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

Théorie de l'entropie et de l'échantillonnage

Description

Cette séance de cours couvre les concepts de théorie de l'entropie et de l'échantillonnage, en se concentrant sur des statistiques minimales suffisantes, des familles exponentielles et des distributions d'échantillonnage gaussiennes. Il explique comment des statistiques suffisantes compressent les données sans perte d'informations et l'importance d'une suffisance minimale. Des exemples illustrent l'application de ces concepts dans divers scénarios.

Source officielle

Proximité ontologique

Statistique

Inférence statistique: Statistique mathématique

Concepts associés (32)

Statistique exhaustive

Les statistiques exhaustives sont liées à la notion d'information et en particulier à l'information de Fisher. Elles servent entre autres à améliorer des estimateurs grâce à l'usage du théorème de Rao-Blackwell et du théorème de Lehmann-Scheffé. Intuitivement, parler d'une statistique exhaustive revient à dire que cette statistique contient l'ensemble de l'information sur le(s) paramètre(s) de la loi de probabilité. Soit un vecteur d'observation de taille , dont les composantes sont indépendantes et identiquement distribués (iid).

Completeness (statistics)

In statistics, completeness is a property of a statistic in relation to a parameterised model for a set of observed data. A complete statistic T is one for which any proposed distribution on the domain of T is predicted by one or more prior distributions on the model parameter space. In other words, the model space is 'rich enough' that every possible distribution of T can be explained by some prior distribution on the model parameter space. In contrast, a sufficient statistic T is one for which any two prior distributions will yield different distributions on T.

Loi normale

En théorie des probabilités et en statistique, les lois normales sont parmi les lois de probabilité les plus utilisées pour modéliser des phénomènes naturels issus de plusieurs événements aléatoires. Elles sont en lien avec de nombreux objets mathématiques dont le mouvement brownien, le bruit blanc gaussien ou d'autres lois de probabilité. Elles sont également appelées lois gaussiennes, lois de Gauss ou lois de Laplace-Gauss des noms de Laplace (1749-1827) et Gauss (1777-1855), deux mathématiciens, astronomes et physiciens qui l'ont étudiée.

Échantillonnage (statistiques)

thumb|Exemple d'échantillonnage aléatoire En statistique, l'échantillonnage désigne les méthodes de sélection d'un sous-ensemble d'individus (un échantillon) à l'intérieur d'une population pour estimer les caractéristiques de l'ensemble de la population. Cette méthode présente plusieurs avantages : une étude restreinte sur une partie de la population, un moindre coût, une collecte des données plus rapide que si l'étude avait été réalisé sur l'ensemble de la population, la réalisation de contrôles destructifs Les résultats obtenus constituent un échantillon.

Statistical parameter

In statistics, as opposed to its general use in mathematics, a parameter is any measured quantity of a statistical population that summarises or describes an aspect of the population, such as a mean or a standard deviation. If a population exactly follows a known and defined distribution, for example the normal distribution, then a small set of parameters can be measured which completely describes the population, and can be considered to define a probability distribution for the purposes of extracting samples from this population.

Afficher plus

Séances de cours associées (30)

Statistiques suffisantes: Compréhension de la compression des données

Explore des statistiques suffisantes, la compression des données et leur rôle dans l'inférence statistique, avec des exemples comme Bernoulli Trials et des familles exponentielles.

Méthodes d'estimation statistique

Couvre les méthodes d'estimation statistique, y compris le maximum de vraisemblance et l'estimation bayésienne.

Famille exponentielle : distributions d'entropie maximales

Couvre les familles exponentielles et les distributions d'entropie maximales sous contraintes de moment.

Distributions d'échantillonnage : Comprendre les statistiques auxiliaires

Examine les statistiques auxiliaires, la suffisance et les statistiques minimales dans les distributions d'échantillonnage.

Estimation maximale de la probabilité : théorie et exemples

Couvre l'estimation de la probabilité maximale, y compris la preuve du théorème Rao-Blackwell et des exemples pratiques d'estimateurs dérivants.

Afficher plus

Concepts associés (32)

Statistique exhaustive

Completeness (statistics)

Loi normale

Échantillonnage (statistiques)

Statistical parameter

Afficher plus