Explore les hypothèses, les implications et les méthodes d'estimation du modèle Peaks-Over-Shind, y compris l'adaptation d'un modèle GPD aux dépassements.
Explore l'estimation de la probabilité maximale et les tests d'hypothèses multivariées, y compris les défis et les stratégies pour tester plusieurs hypothèses.
Explore la régression linéaire dans une perspective d'inférence statistique, couvrant les modèles probabilistes, la vérité au sol, les étiquettes et les estimateurs de probabilité maximale.
Couvre l'estimation conditionnelle maximale de la probabilité, la contribution à la probabilité et l'application du modèle de VEM dans les échantillons fondés sur le choix.
Explore linférence de vraisemblance maximale, comparant les modèles basés sur les ratios de vraisemblance et démontrant avec un exemple de pièce de monnaie.
Couvre les principes fondamentaux de la gestion des risques financiers, y compris les types de risques, les développements historiques, les événements réglementaires et les défis de la gestion quantitative des risques.
Couvre l'estimation de la vraisemblance maximale pour estimer les paramètres en maximisant la précision de la prédiction, en démontrant par un exemple simple et en discutant de la validité par le biais de tests d'hypothèses.
Explore les familles exponentielles, les distributions de Bernoulli, l'estimation des paramètres et les distributions d'entropie maximale dans la modélisation statistique.
Introduit une estimation de vraisemblance maximale en économétrie, couvrant les principes, les propriétés, les applications et les tests de spécification.
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.
