• 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 9/5/19

Conclusion

Log in or subscribe for free to enjoy all this course has to offer!

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 $\(\theta\)$ ), 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.

Example of certificate of achievement
Example of certificate of achievement