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

Concept

Compound probability distribution

Séances de cours associées (29)

Concepts de dépendance et Copulas

Explore les concepts de dépendance, les copules, les corrélations fallacieuses et les corrélations de classement dans les statistiques.

Gestion quantitative des risques : distributions et techniques

Couvre les distributions et les techniques de gestion quantitative des risques pour la modélisation financière.

Distribution normale multivariée : corrélation et covariance

Couvre la corrélation, la covariance, les estimations empiriques, les valeurs propres, les tests de normalité et les modèles de facteurs.

Modèles de mélange : Estimation basée sur la simulation

Explore les modèles de mélange, y compris les mélanges discrets et continus, et leur application dans la capture de l'hétérogénéité du goût dans les populations.

Matrices de densité réduite: System+Environnement

Couvre le concept de matrices de densité et l'interaction système-environnement.

Flux d'anosov en 3 dimensions: U(1)-extension et mélange exponentiel

Explore l'extension U(1) des difféomorphismes d'Anosov et la preuve d'un mélange exponentiel à travers une contractivité uniforme et l'annulation par des phases complexes.

Distributions multivariées : Sphériques et elliptiques

Explore les distributions sphériques et elliptiques, les mélanges normaux de variance, les modèles de facteurs et l'analyse des composantes principales.

Complément: Quelques exemples de cdfs

Couvre des exemples de fonctions de distribution cumulatives pour les variables aléatoires continues et les corrélations entre les variables aléatoires.

Matrice de densité: Recap et Bloch 'Ball'

Couvre le concept de matrice de densité et ses propriétés, en mettant l'accent sur les mélanges statistiques et les mesures.

Distributions sphériques et elliptiques

Couvre les distributions sphériques et elliptiques des vecteurs aléatoires.

Analyse des composantes principales : Introduction

Introduit l'analyse des composantes principales, en mettant l'accent sur la maximisation de la variance dans les combinaisons linéaires pour résumer efficacement les données.

Flux d'anosov en 3 dimensions : Mélanger les propriétés et les mesures d'équilibre

Explore les propriétés de mélange et les mesures d'équilibre dans les flux Anosov tridimensionnels.

Mélanges: introduction MOOC: Sujets choisis sur le choix discret

Introduit des mélanges, couvre des mélanges discrets et continus, explore des exemples, et discute combinant des modèles probit et logit.

Distributions elliptiques : Propriétés et applications

Couvre les distributions elliptiques, y compris les propriétés, les applications et les implications de la gestion des risques.

Flux Anosov en 3 dimensions : Opérateurs de mixage et de transfert exponentiels

Couvre les débits Anosov tridimensionnels, le mélange exponentiel, les opérateurs de transfert et les mesures d'équilibre.

Transformations des variables aléatoires

Couvre le pdf de la somme des variables aléatoires continues, de la convolution et des transformations comme Y=aX.

Inférence variable et réseaux neuraux

Couvre l'inférence variationnelle et les réseaux neuronaux pour les tâches de classification.

Modèles de mélange gaussien : Classification des données Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les signaux de débruitage avec des modèles de mélange gaussien et l'algorithme EM, l'analyse de signal EMG et la segmentation d'image à l'aide de modèles markoviens.

Séparer l’équilibre Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'équilibre de partage, les isothermes de sorption et le rôle de la matière organique naturelle dans la chimie de l'environnement.

Classification des données: Modèles de mélange gaussien Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles de mélange gaussien pour la classification des données, en mettant l'accent sur la dénigrement des signaux et l'estimation des données originales à l'aide des approches de probabilité et a posteriori.