Cours.Semaine2 History
Hide minor edits - Show changes to markup
- Enoncé du TME : 2020-tme2.tgz Δ (archive compressée)
- Enoncé du TME : 2020-tme2.zip (archive compressée)
et le poly en version 4 slides / page : cours2_4.pdf
et le poly en version 3 slides / page : cours2_4.pdf
Le poly du cours : cours2.pdf et le poly en version 4 slides / page : cours2_4.pdf
Le poly du cours : cours2.pdf et le poly en version 4 slides / page : cours2_4.pdf
- Enoncé du TME : 2019-tme2.tgz (archive compressée)
- Soumission des TME :
- Enoncé du TME : 2020-tme2.tgz Δ (archive compressée)
- Enoncé du TME : tme2-2019.tgz?
- Enoncé du TME : 2019-tme2.tgz (archive compressée)
- Enoncé du TME : TME2
- Soumission des TME : lien
- Enoncé du TME : tme2-2019.tgz?
- Soumission des TME :
et le poly en 4 slides / pages : cours2_4.pdf
et le poly en version 4 slides / page : cours2_4.pdf
Tables de la loi normale et de la loi du {$\chi^2$} :
Tables de la loi normale, de la loi du {$\chi^2$} et de la loi de Student:
Le poly du cours : cours2.pdf
Le poly du cours : cours2.pdf
Recueil de TD : TD2.pdf
Recueil de TD : TD2.pdf
- convergences : http://nobelis.eu/photis/PrLimit/conv_loi.html %%
- convergences : http://nobelis.eu/photis/PrLimit/conv_loi.html %%
- Poly de probas et stats de DEUST deust.pdf
Tables de la loi normale et de la loi du {$\chi^2$} : lois.pdf
Tables de la loi normale et de la loi du {$\chi^2$} : lois.pdf
TD / TME
TD
TME
Enoncé du TME :
- convergences : http://nobelis.eu/photis/PrLimit/conv_loi.html
- convergences : http://nobelis.eu/photis/PrLimit/conv_loi.html %%
- Gilbert Saporta, Probabilités, analyse des données et statistique, Editions TECHNIP, 2006
- convergences : http://nobelis.eu/photis/PrLimit/conv_loi.html
Le poly du cours : cours2.pdf Δ
Ressources
il s'agit d'une propriété fondamentale en apprentissage de paramètres et l'on s'appuiera sur celle-ci dans les cours 3 et 4.
il s'agit d'une propriété fondamentale en apprentissage de paramètres et l'on s'appuiera sur celle-ci dans les cours 3 et 4.
cette propriété est l'un des deux fondements qui permettent la manipulation de probabilités de grandes tailles sur ordinateur (utilisées par exemple pour réaliser des diagnostic de panne, etc).
cette propriété est l'un des deux fondements qui permettent la manipulation de probabilités de grandes tailles sur ordinateur (utilisées par exemple pour réaliser des diagnostic de panne, etc).
Ce sont les loi suivies par des expériences de type pile ou face. Elles forment le fondement des lois multinomiales, qui sont très utilisées en intelligence artificielle.
Ce sont les loi suivies par des expériences de type pile ou face. Elles forment le fondement des lois multinomiales, qui sont très utilisées en intelligence artificielle.
Il s'agit probablement de la loi continue la plus importante en probas / stats. Dès lors que l'on s'intéresse à des sommes ou des moyennes de variables aléatoires, on aboutit inéluctablement à cette loi.
Il s'agit probablement de la loi continue la plus importante en probas / stats. Dès lors que l'on s'intéresse à des sommes ou des moyennes de variables aléatoires, on aboutit inéluctablement à cette loi.
Il s'agit du principe qui justifie qu'à partir d'échantillons observés, on sera en mesure d'estimer les distributions de probabilité des variables aléatoires qui ont engendré ces échantillons. Cela nous servira, notamment, à justifier que les algorithmes d'apprentissage
Il s'agit du principe qui justifie qu'à partir d'échantillons observés, on sera en mesure d'estimer les distributions de probabilité des variables aléatoires qui ont engendré ces échantillons. Cela nous servira, notamment, à justifier que les algorithmes d'apprentissage
Ce théorème est la justification que toute somme ou moyenne de variables aléatoires indépendantes suivant la même loi (quelle qu'elle soit) suit approximativement une loi normale.
Quelques exemples vus en cours
Ce théorème est la justification que toute somme ou moyenne de variables aléatoires indépendantes suivant la même loi (quelle qu'elle soit) suit approximativement une loi normale.
Quelques exemples abordés en cours
- A-t-on intérêt à parier sur le fait que 2 étudiants de MAPSI ont le même jour de naissance ?
- Utilisation des indépdances conditionnelles pour les performances de moteurs d'avion et le monitoring de patients
- La planche de Galton
- Utilisation de lois normales pour proposer des recommandations et faire du tracking d'objets dans des séquences vidéos.
Exemples vus en cours
Quelques exemples vus en cours
- Indépendance mutuelle :
- Indépendance mutuelle :
- Indépendance conditionnelle : cette propriété est l'un des deux fondements qui permettent la manipulation de probabilités de grandes tailles sur ordinateur (utilisées par exemple pour réaliser des diagnostic de panne, etc).
- Loi de Bernoulli / Loi binomiale
- Loi normale
- Loi des grands nombres
- Théorème central-limite
Exemples vus en cours
Ressources
Bibliographie
- Indépendance conditionnelle : cette propriété est l'un des deux fondements qui permettent la manipulation de probabilités de grandes tailles sur ordinateur (utilisées par exemple pour réaliser des diagnostic de panne, etc).
- Loi de Bernoulli / Loi binomiale : Ce sont les loi suivies par des expériences de type pile ou face. Elles forment le fondement des lois multinomiales, qui sont très utilisées en intelligence artificielle.
- Loi normale : Il s'agit probablement de la loi continue la plus importante en probas / stats. Dès lors que l'on s'intéresse à des sommes ou des moyennes de variables aléatoires, on aboutit inéluctablement à cette loi.
- Loi des grands nombres : Il s'agit du principe qui justifie qu'à partir d'échantillons observés, on sera en mesure d'estimer les distributions de probabilité des variables aléatoires qui ont engendré ces échantillons. Cela nous servira, notamment, à justifier que les algorithmes d'apprentissage que l'on développera produisent des résultats sensés.
- Théorème central-limite : Ce théorème est la justification que toute somme ou moyenne de variables aléatoires indépendantes suivant la même loi (quelle qu'elle soit) suit approximativement une loi normale.
Exemples vus en cours
Ressources
Bibliographie
- Indépendance mutuelle : il s'agit d'une propriété fondamentale en apprentissage de paramètres et l'on s'appuiera sur celle-ci dans les cours 3 et 4.
- Indépendance mutuelle : il s'agit d'une propriété fondamentale en apprentissage de paramètres et l'on s'appuiera sur celle-ci dans les cours 3 et 4.
Contenu du cours
- Indépendance mutuelle : il s'agit d'une propriété fondamentale en apprentissage de paramètres
- indépendance conditionnelle
Contenu du cours
- Indépendance mutuelle : il s'agit d'une propriété fondamentale en apprentissage de paramètres et l'on s'appuiera sur celle-ci dans les cours 3 et 4.
- Indépendance conditionnelle : cette propriété est l'un des deux fondements qui permettent la manipulation de probabilités de grandes tailles sur ordinateur (utilisées par exemple pour réaliser des diagnostic de panne, etc).
- Indépendance mutuelle :
- Indépendance mutuelle : il s'agit d'une propriété fondamentale en apprentissage de paramètres
- Indépendance mutuelle
- Indépendance mutuelle :
Cours 2 : rappels de probas / stats!!
Contenu du cours!!!
Cours 2 : rappels de probas / stats
Contenu du cours
Exemples vus en cours!!!
Ressources!!!
Bibliographie!!!
Exemples vus en cours
Ressources
Bibliographie
Cours 2 : rappels de probas / stats!!
Contenu du cours!!!
- Indépendance mutuelle
- indépendance conditionnelle
- Loi de Bernoulli / Loi binomiale
- Loi normale
- Loi des grands nombres
- Théorème central-limite