Introduit des concepts fondamentaux de probabilité, y compris des événements, des compléments, des probabilités conditionnelles et des variables aléatoires.
Couvre le concept d'estimation ponctuelle dans les statistiques, en se concentrant sur les méthodes d'estimation des paramètres inconnus à partir d'un échantillon donné.
Explore les fonctions de masse binomiale et de Poisson, calculant les probabilités et discutant des fonctions de distribution des variables aléatoires.
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
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 un échantillonnage important pour une estimation Monte Carlo efficace des valeurs attendues en utilisant une nouvelle distribution pour réduire la variance.
