Passer au contenu principal

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

Graph
Search

Recherche

Afficher tous les résultats pour

Accueil

Séance de cours

Préoccupations relatives à la sûreté de l'énergie nucléaire

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (35)

Probabilité maximale, MSE, Fisher Information, Cramér-Rao Bound

Explique l'estimation de maximum de vraisemblance, MSE, Fisher information, et Cramér-Rao lié dans l'inférence statistique.

Théorie statistique: Inférence et optimisation Connectez-vous à Mediaspace pour regarder cette vidéo

Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.

Estimation et intervalles de confiance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'estimation des paramètres, les erreurs standard et les intervalles de confiance en utilisant le théorème de la limite centrale et des exemples pratiques.

Estimation des intervalles Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la construction des intervalles de confiance pour une distribution normale avec une moyenne et une variance inconnues.

Modèles linéaires généralisés : un bref examen Connectez-vous à Mediaspace pour regarder cette vidéo

Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.

Estimation des paramètres Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des concepts d'inférence statistique, en se concentrant sur l'estimation des paramètres, les estimateurs non biaisés et l'estimation moyenne à l'aide de variables aléatoires indépendantes.

Inférence statistique: Modèles linéaires Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'inférence statistique pour les modèles linéaires, couvrant l'ajustement du modèle, l'estimation des paramètres et la décomposition de la variance.

Optimisation dans la théorie de la décision : estimation impartiale Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'optimalité dans la théorie de la décision et l'estimation impartiale, en mettant l'accent sur la suffisance, l'exhaustivité et les limites inférieures du risque.

Théorie statistique : inférence et suffisance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore l'inférence statistique, la suffisance et l'exhaustivité, en soulignant l'importance de statistiques suffisantes et le rôle de statistiques complètes dans la réduction des données.

Théorie statistique : estimation maximale de vraisemblance Connectez-vous à Mediaspace pour regarder cette vidéo

Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.

Régression: Linéaire simple et multiple Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la régression linéaire simple et multiple, y compris l'estimation des moindres carrés et le diagnostic du modèle.

Inférence de vraisemblance Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les moindres carrés pondérés itératifs, la régression de Poisson, les modèles mixtes et la statistique du rapport de vraisemblance.

Estimation du maximum de vraisemblance : économétrie Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit une estimation de vraisemblance maximale en économétrie, couvrant les principes, les propriétés, les applications et les tests de spécification.

Modèles thématiques Connectez-vous à Mediaspace pour regarder cette vidéo

Introduit des modèles thématiques, couvrant le clustering, le GMM, le LDA, la distribution de Dirichlet et l'inférence variationnelle.

Modèles linéaires pour la classification: Régression logistique et SVM Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les modèles linéaires pour la classification, en se concentrant sur la régression logistique et les machines vectorielles de support.

Page 2 sur 2