Séance de cours

Analyse discriminante : Règle de Bayes

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'analyse discriminante, axée sur la règle discriminante des Bayes. Il explique comment répartir les individus entre différentes populations en fonction des mesures, en tenant compte des probabilités antérieures. La séance de cours traite de la règle de la probabilité maximale discriminante, des propriétés optimales dans le cas de coûts égaux, de la théorie de la décision avec des coûts inégaux et de la discrimination sous estimation. Il présente également la règle discriminante de l'échantillon, la règle discriminante du rapport de probabilité et la fonction discriminante linéaire de Fisher.

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique, Test statistique

Concepts associés (32)

Fonction de vraisemblance

vignette|Exemple d'une fonction de vraisemblance pour le paramètre d'une Loi de Poisson En théorie des probabilités et en statistique, la fonction de vraisemblance (ou plus simplement vraisemblance) est une fonction des paramètres d'un modèle statistique calculée à partir de données observées. Les fonctions de vraisemblance jouent un rôle clé dans l'inférence statistique fréquentiste, en particulier pour les méthodes statistiques d'estimation de paramètres.

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.

Statistique multivariée

En statistique, les analyses multivariées ont pour caractéristique de s'intéresser à des lois de probabilité à plusieurs variables. Les analyses bivariées sont des cas particuliers à deux variables. Les analyses multivariées sont très diverses selon l'objectif recherché, la nature des variables et la mise en œuvre formelle. On peut identifier deux grandes familles : celle des méthodes descriptives (visant à structurer et résumer l'information) et celle des méthodes explicatives visant à expliquer une ou des variables dites « dépendantes » (variables à expliquer) par un ensemble de variables dites « indépendantes » (variables explicatives).

Statistique mathématique

vignette|Une régression linéaire. Les statistiques, dans le sens populaire du terme, traitent à l'aide des mathématiques l'étude de groupe d'une population. En statistique descriptive, on se contente de décrire un échantillon à partir de grandeurs comme la moyenne, la médiane, l'écart type, la proportion, la corrélation, etc. C'est souvent la technique qui est utilisée dans les recensements. Dans un sens plus large, la théorie statistique est utilisée en recherche dans un but inférentiel.

Analyse de variance multivariée

L'analyse de variance multivariée (ou MANOVA pour ) est un test statistique qui vise à déterminer si des facteurs qualitatifs ont des effets significatifs sur plusieurs variables dépendantes quantitatives prises collectivement. En cela, la MANOVA est donc une généralisation de l'analyse de la variance (ANOVA), qui est univariée, c'est-à-dire qui ne porte que sur une seule variable dépendante. La MANOVA est aussi utilisée pour identifier des interactions entre les variables dépendantes et entre les variables indépendantes.

Afficher plus

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 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.

Composantes principales : Propriétés et applications

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

Théorie statistique : Cramér-Rao Bound & Hypothesis Testing

Explore la limite de Cramér-Rao, les tests d'hypothèses et l'optimalité en théorie statistique.

Statistiques à variables multiples : distribution normale

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

Afficher plus

Concepts associés (32)

Fonction de vraisemblance

Loi normale multidimensionnelle

Statistique multivariée

Statistique mathématique

Analyse de variance multivariée

Afficher plus