Estimation et tests paramétriques et non paramétriques : cours et exercices avec solutions : maîtrises de mathématiques, agrégation de mathématiques, grandes écoles scientifiques / Khoan vo Khac [ Livre]

Auteur principal: Vo, Khac Khoan, 1936-....Langue: Français.Publication : Paris : Ellipses, 1985Description : 352 p. ; 26 cmISBN: 2729885056.Classification: 519.3 EstimationRésumé: Sommaire Chapitre A. Structure statistique I. Concepts élémentaires II. Principaux exemples : les modèles exponentiels III. Modèles dominés et fermeture convexe IV. Complétude V. Exhaustivité VI. Information dans un modèle paramétrique dominé Chapitre B. Estimation à variance minimum ; propriétés exactes I. Le problème posé II. Etude générale III. Cas d'un modèle paramétrique et dominé Chapitre C. Estimation à variance minimum ; Propriétés asymptotiques I. Etude générale des propriétés asymptotiques II. Efficacité asymptotique Chapitre D. Théorie générale des tests I. Le problème posé II. Principes généraux III. Hypothèse finie contre hypothèse simple Chapitre E. Hypothèse unilatére contre hypothèse unilatère I. Modèle à rapport de vraissemblance monotone II. Modèle exponentiel à paramètre unidimensionnel III. Modèles gaussiens à paramètre unidimensionnel IV. Modèle exponentiel à paramètre multidimensionnel V. Modèle gaussien à paramètre bidimensionnel Chapitre F. Hypothèse connexe contre hypothèse bilatère I. Modèle exponentiel à paramètre unidimensionnel II. Modèles gaussiens à paramètre unidimensionnel III. Modèle exponentiel à paramètre multidimensionnel IV. Modèle gaussien à paramètre bidimensionnel Chapitre G. Hypothèses affines : étude générale et analyse de la variance I. Etude générale II. Analyse de la variance à deux facteurs contrôlés Chapitre H. Hypothèses affines : homogénéité et régression I. Analyse de la variance à un facteur contrôlé II. Etude de la linéarité de la régression III. Analyse de la régression linéaire Chapitre I. Régions de confiance I. Régionsde confiance et leurs qualités II. Région de confiance associée à une famille tests III. Exemples de régions de confiance Chapitre J. Méthode de Pearson pour les modèles non-paramétriques I. Cas ou l'hypothèse à tester est simple II. Le test du signe III. Cas ou l'hypothèse à tester est composite ; schéma général IV. Hypothèse composite : ajustement à une distribution gaussienne inconnue V. Hypothèse composite ; indépendance de deux caractères Chapitre K. Méthode de Wilcoxon pour les modèles non-paramétriques I. Décalage stochastique II. Etude préliminaire du rang III. Tester la surcharge à gauche (observations couplées) IV. Tester le décalage stochastique.Sujet - Nom commun: Tests d'hypothèses (statistique) | Statistique mathématique -- Problèmes et exercices | Estimation, Théorie de l'
Current location Call number Status Notes Date due Barcode
ENS Rennes - Bibliothèque
Mathématiques
519.3 KHA (Browse shelf) Available 519.3 Estimation 00000675

Bibliogr. p. 345

Bibliogr.

Sommaire
Chapitre A. Structure statistique
I. Concepts élémentaires
II. Principaux exemples : les modèles exponentiels
III. Modèles dominés et fermeture convexe
IV. Complétude
V. Exhaustivité
VI. Information dans un modèle paramétrique dominé
Chapitre B. Estimation à variance minimum ; propriétés exactes
I. Le problème posé
II. Etude générale
III. Cas d'un modèle paramétrique et dominé
Chapitre C. Estimation à variance minimum ; Propriétés asymptotiques
I. Etude générale des propriétés asymptotiques
II. Efficacité asymptotique
Chapitre D. Théorie générale des tests
I. Le problème posé
II. Principes généraux
III. Hypothèse finie contre hypothèse simple
Chapitre E. Hypothèse unilatére contre hypothèse unilatère
I. Modèle à rapport de vraissemblance monotone
II. Modèle exponentiel à paramètre unidimensionnel
III. Modèles gaussiens à paramètre unidimensionnel
IV. Modèle exponentiel à paramètre multidimensionnel
V. Modèle gaussien à paramètre bidimensionnel
Chapitre F. Hypothèse connexe contre hypothèse bilatère
I. Modèle exponentiel à paramètre unidimensionnel
II. Modèles gaussiens à paramètre unidimensionnel
III. Modèle exponentiel à paramètre multidimensionnel
IV. Modèle gaussien à paramètre bidimensionnel
Chapitre G. Hypothèses affines : étude générale et analyse de la variance
I. Etude générale
II. Analyse de la variance à deux facteurs contrôlés
Chapitre H. Hypothèses affines : homogénéité et régression
I. Analyse de la variance à un facteur contrôlé
II. Etude de la linéarité de la régression
III. Analyse de la régression linéaire
Chapitre I. Régions de confiance
I. Régionsde confiance et leurs qualités
II. Région de confiance associée à une famille tests
III. Exemples de régions de confiance
Chapitre J. Méthode de Pearson pour les modèles non-paramétriques
I. Cas ou l'hypothèse à tester est simple
II. Le test du signe
III. Cas ou l'hypothèse à tester est composite ; schéma général
IV. Hypothèse composite : ajustement à une distribution gaussienne inconnue
V. Hypothèse composite ; indépendance de deux caractères
Chapitre K. Méthode de Wilcoxon pour les modèles non-paramétriques
I. Décalage stochastique
II. Etude préliminaire du rang
III. Tester la surcharge à gauche (observations couplées)
IV. Tester le décalage stochastique

Powered by Koha