Explore l'inférence des hypothèses pour les estimands statistiques dans les modèles linéaires généralisés, en mettant l'accent sur des approches robustes et génériques.
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.
Discute des méthodes d'estimation en probabilité et en statistiques, en se concentrant sur l'estimation du maximum de vraisemblance et les intervalles de confiance.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Explore la distribution de Wishart, les propriétés des matrices de Wishart, et la distribution de T2 de Hotelling, y compris la statistique T2 de deux exemples Hotelling.
Explique comment calculer les taux de croissance moyens à l'aide de la moyenne arithmétique, de la moyenne géométrique et de l'analyse linéaire des tendances.
Explore les modèles factoriels en finance, couvrant les portefeuilles de moyenne variance, les anomalies de taille et de valeur et les stratégies de momentum.
Couvre les méthodes d'interpolation déterministe globale et locale dans les systèmes d'information géographique, en discutant des connaissances spécialisées, de la sélection des méthodes et de l'estimation de l'incertitude.
Couvre l'analyse statistique et la visualisation des données morphométriques, y compris la discrimination entre les types d'arbres et les calculs numpy.
Couvre les prédicteurs de moyenne locaux, y compris les voisins les plus proches K et les estimateurs Nadaraya-Watson, ainsi que la régression linéaire locale et ses applications.
