Concept

Méthode des moments (statistiques)

Séances de cours associées (30)

Estimation de l'intervalle: Méthode des moments

Couvre la méthode des moments pour estimer les paramètres et construire des intervalles de confiance basés sur des moments empiriques correspondant à des moments de distribution.

Méthodes d'estimation ponctuelle: MOM et MLE

Explore des méthodes d'estimation ponctuelle comme MOM et MLE, en discutant de biais, de variance et d'exemples.

Théorème de la limite centrale

Couvre le théorème de la limite centrale et son application aux variables aléatoires, prouvant la convergence vers une distribution normale.

Estimation des moments: VEM et GPD

Explore l'estimation du moment dans les modèles GEV et GPD, y compris l'estimation du L-moment et l'estimation des paramètres robustes.

Modèles statistiques et estimation des paramètres

Explore les modèles statistiques, l'estimation des paramètres et les distributions d'échantillonnage dans les probabilités et les statistiques.

Estimation et méthode des moments

Couvre la définition des statistiques et des estimateurs, des exemples d'estimateurs, et la méthode des moments.

Éléments de la statistique : probabilité et variables aléatoires

Introduit des concepts clés en variables de probabilité et aléatoires, couvrant les statistiques, les distributions et la covariance.

Estimation et analyse de la déviance

Couvre lestimation des paramètres inconnus, lanalyse de lajustement du modèle, la réponse des proies des oiseaux et le diagnostic du modèle.

Théorie de la vraisemblance maximale et applications

Couvre la théorie de la probabilité maximale, les applications et les principes de test d'hypothèse en économétrie.

Partialité, variance, cohérence, EMV

Couvre le biais, la variance, l'erreur carrée moyenne, la cohérence et l'estimation de la probabilité maximale dans le modèle Poisson.

Évaluation sous l'incertitude

Couvre le risque dans les décisions d'investissement, l'évaluation des flux de trésorerie incertains, le taux de rendement, les rendements du portefeuille et l'utilité de la variation moyenne.

Estimation du L-Moment : Moments pondérés par la probabilité

Couvre l'estimation du L-moment, les moments pondérés en fonction des probabilités et les bases de l'inférence de la probabilité maximale.

Estimation de R: Moments d'une distribution

Explique l'importance des moments dans la mesure des propriétés de distribution, comme l'attente et la variance.

Principe des grandes déviations

Explore le principe des grandes déviations, en se concentrant sur la décomposition exponentielle de la queue et l'analyse de la transformation de Laplace.

Statistiques : Variables aléatoires

Couvre les variables aléatoires, les fonctions de densité de probabilité, la distribution gaussienne et la corrélation dans les statistiques.

Fonctions caractéristiques: Propriétés et applications

Couvre les fonctions caractéristiques, leurs propriétés, la formule d'inversion et la propriété de factorisation dans la théorie des probabilités.

Transformation des variables aléatoires

Explore la transformation des variables aléatoires, des moments communs, de la covariance et de la variance.

Distributions de probabilité : Moments et transformations

Couvre les moments de calcul et les transformations de la distribution des probabilités.

Éléments de statistiques

Introduit des concepts statistiques clés comme la probabilité, les variables aléatoires et la corrélation, avec des exemples et des explications.

Distribution normale : propriétés et calculs

Couvre la distribution normale, y compris ses propriétés et ses calculs.