Séance de cours

Éléments de la statistique: manque de mémoire et processus stationnaires

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 les concepts de mémoire et de processus stationnaires. Il commence par la démonstration de l'insoumission de mémoire dans la distribution exponentielle, suivie par l'analyse de processus stationnaires et ergonomiques à large sens. La séance de cours se termine par des exercices sur l'estimation à l'aide de l'estimation maximale de la probabilité (MLE) et des promenades aléatoires.

Source officielle

Concepts associés (29)

Processus stationnaire

Pour accéder aux propriétés essentielles d'un signal physique il peut être commode de le considérer comme une réalisation d'un processus aléatoire (voir quelques précisions dans Processus continu). Le problème est largement simplifié si le processus associé au signal peut être considéré comme un processus stationnaire, c'est-à-dire si ses propriétés statistiques caractérisées par des espérances mathématiques sont indépendantes du temps.

Maximum de vraisemblance

En statistique, l'estimateur du maximum de vraisemblance est un estimateur statistique utilisé pour inférer les paramètres de la loi de probabilité d'un échantillon donné en recherchant les valeurs des paramètres maximisant la fonction de vraisemblance. Cette méthode a été développée par le statisticien Ronald Aylmer Fisher en 1922. Soient neuf tirages aléatoires x1, ..., x9 suivant une même loi ; les valeurs tirées sont représentées sur les diagrammes ci-dessous par des traits verticaux pointillés.

Théorie ergodique

vignette|Flux d'un ensemble statistique dans le potentiel x6 + 4*x3 - 5x**2 - 4x. Sur de longues périodes, il devient tourbillonnant et semble devenir une distribution lisse et stable. Cependant, cette stabilité est un artefact de la pixellisation (la structure réelle est trop fine pour être perçue). Cette animation est inspirée d'une discussion de Gibbs dans son wikisource de 1902 : Elementary Principles in Statistical Mechanics, Chapter XII, p. 143 : « Tendance d'un ensemble de systèmes isolés vers un état d'équilibre statistique ».

Processus ergodique

Un est un processus stochastique pour lequel les statistiques peuvent être approchées par l'étude d'une seule réalisation suffisamment longue. Le théorème ergodique affirme que, sous condition, converge vers une limite pour presque toutes les réalisations , mais ne garantit pas l'égalité des à l'espérance . Un signal peut être: stationnaire mais non ergodique : par exemple le signal constant pour chaque réalisation. ergodique mais non stationnaire : par exemple le signal .

Hypothèse ergodique

L'hypothèse ergodique, ou hypothèse d'ergodicité, est une hypothèse fondamentale de la physique statistique. Elle fut formulée initialement par Ludwig Boltzmann en 1871 pour les besoins de sa théorie cinétique des gaz. Elle s'appliquait alors aux systèmes composés d'un très grand nombre de particules, et affirmait qu'à l'équilibre, la valeur moyenne d'une grandeur calculée de manière statistique est égale à la moyenne d'un très grand nombre de mesures prises dans le temps.

Afficher plus

Séances de cours associées (64)

Séries chronologiques: Estimation et représentation spectrale

Explore en profondeur l'estimation des séries chronologiques, la représentation spectrale et l'analyse des variables p.

Estimation maximale de la probabilité

Couvre l'estimation maximale de la probabilité, en mettant l'accent sur l'estimation-distribution ML, l'estimation de la réduction et les fonctions de perte.

Estimation maximale de la probabilité : théorie et exemples

Couvre l'estimation de la probabilité maximale, y compris la preuve du théorème Rao-Blackwell et des exemples pratiques d'estimateurs dérivants.

Structure des systèmes de préservation des mesures

Couvre la structure abstraite des systèmes de préservation des mesures et vise à comprendre leur classification et leurs décompositions ergonomiques.

Estimation maximale de la probabilité : propriétés et applications

Couvre les propriétés, les applications et les hypothèses de l'estimation maximale de la probabilité, fournissant une compréhension complète des concepts MLE et de leurs implications pratiques.

Afficher plus

Concepts associés (29)

Processus stationnaire

Maximum de vraisemblance