Aller au contenu
Kudos AI

Inférence statistique

Ce qu'un échantillon peut et ne peut pas dire de la population qui l'a produit : comment un estimateur se trompe, ce qu'un intervalle de confiance promet réellement, et ce qu'est une valeur p - avec les trois endroits où chacun est couramment lu comme quelque chose de plus fort qu'il n'est.

Intermédiaire340 XP~1 h90% pour avancer

Connectez-vous pour passer les quiz, gagner des XP et débloquer les étapes en atteignant 90% de maîtrise.

  1. Estimateurs, biais et erreur type

    25 min · 100 XP

    Un estimateur comme variable aléatoire dotée de sa propre distribution, la décomposition de son erreur en biais et variance, et le cas travaillé où l'estimateur sans biais du manuel est le moins bon des deux.

    Ouvrir la leçon →

    Connectez-vous pour passer le quiz de 3 questions.

  2. Les intervalles de confiance et ce qu'ils couvrent

    30 min · 120 XP

    La couverture comme propriété de la procédure plutôt que d'un intervalle particulier, pourquoi la loi de Student n'est pas un raffinement facultatif, et un calcul exact montrant un intervalle standard livrant 87 % là où il en annonce 95.

    Ouvrir la leçon →

    Connectez-vous pour passer le quiz de 3 questions.

  3. Tests d'hypothèses, valeurs p et puissance

    30 min · 120 XP

    Ce dont une valeur p est la probabilité et ce qu'elle n'est pas, les deux taux d'erreur et l'asymétrie entre eux, et l'arithmétique montrant que la plupart des résultats significatifs peuvent être faux alors que chaque test se comporte exactement comme annoncé.

    Ouvrir la leçon →

    Connectez-vous pour passer le quiz de 3 questions.

Terminez tous les modules → obtenez le badge Inférence statistique