目录
搜索：
视频
课程：Aléatoire : une introduction aux probabilités - Partie 2. 点击其实核心的内容可以返回。
- Séance 1 : LOI D'UN VECTEUR ALÉATOIRE
- Séance 2 : MOMENTS
- Séance 3 : LOIS CONDITIONNELLES
- LA MÉTHODE DU REJET
- ILLUSTRATION & EXPÉRIMENTATION : LA MÉTHODE DU REJET
- Loi triangulaire
- Régression linéaire
- Aiguille de Buffon
- Séance 4 : VECTEURS ALÉATOIRES INDÉPENDANTS
- Séance 5 : CALCUL DE LOIS
- EXEMPLES DE MÉTHODES PARTICULIÈRES
- ILLUSTRATION & EXPÉRIMENTATION : INDÉPENDANCE ET FLÉCHETTES ALÉATOIRES
- Lois de Gauss et de Cauchy
- Calculs sur les lois Gamma
- Pannes informatiques
- Loi paire flippée
- Séance 1 : SOMMES DE VARIABLES ALÉATOIRES
- Séance 2 (1/2) : CONVERGENCES
- Séance 3 (2/2) : CONVERGENCES
- Séance 4 : LOI DES GRANDS NOMBRES
- ILLUSTRATION & EXPÉRIMENTATION : LA LOI DES GRANDS NOMBRES
- Minimum et maximum de variables aléatoires uniformes
- La convergence presque-sûre implique la convergence en probabilité
- Une métrique pour la convergence en probabilité
- Exemples de convergence de variables aléatoires
- Une condition de moment pour la convergence en moyenne
- Une condition suffisante pour la convergence presque-sûre
- Séance 5 : APPLICATIONS DE LA LOI DES GRANDS NOMBRES
- ILLUSTRATION & EXPÉRIMENTATION : CONVERGENCE DE LA FONCTION DE RÉPARTITION EMPIRIQUE
- MÉTHODE DE MONTE CARLO (INTRODUCTION)
- MÉTHODE DE MONTE CARLO (FONDEMENT)
- ILLUSTRATION & EXPÉRIMENTATION : LES AIGUILLES DE BUFFON
- Placement risqué (difficulté **)
- Séance 1 : FONCTIONS CARACTÉRISTIQUES
- Séance 2 : FONCTIONS CARACTÉRISTIQUES (suite)
- Séance 3 : CONVERGENCE EN LOI
- Séance 4 : CONVERGENCE EN LOI (suite)
- Séance 5 : THÉORÈME DE LA LIMITE CENTRALE
- ILLUSTRATION & EXPÉRIMENTATION : THÉORÈME DE LA LIMITE CENTRALE
- INTERVALLES DE CONFIANCE D'UN SONDAGE
- ILLUSTRATION & EXPÉRIMENTATION : INTERVALLES DE CONFIANCE
- Trois exemples de convergence en loi
- Erreurs d’arrondi
- Second tour d'une élection présidentielle
- La convergence du Théorème Central Limite ne peut pas être en probabilité
- Test de moyenne nulle