This HTML5 document contains 38 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

Prefix	IRI
dbpedia-de	http://de.dbpedia.org/resource/
dct	http://purl.org/dc/terms/
dbo	http://dbpedia.org/ontology/
foaf	http://xmlns.com/foaf/0.1/
dbpedia-es	http://es.dbpedia.org/resource/
n11	http://su.dbpedia.org/resource/
n16	http://g.co/kg/m/
rdfs	http://www.w3.org/2000/01/rdf-schema#
category-fr	http://fr.dbpedia.org/resource/Catégorie:
n5	http://fr.dbpedia.org/resource/Modèle:
wikipedia-fr	http://fr.wikipedia.org/wiki/
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
owl	http://www.w3.org/2002/07/owl#
n13	http://ma-graph.org/entity/
dbpedia-fr	http://fr.dbpedia.org/resource/
prop-fr	http://fr.dbpedia.org/property/
prov	http://www.w3.org/ns/prov#
xsdh	http://www.w3.org/2001/XMLSchema#
wikidata	http://www.wikidata.org/entity/
dbr	http://dbpedia.org/resource/

Statements

Subject Item

dbpedia-fr:Théorème_de_Lehmann-Scheffé

rdfs:label

Théorème de Lehmann-Scheffé Lehmann–Scheffé theorem Satz von Lehmann-Scheffé Teorema de Lehmann–Scheffé

rdfs:comment

Le théorème de Lehmann-Scheffé a une importance particulière en statistiques puisqu'il permet de trouver des estimateurs sans biais optimaux qui ne peuvent pas être améliorés en termes de précision. De tels estimateurs n'existent pas forcément mais si l'on dispose d'une statistique qui soit à la fois exhaustive et totale et d'un estimateur qui soit sans biais alors l'estimateur augmenté est optimal et l'on ne peut pas trouver de meilleur estimateur sans biais. (On dit qu'une statistique est totale si : implique presque partout.)

owl:sameAs

dbpedia-de:Satz_von_Lehmann-Scheffé n11:Téoréma_Lehmann-Scheffé n13:162856786 dbpedia-es:Teorema_de_Lehmann–Scheffé n16:01y940 dbr:Lehmann–Scheffé_theorem wikidata:Q1129636

dbo:wikiPageID

2689023

dbo:wikiPageRevisionID

190223273

dbo:wikiPageWikiLink

dbpedia-fr:Henry_Scheffé category-fr:Théorème_de_la_théorie_des_probabilités dbpedia-fr:Erich_Leo_Lehmann dbpedia-fr:Fonction_de_masse_(probabilités) dbpedia-fr:Statistique_exhaustive dbpedia-fr:Ensemble_négligeable dbpedia-fr:Variable_aléatoire_à_densité dbpedia-fr:Estimateur_(statistique) dbpedia-fr:Statistique category-fr:Estimation_(statistique) dbpedia-fr:Statistique_(indicateur)

dbo:wikiPageLength

2517

dct:subject

category-fr:Théorème_de_la_théorie_des_probabilités category-fr:Estimation_(statistique)

prop-fr:wikiPageUsesTemplate

n5:Ébauche n5:Portail n5:Confusion n5:Références n5:Infobox_Méthode_scientifique

prov:wasDerivedFrom

wikipedia-fr:Théorème_de_Lehmann-Scheffé?oldid=190223273&ns=0

foaf:isPrimaryTopicOf

wikipedia-fr:Théorème_de_Lehmann-Scheffé

dbo:namedAfter

dbpedia-fr:Henry_Scheffé dbpedia-fr:Erich_Leo_Lehmann

dbo:abstract

Le théorème de Lehmann-Scheffé a une importance particulière en statistiques puisqu'il permet de trouver des estimateurs sans biais optimaux qui ne peuvent pas être améliorés en termes de précision. De tels estimateurs n'existent pas forcément mais si l'on dispose d'une statistique qui soit à la fois exhaustive et totale et d'un estimateur qui soit sans biais alors l'estimateur augmenté est optimal et l'on ne peut pas trouver de meilleur estimateur sans biais. Ce théorème nous donne donc une condition suffisante pour trouver un estimateur sans biais optimal. Il nous dit également que cet estimateur s'exprime comme une fonction de la statistique exhaustive totale S, c'est-à-dire de la forme g(S) où g est une fonction mesurable. (On dit qu'une statistique est totale si : implique presque partout.)