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.