Olivier Rioul
Diplômé de l'École Polytechnique et de l'École Nationale Supérieure des Télécommunications (Télécom Paris), ingénieur général du Corps interministériel des Mines, docteur ès sciences, Olivier Rioul est professeur à Télécom Paris.
Il enseigne depuis des années la théorie de l'information, les probabilités et les statistiques, à l'École Polytechnique (2008-2020), à l'ENSTA, à l'ENS Paris-Saclay, et dans plusieurs Masters Recherche.
Également très impliqué dans la recherche, ses intérêts portent sur les mathématiques appliquées comprenant diverses applications de la théorie de l'information telles que les inégalités pour les statistiques, la sécurité matérielle ou encore la psychologie expérimentale.
S-120-P
Fiche technique
- Langue
- Français
- Pages
- 154
- Format
- 18x24
- Poids
- 250g
- Couleur
- Oui
@book{Rioul2022,
title = {Estimation paramétrique},
author = {Rioul, Olivier},
year = {2022},
series = {Spartacus Supérieur},
publisher = {Spartacus-Idh},
ISBN = {978-2-36693-120-4},
pages = {154},
url = {https://spartacus-idh.com/liseuse/120/}
}
Estimation paramétrique
29,00 €
Lire en ligne
Ce lien ouvre une liseuse dans une nouvelle fenêtre.
Bienvenue sur la liseuse Spartacus-Idh !
Ouverture
- En cliquant sur le bouton Lire en bas de cette fenêtre, la liseuse s'ouvre en plein écran dans une nouvelle fenêtre.
- Vous pourrez fermer cette nouvelle page pour revenir ici ou utiliser les outils décrits ci-après.
Navigation
- Pour naviguer dans l'ouvrage, il suffit de cliquer ou de toucher les bords droit et gauche ou encore d'utiliser les flèches du clavier.
- Des liens hypertextes internes à l'ouvrage apparaissent soulignés en bleu : ils permettent de naviguer entre les pages.
- Un sommaire et une barre d'avancement (cf. ci-dessous) permettent d'accéder facilement à la page souhaitée.
Outils
À tout moment, vous verrez en bas à droite de la page l'icône 
qui permet d'accéder aux outils :
- permet de lancer une recherche avancée dans le texte. On peut aussi utilier le raccourci clavier
ctrl + foucmd + f.- Il est possible de chercher de un à trois mots entiers ou partiels, par page, en utilisant les opérateurs booléens
et/ou. - Une fois la recherche effectuée, un panneau s'affiche sur la gauche et les occurences sont encadrées dans le texte.
- Pour effacer la recherche, il suffit de fermer le panneau ou de recharger la page.
- Il est possible de chercher de un à trois mots entiers ou partiels, par page, en utilisant les opérateurs booléens
- permet d'accéder au sommaire et de naviguer dans l'ouvrage.
- permet de revenir à cette page.
- Enfin, une barre d'avancement indique la position dans l'ouvrage. En maintenant appuyé dessus, des miniatures apparaissent.
TTC
Cet ouvrage traite d'estimation paramétrique, à un niveau accessible à des étudiants de Licence ou de Master. Il intéressera également les candidats aux concours d'enseignement (CAPES, Agrégation, etc.).
Quelques connaissances de base en probabilités sont nécessaires pour aborder ce cours, dont la progression permet de se familiariser facilement avec les notions fondamentales en vue de leurs applications pratiques. On s'attache ici à présenter un cadre mathématique le plus simple possible pour comprendre les idées essentielles de l'estimation, aussi bien dans le cadre classique fréquentiste que bayesien.
Après avoir établi la notion de modèle statistique et les critères importants, on définit le score et l'information de Fisher pour esquisser la théorie des estimateurs de variance minimale. On aborde ensuite le principe du maximum de vraisemblance avec des propriétés asymptotiques, avant de particulariser au cas pratiques d'estimateurs linéaires ou aux moindres carrés. Dans le cadre bayesien, on compare les estimateurs MMSE, MAP et ML, ainsi que les estimateurs bayesiens linéaires. De nombreux exemples et exercices avec indications et contextes historiques viennent consolider les notions développées.
Ouvrage(s) dans une thématique proche
Cet ouvrage traite d'estimation paramétrique, à un niveau accessible à des étudiants de Licence ou de Master. Il intéressera également les candidats aux concours d'enseignement (CAPES, Agrégation, etc.).
Quelques connaissances de base en probabilités sont nécessaires pour aborder ce cours, dont la progression permet de se familiariser facilement avec les notions fondamentales en vue de leurs applications pratiques. On s'attache ici à présenter un cadre mathématique le plus simple possible pour comprendre les idées essentielles de l'estimation, aussi bien dans le cadre classique fréquentiste que bayesien.
Après avoir établi la notion de modèle statistique et les critères importants, on définit le score et l'information de Fisher pour esquisser la théorie des estimateurs de variance minimale. On aborde ensuite le principe du maximum de vraisemblance avec des propriétés asymptotiques, avant de particulariser au cas pratiques d'estimateurs linéaires ou aux moindres carrés. Dans le cadre bayesien, on compare les estimateurs MMSE, MAP et ML, ainsi que les estimateurs bayesiens linéaires. De nombreux exemples et exercices avec indications et contextes historiques viennent consolider les notions développées.