabilités, les probabilités conditionnelles, les essais Bernoulli, la distribution binomiale et le théorème de Bayes.