v2.2.9 (2327)

PA - C8 - MAP531 : Statistics with R

Domaine > Mathématiques appliquées.

Descriptif

Objectives

Statistics is the essence behind data science. It is clearly essential to have a deep understanding of the theory and the methods. This is a prerequisite before following a machine learning course.

 

Syllabus

  • Elements of decision theory: risk, loss, decision rules
  • Optimal decisions, unbiasedness, equivariance, sufficient statistics
  • Pointwise estimator: Z-estimator, M-estimator
  • Asymptotical results: law of large numbers, central limit theorem, consistency, asymptotic normality
  • Maximum likelihood, Fisher information, Kullback Leibler, asymptotic optimality
  • Tests: definitions, the Neyman-Pearson lemma, Uniformly Most Powerful test, p-value

Langue du cours : Anglais

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme Diplôme d'ingénieur de l'Ecole polytechnique

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C
    • Crédits ECTS acquis : 5 ECTS

    Pour les étudiants du diplôme Echanges PEI

    Le rattrapage est autorisé (Note de rattrapage conservée)

      Pour les étudiants du diplôme Data Science for Business

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 4 ECTS

        La note obtenue rentre dans le calcul de votre GPA.

        Veuillez patienter