Explore la dépendance, la corrélation et les attentes conditionnelles en matière de probabilité et de statistiques, en soulignant leur importance et leurs limites.
Explore la dépendance dans les vecteurs aléatoires, couvrant la densité articulaire, l'indépendance conditionnelle, la covariance et les fonctions génératrices de moment.
Explore la généralisation du théorème de la limite centrale de Martingale aux sous-martingales et aux supermartingales, en discutant des propriétés clés et des corollaires.
Couvre les probabilités, les variables aléatoires, les attentes, les GLM, les tests d'hypothèse et les statistiques bayésiennes avec des exemples pratiques.
Couvre les distributions communes, les fonctions génératrices de temps et les matrices de covariance dans les statistiques pour la science des données.
Explique les attentes conditionnelles, les événements de conditionnement, le calcul des probabilités et des exemples avec des dés et des variables aléatoires.
