Couvre le calcul et l'estimation dans la simulation stochastique, en se concentrant sur la génération de répliques iid et l'échantillonnage d'importance optimale.
Couvre les méthodes Monte Carlo, la réduction de la variance et le contrôle optimal stochastique, explorant les techniques de simulation, l'efficacité et la dynamique d'investissement.
Couvre les tests de ratio de vraisemblance, leur optimalité et les extensions dans les tests d'hypothèses, y compris le théorème de Wilks et la relation avec les intervalles de confiance.
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.
Couvre les bases de la régression linéaire, des variables instrumentales, de l'hétéroscédasticité, de l'autocorrélation et de l'estimation du maximum de vraisemblance.
Explique les estimateurs statistiques pour les variables aléatoires et les distributions gaussiennes, en se concentrant sur les fonctions d'erreur pour l'intégration.
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.
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.