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

Concept

Probabilité a posteriori

Séances de cours associées (31)

Inférence bayésienne : estimation optimale

Explore l'inférence bayésienne optimale, la dénigrement, l'estimation scalaire et les transitions de phase.

Test binaire : observations et propositions

Couvre les configurations de tests binaires, les observations et les propositions pour les lectures de la semaine prochaine.

Modèles génératifs : Régression logistique et distribution gaussienne

Explore les modèles génératifs, la régression logistique et la distribution gaussienne pour approximer les probabilités postérieures et optimiser les performances du modèle.

Impact de la covariable binaire: 2x2 Tableaux de contingence

Explore l'impact d'une covariable binaire sur les réponses binaires à l'aide de tableaux 2x2.

Estimation et inférence bayésienne

Couvre démousing, estimation, inférence bayésienne, probabilité, AWGN, et plus encore.

Estimation bayésienne : Aperçu et exemples

Introduit l'estimation bayésienne, qui couvre l'inférence classique par rapport à l'inférence bayésienne, les antécédents conjugués, les méthodes MCMC et des exemples pratiques comme l'estimation de la température et la modélisation de choix.

Inférence bayésienne : Estimation et démystification

Couvre les concepts de démystification, d'estimation et d'inférence bayésienne dans le contexte des statistiques bayésiennes.

Propagation de l'incertitude: Probabilité Densité Fonction

Couvre la propagation de l'incertitude par la génération de fonctions de densité de probabilité.

Problèmes d'inférence et jeu de spin verre

Couvre les problèmes d'inférence liés au Spin Glass Game et les défis de faire des erreurs avec preb P.

Contrôle multivariable : processus gaussiens et systèmes linéaires

Explore les processus gaussiens, les systèmes linéaires, les transformations et les propriétés de bruit dans les applications de contrôle multivariables.

Interprétation probabiliste : K-Means & GMM

Explore l'interprétation probabiliste du groupement K-means et sa relation avec les modèles de mélange gaussiens.

Héritage génétique : Phénotype et probabilité

Explore l'hérédité génétique, en se concentrant sur l'expression des phénotypes et les calculs de probabilité dans l'hérédité des cheveux roux.

Statistiques non paramétriques: approche bayésienne

Explore les statistiques non paramétriques, les méthodes bayésiennes et la régression linéaire en mettant l'accent sur l'estimation de la densité du noyau et la distribution postérieure.

Particules chargées en champ magnétique

Explore le comportement des particules chargées dans les champs magnétiques et l'invariance des probabilités quantiques.

Distributions conditionnelles de probabilité

Couvre les distributions conditionnelles de probabilité et introduit le concept de la valeur attendue conditionnelle.

Traitement du signal : synthèse de filtre et variables aléatoires

Explore les méthodes de synthèse des filtres et le rôle des variables aléatoires dans les systèmes de mesure.

Analyse discriminante linéaire: Méthodes génériques

Couvre l'analyse discriminante linéaire (ALD) comme méthode génératrice de classement.

Dépendance au temps en mécanique quantique

Explore la dépendance au temps dans la mécanique quantique, les paquets d'ondes, les états stationnaires et la densité de probabilité.

Inférence variable et réseaux neuraux

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

Statistiques non paramétriques et bayésiennes

Couvre les statistiques non paramétriques, l'estimation de la densité du noyau, les principes bayésiens et la somme de la distribution postérieure.