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

Graph
Search

Cours

EE-209: Eléments de statistiques pour les data sciences

Résumé

Théorie de l'estimation: estimateurs du maximum de vraisemblance, information de Fisher, inégalité de Cramer-Rao, intervalles de confiance.

Tests d'hypothèses: cadre de Neyman-Pearson: test du rapport de vraisemblance, tests paramétriques et non-parmétrique.

Inférence bayésienne

Modèles linéaires

Séances de cours

Enseignant·e

Philippe Müllhaupt

Source officielle

https://edu.epfl.ch/coursebook/fr/elements-de-statistiques-pour-les-data-sciences-EE-209

Page Moodle

http://go.epfl.ch/EE-209

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Résumé

Théorie de l'estimation: estimateurs du maximum de vraisemblance, information de Fisher, inégalité de Cramer-Rao, intervalles de confiance.

Tests d'hypothèses: cadre de Neyman-Pearson: test du rapport de vraisemblance, tests paramétriques et non-parmétrique.

Inférence bayésienne

Modèles linéaires

Séances de cours

Enseignant·e

Philippe Müllhaupt

Source officielle

https://edu.epfl.ch/coursebook/fr/elements-de-statistiques-pour-les-data-sciences-EE-209

Page Moodle

http://go.epfl.ch/EE-209

À propos de ce résultat

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique, Test statistique

Analyse des données: Régression (statistiques)

Séances de ce cours (24)

Essais randomisés et Paradoxe de Simpson

Couvre les essais cliniques randomisés, les variables confusionnelles, les défis éthiques et le paradoxe de Simpson dans l'analyse des données.

Paradoxe de Simpson : Compréhension et essais randomisés

Explore le Paradox de Simpson avec un exemple réel et souligne l'importance des essais randomisés.

Intervalle de confiance pour la partition du modèle Bernoulli

Explique comment calculer l'intervalle de confiance pour le paramètre de score dans le modèle Bernoulli.

Intervalles de confiance: Marges, couverture, pivots

Explique les marges d'erreur, de couverture et de pivots dans la construction des intervalles de confiance pour les paramètres scalaires.

Essais d'hypothèse : Cadre Neyman-Pearson

Couvre les tests d'hypothèse, les types d'erreurs, le cadre de Neyman-Pearson et les tests gaussiens à sens unique.

Afficher plus

Cours associés (31)

PHYS-467: Machine learning for physicists

Machine learning and data analysis are becoming increasingly central in sciences including physics. In this course, fundamental principles and methods of machine learning will be introduced and practised. ...

MATH-232: Probabilités et statistique (pour IC)

Cours d'introduction à la théorie des probabilités et aux statistiques. ...

MATH-131: Probabilités et statistique

Le cours présente les notions de base de la théorie des probabilités et de l'inférence statistique. L'accent est mis sur les concepts principaux ainsi que les méthodes les plus utilisées. ...

CS-401: Applied data analysis

This course teaches the basic techniques, methodologies, and practical skills required to draw meaningful insights from a variety of data, with the help of the most acclaimed software tools in the data science world (pandas, scikit-learn, Spark, etc.) ...

MSE-213: Probability and statistics for materials science

The course establishes the concepts of statistical analysis, probability theory, and data analysis. This includes standard statistical tests, correlation analysis and experimental design. It introduces computational statistical methods to analyse large dat ...

Afficher plus