Séance de cours

Estimation de R : Distributions marginales et conditionnelles

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours couvre l'estimation de R à l'aide de distributions normales bivariées, en se concentrant sur les distributions marginales et conditionnelles de X1 et X2. L'instructeur explique la corrélation entre X1 et X2, ainsi que l'impact du conditionnement sur la distribution. La séance de cours s'inscrit également dans le concept de combinaisons linéaires de variables normales et les implications de différents paramètres sur la distribution. Différents théorèmes et théorèmes sont discutés, fournissant une compréhension complète du sujet.

Source officielle

Concepts associés (32)

Jour julien

Le jour julien est un système de datation consistant à compter le nombre de jours et fraction de jour écoulés depuis une date conventionnelle fixée au janvier de l'an 4713 av. J.-C. (= -4712) à 12 heures temps universel. La période julienne de Scaliger est une ère fictive de que Joseph-Juste Scaliger (-) a proposée en . Elle débute le lundi, de l'an à . Elle s'achèvera le lundi, du calendrier julien à . Le terme de « jour julien » est également employé par le CNES et la NASA pour dater divers événements.

Algorithme du jour du Jugement dernier

vignette|John H Conway en 2005 L’algorithme de jour du Jugement dernier, ou méthode des jours pivots, ou méthode du clavedi, ou enfin méthode de Conway (à distinguer de la méthode de Conway pour le calcul de la date de Pâques), Doomsday rule ou Doomsday algorithm, est une méthode de calcul du jour de la semaine à une date précise. Elle fournit un calendrier perpétuel pour le calendrier grégorien et pour le calendrier julien.

Multivariate t-distribution

In statistics, the multivariate t-distribution (or multivariate Student distribution) is a multivariate probability distribution. It is a generalization to random vectors of the Student's t-distribution, which is a distribution applicable to univariate random variables. While the case of a random matrix could be treated within this structure, the matrix t-distribution is distinct and makes particular use of the matrix structure.

Loi de probabilité à plusieurs variables

vignette|Représentation d'une loi normale multivariée. Les courbes rouge et bleue représentent les lois marginales. Les points noirs sont des réalisations de cette distribution à plusieurs variables. Dans certains problèmes interviennent simultanément plusieurs variables aléatoires. Mis à part les cas particuliers de variables indépendantes (notion définie ci-dessous) et de variables liées fonctionnellement, cela introduit la notion de loi de probabilité à plusieurs variables autrement appelée loi jointe.

Loi gamma-normale

En théorie des probabilités et en statistiques, la loi gamma-normale (ou Gamma- Gaussienne) est une distribution bivariée continue à quatre paramètres. Elle est la prieure conjuguée de la loi normale de moyenne et variance inconnues. Soit une paire de variable aléatoires (X,T). Si la distribution conditionnelle de X sachant T est normale de moyenne et variance et si la distribution marginale de T est une loi gamma alors (X,T) suit une loi gamma-normale, que l'on note La fonction de densité conjointe de (X,T) a la forme Par définition, la distribution marginale de est une loi gamma.

Afficher plus

Séances de cours associées (45)

Statistiques à variables multiples : distribution normale

Couvre la distribution normale multivariée, les propriétés et les méthodes d'échantillonnage.

Éléments de la statistique : probabilité et variables aléatoires

Introduit des concepts clés en variables de probabilité et aléatoires, couvrant les statistiques, les distributions et la covariance.

Probabilité et statistiques

Couvre les probabilités, les statistiques, l'indépendance, la covariance, la corrélation et les variables aléatoires.

Attente conditionnelle : propriétés et exemples

Explore les propriétés d'attente conditionnelle, les écarts et les exemples dans les applications pratiques.

Statistiques à variables multiples : distribution normale

Introduit des statistiques multivariées, couvrant les propriétés de distribution normales et les fonctions caractéristiques.

Afficher plus

Concepts associés (32)

Jour julien

Algorithme du jour du Jugement dernier

Multivariate t-distribution

Loi de probabilité à plusieurs variables

Loi gamma-normale

Afficher plus