Eléments de statistiques pour les data sciences
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
Lu | Ma | Me | Je | Ve | |
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:
Cours
Exercice, TP
Projet, labo, autre