Fournit un aperçu des modèles linéaires généralisés, en mettant l'accent sur les modèles de régression logistique et de Poisson, et leur mise en oeuvre dans R.
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.
Introduit des concepts fondamentaux de probabilité, y compris des événements, des compléments, des probabilités conditionnelles et des variables aléatoires.
Explore les outils de traitement statistique des signaux pour les communications sans fil, y compris l'estimation spectrale et la détection, la classification et le filtrage adaptatif des signaux.
Discute des arbres de régression, des méthodes d'ensemble et de leurs applications dans la prévision des prix des voitures d'occasion et des rendements des stocks.
Explore la modélisation dévénements rares, les défis dans lestimation des probabilités avec des données limitées, et lapplication de la théorie des valeurs extrêmes dans divers domaines.
