(11 versions intermédiaires masquées) | |||
Ligne 1 : | Ligne 1 : | ||
- | |||
- durée total des cours : 30 h<BR> | - durée total des cours : 30 h<BR> | ||
- | - 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) au laboratoire [http://www.apc.univ-paris7.fr/APC_CS/ | + | - 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) du 7 au 11 janvier 2018 au laboratoire [http://www.apc.univ-paris7.fr/APC_CS/fr/acces-contact APC],<BR> salles 302A. |
- | Thèmes abordés: | + | Thèmes abordés (english version below): |
* Lois de probabilité | * Lois de probabilité | ||
Ligne 14 : | Ligne 13 : | ||
Des exemples concrets seront traités, avec des applications informatiques. | Des exemples concrets seront traités, avec des applications informatiques. | ||
- | - le cours est donné en anglais | + | 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 - The lectures will be in english |
Version actuelle en date du 17 septembre 2018 à 11:34
- durée total des cours : 30 h
- 5 matinées (9h30-12h30) et 5 après-midis (14h-17h) du 7 au 11 janvier 2018 au laboratoire APC,
salles 302A.
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 - The lectures will be in english