Séances de cours associées à Estimation des paramètres

Modèles probabilistes pour la régression linéaire

Couvre le modèle probabiliste de régression linéaire et ses applications dans la résonance magnétique nucléaire et l'imagerie par rayons X.

Intervalles de confiance : définition et estimation

Explique les intervalles de confiance, les méthodes d'estimation des paramètres et le théorème de la limite centrale dans l'inférence statistique.

Méthodes d'estimation dans les probabilités et les statistiques

Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.

Estimation statistique

Explore l'estimation statistique, comparant les estimateurs basés sur la moyenne et la variance, et plongeant dans l'erreur carrée moyenne et Cramér-Rao lié.

Estimation et intervalles de confiance

Explore les biais, la variance et les intervalles de confiance dans l'estimation des paramètres à l'aide d'exemples et de distributions.

Distributions d'échantillonnage : Estimations et écarts

Couvre l'estimation des paramètres, le MSE, l'information Fisher, et le théorème Rao-Blackwell.

Probabilité maximale : estimation et inférence

Introduit une estimation de la probabilité maximale en discutant de ses propriétés et de ses applications dans l'analyse statistique.

Estimation des points dans les statistiques

Explore l'estimation ponctuelle dans les statistiques, en discutant du biais, de la variance, de l'erreur quadratique moyenne et de la cohérence des estimateurs.

Régression linéaire : Inférence statistique et régularisation

Couvre le modèle probabiliste de régression linéaire et l'importance des techniques de régularisation.

Paramètre Estimation: Détection & Estimation

Couvre les concepts d'estimation des paramètres, y compris les estimateurs impartiaux et les informations de Fisher.

Distributions d'échantillonnage : Estimation

Explorer les distributions d'échantillonnage, les méthodes d'estimation et la cohérence dans l'estimation des paramètres.

Critères de sélection du modèle : AIC, BIC, Cp

Explore les critères de sélection des modèles comme l'AIC, le BIC et le Cp en statistique pour la science des données.

Régression linéaire : estimation et inférence

Explore l'estimation de régression linéaire, les hypothèses de linéarité et les tests statistiques dans le contexte de la comparaison de modèles.

Essais: essais en t

Couvre les essais t, le calcul des valeurs p et la comparaison des coefficients.

Régression linéaire : perspective d'inférence statistique

Explore la régression linéaire dans une perspective d'inférence statistique, couvrant les modèles probabilistes, la vérité au sol, les étiquettes et les estimateurs de probabilité maximale.

Partialité, variance, cohérence, EMV

Couvre le biais, la variance, l'erreur carrée moyenne, la cohérence et l'estimation de la probabilité maximale dans le modèle Poisson.

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.

Estimateurs et biais Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les estimateurs, les biais et l'efficacité des statistiques, en mettant l'accent sur le compromis entre biais et variabilité.

Modèles statistiques et estimation des paramètres Connectez-vous à Mediaspace pour regarder cette vidéo

Explore les modèles statistiques, l'estimation des paramètres et les distributions d'échantillonnage dans les probabilités et les statistiques.

Estimation: Estimations ponctuelles Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les estimateurs de points pour l'estimation des paramètres statistiques, y compris les méthodes et les calculs.