Ce cours est une introduction à la statistique mathématique et à l'apprentissage statistique. On y apprend à choisir un modèle statistique, à estimer ses paramètres, à construire des régions de confiance et des tests, puis à comparer ces procédures entre elles : théorie de la décision, borne de Cramér-Rao, optimalité des tests, théorie asymptotique. Les trois derniers cours sont consacrés à l'apprentissage supervisé : règle de Bayes, approche par modélisation, minimisation du risque empirique, théorie PAC et dimension de Vapnik-Chervonenkis. Les notions sont mises en œuvre en petite classe sur des exemples concrets (traitement du signal et des images, économétrie, sciences de l'environnement, reconnaissance de formes) et en Python dans des devoirs maison et des explorations numériques.
APM_41033_EP - Statistiques (2026-2027)
Options d’inscription
Les visiteurs anonymes ne peuvent pas accéder à ce cours. Veuillez vous connecter.