Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Tendance centrale et dispersion

Dans cours

MICRO-110: Probability & statistics for engineers

Description

Cette séance de cours couvre le concept de répliques, les méthodes de visualisation telles que les diagrammes de points et les distributions de fréquences, les mesures de tendance centrale (moyenne, médiane, mode), la gestion des valeurs aberrantes et les mesures de dispersion, y compris la plage, l'écart-type et la variance. Il explique également les moyennes de population par rapport à l'échantillon, les résidus, les degrés de liberté et l'importance des estimateurs impartiaux.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Vivek Subramanian

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Écart type

thumb|Exemple de deux échantillons ayant la même moyenne (100) mais des écarts types différents illustrant l'écart type comme mesure de la dispersion autour de la moyenne. La population rouge a un écart type (SD = standard deviation) de 10 et la population bleue a un écart type de 50. En mathématiques, l’écart type (aussi orthographié écart-type) est une mesure de la dispersion des valeurs d'un échantillon statistique ou d'une distribution de probabilité.

Minimum-variance unbiased estimator

In statistics a minimum-variance unbiased estimator (MVUE) or uniformly minimum-variance unbiased estimator (UMVUE) is an unbiased estimator that has lower variance than any other unbiased estimator for all possible values of the parameter. For practical statistics problems, it is important to determine the MVUE if one exists, since less-than-optimal procedures would naturally be avoided, other things being equal. This has led to substantial development of statistical theory related to the problem of optimal estimation.

Biais (statistique)

En statistique ou en épidémiologie, un biais est une démarche ou un procédé qui engendre des erreurs dans les résultats d'une étude. Formellement, le biais de l'estimateur d'un paramètre est la différence entre la valeur de l'espérance de cet estimateur (qui est une variable aléatoire) et la valeur qu'il est censé estimer (définie et fixe). biais effet-centre biais de vérification (work-up biais) biais d'autosélection, estimé à 27 % des travaux d'écologie entre 1960 et 1984 par le professeur de biologie américain Stuart H.

Variance (mathématiques)

vignette|Exemple d'échantillons pour deux populations ayant la même moyenne mais des variances différentes. La population en rouge a une moyenne de 100 et une variance de 100 (écart-type = SD = standard deviation = 10). La population en bleu a une moyenne de 100 et une variance de (écart-type = SD = 50). En statistique et en théorie des probabilités, la variance est une mesure de la dispersion des valeurs d'un échantillon ou d'une variable aléatoire.

Unbiased estimation of standard deviation

In statistics and in particular statistical theory, unbiased estimation of a standard deviation is the calculation from a statistical sample of an estimated value of the standard deviation (a measure of statistical dispersion) of a population of values, in such a way that the expected value of the calculation equals the true value. Except in some important situations, outlined later, the task has little relevance to applications of statistics since its need is avoided by standard procedures, such as the use of significance tests and confidence intervals, or by using Bayesian analysis.

Afficher plus

Séances de cours associées (34)

Sélection de modèles dans les statistiques

Explorer la sélection des modèles dans les statistiques, discuter des principes, des modèles probabilistes, de l'évaluation des caractéristiques et des méthodes de visualisation des données.

Processus stochastiques : Examen et propriétés

Couvre l'examen des variables aléatoires, des fonctions de densité de probabilité, de la variance et des processus gaussiens.

Variance et covariance : propriétés et exemples

Explore la variance, la covariance et les applications pratiques en statistiques et probabilités.

Théorie des probabilités : théorème des limites centrales

Explore la théorie des probabilités, la distribution des moyennes et le théorème de la limite centrale.

Analyse quantitative : méthodes statistiques

Explique les méthodes statistiques dans l'analyse quantitative, en mettant l'accent sur la précision, la précision et la représentation de l'échantillon.

Afficher plus

Concepts associés (32)

Écart type

Minimum-variance unbiased estimator

Biais (statistique)

Variance (mathématiques)

Unbiased estimation of standard deviation

Afficher plus