Eléments de statistiques pour les data sciences

EE-209 / 3 crédits

Enseignant: Krzakala Florent Gérard

Langue: Français

Contenu

  • Théorie de l'estimation: estimateurs du maximum de vraisemblance et des moments, information de Fisher, inégalité de Cramer-Rao, intervalles de confiance exacts et asymptotiques, bootstrap.
  • Tests d'hypothèses: cadre de Neyman-Pearson, test du rapport de vraisemblance, tests paramétriques (t-tests, z-tests, tests du chi2) et non-paramétrique (Wilcoxon)
  • Introduction à l'inférence bayésienne: a priori, a posteriori, distribution prédictive, a priori conjugé,exemples de mise en oeuvre,  intervalles de crédibilité.
  • Modèle linéaire: théorème de Gauss-Markov, cas Gaussien, modèle linéaire généralisé
  • Analyse en Composantes Principales

Ressources

Références suggérées par la bibliothèque

Liens Moodle

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
  • Type: obligatoire
  • 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
  • Type: obligatoire
  • 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
  • Type: optionnel
  • 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
  • Type: obligatoire

Semaine de référence

Cours connexes

Résultats de graphsearch.epfl.ch.