• 12 hours
  • Medium

Free online content available in this course.

course.header.alt.is_video

course.header.alt.is_certifying

Got it!

Last updated on 3/13/24

Conclusion

Nous avons vu, tout au long de ce cours, les bases de la statistique inférentielle, dans le cadre de lois de probabilités paramétrées (dépendantes d'un paramètre θ ), qui nous ont permis notamment :

  • d'estimer le paramètre d'une loi afin de la déterminer entièrement,

  • d'établir un intervalle de confiance sur le paramètre,

  • et enfin de tester un paramètre.

Ces notions, pouvant apparaître parfois comme un peu abstraites, nous fournissent en fait des outils puissants d'aide à la décision. Au-delà des cas réalistes rencontrés ici, ces outils s'avèrent être extrêmement utiles (et utilisés !) dans le cadre de la modélisation statistique, notamment :

  • dans les très utilisés modèles linéaires gaussiens,

  • et dans les modèles ARMA applicables sur des séries temporelles.

Ever considered an OpenClassrooms diploma?
  • Up to 100% of your training program funded
  • Flexible start date
  • Career-focused projects
  • Individual mentoring
Find the training program and funding option that suits you best
Example of certificate of achievement
Example of certificate of achievement