Il explore la construction de régions de confiance, les tests d'hypothèse inversés et la méthode pivot, en soulignant l'importance des méthodes de probabilité dans l'inférence statistique.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Explique lestimation, la corrélation et la corrélation Pearson dans les statistiques, en se concentrant sur la mesure et la description des relations entre les variables.
Couvre l'algorithme Metropolis-Hastings et le diagnostic de convergence dans la simulation stochastique, en se concentrant sur l'échantillonnage et la génération de propositions.
Explore le cadre de la théorie de la décision en théorie statistique, considérant les statistiques comme un jeu aléatoire avec des concepts clés tels que la recevabilité, les règles minimax et les règles Bayes.
Couvre les extrêmes limitent les théorèmes, l'analyse statistique de base et les applications aux extrêmes multivariés, soulignant l'importance de comprendre la distribution des maxima.
Couvre les techniques de simulation stochastique et de réduction de la variance, en se concentrant sur la génération de distributions variables et auxiliaires de Courra.
