Ce cours donne aux étudiants les bases probabilistes et statistiques de la science des données, en quatre chapitres :
- fondements des probabilités : espace probabilisé, conditionnement et Bayes, variables et vecteurs aléatoires, lois usuelles, régression ;
- convergence et théorèmes limites : loi des grands nombres, théorème central limite, approximations ;
- statistique inférentielle : estimation, maximum de vraisemblance, intervalles de confiance, tests ;
- simulation et applications : Monte-Carlo, bootstrap, tests de permutation.
Chaque chapitre comprend un cours avec des exemples résolus, une synthèse et des exercices corrigés, complétés par des fiches de TD.
- أستاذ: karima kies