Couvre les propriétés et la construction des processus de Poisson à partir de variables aléatoires d'i.i.d. Exp(X), en soulignant l'importance du taux de processus et des distributions de temps de saut.
Explore le concept de distribution stationnaire dans les chaînes de Markov, en discutant de ses propriétés et de ses implications, ainsi que des conditions d'une récurrence positive.
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.
Explore le théorème de Bayes pour la détection de pièces défectueuses, les variables aléatoires discrètes et les fonctions de distribution, avec des exemples pratiques et des exercices.
Couvertures Modèles linéaires généralisés, probabilité, déviance, fonctions de liaison, méthodes d'échantillonnage, régression de Poisson, surdispersion et modèles de régression alternatifs.
Explore la théorie et les applications des extrêmes multivariés, en mettant l'accent sur l'adaptation des modèles marginaux et de dépendance ensemble pour une estimation précise.
Explore les promenades aléatoires sur des espaces discrets et leurs propriétés, y compris les variables aléatoires multivariées et les distributions de Poisson.