38 lines
1.2 KiB
Markdown
38 lines
1.2 KiB
Markdown
# Introduction
|
|
|
|
On parle de phénomènes aléatoires car nous ne contrôlons pas tout les paramètres de ces évènements.
|
|
|
|
Nous appliquons alors différentes méthodes d'analyse statistiques.
|
|
|
|
## Méthode
|
|
|
|
- **Statistique descriptive**: Peu vu dans ce cours, Se concentre sur les données elle même pour en
|
|
tirer des conclusions.
|
|
- **Inférence Statistiques:** Déduire d'un échantillon de données, des propriétés intrinsèque.
|
|
|
|
## Méthode générale
|
|
|
|
1) Construction d'un échantillon (Observation) -> non vu en cours.
|
|
2) Exploration des données (Statistique descriptive) -> peu vu en cours.
|
|
3) Modèle probabiliste.
|
|
- ex: Le nombre de voiture \\(\sim \mathbb{P}(\lambda) \\) (suit une loi de poisson)
|
|
4) Estimation du/des paramètres inconnus (inférence)
|
|
5) Prédiction
|
|
|
|
Le cours porte principalement sur le point 3 et 4
|
|
|
|
## Stats vs Proba
|
|
|
|
- La **Probabilité**: Théorie abstraite, mathématique, qui donne un sens à la notion de hasard.
|
|
Fournit des modèles théoriques pour l'analyse aléatoire.
|
|
- Les **Statistiques**: Méthode pour determiner le meilleur modèle probabiliste pour représenter un
|
|
phénomène concret, basé sur des observations.
|
|
|
|
Les statistiques utilisent régulièrement les probas.
|
|
|
|
|
|
|
|
|
|
|
|
|