| Ligne 2 : | Ligne 2 : | ||
- surement 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) au laboratoire [http://www.apc.univ-paris7.fr/APC_CS/laboratoire/adresse-acces/acces APC]. | - surement 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) au laboratoire [http://www.apc.univ-paris7.fr/APC_CS/laboratoire/adresse-acces/acces APC]. | ||
| - | Thèmes abordés: | + | Thèmes abordés (english version below): |
* Lois de probabilité | * Lois de probabilité | ||
| Ligne 12 : | Ligne 12 : | ||
Des exemples concrets seront traités, avec des applications informatiques. | Des exemples concrets seront traités, avec des applications informatiques. | ||
| + | |||
| + | These lectures will provide an introduction to the basic topics of probability and statistics for data analysis: | ||
| + | |||
| + | - The concept of probability and the most common probability laws (binomial, Poisson, exponential, Gaussian...) | ||
| + | - Parameter estimation: the method of moments, the Maximum Likelihood method, the chi-square estimator | ||
| + | - Confidence intervals | ||
| + | - Test of hypotheses: simple hypotheses, goodness of fit | ||
| + | - The Bayes rule, the Bayesian approach to parameter estimation, | ||
| + | and Monte-Carlo Markov chains | ||
| + | |||
| + | Several practical examples will be presented and hands-on tutorial sessions will be proposed. | ||
- le cours est donné en anglais | - le cours est donné en anglais | ||
Version du 27 septembre 2016 à 13:55
- durée total des cours : 30 h
- surement 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) au laboratoire APC.
Thèmes abordés (english version below):
- Lois de probabilité
- Estimation de paramètres
- Intervalles de confiance
- Traitement des incertitudes
- Test d'hypothèses
- Bayesian inference
Des exemples concrets seront traités, avec des applications informatiques.
These lectures will provide an introduction to the basic topics of probability and statistics for data analysis:
- The concept of probability and the most common probability laws (binomial, Poisson, exponential, Gaussian...) - Parameter estimation: the method of moments, the Maximum Likelihood method, the chi-square estimator - Confidence intervals - Test of hypotheses: simple hypotheses, goodness of fit - The Bayes rule, the Bayesian approach to parameter estimation,
and Monte-Carlo Markov chains
Several practical examples will be presented and hands-on tutorial sessions will be proposed.
- le cours est donné en anglais
