Eléments de statistiques pour les data sciences
Contenu
- Théorie de l'estimation: estimateurs du maximum de vraisemblance et des moments, famille exponentielle, information de Fisher, inégalité de Cramer-Rao, intervalles de confiance.
- Tests d'hypothèses: cadre de Neyman-Pearson, courbes ROC, exemples de tests paramétrique et non-paramétriques
- Introduction au Bootstrap
- Introduction à l'inférence bayésienne: a priori, a posteriori, distribution prédictive, exemples de mise en oeuvre, intervalles de crédibilité
- Modèle linéaire: théorème de Gauss-Markov, cas Gaussien, modèle linéaire généralisé
Dans les plans d'études
- Semestre: Printemps
- Forme de l'examen: Ecrit (session d'été)
- Matière examinée: Eléments de statistiques pour les data sciences
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 1 Heure(s) hebdo x 14 semaines
- Semestre: Printemps
- Forme de l'examen: Ecrit (session d'été)
- Matière examinée: Eléments de statistiques pour les data sciences
- Cours: 2 Heure(s) hebdo x 14 semaines
- Exercices: 1 Heure(s) hebdo x 14 semaines