Séances de cours associées à Paradoxe bus rouge/bus bleu

Modèles de mélange : Estimation basée sur la simulation

Explore les modèles de mélange, y compris les mélanges discrets et continus, et leur application dans la capture de l'hétérogénéité du goût dans les populations.

Décrire les données: statistiques et tests d'hypothèse

Couvre les statistiques descriptives, les tests d'hypothèses et l'analyse de corrélation avec diverses distributions de probabilités et des statistiques robustes.

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.

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.

Dépendance et corrélation

Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.

Régression logistique : prédiction de la végétation

Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.

Modèles de probabilité: Principes fondamentaux

Introduit les bases des modèles de probabilité, couvrant les variables aléatoires, les distributions et l'estimation statistique.

Variance et covariance : propriétés et exemples

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

Inférence variable et réseaux neuraux

Couvre l'inférence variationnelle et les réseaux neuronaux pour les tâches de classification.

Probabilité et statistiques

Couvre les probabilités, les statistiques, l'indépendance, la covariance, la corrélation et les variables aléatoires.

Analyse des choix discrets

Introduit une analyse de choix discrète, couvrant l'échelle, la profondeur, la collecte de données et l'inférence statistique.

Données descriptives: Statistiques et incertitude

Introduit des statistiques descriptives, une quantification de l'incertitude et des relations variables, soulignant l'importance de l'interprétation statistique et de l'analyse critique.

Le modèle de Logit Nested MOOC: Sujets choisis sur le choix discret

Explore le modèle logit imbriqué pour le choix discret et ses implications sur le comportement de choix et l'estimation des paramètres.

Analyse des données immobilières: Statistiques descriptives

Explorer l'analyse des données immobilières au moyen de statistiques descriptives, de corrélations, de régressions et de méthodes de prévision.

Estimation des moindres carrés pondérés : Algorithme IRLS

Explore l'algorithme IRLS pour l'estimation pondérée des moindres carrés dans GLM.

Régression logistique : Inférence statistique et apprentissage automatique

Couvre la régression logistique, la fonction de vraisemblance, la méthode de Newton et l'estimation des erreurs de classification.

Hydraulique fluviale et modélisation : approche semi-distribuée

Explore l'hydraulique fluviale, la modélisation et l'étalonnage en utilisant une approche semi-distribuée pour des prévisions précises et la gestion des ressources en eau.

Les bases de la régression linéaire Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les bases de la régression linéaire, y compris les estimateurs OLS, les tests d'hypothèse et les intervalles de confiance.

Régression logistique : Interprétation probabiliste Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre l'interprétation probabiliste de la régression logistique, la régression multinomiale, le KNN, les hyperparamètres et la malédiction de la dimensionnalité.

Théorie de la vraisemblance maximale et applications Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre la théorie de la probabilité maximale, les applications et les principes de test d'hypothèse en économétrie.