Discute des distributions de probabilité et du théorème de la limite centrale, en soulignant leur importance dans la science des données et l'analyse statistique.
Couvre les concepts fondamentaux de probabilité et de statistiques, y compris les résultats intéressants, le modèle standard, le traitement de l'image, les espaces de probabilité et les tests statistiques.
Introduit des concepts fondamentaux de probabilité, y compris des événements, des compléments, des probabilités conditionnelles et des variables aléatoires.
Explore les fonctions de masse binomiale et de Poisson, calculant les probabilités et discutant des fonctions de distribution des variables aléatoires.
Explore l'hypothèse de thermalisation d'état propre dans les systèmes quantiques, en mettant l'accent sur la théorie de la matrice aléatoire et le comportement des observables dans l'équilibre thermique.
Couvre les probabilités conditionnelles, illustrant comment les événements influencent les probabilités des uns et des autres et leurs applications dans des scénarios réels.
Introduit des statistiques inférentielles, couvrant l'échantillonnage, la tendance centrale, la dispersion, les histogrammes, les scores z et la distribution normale.
Explore la cohérence et les propriétés asymptotiques de l’estimateur de vraisemblance maximale, y compris les défis à relever pour prouver sa cohérence et construire des estimateurs de type MLE.