EE-209 / 3 credits

Teacher: Müllhaupt Philippe

Language: French


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.

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

Related courses

Results from graphsearch.epfl.ch.