Elements of statistics for data science
Résumé
Théorie de l'estimation: estimateurs du maximum de vraisemblance, information de Fisher, inégalité de Cramer-Rao, intervalles de confiance. Tests d'hypothèses: cadre de Neyman-Pearson: test du rapport de vraisemblance, tests paramétriques et non-parmétrique. Inférence bayésienne Modèles linéaires
Contenu
- Introduction et historique
- Probabilités discrètes
- Probabilités continues
- Distribution du chi-2 de Pearson
- Statistique T et la loi de Student
- Estimaion, statistique suffisancte, famille exponentielle, Blackwell-Rao, Cramer-Rao, Fisher
- Régression linéaire, modèles gaussiens, modèles à 1 et à 2 échantillons, théorème central limite
- Tests d'hypothèses et théorie de Neyman-Pearson
- Intervalles de confiance
- Inférence bayésienne
- Tests non paramétrique (Wilcoxon)
Mots-clés
Probabilié disicrète et continue, Inférence statistique, Estimation, information de Fisher, inégalité de Cramer-Rao, Maximum de Vraisemblance, Chi 2, Student T, Famille exponentielle, Distribution Gaussienne, Tests paramétriques et non paramétrique, intervalles de confiance et de crédibilité, inférence bayésienne. Tests d'hypothèses.
Compétences requises
Cours prérequis obligatoires
Analyse I, II, III.
Algèbre linéaire.
Méthode d'enseignement
Classique, slides et tableaux noirs
Travail attendu
Savoir résoudre les exercices demandés.
Méthode d'évaluation
Test écrit classique. Comme les séries d'exercices.
Ressources
Liens Moodle
Vidéos
In the programs
- Semester: Spring
- Exam form: Written (summer session)
- Subject examined: Elements of statistics for data science
- Courses: 2 Hour(s) per week x 14 weeks
- Exercises: 1 Hour(s) per week x 14 weeks
- Type: mandatory
- Semester: Spring
- Exam form: Written (summer session)
- Subject examined: Elements of statistics for data science
- Courses: 2 Hour(s) per week x 14 weeks
- Exercises: 1 Hour(s) per week x 14 weeks
- Type: optional
- Semester: Spring
- Exam form: Written (summer session)
- Subject examined: Elements of statistics for data science
- Courses: 2 Hour(s) per week x 14 weeks
- Exercises: 1 Hour(s) per week x 14 weeks
- Type: mandatory
- Semester: Spring
- Exam form: Written (summer session)
- Subject examined: Elements of statistics for data science
- Courses: 2 Hour(s) per week x 14 weeks
- Exercises: 1 Hour(s) per week x 14 weeks
- Type: optional
- Semester: Spring
- Exam form: Written (summer session)
- Subject examined: Elements of statistics for data science
- Courses: 2 Hour(s) per week x 14 weeks
- Exercises: 1 Hour(s) per week x 14 weeks
- Type: mandatory
Reference week
Mo | Tu | We | Th | Fr | |
8-9 | |||||
9-10 | |||||
10-11 | |||||
11-12 | |||||
12-13 | |||||
13-14 | |||||
14-15 | |||||
15-16 | |||||
16-17 | |||||
17-18 | |||||
18-19 | |||||
19-20 | |||||
20-21 | |||||
21-22 |
Légendes:
Lecture
Exercise, TP
Project, Lab, other