Couvre les concepts fondamentaux des probabilités et des statistiques, y compris la régression linéaire, les statistiques exploratoires et l'analyse des probabilités.
Explore d'autres variances spécifiques dans les modèles de mélange et discute des questions d'identification et des comparaisons de modèles à l'aide de 500 dessins.
Introduit l'estimation bayésienne, qui couvre l'inférence classique par rapport à l'inférence bayésienne, les antécédents conjugués, les méthodes MCMC et des exemples pratiques comme l'estimation de la température et la modélisation de choix.
Explore les statistiques de Poisson, des exemples de tremblements de terre et de frappes éclair, de courant noir et de bruit de lecture dans les appareils photosensibles.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Explore les méthodes avancées d'acceptation-rejet, l'échantillonnage à partir de la distribution normale et la génération de variables aléatoires multivariées.
