Séance de cours

Distribution normale : propriétés et calculs

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.

Dans cours

MATH-232: Probabilités et statistique (pour IC)

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

Description

Cette séance de cours couvre les propriétés et les calculs liés à la distribution normale, y compris la densité normale standard, les quantiles et les transformations. Il explique comment calculer les probabilités, les attentes et les écarts pour les variables aléatoires normales. Des exemples sont fournis pour illustrer les concepts, comme déterminer les probabilités pour des scénarios spécifiques et trouver des quantiles de distributions normales.

Enseignant·e·s (2)

Emmanuel Abbé

Mission Chair of Mathematical Data Science (SB/IC)The research in the chair of Mathematical Data Science (MDS) focuses on the mathematical principles that underpin the analysis and design of information and data science technologies. As branches of mathematics, this involves probability, statistics, and discrete mathematics, and as specific fields, machine learning and information theory. Please consult http://deepfoundations.ai/ for postdoc applications. Emmanuel Abbe received his Ph.D. degree from the EEC

Raphaël Jean Berthier

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (31)

Loi normale multidimensionnelle

En théorie des probabilités, on appelle loi normale multidimensionnelle, ou normale multivariée ou loi multinormale ou loi de Gauss à plusieurs variables, la loi de probabilité qui est la généralisation multidimensionnelle de la loi normale. gauche|vignette|Différentes densités de lois normales en un dimension. gauche|vignette|Densité d'une loi gaussienne en 2D. Une loi normale classique est une loi dite « en cloche » en une dimension.

Axiomes des probabilités

En théorie des probabilités, les axiomes de probabilités, également appelés axiomes de Kolmogorov du nom d'Andreï Nikolaievitch Kolmogorov qui les a développés, désignent les propriétés que doit vérifier une application afin de formaliser l'idée de probabilité. Ces propriétés peuvent être résumées ainsi : si est une mesure sur un espace mesurable , alors doit être un espace de probabilité. Le théorème de Cox fournit une autre approche pour formaliser les probabilités, privilégiée par certains bayésiens.

Complex normal distribution

In probability theory, the family of complex normal distributions, denoted or , characterizes complex random variables whose real and imaginary parts are jointly normal. The complex normal family has three parameters: location parameter μ, covariance matrix , and the relation matrix . The standard complex normal is the univariate distribution with , , and . An important subclass of complex normal family is called the circularly-symmetric (central) complex normal and corresponds to the case of zero relation matrix and zero mean: and .

Loi de probabilité

thumb|400px 3 répartitions.png En théorie des probabilités et en statistique, une loi de probabilité décrit le comportement aléatoire d'un phénomène dépendant du hasard. L'étude des phénomènes aléatoires a commencé avec l'étude des jeux de hasard. Jeux de dés, tirage de boules dans des urnes et jeu de pile ou face ont été des motivations pour comprendre et prévoir les expériences aléatoires. Ces premières approches sont des phénomènes discrets, c'est-à-dire dont le nombre de résultats possibles est fini ou infini dénombrable.

Fonction de répartition empirique

En statistiques, une fonction de répartition empirique est une fonction de répartition qui attribue la probabilité 1/n à chacun des n nombres dans un échantillon. Soit X,...,X un échantillon de variables iid définies sur un espace de probabilité , à valeurs dans , avec pour fonction de répartition F. La fonction de répartition empirique de l'échantillon est définie par : où est la fonction indicatrice de l'événement A. Pour chaque ω, l'application est une fonction en escalier, fonction de répartition de la loi de probabilité uniforme sur l'ensemble .

Afficher plus

Séances de cours associées (64)

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.

Variables aléatoires continues

Explore les variables aléatoires continues, les fonctions de densité, les variables articulaires, l'indépendance et les densités conditionnelles.

Probabilité et statistiques

Couvre les concepts fondamentaux des probabilités et des statistiques, y compris les distributions, les propriétés et les attentes des variables aléatoires.

Probabilité et statistiques

Explore les variables aléatoires conjointes, la densité conditionnelle et l'indépendance en probabilités et en statistiques.

Analyse statistique: Boxplot et distribution normale

Introduit des concepts d'analyse statistique comme boxplot et la distribution normale à l'aide d'exemples de données réelles.

Afficher plus

Concepts associés (31)

Loi normale multidimensionnelle

Axiomes des probabilités

Complex normal distribution

Loi de probabilité

Fonction de répartition empirique

Afficher plus