Séance de cours

Modèles de valeur extrême: Dérivation technique

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.

Séances de cours associées (64)

Estimation maximale de la probabilité : Statistiques multivariées

Explore l'estimation de la probabilité maximale et les tests d'hypothèses multivariées, y compris les défis et les stratégies pour tester plusieurs hypothèses.

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.

Statistiques à variables multiples : distribution normale

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

Spécification du modèle: Le terme d'erreur MOOC: Introduction aux modèles de choix discrets

Déplacez-vous dans le modèle de choix binaire, la spécification de terme d'erreur et les propriétés de distribution d'Extreme Value.

Statistiques multivariées: Wishart et Hotelling T2

Explore la distribution de Wishart, les propriétés des matrices de Wishart, et la distribution de T2 de Hotelling, y compris la statistique T2 de deux exemples Hotelling.

Calculs des attentes

Couvre le calcul de l'attente et de la variance pour différents types de variables aléatoires, y compris les variables discrètes et continues.

Composantes principales : Propriétés et applications

Explore les principales composantes, la covariance, la corrélation, le choix et les applications dans l'analyse des données.

Représentations du signal

Couvre les opérations matricielles, les transformations de Fourier, les modèles gaussiens et les représentations de signaux en utilisant des méthodes algébriques.

Modèle de choix binaire

Couvre le modèle de choix binaire, les hypothèses de terme d'erreur, les constantes spécifiques, les invariances et les propriétés de distribution.

Vecteurs aléatoires et fonctions de distribution

Couvre les vecteurs aléatoires, la distribution articulaire, les fonctions de densité conditionnelle, l'indépendance, la covariance, la corrélation et l'attente conditionnelle.

Paradoxe bus rouge/bus bleu

Explore le paradoxe du bus rouge/bus bleu, les modèles de logit imbriqués et les modèles multivariés d'extrême valeur dans le transport.

Lois stables et théorèmes de limitation

Explore les lois stables, les théorèmes limites et les propriétés de variables aléatoires.

Dépendance chez les vecteurs aléatoires

Explore la dépendance dans les vecteurs aléatoires, couvrant la densité articulaire, l'indépendance conditionnelle, la covariance et les fonctions génératrices de moment.

PCA : Dérivation et optimisation

Couvre la dérivation de la projection PCA, la minimisation des erreurs et l'optimisation du vecteur propre.

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.

Estimation des paramètres

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

Distribution normale multivariée

Couvre la distribution normale multivariée, la fonction génératrice de moments et les combinatoires.

Probabilité et statistiques

Couvre les moments, la variance et les valeurs attendues dans les probabilités et les statistiques, y compris la distribution des jetons dans un produit.

Générer des fonctions : Propriétés et applications

Explore les fonctions génératrices, Laplace transforme, et leur rôle dans les distributions de probabilités.